2026年4月，Meta首席人力官Janelle Gale发出一份内部备忘录，宣布公司将在5月20日裁员约10%的员工——这意味着大约8,000人将失去工作，同时Meta还将关闭约6,000个正在招聘的职位。
这不是一家经营困难的公司在断臂求生。恰恰相反，Meta在同一天宣布，2026年的资本支出将达到惊人的1,150亿至1,350亿美元，主要用于"Meta Superintelligence Labs efforts and core business"。2025年Meta的资本支出还是720亿美元，一年间翻了近一倍。
一家科技巨头，一边疯狂招人做AI，一边同时宣布大规模裁员——这种矛盾的叙事背后，是一幅更深层的行业图景。
据《纽约时报》报道，Meta不仅在裁员，还在做一件更具争议性的事：追踪员工的电脑使用活动，用这些数据来训练AI模型。
具体来说，Meta部署了系统来记录员工在工作中的操作行为——他们如何与代码交互、如何处理产品问题、如何协作——然后把这些数据喂给模型，让模型学习"人类在真实工作中的行为模式"。
这是一个令人不安的逻辑：公司认为员工的日常工作数据是其AI系统的重要训练资源。 换句话说，Meta不仅在用AI替代员工，还在把员工变成训练AI的"燃料"。
而更让员工愤怒的，是内部描述的工作状态：据报道，Meta要求员工制造"大量的AI代理"，多到需要其他AI代理来找到这些代理，需要代理来给代理评分。这种描述听起来像是某种失控的递归状态，但它真实地描述了Meta内部的AI开发节奏。
经济学家William Baumol曾提出"成本病"理论：有些行业（如医疗、教育）的生产力提升天生缓慢，而有些行业（如制造业）可以快速自动化。但实际情况往往相反——科技公司正在用AI替代那些可以自动化的岗位，同时在AI研发上投入更多人力。
Meta的故事正是如此：
| 领域 | 趋势 |
|---|---|
| 传统岗位（内容审核、基础开发、运营） | 被AI替代或被裁员 |
| AI研发岗位（模型训练、数据中心建设） | 大规模招人或外包 |
裁员节省的成本，与AI基础设施的投入相比，九牛一毛。Meta在2026年计划支出$115-135B，而裁员8,000人按平均年薪$20万计算，每年也就能节省$16亿——仅占其AI预算的1-1.4%。
这不是一场效率改革，而是一场豪赌。Meta赌的是：如果能在这个窗口期构建出足够强大的AI能力，未来的回报将覆盖所有这些成本。而那些被裁掉的员工，只是这场赌局中第一批被清算的筹码。
据报道，许多Meta员工形容自己的状态是"愤怒和焦虑"：
这种"不确定性折磨"是Meta管理方式的一部分。Gale在备忘录中写道："我知道这会让所有人面临近一个月的模糊期，这非常令人不安。"这种坦诚本身也许是一种人文关怀，但它也折射出这场变革的规模之大——连管理层自己都无法给出更清晰的答案。
Meta不是个案。2026年，多家大型科技公司都在经历类似的"AI转型阵痛"：
这背后的逻辑是统一的：AI能力正在成为科技公司的核心竞争力，而这种能力的构建需要巨大的资本投入。当资本有限时，"人"成为了最容易被优化的成本项。
但这里有一个悖论：AI系统本身需要大量的人类数据、反馈和标注来提升能力。 Meta追踪员工电脑活动来训练AI模型，某种程度上是在说："我们需要你们的数据，但我们不需要你们本身。"
2026年5月20日，Meta的8,000名员工将收到裁员通知。同一天，Meta的AI数据中心将继续运转，模型将继续训练，系统将继续优化。
这是一个关于速度的故事——技术发展的速度、公司决策的速度、以及个体被落下的速度。当我们谈论AI革命时，我们往往谈论的是它会带来什么。但也许我们也应该问：谁来承担这场革命的代价？
那些在5月20日走出Meta大楼的人，或许能给我们一些答案。
参考资料：The Verge, Bloomberg, Reuters, New York Times（2026年5月报道）