「Meta 就算裁掉 90% 的人，Instagram、Facebook 这些软件也会正常运转」。

Eva 在 Meta 担任高级工程师，没有在待裁名单上，绩效不错，正在主动拥抱 AI 工具。

但他说，「没有人是安全的，都挺危险，只是早晚的问题。」

这是一个关于绩效如何评定、晋升如何发生、管理如何运转、甚至努力本身如何被定义的故事，身处其中的人，上到扎克伯格，下到才入职的初级工程师，谁也说不清这场风暴到底何时会结束。

裁员是真的，但理由是假的

Meta 自 2022 年以来已累计裁掉约 25,000 人。

2022 年 11 月裁 11,000 人，2023 年再裁 10,000 人，扎克伯格将其称为效率之年。2025 年 1 月，扎克伯格在内部备忘录中宣布裁掉 5% 的最低绩效者，约 3600 人。2026 年 3 月又裁 700 人。据路透社报道，5 月下旬还将裁撤约 8000 人，占全球近 79,000 名员工的 10%，下半年还有第二轮。

裁员是实打实在发生的，但并不一定是因为 AI 抢了这些人的饭碗。

Eva 认为，这个阶段被裁的人，大部分有没有 AI 都会走。「前几年整个 CS 行业招人远超实际需求，行业景气、资本过热、股价一路涨，很多公司招了一堆人。马斯克买下推特后裁掉大部分员工，APP 照样能用，那时哪有什么 AI。」

2026 年，Meta 的资本支出指引是 1150 亿到 1350 亿美元，几乎是 2025 年的两倍，全部流向数据中心、GPU 和 AI 基础设施。裁人省下的钱，流向了算力。

AI 在这个阶段扮演的角色，就像是一张体面的牌，公司可以对外宣称效率已经提升、不需要这么多人。

小公司轻巧敏捷，长成大公司后决策变慢，发现干不过新兴的独角兽和初创企业，于是开始瘦身、扁平化、聚焦核心产品。AI 只是加速了这个本就在发生的循环。

当 AI 使用度参与绩效考核

不过，AI 的介入，还是改变了裁人的一些规则。

Meta 原来的绩效评定方式在硅谷大厂中颇为独特。经理不直接打分，而是综合你的自评、同事评价和自己的观察，写成一份绩效定级文档。

然后进入一个叫 Calibration Meeting 的环节，同级别大约十几个人放在一起，每位经理轮流陈述自己下属的表现，解释为什么这个人值得某个等级，大家集体讨论，最后给所有人定级。

这套流程繁琐耗时，但它的价值在于引入了多方视角和同级横向比较，单个经理的偏好很难决定结果。Eva 认为这是相对公平的。

2026 年初，Calibration Meeting 被取消了。Eva 解释道，「公司重新改回半年一次绩效评估，理由是有了 AI，经理可以用 AI 辅助撰写自评，不再需要那么多协作环节，流程可以更快。」

与此同时，Meta 推出了名为 Checkpoint 的 AI 绩效追踪系统，能够自动聚合员工在 Google Workspace 等内部系统中的工作数据，为经理生成贡献摘要。对软件工程师来说，Checkpoint 会追踪包括 AI 生成代码比例在内的超过 200 个数据维度，同时监测错误率、Bug 关联数等指标。

Meta 首席人事官 Janelle Gale 在 2025 年底的内部备忘录中明确表示，AI 协作能力将成为 2026 年绩效评估的核心准则。

此外，Meta 工程师每写一段代码，系统都会自动标注一个百分比，显示这段代码有多少比例是 AI 辅助完成的，这个数据已经成为考核指标的一部分。

每个组根据自身情况设定一个最低门槛，比如 50% 或 90% 的代码需要由 AI 生成。你必须达到这个门槛，达标之后，绩效评估仍然继续看你干的活有多少实际价值。「公司的想法是，你们先用起来，用得好不好再看」，Eva 说。

把 AI 使用率写进绩效，像是某种程度上的强制推广机制，不奖励用得多的人，但会惩罚不用的人。

这种思路并非 Meta 独有。

英伟达 CEO 黄仁勋在 2026 年 3 月的 GTC 大会上公开表示，未来公司每个工程师都需要一笔年度 Token 预算，基本工资之外还要再拨一半的额度用于 AI 消耗。他甚至说，如果一个年薪 50 万美元的工程师每年在 AI 上的花费不到 25 万美元，他会「深感忧虑」。

