Meta挥刀了!约8000人出局

👇我的小册 54章教程:(小白零基础用Python量化股票分析小册) ,原价299,限时特价2杯咖啡,满100人涨10元。

转自:新智元

等待了一个多月,靴子终于落地。

5月20日凌晨4点,新加坡办公室的Meta员工最先收到邮件。几小时后,英国、美国的员工陆续收到邮件:8000人的去留就写在邮件里。

一场史无前例的组织大调整,正砸向近8万名Meta员工。

据路透社报道,5月19日前后,Meta首席人力资源官Janelle Gale向员工发布内部备忘录,宣布了三件事。

第一,5月20日启动一轮全公司裁员,规模约10%,按其近8万员工规模计算,约为7800至8000人。

第二,约7000名员工将被「重新分配」到AI相关的新项目和新岗位。

第三,所有通知在凌晨4点分三波发完,员工醒来打开邮箱,就能看到自己的重组结果。

裁员约8000人,转岗约7000人,两者合计波及约两成现有员工。与此同时,Meta还砍掉了6000个原本计划填补的开放岗位。有媒体把裁员、转岗、关闭开放岗位三项相加,得出一个更惊人的数字:「编制缩减」高达约1.4万个。

要说清楚的是,这1.4万是「岗位编制」概念,并非真实裁掉1.4万人。

Gale在备忘录里写道:Meta要变成「更扁平的组织、更小的团队、更快的执行」。

裁员、转岗、新岗位三条线同时执行,是为了把全公司的资源重新对齐到AI优先级上。

动了约两成员工

小扎要用AI重组Meta

这次裁员和转岗,约涉及两成Meta现有员工,目标是要用AI重组Meta。Gale在备忘录中,点明了此次重组的原因:

随着AI原生设计原则融入了新的组织架构,我们已经到了这样一个阶段:许多组织可以用更扁平的结构运作,以更小的pods/cohorts(小组/团队)形式运行,行动更快,自主权更大。

也就是说,这次不仅要做裁员的减法,还要做重组的乘法,将一家接近8万名员工的科技巨头,按照AI的工作流重塑一遍。

据Bloomberg获得的备忘录版本:7000名员工将进入多个AI相关产品团队,涵盖AI智能体和应用两大方向,新组织结构将更「扁平」,团队规模更小。

Gale在备忘录中说:「我们相信这将使我们更有生产力,也让工作本身更有价值。」

Meta正在变成AI智能体的试验场

这次转岗的7000人,约相当于Meta员工总数的9%,他们将被征召(「drafted」)到多个AI相关新计划或团队,包括AAI、ATA XFN、Central Analytics,以及一个名为Enterprise Solutions的新项目。

「征召」,这是Meta内部对这次员工转岗的称谓,带有一点点强制性和某种战时动员的味道。

这四个部门如下:

第一个是AAI(Applied AI Engineering,应用AI工程),目标是开发能自主执行当前由人类员工完成的任务的AI智能体;

第二个是ATA(Agent Transformation Accelerator XFN,跨职能AI转型加速器)。它会横跨公司各业务线,将智能体铺进每一条业务线;

第三个叫Central Analytics(中央分析),主要负责围绕智能体开发进行生产力指标和数据分析;

第四个是「Enterprise Solutions」(企业解决方案)的新项目。

这四个部门中,AAI、ATA和Central Analytics均与CTO Andrew Bosworth此前公布的「AI for Work」方向相关。它们共同指向一个目标:让AI智能体替代人类员工的工作流。

更狠的是,扎克伯格正在开发一个AI版本的「自己」,用来与员工互动。

以前是人类用工具完成工作,现在Meta想让工具学会人类怎么工作,然后自己去完成。

AI原生组织的第一刀

切向了管理层

谁将在这次重组中首当其冲?从备忘录披露的信息看,管理岗位是这次重组的重点压缩对象之一。

Gale在备忘录中写道:未来Meta的组织形态将是「更扁平」,原本压在三四级管理之下的工程团队,可能被进一步拆成更小的小组或团队,以减少层级、加快执行。

这个动作砍掉的主要是Meta过去十几年里积累起来的传统大厂管理框架。

Gale在备忘录中把传统中层管理层定义成了「速度的瓶颈」,要按「小团队即效率」的方式重组掉,Reality Labs的部分团队已经率先完成了这个过程。

组织扁平化的同时,Meta还关闭了额外6000个开放职位。这意味着未来要招的岗位定义也在被重写:

