2026 年第一季度，科技行业裁掉约 81700 人，是至少两年来最高的单季数字。同一个季度，四大超大规模云服务商承诺投入 7250 亿美元用于 AI 基础设施，同比增长 77%（来源：36氪神译局编译，2026 年；钛媒体 2026-06-23）。
两组数字撞在一起，不需要再加解释。2021 年用来招工程师的那笔资本，2026 年变成了 GPU 集群。
一个季度裁八万，算力投7250亿
先把这个季度的形状说完整。
36氪编译的这组数据里还有一行容易被忽略的：第一季度被裁的岗位中，归因于 AI 与自动化的比例约 50%。同一时间，美国开放的 AI 相关职位招聘数是 275000 个（来源：36氪神译局编译）。
也就是说，岗位不是消失了，是被换了一种。招聘需求往 AI 相关方向集中，裁员刀口落在原来的位置上。两边同时发生，一边加一边减。
再看更长的口径。2024 年全球科技行业裁员约 15.3 万人；2025 年上半年，有 77799 个科技岗位被标记为"因 AI 驱动裁员"直接消失（来源：钛媒体 2026-06-23）。这一轮不是某家公司的季度动作，是连续几年往同一个方向走。
美国市场的月度数字更直观：2026 年 1 月，美国单月裁员 10.8 万人，是 2009 年金融危机以来的最高纪录（来源：钛媒体 2026-06-23）。咨询公司奥纬的调查里，74% 的科技行业 CEO 说正在冻结或缩减招聘，39% 的超大规模企业计划裁人（来源：奥纬咨询调查，转引自公开梳理）。
被拆掉的岗位有个共同点：它们原本的工作可以被写进文档、被切分成步骤、被交给一个会读上下文的系统。中层管理者、协调岗、初级分析——组织里那些负责传递和核对信息的角色，最先被算进这笔账。
图注：同一笔预算从工资单这一侧进来，从算力那一侧出去，出口的宽窄就是这张图
钱没有消失，只是换了条线记账
真正的变化在预算表上。
企业 IT 预算里，传统软件开发的投入占比从 2020 年的 67% 降到 2025 年的 38%，同期 AI 基础设施的占比升到 41%（来源：钛媒体 2026-06-23 整理口径）。两个数字换了个位置，中间没有留给"人"的第三格。
公司层面的动作也是同一个方向。Salesforce 首席执行官明确告诉投资者，他不需要那么多人；Meta 把这轮 10% 的裁员描述成把薪酬预算重新拨给 AI 研究；甲骨文裁撤了多达 3 万个传统岗位，用来支撑数据中心扩张（来源：36氪神译局编译）。
这些话在几年前不会这么说。2022 年那轮裁员的说辞是"降本增效""纠正过度招聘"，主语是环境；这一轮的主语换成了 AI 本身。
7250 亿美元具体落到哪里，虎嗅的一篇梳理给了画面：英伟达的 B200 和 X100 芯片、亚利桑那州的数据中心工地、密歇根湖边重启的核电站，还有一份份长达十年的电力锁定合同（来源：虎嗅 2026 年 5 月）。这个清单说明算力生意的成本结构已经变了——瓶颈从芯片扩展到电，而电合同是签十年的。
有一笔账被反复算错。裁一个人省下的是年薪，买算力花掉的是一次性资本开支加上后续的电力、运维、折旧。这两笔钱的性质不同，时间尺度也不同：人力成本可以随时停，算力账单签下去是按年计的。把它们放进同一张表里比较，很容易得出一个过于乐观的结论。
反过来的研究也有。麻省理工的一项研究被引用得很多：在它考察的职位里，只有以视觉能力为核心的 23% 具备 AI 自动化的经济性，其余 77% 仍然依赖人力；英伟达负责应用深度学习的副总裁也公开说过，以他自己的团队为例，运算成本远高于员工成本（来源：MIT 研究与公开访谈，转引自公开梳理，口径仅供对照）。这类结论提醒的是同一件事：把算力当成人工的替代品来比价，比的是错的量。
更合理的算法是按任务算。哪一类任务交给模型之后，端到端的错误率、返工率、人工复核时间是什么变化，把这些放进同一张表，才看得出这笔钱花得值不值。这也是所有 AI 项目第一年真正的工作量所在。
图注：裁员是季度里的动作，算力是几年期的承诺，两条线的单位不一样
被裁掉的，是教会AI写代码的那批人
这一轮最扎眼的地方，是倒下的人和 AI 的关系。
过去两年，最先使用 AI 编程工具的是工程师。他们把自己日常写的代码、评审的意见、踩过的坑喂给了模型，用 Copilot、Cursor 一类工具把自己的工作拆开、标注、示范。模型学会写代码的过程，是这一批人亲手参与完成的。
