硅谷大厂里，已经出现不讲普通话会被排斥的圈子了（组图）

在硅谷互联网大厂里，多元文化正在向“监狱帮派”演变吗？

前Glean和谷歌搜索创始团队成员Deedy Das在X上转发一则有关Meta实习经历的帖子，引发有关硅谷互联网大厂中 “监狱帮派”现象的讨论：

“在大科技公司里，有些上百名员工的部门，由中国或印度的副总裁领导，这些部门几乎100%是单一种族，以至于不说英语……就像监狱里的帮派一样。”每个人都心知肚明。

po主在帖子里提到了自己朋友在Meta实习中遇到的事情，并提出了自己的困惑：

『Meta 里都是华人吗？』

我有两个朋友在 Meta 实习，他们团队成员主要是华人，彼此之间都讲普通话。

其中一个朋友能流利地说普通话，但另一个不会说，因此感觉有点被孤立，因为团队只会在与他交谈时使用英语。

首先，我是美籍华人，所以我发这个帖子不是出于种族歧视，但需要讲普通话才能更好地融入团队，这点让我有点不舒服。

这是在 Menlo Park 和 Bellevue 地区。其他地方也是这样吗？Meta大多数软件工程团队是这样的吗？我在微软和亚马逊实习的朋友在 Bellevue 地区没有类似经历。』

原帖截图中出现了两条评论。

网友NewChameleon说，『团队中如果有某个 X 国籍的经理，那么 X 国籍的人会占多数，这里的 X 可以是华人、印度人、白人等等。这种情况虽然不是普遍存在，但很常见。』

网友FeistyDoughnut4600则更一针见血地指出：『所以这就像监狱里的帮派一样，明白了。』

Deedy转发这个帖子时附上的评论也给“监狱帮派”这个词划了重点：『在大型科技公司中，有些组织有超过100名员工，由华人或印度裔副总裁领导，这些组织几乎完全是单一民族的，他们甚至不说英语。

为什么会这样？因为每个人都害怕大声说出自己的想法。“就像监狱里的帮派一样。”』

Deedy还补充表示：

『如果说，他们自己不主动排除群体外的人，新候选人就会自己选择不加入这些组织。

我不认可刻意地在组织中注入多样性，但现在这种做法太糟糕了。这些组织像一家迷你公司一样运作，有自己内部的小政治。』

网友的评论出奇地一致：就像迷你公司一样，里面甚至有内部政治斗争。任何大公司都是这样的。

你雇佣什么样的人就得到什么样的结果，包括他们的能力和语言。这个组织是自我选择的。

有什么可大惊小怪的呢？在印度，人们甚至会按照地区组成小团体。特伦甘纳语团队或泰米尔语团队非常常见。

硅谷DEI文化的大起大落

硅谷拥有来自世界各地的人才，多种多样的语言和文化成为硅谷科技公司的特色之一。硅谷的公司也认识到，不同背景、技能和经验的人才对于推动创新和业务成功的重要性。为了吸引和保留人才，这些公司正在努力营造一个包容性的工作场所，让所有员工感到自己被接纳、尊重并能够充分发挥潜力。

DEI文化由此应运而生。DEI是"Diversity, Equity, and Inclusion"的缩写，意为"多样性、公平性和包容性"。DEI文化的关键在于让每个人都感到被欢迎、被尊重和重视。

然而，近年来DEI在硅谷遭遇了一波“大起大落”。

在2020年的“黑人的命也是命”（Black Lives Matter）抗议活动之后，各公司都承诺要促进其成员的性别和种族多样性。许多公司纷纷聘请了历史上第一个首席多元化和包容官。据就业网站Indeed的数据，在乔治·弗洛伊德（George Floyd）被杀后的三个月里，DEI的招聘信息激增了123%。

但好景不长。在席卷科技行业的裁员潮之下， “多样性”、“多元化”这样的标签被无情的现实撕了个粉碎：

据Indeed数据，到2023年年中，与一年前同期相比，与DEI相关的职位发布骤降44%。这一数字与2020年至2021年期间形成鲜明对比，当时这些职位增加了近30%。

诸如谷歌和Meta等科技巨头都削减了DEI项目规模。为硅谷科技公司DEI项目提供服务的某业内人士表示，某些企业的DEI预算削减幅度高达90%。

AI时代的DEI

被打破的不仅仅是承诺，还有更多利害关系。

Hella Social Impact是一家提供DEI培训服务的公司，其创始人Stefania Pomponi直言不讳地对客户表示：“员工是你们公司最宝贵的资产，DEI项目预算的削减将影响你们的业务”。她指的是关于多样化团队产生更高绩效结果的各种研究。

当下，这些科技公司正在推进十年来最大的技术转变——人工智能。人工智能以此前难以预见的速度飞速发展，DEI工作现在比以往任何时候都更加重要。需要多样化的视角来确保AI产品没有偏见，并且能够反映他们所服务用户的真实需求。

以图像识别为例。谷歌和Facebook两家科技巨头都曾经闹过笑话。Google Photos 将黑人的照片标记为“大猩猩”，Facebook将视频中的黑人识别为“灵长类动物”。

此类算法偏见与AI核心技术之一机器学习的技术环节有关。比如，机器学习使用的数据集如果带有来自现实社会的偏见，那么算法就会习得这些偏见。换句话说，如果AI歧视黑人、歧视女性，很大一部分原因是现实生活中本来就存在歧视黑人、歧视女性的现象。

即使通过对齐让AI符合伦理与政治正确，AI也是“心知肚明”。