「即使 Meta 裁掉 90% 的人，Instagram、Facebook 這些軟體也會正常運轉」。

Eva 在 Meta 擔任高級工程師，不在待裁名單上，績效良好，正主動擁抱 AI 工具。

但他說，「沒有人是安全的，都很危險，只是時間早晚的問題。」

這是一個關於績效如何評定、晉升如何發生、管理如何運轉、甚至努力本身如何被定義的故事，身處其中的人，從扎克伯格到剛入職的初級工程師，沒有人說得清這場風暴到底何時才會結束。

裁員是真實的，但理由是虛假的

Meta 自 2022 年以來已累計裁掉約 25,000 人。

2022 年 11 月裁員 11,000 人，2023 年再裁 10,000 人，扎克伯格將其稱為效率之年。2025 年 1 月，扎克伯格在內部備忘錄中宣布裁掉 5% 的最低績效者，約 3,600 人。2026 年 3 月又裁 700 人。據路透社報導，5 月下旬還將裁撤約 8,000 人，佔全球近 79,000 名員工的 10%，下半年還有第二輪。

裁員是真實發生的，但並不一定是因為 AI 奪走了這些人的工作。

Eva 認為，這個階段被裁的人，大部分就算沒有 AI 也會走。「前幾年整個 CS 行業招聘的人數遠超實際需求，行業景氣、資本過熱、股價一路上漲，很多公司聘請了大量員工。馬斯克收購推特後裁掉了大部分員工，但 APP 依然能正常使用，那時哪裡有什麼 AI。」

2026 年，Meta 的資本支出指引為 1150 億至 1350 億美元，幾乎是 2025 年的兩倍，全部流向資料中心、GPU 和 AI 基礎設施。裁員節省下來的資金，轉向了算力。

AI 在這個階段扮演的角色，就像是一張體面的牌，公司可以對外宣稱效率已經提升、不需要這麼多人。

小型公司靈活敏捷，成長為大型公司後決策變慢，發現無法與新興的獨角獸和初創企業競爭，於是開始精簡、扁平化並聚焦核心產品。AI 只是加速了這個正在發生的循環。

當 AI 使用度參與績效考核

不過，AI 的介入，還是改變了裁人的一些規則。

Meta 原有的績效評定方式在矽谷大型企業中頗為獨特。經理不會直接打分，而是綜合你的自我評估、同事評價以及自身的觀察，撰寫一份績效定級文件。

然後進入一個稱為 Calibration Meeting 的環節，將同級別的約十幾個人放在一起，每位經理輪流陳述自己下屬的表現，解釋為何這個人值得某個等級，大家共同討論，最後為所有人定級。

這個流程繁瑣耗時，但其價值在於引入了多方視角和同級橫向比較，單個經理的偏好很難決定結果。Eva 認為這相對公平。

在 2026 年初，Calibration Meeting 被取消了。Eva 解釋道：「公司重新改回半年一次績效評估，理由是有了 AI，經理可以用 AI 輔助撰寫自評，不再需要那麼多協作環節，流程可以更快。」

同時，Meta 推出了名為 Checkpoint 的 AI 続效追蹤系統，能夠自動聚合員工在 Google Workspace 等內部系統中的工作數據，為經理生成貢獻摘要。對軟體工程師來說，Checkpoint 會追蹤包括 AI 生成代碼比例在內的超過 200 個數據維度，同時監測錯誤率、Bug 關聯數等指標。

Meta 首席人事官 Janelle Gale 在 2025 年底的內部備忘錄中明確表示，AI 協作能力將成為 2026 年績效評估的核心準則。

此外，Meta 工程師每撰寫一段程式碼，系統都會自動標註一個百分比，顯示這段程式碼有多少比例是 AI 協助完成的，這個數據已成為考核指標的一部分。

每個組根據自身情況設定一個最低門檻，例如 50% 或 90% 的代碼需要由 AI 生成。你必須達到這個門檻，達標之後，績效評估仍然會看你所做的工作實際上有多少價值。「公司的想法是，你們先用起來，用得好不好再看」，Eva 說。

將 AI 使用率納入績效，類似某種強制推廣機制，不獎勵使用頻率高的人，但會懲罰不使用者。

這種思路並非 Meta 獨有。

英偉達 CEO 黃仁勳在 2026 年 3 月的 GTC 大會上公開表示，未來公司每個工程師都需要一筆年度 Token 預算，基本工資之外還要再撥一半的額度用於 AI 消耗。他甚至說，如果一個年薪 50 萬美元的工程師每年在 AI 上的花費不到 25 萬美元，他會「深感憂慮」。

