KeyFrame內部研究專用

Meta内部员工终于炸锅了 | 员工直播怒骂高管 | 扎克伯格和CTO纷纷道歉 | AI转型混乱 | Applied AI | 员工用来训练数据 | 一个经理管五十人 | 三重错位

Best Partners TV·6月17日週三·17 min中文

三句話摘要

Meta為追趕AI進度粗暴重組,導致高薪工程師淪為數據標注員工,引發內部信任危機。 Meta用適應廣告業務的「規模邏輯」硬生生套用到AI競爭上,深刻反映出一個更普遍的真理:技術領先不等於組織領先。 應用AI部門的建立採用強制調岗,員工無選擇權只能接受或離職。高薪聘用的頂尖工程師被重新配置到重複性資料標注工作,導致職業尊嚴受損,創新能力被閒置。

重點整理

重點
  • 1

    應用AI部門的建立採用強制調岗,員工無選擇權只能接受或離職。高薪聘用的頂尖工程師被重新配置到重複性資料標注工作,導致職業尊嚴受損,創新能力被閒置。

  • 2

    Meta決定由內部工程師而非外包團隊進行數據標注,理由是內部員工智力水準更高、產出品質更優。但這種邏輯浪費了高端人才的創新潛力,只著眼於機械執行能力。

  • 3

    公司從鼓勵AI使用(設Claudeonomics排行榜激勵消耗token)迅速轉向限制消耗,僅隔數月策略反轉,直接摧毀員工對決策連貫性的信任。

  • 4

    組織層面的根本病因在於Meta將廣告業務的「規模邏輯」硬套AI領域,認為堆砌工程師數量就能訓練更好的模型,卻忽視前沿AI競爭所需的組織判斷、人才密度和產品閉環。

實用技巧與重點

乾貨
  • 應用AI部門規模:6500名工程師和產品經理
  • 員工周期任務:每周至少2項數據標注相關任務
  • Meta收購Scale AI投資:143億美元
  • 管理幅度比例:現況1:50,改革目標1:20,業界標準1:6-8至1:12-15
  • 內部AI成本預估:2026年數十億美元
  • Token消耗數據:30天消耗60.2萬億,後升至73.7萬億
  • 監控反對聯署人數:1600+名員工
  • 裁員規模:8000名員工,占總數10%
  • 模型性能差距:Meta MMLU得分85分;GPT-5/Claude 4/Gemini 2.5超90分
  • 內部AI工具:MetaCode(自研編碼助手)
  • 外部工具使用:大量使用Anthropic Claude導致成本膨脹
  • 員工免費暫停數據收集上限:30分鐘
  • 訂閱制定價:月費3.99美元起
  • 廣告營收占比:98%以上

結論

結論

Meta用適應廣告業務的「規模邏輯」硬生生套用到AI競爭上,深刻反映出一個更普遍的真理:技術領先不等於組織領先。

完整解析

詳細

Meta今年三月成立應用AI部門(AAI),一舉調配6500名工程師和產品經理。但這次重組並未循常規招聘流程,而是通過突如其來的調岗郵件通知。員工面臨二選一:接受調岗進入AAI,或自行離開。這種執行方式隨即激發內部反彈,有人將其比作蘇聯勞改營。

被重新配置的工程師日常工作包括設計編程題目、編寫複雜軟體場景、構造邏輯謎題、評估模型輸出,以及製作測試樣本和標注數據。這些產出供AI科學家用於訓練新一代大模型。Meta的技術解釋是現有模型在編程任務上尚無法超越人類,需大量真實案例。然而員工視角截然不同:這些工作極其重複機械,完全無法發揮其創新能力和知識儲備。

針對為何不外包給專業資料標注公司,扎克伯格在泄露會議錄音中解釋,Meta員工的平均智力明顯高於第三方承包商,故內部製作的訓練數據品質更佳。表面合理的邏輯卻忽視一個核心事實:高才能人才需要有意義的工作和成長機會,長期機械重複工作只會消磨積極性。更令人不滿的是,公司還推出了監控員工鍵盤和滑鼠操作的計劃來收集訓練資料,引發1600多名員工聯署抗議。

