Meta宣布大裁员,超11000人!毕业前夜员工瑟瑟发抖,坐等明早的大礼包开奖!...

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情


 

点击“开发者技术前线”,选择“星标”

让一部分开发者看到未来

94d1767c05f65de64194b7e0a40e3959.jpeg


 来自: 新智元

Meta裁员前夜,谁在「死亡名单」上?今晚的硅谷,相当一部分人注定是一夜无眠了。

此刻,正值硅谷的夜晚,但Meta的员工们恐怕没法好好睡觉了。

因为第二天凌晨,他们就会得到通知:自己是去还是留。

235c52e143c689e5edcd8ce3197838e3.jpeg

裁员前夜,你睡得着不?

周二,小扎告诉数百名高管,Meta将于第二天早上开始裁员。

紧接着,在美东时间周三上午6点左右,公司将在内部公布裁员计划,随后通知到每个被裁的员工。

此前,就一直有人爆料:Meta要大裁员了。而近日华尔街日报的的一篇报道,就验证了这个爆料的真实性。

据华尔街日报报道,Meta预计裁员数千人,这可能是今年硅谷最大的一次裁员。

据说,在周二的会议上,小扎显得很沮丧,他承认是自己过度乐观,所以导致了公司人员过多。「我要为公司的失误负责。」

会议结束后,Meta许多部门的主管开始通知下属即将裁员的消息,一时人心惶惶。

eae896009c55d652a1d144fe57ff328c.png

人力资源负责人表示,被裁的员工将获得至少4个月的工资作为遣散费。

这4个月的裁员补偿是多少钱呢?

如果按照2021年的中位数29万美元(当前约合212万元人民币)计算,相当于每月17.7万元,四个月则接近71万元。

就……也不是不行。

85aabc2e988701da89896e5a668200ab.png

就在前不久,马斯克刚在推特内部发起一场「血色大清洗」,想不到没出几日,同样的剧情也要在Meta上演了。

377403b73ca44043068e896a1573573d.png

现在,Meta的员工们到处打探着消息,和同事们匆忙建好了群,讨论当最坏的情况发生时,该如何利用好裁员补偿。

截至9月底,Meta拥有超过87,000名员工。而几个小时之后的这场大裁员,应该是Meta成立18年历史上的首次大规模裁员。

「死亡名单」上有谁?

过了今夜,哪些人会「喜提」裁员呢?

