2025 年 10 月，Meta 宣布在 AI 部门裁员约 600 人，这一举措与此前数月高调的 AI 人才招聘形成鲜明反差，引发行业对其 AI 战略方向的广泛关注。此次裁员主要波及超级智能实验室（Superintelligence Labs）旗下的 FAIR（基础 AI 研究）、AI 基础设施部门及产品相关 AI 岗位，而新成立的 TBD Lab 则完全豁免。裁员后，超级智能实验室员工规模仍接近 3000 人，Meta 为受影响员工提供了 16 周遣散费（每满一年工龄额外增加两周薪资），并鼓励他们申请公司内部其他岗位，试图将人才流失风险降至最低。
从时间线来看，Meta 的 AI 人才策略在 2025 年经历了剧烈波动。6 月，Meta 以 143 亿美元投资 Scale AI，并聘请其 CEO Alexandr Wang 担任首任首席 AI 官，随后开启 “天价挖角” 模式 —— 向 OpenAI、谷歌等竞品的顶尖研究者抛出最高达 1 亿美元的签约奖金，成功吸引包括 Shengjia Zhao、Jiahui Yu 等在内的数十名核心研究者，还聘请了前 GitHub CEO Nat Friedman、Safe Superintelligence 联合创始人 Daniel Gross 等高管，旨在打造 “行业最精英、人才密度最高” 的 AI 团队。然而，仅两个月后的 8 月，Meta 突然暂停 AI 部门招聘；10 月便宣布大规模裁员，这种 “先扩后缩” 的矛盾操作，实则是其对 AI 战略进行紧急调整的外在表现。
此次裁员的核心动因，源于 Meta 对内部 AI 业务现状的双重不满。一方面，组织架构臃肿导致决策效率低下。据 Alexandr Wang 在内部备忘录中透露，AI 部门存在 “过度官僚化” 问题，跨团队沟通成本高企，部分决策需经过多层级讨论才能推进，而裁员后 “团队规模缩小，决策所需沟通减少，每位成员将承担更多职责，拥有更大影响力”。另一方面，核心技术成果未达预期。CEO 马克・扎克伯格对 2025 年 4 月发布的 Llama 4 模型市场反响冷淡感到不满 —— 该模型虽采用混合专家架构，推出 Scout（170 亿活跃参数）与 Maverick（4000 亿总参数）两个版本，但在多模态能力、推理效率上未能超越竞品，也未带来显著的产品体验升级，这让 Meta 意识到单纯堆砌人才与参数无法实现突破性进展，必须通过结构优化聚焦核心目标。
值得注意的是，裁员呈现出明显的 “新旧团队分化” 特征：新组建的 TBD Lab 作为 Wang 主导的核心部门，汇聚了今年夏天高薪引进的顶尖人才，此次未受任何影响；而被裁岗位多来自 FAIR 等 “ legacy 团队”—— 这些团队长期承担基础研究任务，但近年来在大模型迭代、AI 应用落地等关键领域进展缓慢，且常与产品团队争夺计算资源，成为 Meta 眼中 “效率瓶颈”。这种分化本质上是 Meta 的 “战略押注”：通过保留新招聘的核心人才，摒弃传统研究模式，试图以更敏捷的团队结构推动 “超级智能” 技术研发。例如，TBD Lab 专注于短周期、高 impact 的前沿项目，而 FAIR 等部门的部分基础研究职能被整合或缩减，避免资源分散。
与裁员形成对比的是，Meta 在 AI 基础设施上的投入仍在加码。裁员前一天，Meta 刚与 Blue Owl Capital 达成 270 亿美元融资协议，用于路易斯安那州 Hyperion 数据中心建设；此前还联合太平洋投资管理公司（PIMCO）为数据中心安排 290 亿美元融资，且将 2025 年资本支出预测上调至 660 – 720 亿美元，计划 2026 年相关支出增速继续高于 2025 年。这种 “裁人不裁基建” 的操作，清晰表明 Meta 并非收缩 AI 业务，而是将资源从 “人力扩张” 转向 “精准投入”—— 通过优化团队结构，让核心人才更高效地利用巨额基建投入，加速 AI 模型研发与产品落地。
从行业视角来看，Meta 的此次调整折射出 AI 领域的阶段性转变：经过前期 “人才军备竞赛” 后，企业开始从 “规模扩张” 转向 “效率优先”。此前，整个行业陷入 “高薪抢人” 的狂热，Meta、OpenAI 等公司为争夺研究者不断抬高薪酬，却忽视了组织协同与战略聚焦；而 Meta 的裁员表明，单纯积累顶尖人才无法转化为竞争优势，团队架构、决策流程与目标一致性同样关键。正如 Wedbush Securities 分析师 Dan Ives 所言，Meta 正处于 “消化期”，需在疯狂招聘后梳理内部逻辑；Futurum Group CEO Daniel Newman 也指出，此次调整是 Meta “自然的战略休整”，标志着 AI 行业从 “野蛮生长” 向 “精细化运营” 过渡。
未来，Meta 的 AI 战略将围绕 “三大支柱” 展开：一是以 TBD Lab 为核心，推动超级智能技术研发，聚焦多模态大模型、AI Agent 等前沿方向；二是强化基础设施支撑，通过 Hyperion 等数据中心建设，为模型训练提供充足算力；三是内部人才重组，将被裁员工中具备跨领域能力的人员调配至社交平台 AI 功能开发、广告算法优化等岗位，避免人才流失。不过，这一策略也面临风险：FAIR 等部门的资深研究者（如华人科学家、FAIR 研究科学家总监田渊栋）被裁后，已收到 OpenAI、AI 初创企业的邀约，若核心技术人才流向竞品，可能削弱 Meta 的长期研究实力；同时，TBD Lab 的 “精英化” 模式能否快速产出突破性成果，仍需时间检验。
总体而言，Meta 的 “裁员与招聘并存” 并非矛盾，而是一场精准的战略重构：通过淘汰低效团队、保留核心人才，将 AI 业务从 “广度扩张” 转向 “深度聚焦”。这一调整不仅关乎 Meta 自身的 AI 竞争力，也为行业提供了重要启示 —— 在 AI 技术从 “实验室走向产品” 的关键阶段，组织效率、战略定力比单纯的人才数量更重要。未来，Meta 能否通过这一 “断腕式” 调整实现技术突破，或将成为 AI 行业从 “ hype” 走向 “务实” 的重要风向标。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/meta-ai-cai-yuan-yu-zhao-pin-bing-cun-zhan-lyue-chong-gou
