点击产业数字化时代> 点击右上角“···” > 设为星标
6月12日，扎克伯格在Meta内部备忘录里罕见认错：AI转型"操之过急"，人员调整"犯了错误"，而且"几乎肯定还会犯更多错误"。
这不是一家经营承压的公司在断尾求生。恰恰相反，Meta Q1营收563亿美元创历史新高，净利润同比大增61%，2025年全年利润高达600亿美元。在业绩最好的时刻，它却主动砍掉8000人、转岗7000人、冻结6000个招聘岗位——用真金白银向全世界展示：大厂AI化改造的成本，远不止算力账单。
更讽刺的是，被裁撤和被转岗的恰恰是这家公司最值钱的人：软件工程师和管理层。Meta用一场教科书级的"自我革命"告诉我们：AI不是简单替换人类，而是先把组织砸碎，再决定拼成什么形状。
代价账单：8000人+7000人，AI转型的真实成本
先看Meta这轮调整的具体构成。
调整项目
人数
占比
裁员
约8000人
员工总数10%
5月开始执行，主要涉及管理层与传统工程团队
转岗至AI项目
约7000人
约9%
强制转入新成立的Applied AI Engineering部门
冻结岗位
约6000个
为2026年1450亿美元AI资本支出腾挪资源
这不是2022年那种"元宇宙烧钱、股价暴跌、被迫裁员"的剧本。2025年Meta营收2010亿美元、利润创历史纪录，账上现金充裕。扎克伯格明确说：这次调整是为了让公司"全面向AI倾斜"。
也就是说，Meta是在最有钱的时候，主动选择了一场痛苦重构。这种"自残式转型"的潜台词是：传统工程组织的效率天花板已经到了，与其温水煮青蛙，不如一次性推倒。
但代价也极其真实。8000人背后是家庭、签证、职业路径和心理健康。7000人则面临更微妙的精神冲击：名义上"转岗"，实际上从"写产品代码"变成"给AI出题"。
6500名工程师的"新工作"：给AI当"保姆"
2026年3月，Meta成立了一个叫Applied AI Engineering（AAI）的新部门。初衷很宏大：把全公司的AI工程能力集中起来，打造下一代智能体基础设施。现实却很骨感——约6500名工程师和产品经理被塞进去，主要任务变成了生成谜题、编写编程挑战、完成模型测试评估。
一位员工的原话：“你突然就没了人生目标，几乎不和任何人交流，每周只是机械地重复这些任务。”
另一位说：“大多数人觉得这种工作让人喘不过气来。”
这不是"用AI提效"，这是让人类工程师为AI模型打工。当AI产品需要RLHF（人类反馈强化学习）数据时，谁提供数据？当内部模型需要代码训练语料时，谁写挑战题？当模型要评估安全性时，谁设计测试？答案是：那些原本在写Facebook新功能、优化Instagram推荐、维护WhatsApp基础设施的工程师。
组织结构的扁平化也加剧了失控。AAI部分团队中，每位管理者要直接管理约50名员工。50:1的管理跨度意味着什么？员工没有导师、没有晋升通道、没有反馈，只有在冰雹中跑马拉松——Instagram首席产品官Chris Cox的原话就是这么说的。
Token经济学失控：内部AI消耗创天量
比人员混乱更直接的问题是钱。
Meta内部有一份叫"Claudeonomics"的排行榜，追踪8.5万名员工的AI使用情况。数据显示：员工30天内共消耗60.2万亿个token，随后攀升至73.7万亿。最高单个用户30天用量达2810亿token——按Anthropic公开定价折算，一个人的成本可能高达数百万美元。
成本项目
数据/规模
含义
员工30天token消耗
60.2万亿→73.7万亿
内部AI使用呈指数级膨胀
单用户最高月消耗
2810亿token
成本可能达数百万美元
2026年内部AI支出预估
数十亿美元
仅内部员工使用一项
2026年AI资本支出
1450亿美元
历史级基础设施投资
这催生了"tokenmaxxing"文化：员工竞相刷高token用量，以勋章和排名彰显"AI使用能力"。CTO Andrew Bosworth 4月就警告：“没有人应该为了使用AI而使用AI。token用量本身不是影响力衡量标准。”
