Meta 裁掉 8000 人，最吓人的不是裁员，是员工还在训练 AI
Meta 裁掉 8000 人，最吓人的不是裁员，是员工还在训练 AI
我看到 Meta 这轮裁员消息时，第一反应其实不是震惊。
大厂裁员这几年太密了。11,000，10,000，3,600，再来 8,000，数字大到最后都快变成背景噪音。你刷到它，叹口气，划过去，继续写代码。
但这次有个细节，我看完是真的有点后背发凉。
Meta 一边裁掉大约 8,000 人，一边把 7,000 多名员工转去 AI 相关团队，一边还被曝在员工电脑里部署了一套叫 Model Capability Initiative 的系统，用来采集员工日常操作，训练 AI agent。
好家伙。
这就不是普通的「公司降本增效」了。
这更像一个很新的职场寓言。
你白天打开 VSCode，改代码，点按钮，切页面，查文档，处理工单。系统在旁边记录你的鼠标轨迹、键盘输入、点击路径，偶尔还拿一张屏幕快照当上下文。你以为你在完成今天的工作，公司说，是的，你也顺便在帮模型学会以后怎么完成这份工作。
然后没过多久，邮件来了。
岗位没了。
我知道这话听起来有点狠，所以先把事实边界摆清楚。不是说这 8,000 个人已经被某一个现成 AI 工具逐个替换了。现实没那么漫画，资本主义也没那么有仪式感，不会在会议室里放一个机器人，跟你说「请交接给它」。
更准确的说法是，Meta 正在把公司重构成一个 AI 优先的组织。它裁掉一部分人，把另一部分人转去建 AI 工作流和 AI agent，再把员工日常使用电脑的方式变成训练数据。
人不是被一个按钮替代的。
人是先被拆成流程，再被拆成数据，最后被重新算进组织成本里的。
这才是吓人的地方。
Reuters 4 月底报道，Meta 正在美国员工的工作电脑上安装新的跟踪软件，采集鼠标移动、点击和键盘输入，用来训练 AI 模型。这个工具还会在工作相关应用和网站里，偶尔截取屏幕内容作为上下文。Meta 的说法是，这些数据不会用于绩效评估，只用于模型训练，也会有保护敏感内容的机制。
TechCrunch 转述 Meta 发言人的解释也挺直白，如果要做能帮人完成电脑任务的 agent，模型就需要真实例子，知道人到底怎么移动鼠标、怎么点按钮、怎么在下拉菜单里选择东西。
这话从技术角度看，完全讲得通。
如果你做过 agent，就知道这玩意最缺的不是「知识」。知识已经多到快溢出来了。真正缺的是行动轨迹，是一个人在复杂软件里怎么一步步完成任务。
页面上有十个按钮，哪个该点。
弹窗出来了，要不要关。
下拉框藏在右上角，怎么找到。
快捷键按错了，怎么撤回。
跑 CI 红了，先看哪一段日志。
这些东西不是普通文本能喂出来的。你光给模型看一万篇「如何使用电脑」的教程，它还是容易在真实界面里发呆。它需要看人类真的怎么操作。更具体一点，它需要看熟练的人怎么操作。
所以 Meta 盯上自己的员工，技术上是合理的。
也正因为合理，才更让人不舒服。
我们以前总以为，训练 AI 替代工作，是一件离自己很远的事。是数据标注员，是客服，是外包，是那些被流程化很久的岗位。
现在故事拐了个弯。
不是外包在训练模型。
是 Meta 自己的工程师、产品经理、运营、分析师，在用每天的工作给模型上课。
这就很黑色幽默。
一个程序员可能上午还在写内部工具，下午他的操作轨迹就成了训练 agent 的样本。一个 manager 可能早上还在协调项目，晚上组织结构就被重画成更扁平的 pod。一个员工可能还没来得及搞清楚自己会不会被裁，电脑已经在默默记录他怎么把工作做完。
厉害了，真的是把「知识沉淀」做到了字面意义。
还有一段据称来自 4 月 30 日 Meta 全员会的录音在网上流传。这个部分我会谨慎一点，它是多家媒体转述的泄露音频，不是所有媒体都独立核验过原始音频。但它之所以扎人，是因为里面的逻辑和 Reuters 已经报道的 MCI 计划对得上。
那段音频大意是，有员工问，为什么工作电脑里会被安装记录鼠标、键盘、点击行为的软件。扎克伯格据称回应说，AI 模型现在需要通过观察聪明人做事来学习。Meta 员工整体能力很强，与其把任务交给外部承包商，不如让内部员工做工具、解任务，让这些高质量行为数据帮助模型更快学会编码和使用电脑。
你看，这句话如果单独放在 AI 训练会上，甚至有点合理。
高质量数据嘛。
谁不想要。
但它和裁员放在同一个时间线上，味道就完全变了。
你夸员工聪明，不是为了给他们涨薪。
你夸他们聪明，是因为他们的操作数据更适合拿来训练模型。
