Meta 裁 8,000 人去買 1,350 億美元晶片:Calacanis 給被資遣者的「次 1% 創業法則」,告訴你下一個 Airbnb 藏在哪裡

本文整理自《This Week in Startups》2026 年 4 月 25 日播出的 E2280。

{{< youtube RT09WX9_hqY >}}

{{< spotify "episode/0iS5Wk0NHqa5poqgiQgjRu" >}}

{{< apple-podcast "tw/podcast/the-defense-tech-startup-yc-kicked-out-of-a-meeting/id315114957?i=1000763506581" >}}

---

2026 年 4 月 23 日是個值得在這一輪 AI 週期裡標起來的日子。同一天美國四家不同產業的大公司幾乎在同一個工作日內公布裁員:Meta 砍 8,000 人(全公司 10%)、KPMG 砍 100 名美國審計合夥人(美國審計合夥人池的 10%)、Nike 砍 1,400 個白領職位(企業總部約 2%)、Snap 砍 1,000 人(全公司 16%)。再過兩天微軟跟著公告自己的裁員。市場一度想用「AI 取代人」這個簡單的故事吸收這一切,但很快有人發現,這個故事不夠完整。

完整的故事是 Meta 人資長珍奈兒．蓋爾(Janelle Gale)寫進內部備忘錄的那句話:這次裁員是「持續以更高效率營運公司,並讓我們能夠抵銷其他正在進行的投資」。所謂「其他投資」是什麼?Jason Calacanis 在 4 月 25 日的《This Week in Startups》上把答案攤開來:Meta 跟亞馬遜剛簽完多年期的 Graviton5 晶片合約,規模上看數十億美元、佈署數千萬顆運算核心,2026 年整年 Meta 的資本支出預估從 2025 年的 720 億美元跳升到 1,350 億美元,年增 87%。8,000 個被裁員工的薪資總和,放進這個資本支出方程式裡,基本上就是一個會計上需要被擠出來的成本欄位。

---

從「AI 取代你」改寫成「員工被裁去買晶片」

2024 年到 2025 年的科技業裁員潮論述主軸是「AI 取代白領」,從程式設計師、客服、行銷、法務到中階管理職,大家在等一個技術逐步替換的過程。但 2026 年第二季這一波的論述應該被改寫。Meta、Microsoft、Snap、Oracle 同時把裁員跟資本支出綁在一起說,意思是現在要的不是「AI 取代了你的工作所以你被裁」,而是「公司需要把錢從人事費用挪去晶片採購,所以你被裁」。這兩個論述的差別非常重要,因為它們指向完全不同的個人因應策略。

第一種論述(AI 替代論)假設的是技術成熟度逐步提升,你能做的是學習新工具、提升 AI 駕馭能力、拉高自己的職位免疫度。第二種論述(資本重新分配論)則告訴你,你的職位本身可能完全沒有被 AI 取代,你只是被會計師從 OPEX 移到 CAPEX 的數字遊戲掃到。能做什麼?除了等資本週期過去,你只能離開這個被擠壓的會計欄位。

Meta 自己的數字就是最好的證明。2026 年公司的資本支出預估 1,350 億美元,跟一年前的 720 億比是接近翻倍。這 6,000 多億新台幣的差額要從哪裡擠?答案不可能完全從營收成長吸收(Meta 廣告營收年增率約 15%),只能從營業費用裡擠。8,000 人的年薪加上福利,粗估約 25 億美元,只占資本支出增量的 4% 不到,但對華爾街的營業利潤率敘事來說,這個數字至關重要。Meta 不是裁員去做 AI,Meta 是裁員給華爾街看「我有紀律地控制成本」,讓股價可以撐住這個翻倍的資本支出曲線。

這個觀察對任何在大公司白領職位上的工作者都有提醒意義。你的職位不安全,不是因為 AI 寫程式比你快,而是因為你的薪資是公司可以挪去買晶片的可變成本。Snap 16% 的裁員、Oracle 預估 3 萬人的裁員、Atlassian 的 10%,背後都是同一個會計邏輯:資本支出翻倍的時候,要靠裁員撐住營業利潤率的故事。

