AI裁员潮背后的问题

问题所在

2026 年的 AI 裁员潮，真正值得注意的不是“AI 会不会替代人”这个老问题，而是越来越多企业一边利润很好，一边裁人；一边说 AI 会提高效率，一边把省下来的工资预算投向 GPU、数据中心和模型系统。

这件事不能简单理解成“AI 已经把人替代完了”。 更准确的说法是：真实替代、资本市场叙事、普通成本削减，这三件事拧在了一起。AI 确实吃掉了一部分初级和重复性工作；但也有不少公司只是把本来就想做的裁员，包装成“AI 转型”。

最麻烦的是，企业需要员工拥抱 AI，员工却越来越觉得自己在训练取代自己的人。 这个信任裂缝，可能比模型能力本身更影响 AI 在公司里的落地。

这轮裁员为什么不一样

先看几组数据。单个数字可能说明不了太多，但放在一起看，会发现这轮裁员不是普通的周期性收缩，而是企业在重新分配“人”和“算力”的预算。

数字本身已经很大，但更重要的是背景变了。过去裁员常见于收入下滑、融资困难、利润承压。现在很多公司不是活不下去，而是在赚钱的时候裁人。

Meta 是最典型的例子之一。它在一季度营收 563 亿美元，同比增长 33%，净利润 268 亿美元；同时仍然裁掉约 8000 人，并关闭约 6000 个空缺岗位。Atlassian 裁员约 10%，说法是为 AI 时代调整。Block 裁员约 40% 后，股价一度上涨约 20%。

这不是单个公司的情绪，而是一种新的资本配置方式：少雇人，少付工资，把钱挪去买算力。

Meta CFO 也提到，公司可能持续低估了算力需求。这句话很能说明问题：对这些公司来说，AI 不是一个轻量工具，而是一套越来越重的基础设施。

所以你会看到一种很直接的账本逻辑：

减少人力成本 -> 腾出预算 -> 采购 GPU、HBM 内存、数据中心和 AI 基础设施

AI 并不是免费替代人。它很贵，而且贵得很长期。服务器和数据中心会折旧，部分估算认为，到 2027 到 2028 年，相关折旧费用每年可能达到约 260 亿美元。这笔钱远远不是裁几轮员就能轻松覆盖的。

企业今天砍掉的是工资，换来的是一份更长周期、更重资本投入的 AI 账单。

AI 真的在替代人吗

答案是：有，但没有那么全面。

最明显受冲击的是初级岗位。Stanford HAI 2026 的数据提到，自 2024 年以来，22 到 25 岁软件开发者就业下降约 20%，而 30 岁以上开发者就业反而增长。这很符合大家在工作里的体感：AI 最先替代的不是“判断复杂业务的人”，而是模板代码、基础脚本、常规测试、简单运维、普通 bug 修复这些任务。

客服、后台运营、招聘、人力资源等岗位也类似。IBM 曾用 AI 替代数百个 HR 岗位。BCG 也预测，未来 5 年，美国约 15% 的岗位可能被消除。

但另一边，学界和咨询机构也一直在提醒：不要把所有裁员都算到 AI 头上。

Wharton 教授 Peter Cappelli 的判断很直白：公司说“AI 会接手这些工作”，但很多时候还没真正发生，只是在希望它会发生。Oxford Economics 也认为，目前还没有看到公司大范围用 AI 替代员工。Sam Altman 也承认，确实存在 AI 洗白，有些企业用 AI 掩盖本来就要做的裁员。Deutsche Bank 的分析师把这种现象称为“AI 冗余洗白”。

也就是说，外部观察者很难分清一家公司裁员到底是因为：

• AI 已经替代了这部分工作；
• 公司想用 AI 故事给市场一个积极信号；
• 公司本来就想降本，只是这次有了更好听的理由。

现实往往是三者混在一起。

比裁员更隐蔽的是不招人

大规模裁员会被新闻报道，但“没有招人”通常不会。

哥伦比亚商学院 Daniel Keum 的观点是， AI 对劳动力市场最主要的影响，可能不是增加裁员，而是减少招聘，尤其是减少初级员工招聘。 高盛也有类似测算：AI 使月度岗位增长减少约 1.6 万个。

