Related articles
图片由 AI 生成
一边利润创下历史新高，一边疯狂大规模裁员。这是一个与过去几十年科技行业周期完全不同的现象。
上周三，Meta 开启了自 2022 年 「效率之年」 启动以来，最大规模的单轮裁员，受本轮裁员影响的大约有 8000 人，约占员工总数的 10%。正值 Meta 刚交出破纪录的亮眼财报之时，因此加剧了员工的不满情绪。
本周，《连线》（WIRED） 报道称，裁员引发了内部信任危机，现阶段士气跌至历史低点，幸存员工面临极大的留存压力与心理负担。
进入 5 月的最后一周，根据追踪机构 Layoffs.fyi 最新数据，2026 年前五个月，全球科技行业裁员人数已经超过了 11 万人，涉及 152 家科技公司。而在去年全年，裁员总数约 12 万，涉及的科技公司有 275 家。
裁员主要剧集在美国的科技巨头。4 月，甲骨文、Meta 和微软在同一时期集中行动，一个月合计裁减约 4.67 万个工作岗位。
截图来自 layoffs.fyi
也就是说，更少的公司裁掉了更多的人，这也侧面印证了今年裁员的一个趋势是：大公司、大规模。
大公司快速上新业务、试水、赛马，再快速裁撤，已经是一种基操，但与过去几年同期相比，2026 年上半年的科技行业显得极其寒冷。全球科技行业的裁员潮，并没有如外界此前预期的那样随宏观环境好转而平息，反而呈现出强度更高、目标更精准和结构性更强的特征。
更值得注意的是，这轮裁员浪潮，并未发生在企业亏损、现金流崩塌或互联网流量衰退时期。大量裁员企业正处于利润增长、AI 业务扩张，股价上涨和市值提升的阶段。
一个悖论：利润创新高，裁员更猛烈
与 2022 年至 2023 年那轮 「疫情后去泡沫化裁员」 相比，今年的裁员已经呈现出完全不同的新特征，「AI 替代」 第一次成为科技巨头公开裁员理由。
Meta 裁掉了约 8000 人的同时，把 7000 人重新转向 AI 岗位。据 《华尔街日报》，Meta 公司高管承认，裁员目的是抵消 Meta 不断增长的 AI 基础设施支出，尽管旗下的 Instagram、WhatsApp 和 Facebook 等社交媒体平台正取得创纪录的利润。
Meta 计划今年投入最高 1450 亿美元资本支出，主要用于建设 AI 数据中心并配置芯片。Meta 希望借此为其 35 亿日活用户打造所谓的 「个人超级智能」。
不只是 Meta，大多数企业裁员时表示，正在将原本用于人力成本的预算，大规模拨付给 AI 基础设施，比如，算力集群和数据中心建设。
目前裁员比例最高的是金融科技公司 Block，其首席执行官杰克·多西 （Jack Dorsey） 透露，计划裁减近 40% 的员工，影响超过 4000 名员工， 他直言，是 AI 工具改变组织运作方式。
在裁员数量上，最引发关注的是甲骨文。3 月 31 日，甲骨文开启了突袭式大规模裁员。这是甲骨文史上规模最大的裁员，也是今年截至目前，全球科技行业规模最大的单次裁员动作。
甲骨文未对外公布具体数据。据投资银行 TD Cowen 评估，这次裁员人数在 2 万至 3 万之间，受影响员工总数约占其全球员工总数的 18%，此举将为甲骨文节省人力成本，每年可释放 80 亿至 100 亿美元的自由现金流用于 AI 基建。
为全力投入 AI，甲骨文已背负巨额债务。彭博社 3 月报道，甲骨文在年初新增了约 580 亿美元 （约合人民币 3944 亿元） 债务，并计划在本财年投入 500 亿美元 （约合人民币 3400 亿元） 建设 AI 数据中心。
4 月的裁员潮呈现出极高的巨头集中度。甲骨文、Meta 和微软，几乎在同一时期集中行动。进入 5 月，这一趋势并未有暂缓的节奏。
据彭博社，5 月 5 日，PayPal 计划在未来两到三年内裁员约 20%，裁员人数超 4500 人。第一季度财报电话会议上，刚就任两个月的公司首席执行官恩里克・洛雷斯 （Enrique Lores） 向投资者表示，他正推动 「回归经营根本」 与 AI 技术重构，计划裁员并精简管理层，聚焦 AI 与支付平台现代化。
5 月 9 日，Cloudflare 宣布了公司成立以来的首次大规模裁员，共计裁减 1100 个岗位。Cloudflare CEO 马修·普林斯 （Matthew Prince） 在内部邮件中坦承，决定直接源于 AI 带来的效率提升，许多传统的支持性角色已不再被需要。
谁在危险？大厂工作不香了
有意思的是，本周一，英伟达创始人、CEO 黄仁勋在接受新加坡亚洲新闻台采访时，对一些公司将裁员因素归于 AI 的 CEO 提出了批评，认为这种说法 「太敷衍」。
「AI 才刚刚兴起，怎么可能就已经在导致失业了？」 黄仁勋反问道。
但这无法阻止，企业第一次不约而同地认为，未来可以用更少的人创造更多的收入。
这也就意味着，对于大多数普通人而言，2026 年，「大厂工作」 恐怕不是一个好标签了。
2026 年前 5 个月的裁员，很重要的一个特征是，被几起科技巨头的超大规模的 「单点爆发」 撑高，也意味着美国科技行业正式进入了 「AI 替代元年」。当然，很多观点也如黄仁勋那样，认为 AI 是企业能够合理化裁员的新叙事。