---

Calacanis 的「次 1% 創業法則」

如果你正好是那 8,000 人之一,Calacanis 在訪談裡提出了一套很直白的應對框架,他叫它「次 1% 創業法則」(sub-1% revenue rule)。整個邏輯是:找兩個你最聰明的同事(可以是一起被裁的、也可以是還在公司沒被裁的),三個人去找一個對亞馬遜、蘋果、微軟、Google 這種營收 5,000 億美元等級的巨頭來說,只占他們營收 1% 以下的問題。

為什麼是 1%?Calacanis 的論證很實際。一家年營收 5,000 億美元的公司,1% 是 50 億美元,聽起來很大。但對這家公司的執行長來說,要他從目前已經很不錯的事業裡抽調最頂尖的工程師、產品經理、業務主管去服務一個 50 億美元的潛在市場,他做不到。他做不到不是因為他笨,是因為他必須把最好的人放在能影響整體營收 10% 以上的事業上,否則對股東無法交代。所以 50 億美元等級的問題在他公司裡是被「放著爛」的狀態,可能由 5 個資淺的人勉強照顧,也可能根本沒人管。對一家三人新創來說,同一個 50 億美元的市場是「無限金錢開外掛」(infinite money glitch),你只要拿下其中 1%,就是 5,000 萬美元的年營收,公司直接成為獨角獸候選人。

這個邏輯不是 Calacanis 自己發明的,是過去 15 年矽谷最大幾家獨角獸的共通起家模式。Airbnb 起家時是讓人在自家空房放氣墊床,亞馬遜跟 Marriott 都不會把這當回事;Uber 起家時是讓你用手機叫車,計程車公會跟租車公司都覺得這是小生意;Whole Foods 起家時是賣有機蔬菜,大型超市覺得有機是邊緣偏好。三家公司都用了三到七年時間,在「對巨頭來說 1% 不到」的問題裡長到無法忽視。等到亞馬遜、Marriott、Hertz 反應過來,Airbnb 已經估值千億、Uber 已經 IPO、Whole Foods 已經被亞馬遜花 137 億美元收購。

把這個原則套在 2026 年的 AI 機會上,Calacanis 在訪談裡點了幾個方向。第一個是「垂直小型語言模型」(VSLM, Vertical Small Language Model),意思是不要去做下一個 GPT-5 或 Claude Opus,而是訓練一個只懂某個垂直領域(行銷文案、英語會話、國中數學、法律合約、醫療診斷)的小模型,可以在 Mac mini 或 Dell GB300 工作站上本地執行。OpenAI 跟 Anthropic 不會去做這個,因為對他們來說這個市場太小、太分散;但對一個三人新創來說,在某個垂直領域做到全球最好,可能就是 5 年內的億美元級別退場。第二個方向是「實體勞動 + AI」,所有需要「真人到場、用手做事」的服務(維修、清潔、安裝、長照、家教),AI 可以介入的層面是排程、品質檢核、知識傳遞,而不是真的取代那個人。第三個是 Calacanis 一直在押的本地端 AI(local AI),賭未來五年資料隱私、頻寬成本、邊緣裝置運算都會逼使用者把 AI 工作負載從雲端拉回本地。

---

行動步驟:三個人、一個 C-Corp、一個垂直問題

訪談裡 Calacanis 給的具體行動步驟,值得 1:1 抄下來給任何剛被資遣的朋友看。

第一步是找人。他堅持新創的初始團隊應該是三個人,而且這三個人最好是你過去 5 到 10 年同事關係裡「最聰明、最有能量、最務實」的兩位。理由是 AI 時代的早期執行速度很重要,一個人的盲點太多、四個人以上的協調成本太高,三個人的組合可以一個寫程式、一個做業務、一個做產品 / 設計,涵蓋一家初期新創 90% 以上的執行需求。如果這兩個人剛好也被資遣,那是天時地利人和;如果他們還在公司沒被裁,你可以先去聊一杯咖啡,確認他們對未來 18 個月有沒有「我也想跳出來」的躁動,有的話就把計畫談得具體一點,沒有的話也保持聯絡,因為下一波裁員可能就輪到他們。