这件事比裁员更难被看见。公司不会发公告说：“我们今年少招了 200 个初级工程师。”但对于刚毕业、刚转行、刚进入行业的人来说，入口变窄了。

入口变窄还有一个后果：技能传承断层。

很多高级员工并不是一开始就高级。他们先做简单任务，熟悉系统，踩坑，理解业务，再慢慢承担复杂判断。如果 AI 把初级任务吃掉，公司又不愿意招新人培养，那么几年后行业可能会发现：能审架构、懂业务、能救火的人少了。

被裁掉的人也未必能顺利进入新岗位。AI 相关岗位确实在增长，比如机器学习基础设施、模型评估、AI 安全、Agent 编排、数据治理。但这些岗位和被砍掉的客服、普通后台运营、初级开发，并不是同一套技能。市场不是把一个旧岗位直接换成一个新岗位，而是在两边制造错位。

裁员不等于 AI 回报

Gartner 的调查很值得放在中间说。它调查大型企业后发现，80% 的受访企业在启动 AI 自动化项目后裁员，幅度平均在 1% 到 15% 之间。 但裁员和 AI 投资回报率之间没有相关性。

换句话说，裁了人的公司不一定更能从 AI 里赚到钱；没怎么裁人的公司，也可能拿到很高的 AI 回报。

真正有用的做法，往往不是先裁人再自动化，而是让懂业务的人用 AI 改自己的工作流。比如把低风险、重复性的流程交给 AI，把人从机械劳动里释放出来，让他们做判断、沟通、例外处理、复杂决策。

这听起来没有“裁员 40%”那么能刺激股价，但更像是真的能跑起来。

一些 CTO 私下也承认，先裁人再自动化会付两次钱。第一次是裁掉老员工，失去机构知识；第二次是再用更高成本招聘 AI 技能人才，或者花钱重新培训。问题在于，被裁掉的那批人脑子里，可能正好装着系统为什么这样运转、客户为什么这样抱怨、流程为什么不能乱改。

你无法自动化自己已经不再理解的东西。

员工最怕的不是工具，而是被工具证明多余

公司说：“大家要拥抱 AI，提高效率。”

员工听到的可能是：“请你把自己的工作拆解给 AI 学，等它学会以后，我们再判断还需不需要你。”

这就是 2026 年很多企业内部的真实矛盾。

Meta 员工就曾在内部表达过这种担忧：他们每天训练人工智能，会不会是在培养最终取代自己的对手。这个恐惧不是抽象的。写代码、标注数据、调优模型、整理流程文档，每一步都可能被理解成“把自己的经验交出去”。

Meta 还曾计划在员工电脑上安装鼠标轨迹追踪软件，用来采集数据训练 AI 模型。这个计划引发超过 1000 名员工签署请愿，内部也出现大量批评。员工担心屏幕和操作被抓取，认为这是对隐私和信任边界的侵犯。

公司眼里，这是训练数据。员工眼里，这是监控，是配合公司打造一个更了解自己工作方式的替代品。

当这种不信任出现，AI 采用率就会变形。Business Insider 报道过，一些员工因为害怕被裁，反而拒绝使用 AI 工具。Meta 内部还出现过“烧 token”的说法：有人把 AI token 大量消耗掉，最高用户一个月用掉 2810 亿 token，日均约 93.6 亿；整个公司日均消耗约 2 万亿 token。

这背后是一个很坏的循环：

裁员恐惧 -> 员工抗拒 AI -> 生产力提升不明显 -> 管理层继续裁员

企业想要 AI ROI，却用裁员制造了最不利于 AI 落地的组织气氛。

留下来的人也未必轻松

AI 裁员常常有一个漂亮假设：AI 会补上被裁员工的工作量。

但很多留下来的人看到的是另一种现实：原来 8 个人做的事，现在 3 个人做；AI 写的东西能跑，但出了问题要人排查；自动化流程看起来很顺，遇到例外情况还是要人兜底。

这也是为什么有些公司裁员之后，又不得不悄悄把人请回来。不是因为 AI 没用，而是因为 AI 还不能承担完整责任。 它能生成、能总结、能分类、能辅助决策，但系统上线后的事故、客户关系、合规风险、产品取舍，最后仍然要有人负责。

更讽刺的是，AI 产业链上游的工人也开始不满。

三星在 2026 年一季度营收 133.9 万亿韩元，创历史新高；半导体利润 53.7 万亿韩元，主要受 HBM4 和 AI 存储需求推动。但员工仍然发起罢工，诉求包括薪资，也包括对 AI 利益分配的不满。