来自一亩三分地的网友分析说,小扎在这次明确提到了「broad cut」,因此技术岗无法幸免。

但他同时又特意拎出来说了非技术岗的招聘和业务团队,所以预计这两个部门都是裁员的重灾区。而技术岗的裁员比例也许会相对低一些。

据说,现在消息灵通的director已经知道了,而没知道的,大概率已经「危」了。

这份「死亡名单」,大概率已经是板上钉钉了。名单中到底有谁呢?早几个小时知道,还能来个痛快。

c7509138564258147207addba46f054f.png

现在的口风是:大家可以先睡个好觉,有啥事明天再说。

3b4b05fc7c4405e98c8c75a64fd4c2fa.png来源:一亩三分地

员工内心OS:笑死,实在是太体贴了呢。

也有消息称,裁员的比例是20%。

383e2f98f77812f304a64019a9a46d63.png

来源:一亩三分地

明天的directors们就要开始找员工谈话了,有人说工程师预计裁掉10%。

2524e97038837b0d07780859e666eb1a.png

0f2791f20eb9bc4b873c0049f0f00c1c.png

来源:一亩三分地

总之,在这个不眠之夜,所有人都在瑟瑟发抖——非技术岗寒气逼人,而技术岗都在默默祈祷:多裁点非技术口的人吧。

吓坏整条华尔街

今年,Meta的市值已经下跌了70%以上。虽然有整体的宏观经济趋势恶化的原因,但Meta核心的社交媒体业务面临着巨大威胁。

面对对手TikTok的激烈竞争,Meta的市场增长停滞不前;iPhone的新隐私设置让用户有了新的选择,这又削弱了社交媒体平台的广告定位能力。

同时,元宇宙也是根本停不下来地烧钱,投资者们真的怕了。

上周,就有股东致信扎克伯格和Meta董事会,力劝公司节约开支、开启裁员、将元宇宙投资「至少砍掉一半」。

不过,linkedin上也有分析师称,Meta的这场「屠杀」并不是因为元宇宙,而是因为人工智能。

2dd7b35f729be08b7d3bffcf7d0b67c6.png

这位分析师表示,其实从今年夏天开始,Meta就一直在悄咪咪地裁员。而现在,它将不得不大幅裁员。

对于元宇宙的投资,华尔街勉强能消化。但Meta没能说明,为什么用于AI的支出会如此之大。

面对Meta上个季度的财报,股票分析师们都吓坏了。现在,摩根士丹利已经在做空他们的股票,从205美元做到了明年预计的100美元。

这是他们使用期权隐含概率模式对于未来12个月的预测。而其他投行也在纷纷效仿。

对此,Meta别无选择,为了控制股价,只能让裁员的风暴来得更快、更明显。

这位分析师点出:其实,Meta早就在悄悄地缓慢裁员了。在9月和10月,已经有很多人被裁。

硅谷的泡沫:破了,但没完全破


这次,Meta能一下「送走」数千名员工,之前的大举扩招可谓是功不可没。

据华尔街日报统计,Meta在2020年和2021年,总共增加了27000多名员工,而今年的前9个月又增加了15344人。

当然了,在疯狂拉人这件事上,不只有小扎这么乐观。

另有统计称,在过去的12个月里,仅微软、谷歌和Meta这三家科技巨头就招了9.2万名员工。

a0b1867c90abf39d3d2e382a0b9604e5.png

然而,科技行业的寒气不期而至。

根据Challenger, Gray & Christmas的数据,随着高管们对经济越来越悲观,科技行业在10月份减少了9587个工作岗位,刷新了2020年11月以来的纪录。

另据Crunchbase的数据,今年已有超过5万名从业者被解雇。

f1cc8064978054420382b5b92617b816.png

不过可以肯定的是,现在的裁员规模与之前泡沫真正破掉时相比,还有很大差距。

根据Challenger的数据,2001年,科技行业减少了168,395个职位,随后在2002年又减少了131,294个职位。

而2022年裁掉的这5万人,还不到美国科技公司雇用的近600万人中1%。

此外,也并非所有的岗位都面临着相同的风险。比如裁员20%的Snap,遭殃的就主要是广告销售团队。

从各家招聘的岗位来看,AI领域依然是各大科技公司的一个「避风港」,但显然已经大不如前了。

8027e829bf4adfefe4a3c32b40e8ccf2.png

最后,在经济不景气的情况下,裁员是不可避免的,而且从来不是令人愉快的。

但管理者同样可以选择以尊重的态度来对待离职员工。

参考资料:

https://www.wsj.com/articles/metas-mark-zuckerberg-says-he-is-accountable-as-company-preps-for-mass-layoffs-11667941107?st=zd5cgobmh3sqh66&reflink=share_mobilewebshare

https://www.linkedin.com/feed/update/urn:li:activity:6995411647586586624/

https://mp.weixin.qq.com/s/VGgho3hSFaU5k5VL2ZH3Dg


 

 

— 完 —

点这里👇关注我,记得标星呀~

前线推出学习交流一定要备注:

研究/工作方向+地点+学校/公司+昵称(如JAVA+上海+小白)

扫码加小编微信,进群和大佬们零距离

历史推荐

推特裁员戏剧性反转!“逗比”马斯克哭求被裁员工返回公司上班!

Visual Studio Code 1.73正式发布

马斯克对Twitter“下狠手”,或裁员50%!先炒掉高管,又恶心工程师默写代码,每周工作84小时...

好文点个在看吧

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

先进封装技术的一些优缺点探讨

半导体封装技术是半导体制造过程中的关键环节,它不仅保护了芯片免受物理损伤,还提供了电气连接和散热功能。随着技术的发展,出现了多种先进的封装技术,每种技术都有其特定的应用场景和优缺点。

阿拉伯梳子的专栏 2170

c++中vector向量几种情况的总结(向量指针,指针的向量)

1.标准库vector类型 vector 是同一种类型的对象的集合,每个对象都有一个对应的整数索引值。标准库将负责管理与存储元素相关的内存。我们把 vector 称为容器,是因为它可以包含其他对象。一个容器中的所有对象都必须是同一种类型的。 用 vector之前,必须包含相应的头文件。 #include using std::vector; vector 是一个类模板(class te

s9434的博客 79万+

告别手动复制粘贴!用Python脚本+pywinauto实现PC微信消息自动发送(附完整源码)

