文 | 字母 AI

新年的钟声敲响不过两周，Meta 员工陆续收到关于绩效体系变更的通知。

新的系统有一个名字：Checkpoint，它会在今年年中正式启用，几乎覆盖 Meta 员工接下来整个 2026 年的绩效考核周期。

评级被大幅简化，奖励被明显拉开，顶级表现者将拿到前所未有的高额回报，而绩效体系本身，也被要求更快、更直接。

几乎在同一时间，另一条消息传出：Meta 计划再度裁员。这一次，Reality Labs 一下被裁掉了 1500 人。

从去年初一次性裁掉约 5% 的 " 绩效不佳 " 员工，到随后在 Reality Labs、AI 基础设施等部门持续缩减人手，Meta 的目的并不复杂，它指向效率与聚焦。

乍看之下，这像是两条彼此独立的新闻：一边是 " 奖励更多优秀的人 "，一边是 " 清理掉不够优秀的人 "。

但如果把它们放在一起看，就会发现它们其实指向同一件事。Meta 正在用更极端，也更直接的方式，重新分配资源。

公司不再试图让大多数人都 " 还不错 "，而是要尽可能放大少数关键个人的产出；而裁员，也不再只是成本控制手段，而是试图让组织更轻盈，或说，更适应 AI 时代的战斗模式。

更重要的是，Meta 并不是个例。

在 AI 热战全面展开的背景下，科技巨头纷纷对绩效体系和组织层级动手，方向高度一致：它们正在重新决定，哪些人值得被押注。

Meta：更多人优秀，拿更多奖励，全员善用 AI

Meta 这次的绩效体系改革，一言以蔽之就是：大幅倾斜资源奖励顶级表现者，同时加强对低绩效者的管理，来最大化公司人力资本的回报率。

具体来说，新体系叫 "Checkpoint"，将从今年年中启用。由于年中回顾的是那之前半年的绩效表现，所以 Meta 员工整个 2026 年的绩效考核其实都将在新体系下完成。

在 Meta 的旧体系中，每年有两次绩效打分。

一次是年中，比较简单，三个评级：包括超出预期、达到预期、低于预期。

另一次是年终，相对复杂，有七个评级：重新定义预期（最高等级）、大幅超出预期、超出预期、完全达到预期、大部分达到预期、部分达到预期、未达到预期。

年中和年终的评级不一样，又这么复杂，就导致了繁文缛节滋生。

这次 Meta 就透露，过往管理者每年光是处理绩效相关任务就要花费大约 80 小时，而员工每个周期在同事反馈上的总花费时间也高达 33 万小时。

而员工彼此之间的评价反馈真的有用吗？Meta 透露，只有不到 25% 的管理者认为反馈有用。

除此之外，在旧体系下，Meta 强调强制性低绩效比例分配，2024 年低绩效比例为 12-15%，到 2025 年进一步扩大到 15-20%，这直接导致了 2025 年约 5% 的绩效相关裁员（大约 4000 人）。

而在新体系 Checkpoint 之下，事情就清爽多了。

还是年中和年终这两个节点做绩效审核，但是采用一样的评级，且只分三级：

· 杰出（Outstanding）：占比 20%，代表 " 远超预期 "，奖金系数 200%；

· 优秀（Excellent）：占比 70%，被描述为 " 高绩效文化基线 "，奖金系数 115%；

· 需要改进（Needs improvement）：占比 7%，适用于绩效存在差距且预期能够改进的员工，奖金系数 50%；

· 未达预期（Not Meeting Expectations）：占比 3%，适用于 " 未达到 "Meta 标准的用户，奖金系数为 0。

这样一来，整个绩效体系被大大简化了，而且也不难看出其中占比的倾斜，优秀及以上的占比 90%，占大多数。

奖励也同样大幅倾斜，除了以上常规评级之外，Meta 还设置了一个额外奖励（Meta Award），选出少数有 " 真正杰出贡献 " 的员工，给予 300% 的奖金。

这与 Meta 近年来强调的 " 高绩效文化 " 高度一致，该文化源于公司 CEO 扎克伯格（Mark Zuckerberg）在 2025 年将该年定义为 " 激烈之年 "，其间公司通过一系列措施来提升团队效率和 AI 创新能力。

除此之外，在整个新绩效体系下，AI 工具的使用也备受重视。

在去年 12 月的时候，Meta 就推出了一个叫 "AI 绩效助手 " 的工具，员工（包括管理者）使用 AI 来起草、总结和优化绩效内容，让整个绩效评估流程更高效。