Anthropic 的报告给过一个判断：程序员这个职业不会消失，但只会写代码的人会被市场逐步淘汰（来源：钛媒体报道，2026-06-23）。这句话的落点不在职业，在岗位内容——被淘汰的不是"写代码"，是"只承担写代码这一件事"的位置。
招聘侧的变化能对上。同一份整理里，美国 AI 相关岗位的开放招聘数有 275000 个，被裁的中间层岗位和新开的 AI 岗位不在同一个坐标系里：前者在传统部门，后者集中在模型、数据、基础设施和交付。一个被裁掉的中层管理者，不太可能第二天转成 AI 工程师。
这不是能力问题，是转岗成本问题。组织把两类岗位当成同一种资源在腾挪，个体承受的是技能断层。
Anthropic 的经济指数把这层变化量化过：约 36% 的职业中至少有四分之一的日常任务出现了 AI 介入，但只有约 4% 的职业有七成半以上的任务被覆盖；而在企业 API 场景里，自动化模式占到 77%（来源：《Anthropic 经济指数报告》，转引自《公司把Agent当员工》）。报告的原话是"AI 先进任务，再谈岗位"——任务被接走了，岗位的边界还没有重画。
图注：预算表里最直观的一栏变化，软件开发的占比掉到一半以下，AI 基础设施占了 41%
回旋镖：裁完再招，人回不来
有一组预测值得提前放在这里。
Gartner 判断，到 2027 年，一半因为 AI 裁员的公司会重新招聘同类岗位（来源：Gartner，转引自钛媒体 2026-06-23）。行业里管这叫回旋镖。
理由不难想。AI 接管的是任务，不是职责。一个流程被拆开、交给 Agent 之后，仍然要有人判断它跑得对不对、出了偏差谁签字、客户的特殊要求怎么处理。这些活需要上下文，而上下文存在被裁掉那个人脑子里。
对组织来说，回旋镖的代价不只是重新招聘的成本。中间隔着一段时间的服务下滑、客户流失和补课。NBER 2026 年 2 月对近 6000 名高管的调查已经给了预警：69% 的企业在用 AI，但超过 90% 说 AI 没有改变公司的用人数，89% 说劳动生产率没变化（来源：NBER《Firm Data on AI》，转引自《69%企业用了AI，结果没变》）。用人数先动，生产率没跟上，中间那段空档就是代价。
判断一次裁员是结构调整还是财务动作，有一个很简单的观察点：被撤掉的岗位对应的职责有没有人接手。职责跟着岗位一起消失，说明流程真的变了；职责还在、只是分摊到剩下的人身上，那省下来的钱会用加班、出错率和离职率的形式花回去——只是记在不同的科目里。
腾讯研究院在《2026 人工智能十大趋势报告》里把新的组织形态叫"液态组织"：组织规模与产能第一次解绑，Cursor 做到 3 亿美元年化收入时团队只有约 60 人，麦肯锡给出的典型画像是 2 到 5 个人监督 50 到 100 个 Agent（来源：《2026 人工智能十大趋势报告》趋势 09，转引自[《60人公司，正在成群出现》](
这份画像里没有出现的东西，才是眼下这件事的关键：它描述的是"管得过来"，不是"裁得下去"。2 到 5 个人管 100 个 Agent，前提是这 100 个 Agent 的活已经被拆干净了。拆活这一步，恰恰要靠懂业务的人来完成。
源势AI观点
在企业里做 Agent 落地，我们反复碰到同一个问题：客户想省的是人，我们要改的是流程。
省人是最容易向董事会交代的结果，改流程是最难被看见的过程。顺序反过来的话，账会在两个地方出问题——一是被裁掉的那部分判断没人接手，二是留下来的系统没有人敢按下去。
我们给能源、金融客户做交付，第一轮工作通常不是"哪个岗位可以砍"，而是把一条业务流程拆成确定性任务和不确定性任务。确定性的交给 Agent，不确定性的留给人，中间那一层（对账、复核、异常处置）反而要补人。这一步做完，省下来的人数才是可兑现的，不是纸面上的。
还有一个更实际的经验：AI 项目的成本结构里，人是第一笔大钱。训练、评估、验收集的构建，都要人做；这不是可以省掉的开支，只是从"日常运营成本"挪到了"项目交付成本"。账换了个科目，数目没有变小。
用一句话总结这轮裁员：AI 的第一轮成本不是算力，是人；而省掉的那批人，正是把 AI 接进业务的人。
这句话还有下半句。真正的成本不在裁员的当期支出上，而在之后两三年：流程要重新拆、数据要重新整理、验收标准要从头建立，这些工作都要人做，而且做的人最好是懂原来那条流程的人。把这些人先裁掉、再从市场上找，价格通常更高。
话题标签：#AI裁员 #算力开支 #组织结构
