本文来自微信公众号： 碳基智 ，作者：碳基智
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？》
1
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。
2
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：
Llama 1：2023年2月发布，比ChatGPT晚三个月，由FAIR开发
Llama 2：2023年6月发布，由生成式AI产品组织负责，后续Llama模型也由该组织开发
Llama 3：2024年4月发布，是Meta最有竞争力的一代大模型，在行业内获得了相当高的采用率
Llama 4：2025年4月发布，表现令人极其失望
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。
3
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：
设计一个应该由AI完成的任务
编写测试，确认AI是否正确完成
使用Harbor框架，把全部内容封装进Docker容器
阅读AI生成的代码，通常还要结合多个模型的反馈，再继续给模型提供反馈
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。
4
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。