管理层岗位减少,执行层小团队化,新增岗位向AI方向集中。

传统科技公司的层级逻辑是:需求拆解,逐层分配,逐层汇报;AI原生组织的逻辑是:小团队直接调用AI,自主决策,快速执行,不需要中间层协调。

传统管理中间层存在的理由,正是「信息流转」和「任务协调」,这一点恰恰是AI最擅长的,它们正是这次Meta重组的一个重点。

房间里的大象

这场AI重组,并非无摩擦推进。

与这次重组同步推进的,还有一款引发员工强烈反弹的监控软件。

Meta从四月起在美国员工的工作笔记本上部署了一款名为「Model Capability Initiative(模型能力计划)」的软件,追踪电脑活动,用来训练自家AI模型。

据路透社报道,超过1000名员工联署请愿,反对这套追踪系统。他们担心的并非监控本身,而是另一件事:自己每天的工作流数据,正被用来训练那个可能取代自己的AI智能体。

内部通讯平台Workplace上,抗议帖大量涌现。员工在高管帖子下面刷满大象表情。「房间里的大象(elephant in the room)」,比喻所有人都看见但没人愿意开口谈的那件事。员工用这个梗,逼高管正面回应那件已经传了一个多月的事。

还有人更直接,据《纽约时报》报道,有员工搭建了网站,为传闻中的下一轮裁员做倒计时。

据路透社报道,这场大重组背后的沉默持续了整整一个多月。从最早曝出裁员计划,到5月20日凌晨员工收到组织调整的邮件,中间横跨超过30天。

Business Insider在报道中形容这种气氛是「holding pattern」(「待命悬停」),即飞机等待降落指令时的状态,引擎开着,哪里也去不了。

很显然,大家在这种状态下,什么事情也做不了。

不是为省钱

营收和AI支出都在增长

这次重组,并非裁员省钱的逻辑。

4月29日,Meta公布2026年第一季度财报:营收563.1亿美元,创下季度营收纪录,同比增长33%。经营活动现金流322.3亿美元。

Meta账上现金、现金等价物和有价证券合计约811.8亿美元。

同一份财报里,Meta把2026年全年资本开支指引从1150亿-1350亿美元,上调至1250亿-1450亿美元。理由是:组件价格上涨,以及支持未来产能的数据中心成本增加。

一边是创纪录的营收,一边砸钱建算力,一边裁人重组。

这三件事说明了这次重组的驱动力,是「AI优先级重排」,而非成本压力。

在5月20日的内部备忘录里,扎克伯格为这次裁员给出的说法是:在AI这场竞争里,「成功并非理所当然」。他写道,AI是这一代人最具决定性的技术,领跑的公司将定义下一个世代。

对比2022年首轮大裁员,他当时眼含红血丝:「我错了,我为此负责。」

这一次,他没说这样的话,Fortune形容这份备忘录「听上去很疏离」。

从效率年到重组年

据路透社报道,这是今年美国科技公司更广泛的AI相关结构调整的一部分。

Meta不是第一个,也不会是最后一个。

2022至2023年,扎克伯格先后宣布两轮裁员,合计逾2万人出局,并将2023年定名为「效率年」。那一轮的叙事还是「公司过冬」,要压缩组织、砍掉冗余,把公司变瘦。

https://www.sec.gov/Archives/edgar/data/1326801/000132680123000035/mar142023exhibit991.htm

这一次,扎克伯格要做的是把Meta变成AI原生组织,最本质的不同,就是要把组织架构本身当成被AI改造的对象。

在这个过程中,被压缩的除了边缘岗位,也包括传统管理层和非AI优先级的协调职能。压缩的过程中还伴随着重塑。

被「征召」进新项目的7000人,他们将进入一个组织逻辑完全不同的体系:小团队、高自主权,并直接对AI工作流负责。

而且,这还没完。 

据路透社报道,Meta计划在2026年下半年继续裁员,具体时间和规模尚未敲定。多位现任与前任员工透露,今年预计还有数轮,包括八月可能的一轮,年底前还有一轮。

但扎克伯格在5月20日的备忘录里说,公司今年不预计再进行其他全公司范围的裁员。

差别藏在措辞里:八月那轮若被定义为「业务单元层面」的调整,就不算「全公司范围」。口径,留好了。

不管今年还会不会再裁,对于大厂员工来说,一个信号已足够清晰:

那些将在「AI原生化」过程中掉队的,未必是技能最弱的人,而是本身职能定义已经过时的人。

图片

往期热文:

Python新手学量化:我测试了20个指标,发现鳄鱼线指标真香!