但警告没用。AI工具被嵌入了越来越多的工作流，生成的代码、写的邮件、画的PPT、跑的模拟——每一项都要token。更麻烦的是，大量员工用AI代理并行运行多个任务，人为放大消耗。到今年年中，Meta、Uber、ServiceNow等多家公司都发现：给员工开通的AI工具预算，在几个月内就花光了。
于是Meta开始从"催着用AI"转向"管着用AI"：推出AI Gateway中央看板，监控token支出，设置异常消费预警，并计划于2027年推行预算配额制。同时，公司力推自研的MetaCode（原Devmate）替代Anthropic Claude，以降低对外部供应商的依赖。
谁被替代？谁被重构？工程师的职业路线图
回到用户真正关心的问题：AI会不会取代软件工程师？
Meta的案例给出的答案不是简单的"会"或"不会"，而是：取代的是一部分，重构的是另一部分，但中间状态最痛苦。
工程师类型
处境
转型路径
基础业务开发工程师
高风险
工作被AI生成代码替代，需转向产品思维、架构设计或垂直领域专家
维护型/文档型工程师
高风险
重复性工作最先被自动化，需学习AI工具链与数据工程能力
复杂系统架构师
相对稳定
价值从"写代码"转向"设计人与AI协作的边界"
AI训练数据工程师
短期需求大
但工作内卷、机械性高，长期可能被自动化数据合成替代
AI产品/AI应用工程师
需求上升
懂业务、会调教模型、能设计Agent流程的复合人才稀缺
Meta裁掉的4665人里，管理层和软件工程师是主力。这释放了一个明确信号：未来不需要那么多"传话的人"和"写常规代码的人"。但人类不会消失，而是向上迁移——迁移到更高抽象层：定义问题、判断质量、设计协作规则、处理AI边界情况。
一个关键指标是：AI能做对95%的事，但剩下的5%往往决定成败。谁能识别那5%、谁能修复那5%、谁能把5%的边界反馈给模型——谁就是新的稀缺人才。
对中国大厂的三个警示
Meta的试错不是孤例。中国科技公司的AI转型也在加速，有些剧本已经似曾相识。
警示一：不要为AI而AI。Meta的"tokenmaxxing"是典型的指标异化。把"用AI"当成KPI，结果催生大量无意义token消耗。公司应该考核的是AI带来的结果增量，而不是使用AI的姿势。
警示二：组织重构比技术重构更难。买GPU、训模型、调用API，这些都是可以花钱快速解决的事。但让1万名工程师换一种工作方式、让管理层接受更扁平的汇报关系、让绩效体系适配"人+AI"协作——这些才是硬骨头。技术可以买，组织文化只能慢慢改。
警示三：人才不是用来"牺牲"的。扎克伯格承诺"今年不会再有全公司范围裁员"，并说要为受影响员工提供"有意义的职位"。这句话反过来听就是：上一轮操作没给这些人找到意义。中国大厂在推进AI时，如果简单把"转型"等同于"裁人"，损失的不仅是赔偿金，而是未来几年里组织的学习能力和信任资本。
总结
理解Meta这件事，需要分清两个不同层面的问题。
第一层是商业问题：
一家年利润600亿的公司，有没有资格花1450亿赌AI？答案显然是肯定的。扎克伯格不仅买得起单，而且必须买单——因为AI是下一代平台的入口，错过比试错更贵。
第二层是组织问题：
当一家公司把AI写进战略时，它有没有能力照顾好正在经历转型的普通人？Meta的备忘录告诉我们，它做得并不好。高管承认"犯了错误"，但承认错误不能替代系统修复。
Chris Cox在全员会上说了一句被很多人忽略的话：“AI既不是神，也不是魔。它既没你想象的那么好，也没你想象的那么糟。”
这句话应该贴在每个正在推进AI转型的公司会议室里。
真正决定转型成败的，不是模型有多强，而是组织能不能把"人+AI"重新设计成一个可持续的协作系统。技术可以一夜颠覆，但人的信任、习惯和职业尊严，需要时间重建。
Meta是第一个公开认错的科技巨头，但不会是最后一个。对所有大厂来说，这场AI改造才刚刚开始，而最贵的账单还没有寄到。
版权声明：【本公众号尊重原创。所使用的文字、图片素材版权均归原作者所有。若文章内容不慎侵犯了您的权益，请您与我们联系，我们将第一时间进行处理。感谢您的理解与支持。】
求喜欢
AI时代来啦！
你还没关注“产业数字化时代” ？
快快关注
产业最新动向
即刻获取
热门跟贴