Meta得了“AI精神病”

碳基智2026年06月23日预计 5 分钟

在小扎喜提北美李 X 宏绰号之前，Meta 其实一直是硅谷工程师文化的代表，也是国内很多程序员朋友们所向往的神国。

Move fast and break things，最初 20 年，Meta 一直奉行着这套理念，可时至今日，一切都大不如从前，报道也指出 Meta 现在正经历士气最低的时期。

我最近读到了一篇非常全面且有深度的文章，结合着我自己的一些理解，分享给各位，原文可搜《Why is Meta destroying its engineering organization？》

Meta 的工程师文化即便在硅谷也是其中翘楚，那些国内耳熟能详的标语很多都出自于 Meta：

快速行动，打破常规、完成比完美更重要、失败得更彻底一些、如果你不害怕，你会怎么做？只有傻瓜才会等待、财富眷顾勇敢者……

康威定律有言，一切架构问题都是组织问题，Meta 建构的这套技术驱动的组织架构，让 Meta 的工程能力得到了海量用户规模的印证，由此被神话。

早期的 Meta 理念是创新驱动型的，Move fast and break things。在成长为巨头的进程中，Meta 的理念发生了变化，变成了 Move fast with stable infra——在稳定的基础设施上快速行动。

包括重视个人影响力、极少的僵化流程、对测试、文档、代码注释的重视程度低得惊人、由工程师创始人建立并持续把控推动，以及独特的被称之为 Bootcamp 的新员工入职机制的东西。（Bootcamp 这玩意儿字节也有）

在当时，Meta 的工程师员工们都感觉自己是公司的主人，不是那种精神股东，这群人当时拿的股票是真的财富自由了很多人的。

然后，AI 来了。

北美五大科技巨头，就 Meta 一家既没有硬件平台，也没有操作系统。于是，它在其中一个周期，赌上了一个名叫元宇宙的东西，不惜为此改名叫 Meta。

可口罩时期结束后，元宇宙的概念迅速衰落，那些巨额的投入和为提前占领高地而鼓吹的概念都变成了回旋镖，What’s your problem 啊小扎。

2022 年，Meta 决定押注 AI，并为此投入了巨额资金，整合了大量内部团队去做这个事情。这一步决策，一点问题没有，而且 Meta 相比其他几家科技巨头而言，有一个自己完全不虚的东西：

Meta 的数据中心规模已经达到 30 座了，而且还在继续扩建中，而且早在 24 年就有两座各有 2.4 万张 GPU 训练集群的设施。

于是，小扎整合了内部的 FAIR 也就是基础人工智能研究团队，建立生成式 AI 产品组织，并发布了一系列开放权重模型：

同年 6 月，Meta 花费惊人的 148 亿美元，收购 Scale AI 49% 的股份，希望重启其 AI 战略，并让 Scale AI CEO Alexandr Wang 接管 Meta 的 AI 方向。

这里面不难看出 Meta 的决心，但也有很多问题由此产生，在 Alexandr Wang 接手以来，风波就没停息过，以至于杨立昆都走了，田渊栋也被裁员了。

Alexandr Wang 在 Meta 都干了些什么事，来去做他所擅长的数据训练和标注、RLHF 和微调呢？

记录键盘输入和鼠标点击，而且不允许退出

4 月下旬，Meta 通知工程师，他们将被纳入一个监控系统。该系统会记录每一次键盘输入和鼠标点击，用来为 Meta 的新 AI 生产训练数据。员工没有退出选项。

Meta 没有与员工进行任何协商，也没有提供规避方案，只是自上而下地强行推进。

核心团队中 30%—50% 的工程师被强行调去做数据标注和 RLHF

同样从 4 月开始，产品工程团队收到上级指令：每个团队中要有 30%—50% 的工程师离开，加入 ADO，即 Agent Data Optimisation，智能体数据优化组织。

注意关键词，「强行」。它直接违背了 Meta 传统的工程文化。从 2004 年公司成立，到去年为止，Meta 一直给予工程师很大的自主权，让他们自行选择去哪个团队、做什么工作。

AI 训练任务一般长这样：

任务不久后会变得高度重复，很难让人保持充足的动力，但这些任务又非常依赖高素质的工程师能力，死循环。

而在这个被抽调过去做数据标注工作的同时，正好是 Meta 确认将要裁员 10%的当口，整整一个月的时间让何欣工程人员觉得自己被当成了垃圾，用完就要扔的恐惧和愤怒开始弥漫。

绩效评估模式激进，需要优化一切可量化指标

Meta 内部的绩效评估体系 PSC，即 Performance Summary Cycle 非常严苛，Meta 的管理者也会为了自己下属的薪酬包展开「争斗」。

这其中甚至包括攻击其他团队工程师的绩效材料，压低他们的评级，从而让自己的直属下属排名更高。在这个过程中，指标经常被武器化。

可能是业务影响，也可能是代码审查数量，或者在 AI 出现前经常被使用的代码行数。Meta 的工程师必须学会：

为了避免拿到糟糕的 PSC 评级，必须确保所有指标，无论影响力、代码提交量还是其他数字，都高于同事。

Token 用量被纳入绩效，于是工程师开始疯狂优化 Token

管理者还将在绩效评估中检查 Token 使用量。这立刻引发了一种恐惧：Token 用量低的人，会不会被判定为绩效不佳，然后遭到解雇？

当时，Meta 甚至有一个内部 Token 排行榜，直接鼓励所谓的 tokenmaxxing，也就是「把 Token 用量刷到最大」。

看起来 Loop 仙人们很适合去 Meta 工作。

后来有报道说，Meta 的员工正在经历史上士气最低的时期。

后来又有报道说，Meta 的 CTO 承认这次 AI 重组做得非常失败，并承诺未来改善沟通。

但员工非常清楚，在公司眼里，下一个 AI 模型就是比他们怎么想怎么做更重要。

Meta 的 CTO 甚至提出，员工可以用 AI 心理辅导工具调节自己的情绪，简直不要太贴心。

如果说，Meta 这种组织症状是得了一种“AI 精神病”的话，那我只能很悲哀地说：

抱歉，看起来从企业到个人，大家都已经染上这个病了。