
“距离上次荒唐事已过零天”:Meta内部论坛上的一则米姆,映照出AI狂飙下的员工暗涌
在巨额AI投资与频繁裁员的并行轨道上,一场被1600名员工联名抵制的内部数据采集计划,让这家社交巨头的内部气候成为硅谷文化转向的缩影。
六月的一天,Meta内部论坛上出现了一张来自电视剧《办公室》的米姆,配文只有一行字:“距离上次荒唐事已过零天。”这则帖子没有指向某个具体事件,却像一枚精准的切片,剖开了笼罩在公司内部的集体情绪。此前数周,一场名为“模型能力倡议”的内部计划刚刚被紧急叫停——该计划在员工不知情的情况下,采集其点击、键盘敲击与浏览行为,用以训练能够独立执行任务的AI代理。
这项于四月悄然上线的计划,在六月二十二日被暂停。直接导火索是一次数据暴露事故:私人对话与绩效数据意外地对全体员工可见。但更深层的裂痕早已浮现。超过一千六百名员工签署请愿书,要求终止该计划,有人将公司比作“数据提取工厂”。面对内部会议上的质疑,首席执行官马克·扎克伯格给出了自己的解释:“AI模型通过观察真正聪明的人做事来学习。”一位发言人在给法新社的声明中强调,该计划设计了隐私保护措施,暂停是为了调查。然而,对于许多亲历者而言,那种被监视的寒意并未随暂停而消散。
这场风波并非孤立事件。自2025年初以来,Meta员工已历经多轮裁员。今年春天,公司裁撤了约百分之十的岗位,近八千人收到离职通知,另有七千人被重新分配到AI相关部门。与此同时,公司的财务表现却异常强劲:广告收入贡献了近百分之九十八的营收,2026年第一季度净利润超过二百六十亿美元。但这些利润正被一场昂贵的AI竞赛迅速吞噬——Meta计划今年在AI领域投入高达一千四百五十亿美元,几乎是去年的两倍。削减的岗位与激增的资本开支之间,形成了一条清晰的因果链。
在硅谷的叙事中,这并非Meta独有的剧本。亚马逊、甲骨文、英特尔等巨头同样在财报中披露了数十亿美元的遣散费用,用以“重塑团队”并“将投资转向AI”。但Meta内部的张力因其创始人近乎绝对的掌控力而显得尤为尖锐。扎克伯格在公开访谈中曾表示,如果企业专注于“赋能个人”而非自动化一切,理论上未来会有更多岗位而非更少。然而,在公司内部,被重新分配到AI部门的员工向美国媒体匿名抱怨,他们被分配了“令人头脑麻木”的任务,这些任务旨在训练机器,甚至可能最终自动化掉自己的工作。
最富象征意味的离去,或许来自扬·勒丘恩。这位被誉为现代AI“教父”之一的图灵奖得主,自2013年起领导Meta的AI研究,却在2025年底选择离开,创办自己的初创公司。导火索是扎克伯格斥资逾一百四十亿美元投资初创公司Scale AI,并将其二十八岁的首席执行官亚历山大·王挖来执掌内部的“超级智能”实验室。勒丘恩突然需要向这位比自己年轻三十五岁的负责人汇报。他在接受《金融时报》采访时留下一句评语:王“学得很快”,但“没有研究经验”,所追寻的是一条“死胡同”。这句话,连同那张“零天”的米姆,共同定格了一个画面:在通往超级智能的昂贵窄路上,一些最聪明的头脑正转身离场。
| 拉丁美洲媒体 | −0.30 | critical |
|---|---|---|
| 大西洋/英语圈媒体 | 0.00 | neutral |
The AI race turns Meta into a data factory, but US regulation remains timid and fragmented. The Latin American bloc views market self-regulation with skepticism, emphasizing the necessary role of the state in curbing big tech excesses. The suspension of controls on Anthropic is seen as a sign of political weakness.
It presents Meta's case as a universal example of self-regulation failure, using the Anthropic episode to generalize a systemic critique of US AI governance.
Meta's transformation into a data factory is an inevitable consequence of the AI competition. The Atlantic bloc adopts a detached tone, focusing on the human skills needed to survive automation rather than corporate criticism. Emphasis is on individual adaptation, not regulation.
It shifts responsibility from the system to the individual, suggesting that the solution to the 'data factory' is developing soft skills, not structural intervention.