这就像公司拍着你肩膀说，兄弟，你真的很优秀，所以我们决定用你来训练一个以后可以少用几个你的系统。
这话太赛博了。
我看完以后，脑子里冒出来的不是终结者，也不是机器人抢饭碗，而是一个很普通的办公室画面。
凌晨一点，一个工程师在改一个没人爱碰的内部系统。他打开 6 个 Chrome 标签，左边是日志，右边是文档，中间是 VSCode。CI 又炸了，报错像老朋友一样在终端里闪。他叹口气，复制一段 stack trace，切到内部搜索，找三年前某个同事留下的讨论，再回到代码里补一个边界判断。
这个过程里最值钱的，其实不是最后那三行代码。
是他怎么判断问题在哪。
是他怎么在混乱信息里找线索。
是他知道哪个错误可以忽略，哪个错误会在凌晨三点把值班的人叫醒。
以前这些东西叫经验。
现在它也叫训练数据。
棒棒的。
程序员这行最讽刺的地方在于，我们一直在写工具帮自己少干活。脚本、CI、自动化测试、代码生成、Copilot、Claude Code、Codex，本来都是为了把重复劳动压下去，把人从脏活里救出来。
可公司看同一件事，视角不一样。
你看到的是省下来的半小时。
公司看到的是，原来这个环节可以不用那么多人。
你看到的是「我终于不用手动点 17 次了」。
公司看到的是「这个流程可以被 agent 接走一半」。
你看到的是工具。
公司看到的是新的组织公式。
这就解释了为什么 Meta 这轮动作让人别扭。它不是单纯裁员，也不是单纯搞 AI，而是把两件事扣在了一起。
裁掉 8,000 人，释放成本。
转走 7,000 人，重组到 AI 工作流。
采集员工操作，训练能使用电脑的 agent。
这三件事连起来看，就是一条很清楚的线，公司正在把「人如何工作」这件事，变成「机器如何接管一部分工作」的基础设施。
这不一定马上成功。
AI agent 现在还远没到可以完全接管复杂工作的程度。写过自动化的人都知道，真实世界的界面特别脆。按钮换个位置，权限弹窗多一步，浏览器升级一下，整个流程就能歪到太平洋去。模型也会犯很低级的错，尤其是跨多个系统、长时间保持目标、处理异常状态的时候。
所以别急着相信那种「明年所有白领都完了」的口号。
但也别自我安慰说「AI 还很蠢，所以没事」。
蠢和有用，是两回事。
一个 agent 不需要取代一个完整的人，它只要能稳定吃掉一个岗位里 30% 的重复动作，公司就会重新算账。一个团队原来 10 个人，现在 7 个人加一堆工具也能顶住，那 3 个人就会从组织图里消失。你甚至很难指出到底是谁替代了谁，因为替代发生在流程层，不发生在某个座位上。
这是很多人误判 AI 裁员的地方。
我们总在问，AI 能不能像人一样写完整项目，能不能像 senior 一样独立做架构，能不能像产品负责人一样拍板。
老板问的可能简单得多。
有了这些工具以后，原来需要五个人维护的队列，现在三个人能不能维护。
原来需要一个小组做的内部报表，现在一个人加 agent 能不能跑。
原来需要 manager 层层协调的状态同步，现在能不能被工具压扁。
如果答案是能，那岗位就已经变了。
不是你不够聪明。
是你的工作被重新打包了。
我觉得这事对普通程序员最大的提醒，不是「赶紧学 AI，不然完蛋」这么鸡血。
太粗糙了。
真正的问题是，你的能力到底沉淀在哪里。
如果你的价值主要体现在一连串可观察、可复制、可记录的操作里，点哪里，复制什么，改哪几行，发哪个消息，那它早晚会被系统吃掉一部分。不是因为你差，而是因为这种能力天然适合被记录、被模仿、被压缩。
但如果你的价值在更上游，比如判断什么问题值得做，知道一堆需求里哪个是假的，能在模型输出很漂亮的时候看出它哪里不对，能把混乱业务翻译成可执行系统，能为错误结果负责，那就没那么容易被鼠标轨迹学走。
注意，我不是说这些能力 AI 永远学不会。
我没那么乐观。
我只是说，在眼下这个阶段，它们还没有那么容易变成低成本训练样本。
一次键盘输入可以被记录。
一次点击可以被记录。
一次屏幕截图可以被记录。
但一个人为什么在十个方案里放弃九个，为什么明知道某个实现更酷但还是选了笨办法，为什么看见一个指标突然觉得事情不对，这些东西很难从鼠标轨迹里直接扒出来。
程序员以后要保护的，也许不是「我会写代码」这件事。
而是「我知道这段代码为什么该写，为什么不该写，写坏了谁会痛」这件事。
这部分才是人味。
也别把这事讲成纯粹的技术恐惧。技术本身没有那么戏剧化。真正让人不舒服的，是权力关系。