黃仁勳是在推廣 Token，商家哪有不推廣自己商品的道理，但 Meta 也曾一度走到這種量化狂熱的極端。

一名員工在內部網路自發建立了一個名為「Claudeonomics」的排名榜，以 Anthropic 的 Claude 模型命名，追蹤 85,000 名員工的 AI Token 消耗量。在 30 天內，全公司消耗超過 60 萬億 Token。

排行榜設有從銅牌到翡翠的徽章等級，前 250 名會獲得 Token Legend、Cache Wizard 等頭銜。排名第一的員工在 30 天內消耗了 2810 億 Token，有員工為了刷排名，讓 AI agent 空轉數小時，不執行任何實際任務，純粹消耗 Token。用 Token 消耗量來衡量生產力，就像用油耗來評價卡車司機，引擎在轉，不代表在送貨。

Eva 在自己的團隊裡倒沒感受到排行榜的壓力，「反正我們跟這個排行榜沒有什麼直接關係，該幹嘛幹嘛，大家當一個樂呵看了一下就完了」。經理也沒有拿它做文章，但在排行榜網站下線後，底層邏輯並沒有消失。代碼的 AI 生成占比依然在被追蹤，最低門檻依然存在。

當所有人都被推著使用 AI，每個人的產出數字都在上升，那績效標準本身也會水漲船高。「如果 60% 的人都做得更好了，那這個標準一定會提高。至於這些更好當中有多少是 AI 帶來的，有多少是熬夜卷出來的，不好說。」

內捲的風吹到了矽谷

Eva 的頂頭上司也有壓力，「其他頂頭上司都在瘋狂壓榨下屬，如果沒成功壓榨，他的位置也保不住。」

據《華爾街日報》報導，Meta 新成立了一個應用 AI 工程部門，採用 1:50 的經理與工程師比例，一名經理管理 50 人，是矽谷傳統上限 25:1 的兩倍。

Gallup 的數據顯示，全美經理的平均管轄人數已從 2024 年的 10.9 人上升到 2025 年的 12.1 人，但 Meta 的 50:1 仍是行業均值的四倍多。

Eva 切身感受到了這個變化。正常來說，大公司的一位經理要管理十幾個人，因為要為你做生涯規劃、與你一對一談話、了解你的需求。

1:50 意味著原來 5 個經理的團隊現在只需要 1 個，剩下 4 個失去了位置。

但這個新部門究竟會如何運作，無人知曉，儘管外界普遍認為這場變動將以悲劇收場。

我們其他部門目前仍維持原有的管理節奏，經理仍會與你一對一討論職業規劃，但所有人都預期這種狀態不會持續太久。有些團隊已開始裁撤基層經理，僅由上一層管理者直接管理所有人。

管理層本身也在面對自己的工作是否已經沒意義了的拷問。「大家都處在同樣的狀態，都要面對你的崗位是否還有存在必要的問題。對於領導們來說也一樣，他們的日子也沒有變得更好過。」

AI 確實在幫助經理提升效率，自動彙總下屬最近撰寫的代碼、發佈的帖子和參加的會議，定期生成報告。過去需要主管親自查找，現在由 AI 總結後，主管只需審閱即可。

但效率提升的另一面是，管理變得更廉價，而廉價的東西從來不缺替代者。

內卷層層傳導，最終承受衝擊最直接的，還是處在底層的初級崗位。

Eva 作為高級工程師，過去在規劃專案時若發現小 bug，會交給初級工程師處理。但現在，如果事情不大，他會直接打開一個 AI 視窗，幾分鐘就能搞定。「不需要跟初級工程師交流，我自己就三下五除二幹完了。」

大型項目仍需人類來執行，但過去承擔初級工程師大量工作的瑣碎任務，正被高級工程師身邊的 AI 輕鬆消化。

Eva 說話很快：「如果你能盡早做到同時擔任工程經理、產品經理、工程師和設計師，所有工作都由一個人完成，自己就能搭建一個功能甚至一個團隊，那被裁的機率可能會比別人低一點。」

對於最終會留下多少人，Eva 笑著說：「此時此刻，Meta 即使只留下一半的人也能運轉下去。如果 AI 繼續按照宣傳的速度發展，最後可能只留下 10% 的程式員來審核 AI 做的東西、對齊產品決策，剩下 90% 就會失業，即使如此，Meta 也能繼續運轉。」

沒有人是安全的，包括扎克伯格

沒有人覺得自己安全。

高層領導有壓力，因為其他高層領導在內捲；經理有壓力，因為管理幅度可能從 1:15 變成 1:50；高級工程師有壓力，因為標準在水漲船高；初級工程師有壓力，因為他們的工作正被高級工程師的 AI 順手消化。