在 Checkpoint 推行后，AI 工具的使用被强化，虽然不是强制但是也差不多了。

说起来很有意思，Meta 对 AI 的痴迷在内部管理中也有所体现。从去年开始，Meta 就把 "AI 驱动的影响 " 作为绩效考核的重要指标，也就是说员工绩效好不好，必须纳入 " 有没有好好用 AI 提高工作效率 " 的考量。

绩效评估的过程本身也是一项工作，鼓励员工用 "AI 绩效助手 " 写评估，那么就形成了 " 用 AI 工具写关于有没有善用 AI 的评估 " 的循环。

AI 热战，各大厂都在调整绩效体系

Checkpoint 系统是 Meta 在 AI 时代对人力激励的战略升级。

扎克伯格希望通过统一评级标准和 AI 辅助工具简化绩效流程、减少官僚负担，还通过 " 富矿 " 式奖励机制大幅强化了对高输出者的倾斜，这将直接影响 2026 年 Meta 在新模型研发、智能眼镜等 AI 核心项目中的竞争力。

公司把有限的奖金池 / 股权资源像 " 富矿 " 一样集中砸给高产出者——尤其是 AI 贡献突出的人，目的是最大化投资回报率，刺激全员向顶级冲刺，同时高效控制整体人力成本。

这种 " 赢家通吃 " 模式在 AI 人才战争中特别有效，因为顶级 AI 工程师 / 研究员的产出往往决定模型代差。

也不止有 Meta 对绩效体系下手，在 AI 热战之下，国内外的大厂这两年动作频频。

去年 12 月，字节跳动宣布四大措施：增加奖金（含绩效期权）投入，2025 全年绩效评估周期相比上个周期提升 35%；大幅增加调薪投入，较上个周期提升 1.5 倍；提高所有职级薪酬总包的下限（起薪）和上限（天花板）。

据澎湃新闻，字节当时在内部邮件开头就说得很清楚：" 我们所处的行业正面临新的机遇和挑战，公司希望更好地吸引、激励和保留优秀人才，鼓励大家和公司业务一起，再上一个比过去更大的台阶。"

核心目的只有一个——让优秀的人才拿到更多钱。

要注意的是，整体来说字节的调整更像是 " 全员吃肉 "，但是由于不同层级的放大比例不同，越是顶端的人才，奖励 " 膨胀 " 得越明显。如评级由低到高，"M" 的激励月数上限增加 1.5 个月；"M+" 下限增加 1.5 个月，上限增加 2.5 个月；"E" 下限增加 3.5 个月，上限增加 3 个月。

在 2025 年绩效周期前，Google 对其 GRAD（Google Review and Development）体系进行了内部调整。多家媒体援引员工信息称：

公司扩大了高绩效评级（如 Outstanding Impact）的奖励权重，提高顶级绩效的奖金和股权回报；与此同时，中间档位的激励被有意压缩，以维持整体预算稳定。

这意味着，Google 并没有 " 多发钱 "，而是重新分配钱。

对员工而言，回报不再是线性差距。

亚马逊 2025 年也强化了 Forte 系统，这是一种绩效管理工具，强调员工证明个人成就。

亚马逊要求员工列出 3-5 个 " 最大成就 " 来证明自己的生产力，并将把 " 领导力原则 " 正式嵌入评级，形成三层打分机制。

这维持了亚马逊的强制排名机制（stack ranking），即经理需按比例分配高低评级。这个做法常导致团队竞争激烈。

值得注意的是，亚马逊仍然维持其高度竞争性的分布逻辑。也就是说，高绩效比例有限，低绩效后果明确。这使它成为所有大厂中，对 " 持续输出 " 要求最严苛的一家。

Microsoft 在 2024 年底至 2025 年初，对内部绩效与人事规则进行了调整，重点不在奖励 " 有多高 "，而在低绩效的后果更清晰。

公开报道显示，微软进一步收紧了对长期低绩效员工的管理工具，包括内部流动限制、绩效改进周期等，同时弱化了一些与核心产出关联度不高的考核要素。这使得绩效评估更直接地服务于业务结果，而非文化或过程指标。