Python量化交易入门:一个超过4万赞的量化交易框架

Python量化交易新手必学的2个波动率指标指标:ATR和布林带

这4个股票数据API,让我第一次把量化交易跑通了

5年21倍,量化里面超牛的均线:让Python带你玩转KAMA自适应指标!

Github上开源的AI股票分析神器,已经突破5.5K+ Star!

量化交易提速100倍?这个Python库让我相见恨晚!

量化趋势策略的“黄金搭档”SuperTrend 与 ADX,一篇文章讲清楚 Python 如何实现!

另外下面是一个量化小白的入门小册,有兴趣的可以看看,考虑清楚合适了再下手哈!买了之后有我们专门的几百人新手量化交流群可以讨论。

图片

内容概要:本文围绕“分布式电源接入配电网承载力评估方法”的研究展开,重点复现了一项基于双层鲸鱼优化算法求解的核心学术论文,结合Matlab编程实现,对IEEE 33节点配电网系统进行建模与仿真分析。研究旨在科学评估在大规模分布式电源接入背景下配电网的承载能力,构建了综合考虑系统运行安全性、电能质量、网络损耗及电压稳定性等多重束条件的优化评估模型,并采用高效的智能优化算法进行求解,有效提升了评估精度与计算效率,为新能源并网规划、电网扩容改造及运行决策提供了可靠的理论依据和技术支撑。该资源不仅提供完整的代码实现,还深入解析算法设计逻辑与模型构建流程,具有较强的科研复现价值和工程参考意义。; 适合群:具备电力系统分析基础理论知识和Matlab编程能力,从事新能源并网、智能配电网规划、电力系统优化、分布式能源管理等方向的研究生、科研员及电力行业工程技术员。; 使用场景及目标:① 学习并掌握分布式电源接入对配电网影响的量化评估方法;② 深入理解双层优化架构与智能算法(如鲸鱼优化算法)在复杂电力系统问题中的应用机制;③ 获取可运行、可调试的Matlab代码资源,用于科研论文复现、课题研究仿真、课程设计或工程项目前期论证。; 阅读建议:此资源以核心论文的技术路线为基础,强调理论与实践相结合。建议读者在阅读过程中结合电力系统潮流计算、束优化等基础知识,逐步理解模型构建思路,并动手运行与调试所提供的Matlab代码,通过参数调整与结果分析深化对算法性能与工程适用性的认知,从而真正实现从“看懂”到“掌握”的转化。
内容概要:本文档聚焦于“并_离网风光互补制氢合成氨系统容量-调度优化分析”的Python代码实现,是一项面向能源系统优化领域的高水平科研复现工作。通过构建风能、光伏、电解水制氢及合成氨工艺的多能耦合系统模型,实现对系统容量配置与运行调度的联合优化,旨在提升可再生能源消纳能力、系统运行效率与经济性。研究采用双层鲸鱼优化算法等智能算法求解复杂的混合整数非线性规划(MINLP)问题,并结合YALMIP建模工具与Python编程环境完成系统仿真,适用于顶级EI期刊论文的模型复现与技术验证。; 适合群:具备Python编程能力、优化理论基础及能源系统专业知识的科研员,特别适合从事可再生能源集成、绿氢生产、综合能源系统、碳中和等相关方向的硕士/博士研究生及高校研究员。; 使用场景及目标:①复现并深入理解顶级EI期刊中关于风光制氢合成氨系统的优化建模方法;②掌握多能互补系统建模、能量流平衡分析与设备容量优化配置的核心技术;③学习并应用双层优化算法、MINLP求解策略及不确定性处理方法;④支撑科研课题攻关、高水平论文撰写、项目申报及算法对比验证。; 阅读建议:建议优先下载并配置网盘提供的YALMIP-develop.zip等开发环境资源,仔细研读代码中关于风光出力预测、电解槽与合成氨反应器动态特性、电网交互模式(并网/离网)、设备投资与运行束的数学表达,通过调试案例参数深入理解目标函数(如最小化年化成本)与决策变量的设计逻辑,进而开展个性化改进与扩展研究。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值