第二步是註冊公司。Calacanis 強調這個動作要做得早,在你還沒有任何客戶、還沒有任何產品的階段就先在德拉瓦州(Delaware)註冊一家 C-Corp。為什麼?因為當你開始去找天使投資人、加速器、潛在客戶談的時候,沒有公司主體就是業餘等級。德拉瓦州 C-Corp 是矽谷投資人 100% 熟悉的法律結構,任何 SAFE、Convertible Note、Priced Round 都可以無痛運作;反過來如果你註冊在自己家鄉的小州、或註冊成 LLC,所有投資人會在第一輪就要求你重組,浪費的時間跟律師費可能就是幾個月、幾萬美元。對臺灣讀者來說同樣道理:如果你的目標市場是美國,你的法律主體最好直接是德拉瓦 C-Corp,不要先在臺灣設公司再說「以後再轉」。

第三步是用 AI 補齊你不會的事。Calacanis 跟共同主持人朗．哈里斯在訪談裡都強調一點:2026 年第一次創業的人,可以把 Claude、GPT、Gemini 當成一支「即時上工的助理 + 顧問團」。你不會看財務報表?上傳給 Claude,讓它解釋每一個科目;你不知道怎麼設計薪資結構?問 GPT-5 給你三個版本的初創公司股權選擇權方案;你不會寫業務 email?Gemini 可以根據你的目標客戶寫五個版本讓你挑。這在 2015 年那一輪創業潮裡是不可能的,當時你必須花 200 萬美元僱人才能補齊這些洞;在 2026 年,一個月幾百美元的 AI 訂閱費就能取代一整支職能團隊的初稿產出。剩下你只需要做的是判斷,而判斷正是 AI 還做不到、人類還有壓倒性優勢的事。

---

我的觀察:臺灣讀者要從哪一格切入

把這套框架搬到臺灣的勞動市場跟創業環境,我想分享三個我自己的觀察。

第一,臺灣這一輪的「裁員潮」表面上看起來沒有美國嚴重,但實際上正在以另一種形式發生:大公司凍結招募、外包率升高、契約工取代正職、約聘優先續約而非轉正。一個 35 歲的中階白領在台北的軟體公司、在新竹的半導體廠、在台中的精密機械業,可能不會收到一封正式的資遣信,但會發現升遷通道收窄、年終縮水、明年的職位輪調暫停。這種「軟性裁員」更難辨識也更難因應,但它跟 Meta 大砍 8,000 人背後的邏輯是同一條:資本支出在增加(臺積電、台達、鴻海都在大幅擴產),營業利潤率要靠擠壓人事費用維持。如果你正在這個夾縫裡,Calacanis 的次 1% 法則對你同樣適用,只是你不需要等到正式被資遣才開始想下一步。

第二,「次 1% 法則」對應到臺灣市場時,要記得乘上一個關鍵變數:你的目標市場不只是 2,300 萬人。臺灣新創過去十年最常犯的錯,是把 1% 的問題框在 2,300 萬人的內需市場裡,結果做出來的公司天花板就是 5,000 萬美元年營收等級,根本進不到創投的雷達。新一代的 1% 機會,應該至少框在「英語世界 + 中文世界」的 30 億人,或者框在「東亞跨境電商 + 製造業數位化」的 1.5 兆美元市場。Linker Networks 在工業視覺檢測、Appier 在 AI 行銷、iKala 在電商 AI,都是用這個放大版的「1% 框架」做出來的。被資遣的工程師如果還停留在「做一個給臺灣的 LINE 機器人」這種尺度,就跟 Calacanis 說的「市場太小、不被看見」一樣會卡死。

第三,Claude / GPT 當顧問這件事在臺灣其實有額外優勢。臺灣讀者很多人英語讀寫已經有不錯水準,但聽說口音重、商業書信的微妙語氣不夠精準,這在跟美國投資人或客戶溝通時會吃虧。AI 助理可以一次解開兩個瓶頸:一個是商業常識(美國股權結構、SAFE 怎麼簽、董事會怎麼開),一個是語言精準度(每一封 email 都先讓 AI 校過、每一場 pitch 都先用 AI 模擬問答)。我自己過去 6 個月實驗下來,這件事的槓桿率比想像中大。如果你正在被資遣或正在規劃跳出來,把這個工具用熟,你的單兵作戰能力會比 2024 年的同類型創業者高很多。次 1% 法則的真正威力,要靠 AI 助理這個倍率器才能完整發揮。