这件事提醒我们： AI 不是漂浮在云里的东西。 它背后有芯片、工厂、数据中心、电力、维护人员和一整条供应链。当 AI 带来巨额利润时，谁分到钱，谁承担压力，会越来越成为劳动关系问题。

高管为什么这么爱把裁员和 AI 放在一起说

因为这个故事对资本市场很好讲。

“我们裁员了”听起来像公司遇到麻烦。

“我们为了 AI 时代重组组织”听起来像公司在面向未来。

Georgetown 大学教授 Jason Schloetzer 说，高管经常把裁员包装成创新，因为这会向市场释放“公司正在往前看”的信号。人力资源分析师 Josh Bersin 也认为，在裁员备忘录里提到 AI，是给投资者和客户看的积极宣言：这家公司更高效了。

这个机制很直接：

裁员 + AI 叙事 -> 投资者认为公司在未来化 -> 股价上涨 -> 高管薪酬受益

Block 裁员 40% 后股价涨了 20%，就是这种市场反应的缩影。

当然，高管内部也不是铁板一块。Nvidia CEO 黄仁勋就公开批评过，把 AI 当裁员借口的 CEO 很懒。他认为从商业角度看，这没有意义，因为很多公司根本还没有把 AI 用到足以大规模替代人的程度。

这个批评很有意思，因为 Nvidia 是 AI 基础设施最大的受益者之一。连卖铲子的人都说大家别把故事讲过头，说明这事确实有泡沫。

Autodesk CEO Andrew Anagnost 也说过，公司的削减不是受外部环境驱动，也不是试图用 AI 替代人。但外界仍然会把这种说法和 Autodesk 同时推出大量 AI 工具放在一起看，觉得很矛盾。

问题不在于某个 CEO 是否说了真话，而在于资本市场已经奖励这种叙事。 只要“AI 转型”能让裁员听起来更先进，公司就会有动力继续这样说。

三方困境

员工、高管、分析师，很多时候都知道事情没有那么简单。

员工知道，公司嘴上说赋能，手上却在裁人，所以他们会害怕、抗拒、请愿、匿名发帖，甚至用罢工表达不满。

高管知道，AI ROI 不会自动从裁员里长出来，但他们害怕错过 AI 浪潮，也害怕被市场认为落后，于是继续裁人、买 GPU、讲转型故事。

学者和分析师知道，裁员不等于效率提升，甚至可能裁掉机构知识，破坏真正的自动化基础。但报告写完，公司照样会按资本市场的节奏走。

所以这不是“AI 好还是 AI 坏”的问题，而是一个组织问题： 当公司把 AI 首先当成裁员理由，而不是工作改造工具，员工就不会把它当成伙伴。

最后会出现一个很荒唐的局面：公司花大钱买 AI，希望员工用它提高效率；员工担心效率提高后自己被裁，于是尽量少用、乱用、消极用；管理层看到 ROI 不够，又进一步认为组织还要缩编。

这不是技术悖论，是信任悖论。

更可行的策略

AI 裁员潮背后的真问题，不是 AI 能不能替代某些任务。它当然能，而且已经在发生。 真正的问题是，公司准备用什么方式把 AI 放进组织里。

如果做法是“先裁员，再要求剩下的人拥抱 AI”，员工只会把 AI 当成威胁。更可行的做法，是先把 AI 用在低风险、重复性、可验证的流程上，把节省下来的时间转成培训、流程改造和新项目，而不是立刻转成裁员指标。

管理层也需要让真正懂业务的人参与自动化。很多流程不是写在文档里的，而是在老员工的判断、例外处理和客户经验里。公司如果裁掉这些人，再回头让 AI 理解业务，往往会发现自己省下的是工资，丢掉的是系统记忆。

对个人来说，最现实的方向不是和 AI 比谁更会生成内容，而是尽量往能定义问题、拆解流程、验证结果、处理例外、承担责任的位置移动。AI 会让纯执行型任务越来越便宜，但它也会放大那些能把业务和工具连接起来的人。

所以，AI 进入职场以后，真正可行的路不是假装它不会替代人，也不是把它变成裁员机器。 公司要把人当成自动化的设计者，而不是自动化完成前的临时耗材；个人也要把 AI 当成改造工作的工具，而不是只把自己训练成工具的附属品。

这才是应对 AI 裁员潮时，对公司、员工和长期生产力都更友好，也更实际可行的方案。