扎克伯格稱加碼算力須相應縮減人力
路透調查報道顯示，馬克·扎克伯格曾向Meta員工解釋，大規模增加AI資本開支意味着需相應削減人員規模：公司兩項最大成本是計算基礎設施和人力，更多預算投向前者便會壓縮後者。
Meta隨後向員工確認約10%的人員削減計劃。公司在2026年第二季度財報中計入11.8億美元與5月裁員相關的遣散費用；截至6月30日，員工總數爲75,472人，計入約8000名受影響員工，其中多數預計在第三季度末前不再計入公司人數。
Meta今年計劃至少投入1300億美元至1450億美元用於AI芯片、服務器、數據中心、能源、網絡與相關基礎設施。公司二季度資本開支爲310.8億美元，全年資本開支區間爲1300億至1450億美元。
扎克伯格的邏輯並非認爲裁員金額足以直接支付整個算力賬單。Meta年度AI基礎設施預算遠大於一次裁員可節省的人力成本；人員縮減更像是維持整體費用增速、調整組織結構及把有限運營預算優先分配給AI基礎設施與高端技術人才。
Meta當前仍在增加AI相關技術人員。公司財報稱，員工薪酬上升的一項驅動是過去一年招聘技術人才，尤其是AI人才；因此所謂“縮減人員規模”主要是普通職能、部分管理層和非核心團隊收縮，與頂級AI研究及基礎設施崗位投入同時發生。
路透稱，Meta內部曾研究通過“Project OT”把公司打造爲AI原生組織，部分情景甚至考慮將某些團隊壓縮高達60%；在員工反彈後，扎克伯格暫停了後續一輪更大規模裁員計劃。該報道基於內部文件與採訪，Meta表示公司領導層在確定最終裁員總數前已取消第二輪方案。
市場機制上，Meta把資本從中後臺人力、招聘、管理與部分工程職能轉向GPU、數據中心、電力和AI研究人才，會推高芯片、雲、網絡、冷卻和能源基礎設施需求；擁有AI系統設計、模型訓練、推理優化與數據中心運營能力的員工受益。執行重複性流程、基礎運營和傳統支持職能的崗位則承受更高自動化與組織精簡壓力。
來源：公開信息
ABAB AI 解讀
Meta的選擇代表科技公司的成本結構正在從“人才密集型互聯網平臺”轉向“資本密集型AI基礎設施運營商”。社交網絡時代，新增用戶主要消耗服務器和內容審覈資源，但核心增長由產品、廣告、工程和銷售團隊驅動；前沿AI時代，模型訓練與推理直接消耗GPU、電力、土地、數據中心和網絡容量。扎克伯格將算力與人員並列爲最大成本，說明公司內部已把GPU視爲可與人力爭奪預算的生產要素。
資本路徑並不是簡單的“機器替代人”。Meta計劃1300億至1450億美元資本開支，遠高於11.8億美元遣散費用，說明裁員無法爲算力投資直接買單；真正的作用是降低固定運營成本增速，使公司在保持廣告業務、AI研發與基礎設施建設的同時控制利潤率壓力。公司一邊減少約8000個崗位，一邊繼續爲AI研究者和技術人員支付更高薪酬，體現的是人才結構重配而非全面去人化。
歷史對照是雲計算興起時，企業將部分運維人力和自建機房預算轉向AWS、Azure和Google Cloud；不同的是，Meta並非把算力外包，而是在自建超級規模基礎設施。其數據中心、電力採購和芯片訂單形成長期固定資產，短期會壓低自由現金流，但若個人AI助手、廣告推薦和企業AI服務形成高收入業務，這些資產將成爲規模優勢。Meta第二季度自由現金流僅7.84億美元，正反映高資本開支下的現金流壓力。
這屬於資本集中。當AI競爭取決於數十吉瓦級電力、數百萬級芯片和長期數據中心合約，擁有廣告現金流、融資能力和全球基礎設施的公司可用資本支出換取模型能力與推理成本優勢。機制是，算力投入越大，單位模型服務成本越可能下降，但進入門檻也越高；中小公司即使擁有相近算法，也難以同時負擔訓練、在線服務和產品分發。人力縮減只是這一資本密集化過程對組織結構的外在表現。
ABAB News · 認知定律
當算力成爲生產資料，預算就從工資表流向機房
裁員省下的是費用增速，買到的是資本開支空間
AI時代最貴的人，不是執行者，而是能駕馭基礎設施的人