在成本控制上,Meta經歷極端搖擺。去年11月公司鼓勵員工使用AI工具,設Claudeonomics排行榜根據token消耗量排名,導致員工為上榜而濫用AI,30天內消耗60萬億token。短短數月後公司急轉身限制消耗,理由是2026年內部AI成本預計達數十億美元。這種朝令夕改加劇內部混亂,摧毀員工對決策一致性的信任。

管理結構失控也是重症。AAI曾出現一名經理管理50名員工的極端情況,遠超業界標準6-15人。員工幾乎無法獲得個性化職業指導。面對升溫的不滿,扎克伯格發布內部備忘錄,首度承認變動造成困擾,承諾今年不進行大規模裁員、限制經理下屬人數至20人、增加團隊活動預算等。CTO博斯沃思更罕見地用「糟糕透頂的決定」形容,承認破壞了員工對自身專業價值的信任。

然而這些道歉未能平復情緒。扎克伯格計劃7月舉辦全公司AI黑客馬拉松,原想提振士氣,卻在內部論壇引發反感。員工普遍認為自己已超負荷,黑客馬拉松不是福利而是變相無薪加班。這反映出組織信任的深度裂痕。

深層看,Meta問題非缺乏AI技術,而缺乏用AI做產品的能力。Meta習慣在廣告業務中使用「規模邏輯」——更多用戶、更多資料、更強推薦等於更高廣告收入。它試圖將此邏輯直接應用到AI競爭中,以為堆砌6500工程師就能馴養大模型。但前沿AI競爭從不是堆人數遊戲,組織判斷、研究方向、人才密度和產品閉環往往比頭數更重要。Meta為廣告訓練出的組織肌肉,在AI賽道上並不直接適用。

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「企業管理」的內容

AI Proficiency: From Users to Builders
56 min
企業管理英文PODCAST8月25日

AI Proficiency: From Users to Builders

Practical AI

  • L0 有五種子類型,各有不同特性與對應策略。講者強調不應將所有抗拒 AI 的人視為問題,而是區分其原因:有些人(如對品質失望者)的反饋實際上很有價值,應該認真聽取,而非強制推行。識別 L2 的關鍵不是技術能力,而是對公司工作流程的深入理解與執行風格的一致性,他們能將隱性知識轉化為文檔流程,同時阻止機構人才流失。重點不在速度,而在於新興工作類型與可測量的商業價值。
不懂技術分析,在多頭買也可能跌得一頭霧水
企業管理中文8月23日

不懂技術分析,在多頭買也可能跌得一頭霧水

陳修平的師父商學院

  • 均線的雙刃性 — 均線不只預示趨勢方向,也會成為股價上升的壓力位。買在均線上方的股票,上漲時較無壓力;若均線剛好在買價上方,股價容易觸及均線受壓後下跌。
  • 支撐點判斷的核心 — 多頭行情中,股價回檔應該找到均線的支撐才是安全的買點,但關鍵是用紅K確認支撐真正有效,如果沒有紅K出現代表支撐未成立,股價可能繼續下跌。
  • 期檔點的精準性 — 同時結合越線的支撐與前面的上升趨勢,才能精確抓住支撐點(期檔點),這樣進場後一整波上漲都能掌握。
【突發】第一個被AI消滅的國家,比中國崩盤更可怕?巴菲特緊急把錢全放在這裡?被美國吹出來的印度神話破滅,亞洲金融海嘯時什麼資產最值錢?
21 min
企業管理中文8月23日

【突發】第一個被AI消滅的國家,比中國崩盤更可怕?巴菲特緊急把錢全放在這裡?被美國吹出來的印度神話破滅,亞洲金融海嘯時什麼資產最值錢?

90後創業家掃地僧

  • 美國資本對新興市場的完整收割套路:先吹泡沫讓全世界的錢湧進來,國家養肥後趁股市最高點偷偷出貨,同時做空匯率與股市,被吸乾的國家最後只能開放市場、解除外匯管制,任由外資以暴漲美元廉價收購本地資產。
  • AI對印度經濟的雙重絞殺:美國企業將IT工作外包給印度工程師,實質上是在用人類勞動訓練AI系統;AI成熟後直接停止訂單,幾百萬工程師失業;同時印度企業被迫購買美國AI工具維持運營,形成第二次掠奪。
  • 印度財務面已臨界崩潰:盧比今年貶值7%、短10週燒掉400億美元外匯購油、外資持股創14年新低、股市蒸發近5000億美元,速度與規模皆超越當年泰國危機。