Meta几周内毁掉二十年工程文化InfoQ
这可以说是大模型时代下，硅谷大厂研发范式发生剧烈转向的一个缩影。
一个靠写代码起家的 CEO，如今为了 All in AI 出了一堆昏招，在短短几周内就把自己亲手建立的工程文化摧毁殆尽。强制抽调核心团队中的 30% 到 50% 的工程师去做数据标注，24 小时无差别记录员工屏幕，把 Token 使用量纳入绩效考核......
Instagram 信任与安全团队因数据标注人员抽调和裁员流失了约一半员工。多名资深骨干都被抽调去负责 AI 训练相关工作；还放宽了 AI 生成代码的审核标准：因代码审核疏漏引发系统故障不会成为裁员理由，仅经过另一轮 AI 代码审查的情况在整个代码库中非常普遍。Facebook 和 Instagram 的 SEV0 级别宕机事故，正是这场自毁式重组最直接的恶果。
科技作者 Gergely Orosz 在深度调查中还原了这场混乱的全貌，并警示整个行业：AI 转型当然重要，但如果一家公司为了追逐模型能力，牺牲掉自己最核心的工程文化、信任机制和人才尊严，那么它得到的未必是更强的 AI，反而可能是一次自毁式的组织实验。
当然，AI 狂热远不止 Meta 一家的问题。越是害怕错过这轮超级风口，组织动作越容易变形。这篇文章值得所有正在推动“AI 优先”的管理者一读。趁还来得及，先看看 Meta 的这场教训。
以下是原文翻译：
二十年来，Meta 一直拥有一支独树一帜、执行力顶尖的工程团队，这种状态一直持续到今年四月前后。公司成立的前二十年，内部奉行 “快速行动，不惧试错” 的企业文化。2020 年代初，企业文化开始向“快速行动，稳固基础”转变。我认识的几位 Meta 工程师都拥有充分自主权，能够踏实做出有价值的成果，并在商业收益与扎实的工程实践之间做出良好的平衡。
但过去几周，一切都变了。管理层仿佛是照着一份详细的蓝图、以一种近乎冷酷、极致高效的方式去摧毁一个经受过验证、成功的工程文化。
过去几周，我一直在分享这家社交媒体公司内部工程师的糟糕处境，这里曾是硅谷最负盛名的工作场所之一。本文将梳理整件事的来龙去脉，并剖析管理层的真实想法：短短数周内，他们把软件工程部门从 2004 年起直至不久前的利润中心变成了如今备受轻视的成本中心。
AI 时代之前的工程文化
我将 Meta 的工程文化划分为两个阶段：“快速行动，不惧试错”时代，以及之后的“快速行动，稳固基础”时代。
“快速行动，不惧试错”
2010 年代，Facebook 不拘一格的工程文化在科技圈一度传为佳话，这家公司摒弃行业常规的最佳实践，却取得了巨大成功。
2012 年，当 Facebook 用户数突破十亿大关时，公司制作了一本讲述企业文化的小册子，发放到每位员工的办公桌上。这本小册子采用复古宣传画风格设计，被戏称为“红宝书”——借用了 1964 年出版的《毛主席语录》。
这本约 70 页的小册子将 Facebook 的工程文化编纂成文：速度、无畏、勇于担当、突破固有思维。
当时，这本“红宝书”中的信条也被张贴在园区各处：
完成胜于完美
大胆试错，不惧失败
若无所畏惧，你会做什么？
每一天都像一周那么漫长
莱特兄弟当年也没有飞行员执照
愚者坐等良机
幸运眷顾勇者
当时他们真心在专注打造优质产品。这本小册子中还写了：
“快速行动，稳固基础”
2022 年，我撰写了一篇深度剖析 Meta 工程文化的长文。那时，情况已经发生了变化，过去那种不计后果的鲁莽作风大多已消失不见，取而代之的是“快速迭代，稳固基础”。下面是我当时对 Meta 工程文化的描述：
这种文化极度以工程为中心，远超大多数大型科技企业。这可能源于扎克伯格本人就是工程师出身，也可能是因为 Facebook 早期的许多创新都来自工程师。
看重个人影响力。 影响力一直是 Facebook 关注的核心。这一点从早期就是如此，而且至今对创造影响力的关注依然不变。
与多数大型科技企业存在一处共性：无论是工程文化还是整体企业文化都极度看重员工个人影响力。这导致一些人只关注短期、可量化的成果，并认为团队合作以及跨团队共享的成就可能不太受重视。
缺乏严格的流程。 在所有大型科技公司中，Facebook 的流程或标准化规范制度似乎是最少的。根本不用拿它和亚马逊的工程文化以及亚马逊数不清的流程规范做比较。但即使与谷歌、微软或优步这样的公司相比，Facebook 的流程也要松散得多。这主要源于公司以工程为中心的本质，以及工程师们对流程的反感。
对测试、文档和代码注释的重视程度低得惊人。与其他大型科技公司相比，你会发现 Facebook 的自动化测试和文档少得令人震惊。行内代码注释也非常罕见。
一家由创始人工程师驱动的公司。 Facebook 是少数几家创始人是工程师且至今仍担任 CEO 的大型科技公司之一。Netflix 是另一个典型案例，其创始人兼联席 CEO Reed Hastings 在创办公司之前也是一名软件工程师。亚马逊此前也是这样，但如今已然不同；谷歌、苹果则不属于此类。Cloudflare 等较小的公司也有类似的特点，但这些公司都比 Facebook 年轻。
新人训练营（Bootcamp）。 一种独特的入职流程，与其他大型科技公司的都不一样。
此外，Facebook 作为一款产品，拥有业内最精密的自动发布系统之一。Instagram 的基础设施经过了实战的检验，因此推出一个新的社交网络（Threads）几乎易如反掌——上线第一周就为 1 亿用户提供服务。