甚至扎克伯格自己也處在焦慮之中。

AI 時代的不確定性是真實的，Claude Code 每推出一個新功能都可能讓一家公司倒閉，Figma 的股價在 Claude Design 的消息公布後劇烈波動，整個 SaaS 行業正被逐一拆解。

社交網絡看似有壁壘，但壁壘從來沒有想像的那麼厚。Eva 認為，從 QQ 轉到微信，也就一兩年。

扎克伯格一邊擔心公司前景，一邊大力裁員。作為員工，在 Eva 眼中，這是一種管理策略。「他想留下的是最卷的一批人、最聰明的一批人。什麼是最好的辦法？他發現給錢不是最好的辦法，裁員效果更好一些。」

製造不安全感，比發獎金更能驅動產出。

但這種策略也有代價。頂尖的工程師不會一直忍受這種壓力，他們會跳槽到更尊重員工的地方。裁員可以逼走懈怠者，但也可能逼走最有選擇權的人。

Eva 留下來的原因很現實，儘管矽谷現在變得競爭激烈了一些，但也沒國內那麼激烈。

不過，這些個體選擇背後，整個行業的趨勢已無法回避。「AI 會取代大部分的工作，互聯網行業再也回不到過去那種不需要很忙就能賺很多錢的輝煌狀態了」。

無法擊敗，就加入

AI 重塑了現有員工的工作方式，也同樣改變了新人的篩選入口。

Meta 的工程師面試傳統上分為三部分：Coding、Behavior Question 和 System Design。Coding 就是給一道演算法題，例如對一串資料進行排序，考察你選擇哪種演算法以及對效能和成本的考量。Behavior 偏主觀，詢問你如何處理反饋和衝突。System Design 通常是僅針對高級別人員的架構設計題。

2025 年 10 月，Meta 在面試中引入了 AI 編碼環節。原本兩輪純編碼，現改為一輪傳統編碼加一輪 AI 編碼。候選人在 CoderPad 環境中獲得一個多檔案的複雜專案，右側有 AI 聊天視窗，可在面試過程中切換使用多個 AI 模型，包括 GPT 系列、Claude 系列、Gemini 和 Llama。在 60 分鐘內，你需要理解一個從未見過的程式碼庫，拆解問題，並借助 AI 實現功能或修復 bug。

考的不是你會不會寫代碼，也不是你會不會寫 prompt，而是你與 AI 協作的判斷力。AI 跑出來的結果可能對、可能錯、可能一部分對一部分錯，你怎麼跟 AI 交互來達到滿意效果，以及你能不能檢測 AI 生成的代碼是否最優。面試官全程實時觀看你的每一個 prompt 和每一次交互。

Eva 認為這非常接近真實的工作環境，觀察候選人能否利用最新工具在短時間內解決複雜問題。

新的入場標準意味著，未來進入這個行業的人從第一天起就被要求具備與 AI 協作的能力。一位經歷過這輪面試的候選人在復盤中總結，AI 沒有讓面試變簡單，反而讓標準更高了，當你有了 AI 輔助，面試官期待你在相同時間內解決更複雜的問題。

面對這樣的局勢，Eva 選擇的策略是打不過就加入。

If this is the trend, you cannot change it; resisting AI is useless.

Eva 的日常工作方式已完全改變，同時開啟多個 AI 視窗，讓它們並行處理不同任務。「你只有一個大腦，同一時間只能做一件事。但 AI 的優勢在於你可以同時運行十個，讓它們為你處理不同的事。」

從嘗試到上手，大概一個月。

他使用 AI 的範圍已涵蓋工作中的幾乎每個環節：規劃項目時撰寫文件、進行腦力激盪、對比方案、撰寫 SQL 來估算潛在影響、編寫代碼；功能完成後，還用它撰寫各種總結、發布社交推文以提升曝光度。

你先成為第一批把 AI 用得最好的人，也許你就能成為最後一批被裁的人。但被裁的速度有多快、最終是否真的能不被裁，沒有人知道，只能既來之則安之了。

除此之外，AI 對不同等級的人價值截然不同。

對於已經累積足夠經驗、能識別問題並把握方向的資深工程師來說，AI 是實實在在的槓桿，以前想到要做兩週的分析就頭痛，現在立刻就可以開始進行；但對於職業初期的人來說，AI 省去的恰恰是他們最需要的那部分思考與試錯過程。

效率提高了，但學習機會消失了。

Eva 不願將自己歸入樂觀或悲觀的陣營，「你改變不了這個大趨勢，就像當年東北下崗的人，只能接受。有的去開飯店，有的南下創業。誰知道呢？人生太長了，想也沒用。」

To this point in the game, the only certainty is that no one is a winner.