黄仁勋是卖 Token 的，商家哪有不推广自己商品的道理，但 Meta 也曾一度走到了这种量化狂热的极端。

一位员工在内部网络自发搭建了名为「Claudeonomics」的排行榜，以 Anthropic 的 Claude 模型命名，追踪 8.5 万名员工的 AI Token 消耗量。30 天内，全公司消耗超过 60 万亿 Token。

排行榜设有铜牌到翡翠的徽章等级，前 250 名会获得 Token Legend、Cache Wizard 等头衔。排名第一的员工在 30 天内消耗了 2810 亿 Token，有员工为了刷排名，让 AI agent 空转数小时，不执行任何实际任务，纯粹消耗 Token。用 Token 消耗量来衡量生产力，就像用油耗来评价卡车司机，引擎在转，不代表在送货。

Eva 在自己的团队里倒没感受到排行榜的压力，「反正我们跟这个排行榜没有什么直接关系，该干嘛干嘛，大家当一个乐呵看了一下就完了」。经理也没有拿它做文章，但在排行榜网站下线后，底层逻辑并没有消失。代码的 AI 生成占比依然在被追踪，最低门槛依然存在。

而当所有人都被推着用 AI，每个人产出的数字都在上升，那绩效标准本身也会水涨船高。「如果 60% 的人都做得更好了，那这个标准一定会提高。至于这些更好当中有多少是 AI 带来的，有多少是熬夜卷出来的，不好说。」

内卷的风吹到了硅谷

Eva 的大领导也有压力，「别的大领导都在疯狂卷下面的人，如果没卷成功，他的位置也不保。」

据《华尔街日报》报道，Meta 新成立了一个应用 AI 工程部门，采用 1:50 的经理和工程师比例，一个经理管 50 人，是硅谷传统上限 25:1 的两倍。

Gallup 的数据显示，全美经理的平均管辖人数已从 2024 年的 10.9 人上升到 2025 年的 12.1 人，但 Meta 的 50:1 仍是行业均值的四倍多。

Eva 切身感受到了这个变化。正常大厂一个经理管十几个人，因为要帮你做生涯规划、跟你一对一谈话、了解你的需求。

1:50 意味着原来 5 个经理的团队现在只需要 1 个，剩下 4 个失去了位置。

而这个新部门到底会怎么运作，没有人知道，尽管外界的声音都认为这场变动会以悲剧收尾。

「我们其他部门暂时还保持着原来的管理节奏，经理还会跟你一对一聊职业规划，但所有人都预期，这种状态不会持续太久。有些组已经开始砍掉基层经理，只留上一层的管理者直接管所有人。」

管理层本身也在面临自己的工作是不是已经没意义了的拷问。「大家都处在同一个状态，都要面临你的岗位是否还有存在必要这个问题。对于领导们来说也一样，他们的日子也没有变更好过。」

AI 确实在帮经理提高效率，自动汇总下属最近写了什么代码、发了什么帖子、参加了什么会议，定期生成报告。原来得领导自己一顿找，现在 AI 总结完，领导只需过一下就行。

但效率提升的另一面是，管理变得更廉价，而廉价的东西从来不缺替代者。

内卷层层传导，最终承受冲击最直接的，还是处在底层的初级岗位。

Eva 作为高级工程师，他在规划项目时如果发现一个小 bug，以前的做法是交给初级工程师。但现在，如果事情不大，他会直接打开一个 AI 窗口，几分钟就可以搞定。「不需要跟初级工程师交流，我自己就三下五除二干完了。」

大的项目仍然需要人来做，但那些曾经撑起初级工程师工作量的琐碎任务，都正在被高级工程师手边的 AI 顺手消化。

Eva 语速很快：「如果你可以尽早做到既能当工程经理、又能当产品经理、又能当工程师、又能当设计师，所有活一个人都能干，自己就能搭一个功能甚至搭一个团队，那被裁的概率可能比别人小一点。」

对于最终留下多少人，Eva 笑着说，「此时此刻，Meta 哪怕只留一半的人也能 run 下去。如果 AI 继续按照宣传的速度发展，最后可能留下 10% 的程序员来 review 一下 AI 做的东西、对齐一下 product decision，剩下 90% 就失业了，就算这样，Meta 也能继续转。」

没有人安全，包括扎克伯格

没有人觉得自己安全。

大领导有压力，因为别的大领导在卷；经理有压力，因为管理幅度可能从 1:15 变成 1:50；高级工程师有压力，因为标准在水涨船高；初级工程师有压力，因为他们的工作正在被高级工程师的 AI 顺手消化。