我在公司里认识的工程师们能力出众、干劲十足，且具备产品思维，他们的工作也广受认可。扎克伯格极具影响力：他亲手编写了 Facebook 的初代代码，始终与工程团队保持紧密联系，并且非常重视软件工程师。那里的工程师们感觉自己是在利润中心里工作。
大力投资 AI，并强制
要求工程师使用 AI
在苹果、微软、亚马逊、谷歌和 Meta 这五大科技巨头中，Meta 是唯一没有自有硬件平台或操作系统的公司。苹果有 iPhone、iPad 与 Mac 系列，谷歌有安卓系统、ChromeOS 和 Pixel 手机，微软有 Windows 系统，亚马逊有 Kindle。
回过头来看，2010 年代公司没能自研移动端操作系统和手机，如今的扎克伯格似乎下定决心绝不再错过任何一个平台发展机遇。
这也是 Meta 大手笔投资 Oculus 虚拟现实设备和 Meta 智能眼镜增强现实产品的原因之一。2021 年 Facebook 更名为 Meta，当时 VR 和元宇宙看起来可能会成为巨大的风口。公司投入数十亿美元，力求坐稳该领域行业龙头的位置。但虚拟现实技术再次未能成为主流，疫情结束后，市场对这一赛道的关注度大幅降温。
当 2022 年 AI 大势初现之时，扎克伯格没有错过这个机会：他组建了内部的 FAIR 团队（基础 AI 研究团队）和一个 GenAI 产品部门，并发布了一系列开源权重 AI 模型：
Llama 1：2023 年 2 月发布，在 ChatGPT 发布三个月后，由 FAIR 开发；
Llama 2：2023 年 6 月发布，由 GenAI 产品部门开发（以及后续所有 Llama 模型）；
Llama 3：2024 年 4 月发布。这是 Meta 最具竞争力的 LLM，在整个行业获得了越来越多的采用；
Llama 4：2025 年 4 月发布。这个模型令人大失所望。
同年 6 月，Meta 以高达 148 亿美元的价格收购了 Scale AI 49% 的股份，以此重启其 AI 相关的业务，并邀请 Scale AI 的 CEO Alexandr Wang 来接管 Meta 的 AI 战略规划。以 20 亿美元收购中国初创公司 Manus AI 的交易目前因被中方叫停而悬而未决。
从对 Scale AI 以及 Alexandr Wang 的这笔投资不难看出，Meta 乃至扎克伯格本人都决心打造一款足以与 Claude 和 ChatGPT 抗衡的顶尖大语言模型。但 Meta 几乎要从零起步，而实现这一目标的重任落在了 Alexandr Wang 身上。
Scale AI 为 Meta 带来了高度专业化的技术能力，作为行业头部企业，其专长领域包括：
训练数据和标注：Scale AI 起家便是为机器学习和人工智能训练提供高质量标注数据集，涵盖代码、文本、图像、视频等各类数据，至今仍是其核心业务。
RLHF 和微调：Scale AI 运营的一套 RLHF（基于人类反馈的强化学习）流程，人们为基础模型提供反馈，许多领先的 AI 实验室用它来创建更好的 LLM。
Alexandr Wang 拥有极大的自主权，可深耕自己擅长的领域：训练数据、数据标注和 RLHF。Meta 让内部工程师团队配合推进相关工作，同时对团队工作进行监督。
问题一：强制记录键盘敲击与鼠标点击操作，员工无法选择退出。4 月下旬，Meta 通知全体工程师，公司将启用一套系统记录每一次键盘输入与鼠标点击动作，用于为 Meta 新一代 AI 生成训练数据，且员工没有拒绝参与的权利。
毋庸置疑，这种监控极具侵犯性，还引发了隐私问题：如果工程师登录个人银行账户，这个工具也会跟踪吗？撰写私人邮件、处理私人通话内容呢？Meta 事前未进行任何协商，也未提供规避监控的变通方案，只是自上而下强行推行这项决定。
本月，路透社报道称，员工提出的种种担忧终于得到了管理层的重视：
“Meta 在周二发布的一份内部备忘录中表示，经过数周员工的强烈反对，公司将缩减收集员工鼠标移动、键盘敲击及其他操作行为用作 AI 训练数据的相关计划内容。
这份由 Meta AI 模型研发部门超级智能实验室副总裁 Stephane Kasriel 撰写的备忘录显示，新的监控措施将允许员工每次暂停数据收集长达 30 分钟，并且能申请豁免。”
通过与 Meta 工程师的沟通得知，受数据保护法规限制，这套日志采集系统并未在英国上线。
问题二：核心团队中有 30% 至 50% 的工程师被强制调岗，从事数据标注和 RLHF 相关工作，这让员工的不满情绪进一步加剧。同样从 4 月下旬开始，产品工程团队收到上级下达的硬性指令，要求抽调 30% 至 50% 的工程师离开原团队，转入智能体数据优化部门（ADO）。
这里的“强制”调岗尤为刺眼，这与 Meta 一贯的工程师文化背道而驰。从 2004 年公司创立直至去年，Meta 一直给予工程师选择任职团队与负责项目的自主权。这也是公司过往运作模式的核心：
工程师不是为特定团队招聘的（Staff+ 级别在某些情况下除外），而是为公司招聘的；
在为期 6 周的新兵训练营中，新员工会先熟悉 Meta 的工程文化，之后选择加入哪个团队；
团队双向匹配：新人与多个尚有编制名额的团队沟通，参与团队小型项目，最终选定匹配的团队；
内部转岗很容易，而且通常由工程师主动发起。