本文详细介绍了如何利用Python和pywinauto实现PC微信消息的自动化发送,告别繁琐的手动操作。从环境搭建、UI控件定位到构建健壮的发送流程,再到高级功能扩展和项目打包部署,全面解析了自动化办公的实现方案,显著提升工作效率。

weixin_30315723的博客 585

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 228

保姆级教程:在Windows/Mac上从零部署清华Kronos股票预测模型(含Qlib数据更新避坑指南)

本文提供了一份详细的指南,帮助用户在Windows和Mac系统上从零部署清华Kronos股票预测模型,包括环境配置、模型权重获取、Qlib数据更新避坑等关键步骤。特别针对国内用户遇到的网络问题和数据更新不及时提供了解决方案,适合量化投资和金融科技爱好者快速上手。

weixin_29053577的博客 623

倍福Beckhoff运动控制功能块实战解析:从MC_ReadActualPosition到MC_GearInVelo

本文深入解析倍福(Beckhoff)TwinCAT运动控制功能块,从基础的MC_ReadActualPosition、MC_Power等轴状态读取与使能操作,到MC_MoveAbsolute、MC_MoveRelative等单轴定位指令,并重点剖析了用于动态速度同步的核心功能块MC_GearInVelo在飞锯等场景的应用。文章结合实战经验,详细介绍了齿轮耦合、电子凸轮(MC_CamIn)等高级同步功能的参数配置、调试技巧及常见问题,旨在帮助工程师快速掌握倍福运动控制工具箱,实现复杂的同步工艺。

transformer2023的博客 981

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 401

基于ResNet-50的猫狗分类训练

基于ResNet-50的猫狗分类python训练

weixin_46352497的博客 1004

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

高通MBIM拨号流程简述

高通平台MBIM流程简述

不秃头的程序猿Gabriel的博客 5070

SAP 物料主数据 Forecasting 视图,别把预测只当成一个数字字段

摘要(150字): SAP S/4HANA物料主数据的Forecasting视图常被忽视,但对依赖历史消耗规律的物料至关重要。该功能基于工厂维度的历史消耗数据,结合预测参数自动计算未来需求,动态调整重订货点和安全库存。预测模板(Forecast Profile)能标准化参数设置,而消耗数据(Consumption Values)的质量直接影响预测结果。预测值作为MRP输入,需注意保存操作才能生效。自动重订货点功能通过分析消耗波动和服务水平,实现库存策略的动态优化。Individual Forecast功能则

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1435

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 248

R语言机器学习算法实战系列(十三)随机森林生存分析构建预后模型 (Random Survival Forest)

本教程运用随机森林生存分析筛选与患者生存状态显著相关特征。该方法借随机森林这一强大机器学习算法,构建多棵决策树并集成结果,以提高生存分析准确性,识别关键生物标志物。接着,利用选定特征构建风险得分,将多个特征转化为单一数值,量化患者风险水平。之后,依据风险得分将患者分为高、低风险亚型,为临床治疗提供个性化指导。最后,通过分析时间依赖的 ROC 曲线评估模型长期预测能力。此曲线计算不同阈值下的真正例率与假正例率,在多个时间点评估,全面展现模型长期稳定性与准确性。

专注生信领域 2022

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 503

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 203

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 201

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 559

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 575

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 92

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 280

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 642

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 339

语音识别与语音合成的技术原理及应用

语音识别 #语音合成 #人工智能 #大模型。语音识别与语音合成的技术原理及应用。一、语音识别的核心原理。二、语音合成的核心原理。三、工程落地的主要难点。五、需要关注的现实问题。

weixin_62919816的博客 213

设计师工作室 GEO 实操:如何提升 AI 实体推荐概率

设计工作室 GEO 的本质,是把创意服务转化为 AI 可理解的结构化信息。核心动作可归纳为:区分事实与审美、建立实体图谱、预判用户提问、输出脱敏内容、搭建多信源、持续测试验证。梳理工作室的 6 个实体属性:品类、城市、流程、边界、团队、渠道。在官网或作品集平台发布至少 3 篇结构化项目复盘,只陈述事实。输出 1 篇「设计报价影响因素」科普内容,覆盖甲方高频提问。争取 1 次行业媒体或本地媒体专访,形成第三方信源。每周用「XX 城市 + 品类 + 设计工作室推荐」指令测试,记录出现频率。

goujunwe的博客 339

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 207

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 4646
上一篇: Visual Studio Code 1.73正式发布
下一篇: 又一巨头放弃 Java ,拥抱 Kotlin !
DevolperFront
博客等级 码龄8年 465粉丝 81原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值