Meta 得了「AI 精神病」

一句话看懂：Meta 在全力押注生成式 AI 的过程中，以空前激进的方式重组工程组织：强迫 30%—50% 的核心工程师转做数据标注和 RLHF，记录员工每次键盘输入和鼠标点击以生成训练数据，并把 Token 用量纳入绩效考核。这套做法已导致杨立昆离职、田渊栋被裁员，公司士气跌至历史最低。

事件核心：发生了什么

2025 年 4 月至 6 月，Meta 在 AI 战略上采取了多项被内部称为“暴力推行”的动作：

监控与数据采集：公司通知所有工程师将被纳入一套键盘与鼠标输入记录系统，无法退出，数据直接用于训练新 AI 模型。
强制转岗：产品工程团队的 30%—50% 工程师被调往新成立的 ADO（Agent Data Optimisation）组织，专门从事 AI 数据标注与 RLHF 工作。这项指令完全违背了 Meta 过去 20 年“工程师自主选择团队”的工程文化。
Token 量化绩效：绩效评估体系 PSC 中加入 Token 用量指标，内部甚至出现 Token 排行榜，工程师被迫“刷 Token”以避免被判定为绩效不佳。这种压力叠加在 2025 年确认的 10% 裁员之上，员工普遍感到被当作一次性资源。
高层变动：2025 年 6 月，Meta 以 148 亿美元收购 Scale AI 49% 股份，并让 Scale AI CEO Alexandr Wang 接管 AI 方向。此后 FAIR 核心人员杨立昆出走、田渊栋被裁。

Meta CTO 已公开承认这次 AI 重组“做得非常失败”，并承诺将改善内部沟通，但由于裁员压力仍在，员工信任已经严重受损。

为什么重要

Meta 曾是以“Move fast and break things”闻名硅谷的工程师文化标杆。如今它在 AI 竞争压力下，通过监控、强制转岗、将输入数据商品化来获得训练素材，不仅摧毁了自己赖以成功的创新信任体系，也揭示了一个深层困境：高质量 AI 训练数据生产和模型性能提升，本质上需要高素质工程师持续投入，但 AI 训练任务高度重复，无法匹配工程人才的成长预期。Meta 用强行手段解决这个矛盾，等于用组织破坏来弥补资源缺陷。

这起事件也暴露了 AI 行业中一个普遍但未被正视的问题：当企业把“下一个 AI 模型”置于一切之上，工程师从“创造者”被降级为“数据标注员”，组织积累的能力很快就会瓦解。Meta 的例子说明，即使拥有 Llama 3 这样的成功模型、30 座数据中心、2.4 万张 GPU 的集群规模和 148 亿美元的外部投资，也无法单靠资源换回人才和文化。

对用户/开发者/创作者的影响

对 Llama 系列开源模型的开发者和企业用户来说，Meta 内部动荡可能会在短期内影响后续模型的质量和发布节奏。Llama 4 于 2025 年 4 月发布后表现令人失望，核心团队被抽调做数据标注后，Llama 5 的训练效率和效果存在不确定性。另外，Meta 对工程师键盘输入的全面监控，展示了 AI 公司获取训练数据的另一种极端方式——企业内部员工的交互数据也可能被“变现”为训练样本，其他科技公司是否会效仿值得关注。