但这或许是科技行业普通从业者过去十年来最严峻的就业环境，尤其是初级开发者和职能管理岗，面临着前所未有的替代压力。
截至目前科技行业裁员行动中，企业软件 （SaaS）、金融科技和消费者互联网受影响最大，集中体现在初级工程师、中层管理和支持性岗位。
还有一个重要的变化是，本轮裁员重点不再只是因为绩效。过去，美国科技企业裁员，主要是边缘业务、低绩效与冗余岗位。
2026 年，科技公司的裁员已经从 「末位淘汰」 到 「职务清理」，最先被压缩的，是普通软件工程师、中后台运营、数据标注、客服支持、初级产品经理、内容审核等岗位，因为这些岗位的流程化程度高，目前 AI 擅长的是处理流程化的工作。
企业普遍认为，可以用更少的人完成更多的事，于是形成了一个新的现象——收入没崩，但岗位在消失。
不过，在人力开支上，科技公司的基层和普通中层被大量压缩，顶级 AI 人才和核心业务骨干却更贵了。
比如，持续引发热议的，顶级 AI 研究院姚顺雨和郭达雅，均被传出以近亿的年薪加入腾讯和字节，即便是消息被官方否认。
据 《晚点》 爆料，2025 年下半年，DeepSeek 就有部分人收到过 Meta 的邀请，开出了数千万美元甚至更多的 offer。这也是为何后来梁文锋重启融资，核心是留人，给员工们更强的确定性。
AI 改变组织经济学，「超精英公司」 的崛起与隐忧
互联网时代伟大的科技公司，从车库里、民居里出发，最后总不可避免地走向膨胀，人员和架构规模扩大，长出 「大公司病」。
互联网消除了地理限制，带来了边际成本趋近于零的网络效应。用户爆发式增长，倒逼业务疯狂扩张。当一个 APP 从单一的功能膨胀为超级平台时，便生长出电商、广告、内容、本地生活等庞杂的业务单元。为了承接这些业务，公司必须不断地塞入更多的人力。团队增多，又催生更多管理层与协作体系。
于是，大厂逐渐形成了一种典型组织架构：庞大的中层、复杂的流程，以及，无数会议。
在这样的体系内，很多时候，团队为了争取年终晋升或证明自身价值，主动寻找不必要的业务痛点，发起冗余的项目；产品界面一个简单的按钮修改，需要跨产品、研发、设计、风控、法务等多个部门进行多轮对齐；员工将大量精力耗费在撰写精美的 PPT、OKR 和周报上。
这种现象被大卫·格雷伯 （David Graeber） 称为 「狗屁工作」（Bullshit Jobs）。
既然如此，为什么这些大厂依然风光无限，甚至市值连创新高？
很大程度上，是因为过去十多年里，全球科技行业活在 「躺赚」 的世界里。热钱疯狂寻找出路，VC/PE 手握巨量廉价资金，热衷于为每一个 「改变世界」 的故事买单。资本市场的估值逻辑是，用户增长高于一切，亏损某种程度上被视为未来的投资。
大厂为了防止竞争对手获得优秀人才，往往采取防御性招聘——即使部门没有足够的工作，也要把顶尖名校、热门专业的毕业生招进来、养起来。只要增长还在，臃肿会被视为增长的必要代价。
当潮水退去，资本市场的审美也发生变化，它们开始严厉地审视人均创收、自由现金流和组织利润率。
正是在这个组织转折的关键节点，AI 来了。
AI 意味着新增长，也意味着高效率。少雇人，多买卡，成为 AI 行业的集体偏好。
传统互联网大厂最大的开支之一是薪酬福利。程序员、产品经理、运营人员的工资和股票期权构成了高昂的固定成本，裁员成本高昂，还伴随着法律风险与公关危机。AI 时代，企业的主要资本支出转向了 CAPEX（资本支出） 主要是买卡、租算力，随时按需缩减、增加算力套餐。
当一个熟练掌握 AI 编程工具的顶级工程师，其产出可以匹敌过去一个 5-10 人的研发小组，人人都是全栈开发者时代就要来临。流程减少了，等待协作的时间消失了，需要开会沟通的情况变少了，组织的边界急剧内收。
AI 对企业组织的影响，不仅仅是 「降本增效」，它正直接冲击组织存在的结构。
2012 年，Instagram 被 Facebook 收购时，只有 13 名员工，创造了 10 亿美金的奇迹。AI 时代，「小团队、巨体量」 或将成为常态。典型如不久前被叫停的 Meta 对 Manus AI 的收购，仅凭约 20-40 人的核心团队就被以超过 20 亿美元的高价拿下。交易的快速达成，也侧面印证了科技对顶尖 AI 团队的战略焦虑。
AI 会重新定义一个公司需要多少人，也可能会催生出新的公司形态——「超精英公司」。
但需要看到的是，AI 狂飙突进的进程里，也有着被普遍忽视的隐忧。
如果公司不再雇用初级人员，那么未来的资深架构师和高级决策者从哪里来？毕竟，一个人的职业成长，是通过做基础工作，从不断犯错中积累经验，最终成长为行业专家。这些过去被视为苦力的基层工作，实际上是人才成长不可或缺的学徒期。
AI 擅长处理统计学意义上的高频标准问题，那些高度个人化、根植于特定情境、难以用文字或公式清晰表达的经验与直觉，又能否被 Agent 真正习得？
边缘 「无用」 地带正在快速消失，但人类商业史上几乎所有的颠覆性创新，最初往往诞生在组织的边缘，诞生在那些不被主流看好、被视为 「浪费公司资源」 的闲散项目里。这些创新在萌芽期的数据是难看的，无法通过常规 ROI 评估的。
以大规模裁员来追求 「超精英化」，这根杠杆如果使用不当，其反作用力足以掀翻最坚固的商业帝国。（本文首发于钛媒体 APP，作者｜李程程，编辑｜杨林）
