事件
Meta 執行長祖克柏在 2026 年 5 月宣布裁減 10% 員工（約 3,600 人），並表示公司核心成本來自於運算基礎設施與人力兩大支柱。祖克柏坦言，如果一邊加大投資，另一邊可分配資本就會減少，因此公司規模必須調整。同期，NVIDIA 應用深度學習副總裁卡坦扎羅透露，部分 AI 應用的算力成本已高於使用該技術的員工成本。
深層觀察
這不是 Meta 因 AI 導致「員工過剩」而裁員，而是 Meta 做了一個露骨的資本配置決策：在總預算受限的情況下，選擇優先增加 AI 基礎設施投資，而非維持現有人員規模。
祖克柏特別澄清這「與推動員工使用 AI 工具無關」——這句話本身很有趣。它暗示 Meta 的邏輯不是「AI 取代員工」而是「AI 投資的邊際報酬超過人力投資」。換言之，Meta 在算一筆帳：未來價值創造的主要驅動力來自 AI 模型與算力，而非增加傳統意義上的人力規模。
NVIDIA 副總的數據點更尖銳：某些 AI 應用的年度算力成本已經超過聘僱 1 個工程師的年薪。這意味著邊際算力投資的回報率，正在接近或超越邊際人力投資的回報率。在這個臨界點，企業會開始重新排序預算。
歷史類比
這並非新鮮事。類似的零和取捨在每個工業革命轉折點都出現過：
- **1920 年代汽車廠**：福特加大生產線機械投資時，同步減少了手工組裝工人；總資本固定，但配置方向改變
- **1980 年代銀行業**：投資 ATM 自動化的銀行，同步關閉分行、減少櫃檯人員
- **2010 年代電商**：加大倉儲自動化投資的公司（Amazon），反而增加員工（因為成本基數變了、新業務擴張）
Meta 的情況更接近第二種——主要不是自動化現有流程，而是轉向全新的價值創造方式（AI 原生架構）。
為什麼這很重要
1. 邊際成本反轉：傳統上，聘僱人力的邊際成本逐年上升（薪資通膨），而算力的邊際成本逐年下降（摩爾定律）。這條曲線的交叉點決定了企業的投資優先級
2. 預測信號：如果 Meta 認為 AI 算力投資的 5 年期望報酬率超過人力投資，那麼科技業其他大型公司（Google、Microsoft、Amazon）很可能做出類似決策
3. 就業結構轉移：這不是簡單的「失業」，而是勞動力結構的重組——失業的可能是中階分析師、QA 工程師；新增的可能是稀缺的 AI 基礎設施工程師、訓練資料標註專家
4. 資本集中度上升：只有能承受 AI 基礎設施巨額投資的大型公司才能競爭，這加劇了科技產業的贏家通吃格局