甚至扎克伯格自己也处在焦虑之中。

AI 时代的不确定性是真实的，Claude Code 每发一个新功能就可能干黄一家公司，Figma 的股价在 Claude Design 消息后剧烈波动，整个 SaaS 行业都在被逐个拆解。

社交网络看似有壁垒，但壁垒从来没有想象的那么厚。Eva 觉得，QQ 到微信的转换，也就一两年。

扎克伯格一边担心公司前景、一边大力裁员。作为员工，在 Eva 眼中，这是一种管理策略。「他想留下的是最卷的一批人、最聪明的一批人。什么是最好的办法？他发现给钱不是最好的办法，裁员效果更好一些。」

制造不安全感，比发奖金更能驱动产出。

但这种策略也有代价。顶尖的工程师不会一直忍受这种压力，他们会跳槽到更尊重员工的地方。裁员可以逼走懈怠者，但也可能逼走最有选择权的人。

Eva 自己留下来的原因很现实，尽管硅谷现在变得卷了一些，但也没国内那么卷。

不过这些个体选择的背后，整个行业的趋势已经无法回避。「AI 会取代大部分的工作，互联网行业再也回不到过去那种不需要很忙就能挣很多钱的辉煌状态了」。

打不过，就加入

AI 重塑了存量员工的工作方式，也同样改变了新人的筛选入口。

Meta 的工程师面试传统上分三部分：Coding、Behavior Question 和 System Design。Coding 就是给一道算法题，比如排序一串数据，考的是你选哪种算法、对性能和成本的考量。Behavior 偏主观，问你怎么处理反馈和冲突。System Design 一般是 Senior 级别才考的架构设计题。

2025 年 10 月，Meta 在面试中引入了 AI coding 环节。原来两轮纯 Coding，现在变成一轮传统 coding 加一轮 AI coding。候选人在 CoderPad 环境中获得一个多文件的复杂项目，右侧有 AI 聊天窗口，可以在面试过程中切换使用多个 AI 模型，包括 GPT 系列、Claude 系列、Gemini 和 Llama。60 分钟内，你需要理解一个你从未见过的代码库，拆解问题，借助 AI 实现功能或修复 bug。

考的不是你会不会写代码，也不是你会不会写 prompt，而是你与 AI 协作的判断力。AI 跑出来的结果可能对、可能错、可能一部分对一部分错，你怎么跟 AI 交互来达到满意效果，以及你能不能检测 AI 生成的代码是否最优。面试官全程实时观看你的每一个 prompt 和每一次交互。

Eva 认为这非常接近真实的工作环境，看候选人能不能利用最新的工具在短时间内解决复杂问题。

新的入口标准意味着，未来进入这个行业的人从第一天起就被要求具备与 AI 协作的能力。一位经历过这轮面试的候选人在复盘中总结，AI 没有让面试变简单，反而让标准更高了，当你有了 AI 辅助，面试官期待你在相同时间内解决更复杂的问题。

面对这样的局面，Eva 选择的策略是打不过就加入。

「如果这是大势，你改变不了，抗拒用 AI 是没有用的。」

Eva 的日常工作方式已经完全改变，同时开很多个 AI 窗口，让它们并行处理不同任务。「你就一个脑子，同一时间只能干一个事。但 AI 的好处在于你可以跑十个，让它们给你干不同的事。」

从尝试到上手，大概一个月。

他用 AI 的范围已经覆盖工作的几乎每个环节，规划项目时写文档、头脑风暴、对比方案、写 SQL 测算潜在影响、写代码，功能做完后还用它写各种总结、发布社交推文提高曝光度。

「你先当第一批把 AI 用得最好的人，也许你就能成为最后一批被裁的人。但被裁的速度有多快、最终是不是真的能不被裁，没有人知道，只能既来之则安之了」。

在这种自我安慰之外，AI 对不同层级的人价值截然不同。

对于已经积累了足够经验、能够识别问题和把握方向的高级工程师来说，AI 是实实在在的杠杆，以前想到要做两周的分析就头疼，现在立刻就可以开始搞。但对于职业初期的人来说，AI 省掉的恰恰是他们最需要的那部分思考和试错的过程。

效率提高了，但学习机会消失了。

Eva 不愿意把自己归入乐观或悲观的阵营，「你改变不了这个大趋势，就像当时东北下岗的人，只能接受。有的去开饭店，有的南下创业。谁知道呢？人生太长了，想也没用。」

这场游戏玩到现在，唯一确定的是，没有人是赢家。