把这些大厂的动作放在一起，不难看出共性：把这些改革放在一起看，会发现一个清晰结论：

公司不再追求 " 多数人满意 "，而是更明确地把资源集中给少数真正创造关键成果的人。中等表现的回报空间正在被压缩，而顶级贡献者获得的激励差距被显著拉大。

这是 AI 时代下，大厂在激烈的模型与算力竞争中，主动将资源集中到关键产出者身上的现实选择。

资源倾斜与 " 大扁平 " 同时发生

资源更多地向优秀者倾斜，从整体上来讲，自然对组织有益处，尤其是处在激烈竞争之中的时刻，固定顶尖人才至关重要。

但事实向来是——在一个组织之中，平凡普通的员工占大多数。即便是 " 普调 " 存在，少数人拿到了更多，这样的横向比较也会加重焦虑。

仍然以 Meta 的新绩效体系为例，虽然绩效 " 优秀 " 及以上的员工比例占 90%，但其中最大头的、占比 70% 的 " 优秀 "，奖励放大系数为 115%，远低于更高等级奖励被放大的系数（200% 与 300%）。

倾斜之下，可能产生的负面影响包括大家越来越容易职业倦怠（burnout），以及员工要面对内部竞争带来巨大焦虑感。

而以往通过层层晋升成为 " 中层 " 的员工尤为尴尬——他们中的很多人在大厂卷生卷死多年，但在新绩效体系下很容易被明星员工 " 薪酬 / 奖励倒挂 "。

" 裁员 " 也是悬在头上的一把剑。

独立裁员追踪网站 Layoffs.fyi 的数据显示，2025 年全球科技公司裁员超过 12 万人。

而裁员的重灾区，恰恰是财务业绩强劲、利润屡创新高、给顶尖人才给钱不手软的科技巨头。如微软全年裁员 1.5 万人；亚马逊去年 10 月宣布裁员 1.4 万人，全年大约裁员 3 万人。

Meta 在去年年初，一口气裁员 5%" 业绩不佳 " 的员工，约涉及 3600 人。还有一些裁员发生在业务调整的震荡中，如秋季 Meta 裁了 AI 基础设施部门的 600 人。就在发稿前，当地时间 1 月 13 日，Meta 计划再裁员 Reality Labs 的 1500 人。

而在裁员中，中层也是重灾区，Meta 和亚马逊都曾公开表示要精简中层。Business Insider 将这称之为科技巨头的 " 大扁平化趋势 "。

扎克伯格曾公开表示 " 扁平化组织更快（Flatter is faster）"；亚马逊 CEO 安迪 · 贾西（Andy Jassy）在内部沟通中也提出 " 减少管理层将降低层级并让组织更扁平 "；而谷歌 CEO 桑达尔 · 皮查伊（Sundar Pichai）则在 2024 – 2025 的重组与裁员中将减少 10% 的副总裁与管理岗位作为提升效率的举措之一。

当绩效体系开始明显向顶级贡献者倾斜时，中层管理者手里的资源，往往也会随之变少。

这并不是奖金制度调整带来的意外后果，而是公司在重新判断：哪些角色，才值得继续被重点投入。

过去，中层往往掌握着不少实际权力——包括项目怎么排、人怎么用、激励怎么分；但当公司越来越强调直接产出和关键结果，这些权力要么被收回到更高层，以减少决策摩擦，要么被直接交到真正承担核心产出的个人手中。

关键人才的项目归属、绩效评价和激励路径，开始绕过中层，通过更高层级的机制直接锁定，中层在人员和资源上的调配空间自然被压缩，更多时候承担的是执行协调和结果压力。

同时，随着工具和系统越来越成熟，原本依赖中层完成的大量对齐、汇报和协调工作，也在被不断削弱存在感。

绩效改革和组织扁平化几乎同步发生。它并不意味着公司在清算某一层级，这更像是一种取舍：公司不再优先维护层级结构，而是把有限的资源，直接押在少数被认为 " 能拉开差距 " 的人身上。

说到底，这一轮绩效和组织调整，解决的是公司的效率问题，而不是员工的安全感问题。

资源被更集中地押在少数人身上，确实可能跑得更快，但也意味着更多人被推到边缘。

过去一年里，大厂里发生的变化其实指向同一件事：资源正在被重新分配。

对公司来说，这是在 AI 时代追求效率和确定性的理性选择。但对个体而言，规则已经变了，过去依赖层级、资历和稳定晋升路径所建立的安全感正在减弱。

新的体系正在形成，而它是否真的能同时带来效率与可持续性，仍需要时间来验证。