围绕 Meta 裁员的叙事总体上是积极的：削减员工人数，将资本重新导向人工智能，释放效率。股市历史上一直对这种策略给予回报。但我认为值得一问的是，证据是否真的支持这种看涨的论调，还是我们只是在套用 2022 年的模式，而没有审视这次有何不同。

看涨的理由

2022 年的 “效率之年” 是模板。Meta 在 2022-2023 年间削减了大约 25,000 个职位。股价从约 90 美元涨至超过 500 美元。运营利润率大幅扩张。市场对每一次削减都给予了回报。

今天的逻辑类似：人工智能系统可以处理以前需要人力的任务。一个更精简的团队与人工智能协同工作，可以提高生产力。将节省下来的资金再投资于人工智能基础设施，可以加速其竞争地位。

Meta 的财务状况提供了背景。季度收入 560 亿美元和强劲的运营利润率意味着这些削减是在实力而非绝望的立场下进行的。

怀疑的理由

现在不同的是人工智能投资的规模。Meta 仅在 2026 年就承诺投入 1150 亿至 1350 亿美元用于人工智能基础设施。这并非仅仅是将人力削减节省的资金重新分配。这是在削减之外的一项大规模资本支出计划。两者相关，但不等同。人工智能带来的生产力提升在不同工作岗位上的分布也不均匀。

由人工智能编码工具增强的工程类岗位，其产出效率有可衡量的提升。而法律、政策、传播和市场运营等岗位则更难被大规模替代或增强。Meta 的具体裁员组合如何映射到真正能被人工智能增强的任务上，目前尚未公开信息。

此外，还存在一种机构知识成本，这种成本不会在短期收益中体现。当你在整个组织中削减 10% 时，你会不成比例地失去那些花费数年积累起来的背景知识、关系资本和隐性知识。这种损失在多年间悄然累积，直到发生后才难以量化。

我关注的重点

现在判断生产力论调是否能像扎克伯格所押注的规模那样实现还为时过早。2022 年的削减是成本纪律。2026 年的削减则是结构性转型的论调。这是不同的主张，需要不同的证据来支持。

未来四个季度的人均收入是值得追踪的指标。如果它比那些没有进行同等规模削减的同行增长得更快，那么人工智能生产力论调就获得了真正的证据支持。如果没有，那么这种叙事值得比目前受到更多的审视。

市场看涨可能是对的。历史支持这一点。但 “历史支持” 和 “论调已证实” 并非同一回事。