如果员工自愿参与一个清晰透明的训练计划，知道采什么、怎么用、保留多久、能不能退出、以后收益怎么分，这件事至少还有讨论空间。
但如果公司一边说数据只是用来训练模型，一边推进裁员和重组，一边让员工没有多少选择空间，那大家当然会觉得自己变成了「数据矿」。
这不是矫情。
这是非常正常的防御反应。
你让我每天工作产生的数据，去训练一个可能削掉我岗位需求的系统。然后你告诉我别担心，它不用于绩效评估。
可问题不是绩效。
问题是未来。
我一直觉得，AI 对工作的冲击最残酷的地方，不是它会不会突然把某个行业清零，而是它会慢慢改变组织对人的想象。
过去，公司雇一个人，是雇一整套上下文。这个人知道系统历史，知道谁负责什么，知道哪个服务看起来没人管其实千万别碰，知道一个需求背后的真实动机。人不是一个函数调用，人是带着记忆和关系进来的。
AI 时代的公司会越来越想把这套东西拆开。
任务拆成步骤。
步骤拆成操作。
操作拆成数据。
数据喂给模型。
模型再反过来接任务。
人被留在那些还没法拆干净的地方。
听着有点冷，但这就是现在很多大厂正在试的路。
Meta 这次只是把它演得太明显了。8000 个岗位消失，7000 个人被重新分配，员工电脑变成训练场。几件事叠在一起，像一张未来工作的 X 光片，把骨头照出来了。
我不知道这轮 AI agent 最后会跑成什么样。
也许 Meta 又会像当年押 metaverse 一样，烧很多钱，绕一大圈，再发现现实比 demo 难搞。也许它真的会训练出一批能在电脑里跑来跑去的 agent，把很多白领工作压缩掉。
这两个结局都不意外。
但对我们来说，最该记住的是那个画面。
员工敲下的每一次键盘，都可能正在成为训练未来 AI 的素材。
以前我们说，代码是写给机器执行、写给人阅读的。
现在可能要加一句，代码也是写给下一代机器学习的。
你今天怎么打开 IDE，怎么翻文档，怎么处理异常，怎么在一堆烂需求里找出真正的问题，都可能变成模型眼里的范例。
所以别只问，AI 会不会抢我的工作。
更该问的是，我每天留下的工作痕迹，正在教 AI 学会哪一部分的我。
如果它学走的是重复劳动，那也许还好，毕竟谁也不想一辈子复制粘贴。
如果它学走的是判断、经验、路径和上下文，而收益只回到公司账本里，那就不是简单的效率问题了。
那是一个新时代的劳动问题。
写到这儿，我突然想起很多程序员喜欢的一句话，自动化一切可以被自动化的东西。
这句话以前听起来很浪漫。
现在再看，后面好像还藏着半句。
然后小心，别把自己也自动化进去。
参考来源
Reuters 关于 Model Capability Initiative 采集鼠标、点击、键盘输入和屏幕快照的报道
https://m.investing.com/news/economy-news/exclusivemeta-to-start-capturing-employee-mouse-movements-keystrokes-for-ai-training-data-4626928?ampMode=1
AP 关于 Meta 裁员约 8,000 人、约 10% 员工，以及 AI 投入背景的报道
https://apnews.com/article/microsoft-voluntary-buyouts-ai-224eee4489cbc227244558ff02f5919a
The Guardian 关于 7,000 多名员工转向 AI 团队、MCI 和员工反弹的报道
https://www.theguardian.com/technology/2026/may/19/meta-jobs-ai-transfers
LA Times 关于 5 月 20 日裁员、7,000 人转向 AI、员工设备数据采集争议的报道
https://www.latimes.com/business/story/2026-05-20/meta-begins-8-000-global-job-cuts-in-ai-efficiency-push
Hindustan Times 关于网传 4 月 30 日全员会录音的报道，文中注明无法独立核验音频真实性
https://www.hindustantimes.com/world-news/us-news/were-in-a-phase-where-mark-zuckerbergs-purported-leaked-audio-suggests-meta-tracked-employees-to-train-ai-101779251828461.html