AI裁员的风,还是吹向了造风的人

最近圈内流传着一个极其荒诞且扎心的段子：

“AI项目做得不好会发愁，自己会因为能力不足被裁；项目做好了更发愁，老板会把工作交给AI，自己还是会被裁。”

在这个万物皆可AI的时代，程序员们曾经以为自己是手握火种的普罗米修斯。大家没日没夜地投喂数据、调优参数，试图教冷冰冰的硅基芯片学会像人一样思考、画画、写代码。

可谁能想到，这团火刚烧得旺起来，“普罗米修斯”们还没来得及暖和一下手，火苗就先燎到了自己的格子衫上。

这不是段子，而是过去几个月里，在多家互联网大厂内部反复流转的一种真实情绪。这一次，被“替代”的不再只是传统岗位，而是那些亲手把AI做出来的人。

某种意义上，这更像是一种技术时代的反讽：你越接近效率的极限，就越接近被效率淘汰的边缘。

这轮情绪的爆点，来自一则关于网易的裁员传闻。

在流传甚广的聊天截图中，“4月1日裁30%”“5月1日全裁”等明确时间点和比例的说法迅速扩散。更具冲击力的，是其中关于AI替代路径的描述：策划提需求，AI写代码，AI做美术，AI测试，小项目试水成功后，原定5月执行的裁员被提前。

尽管网易随后回应称，这只是“部分项目的正常业务调整与人员汰换”，不会影响整体运营，但行业的神经却已经被触动。

因为类似的变化，并不只发生在一家。放眼望去，大厂们的年终汇报PPT里，几乎都写满了对AI的“深情告白”：

今年1月，某大厂员工在脉脉爆料，公司非AI部门每半年优化20%，而AI核心部门则影响小的多。

3月，得物宣布推进AI全栈转型，直言要用AI替代基础开发。

科大讯飞在裁撤低效传统项目成员的同时，反手重金招聘更多大模型顶尖算法人才。

腾讯则在尝试压缩部分运营、客服等岗位规模，就连工作16年、技术职级达到T13的前端大佬黄希彤，也未能逃过这波裁员潮。

都说互联网大厂总有一种独特的“默契”，这些动作背后，方向高度一致：把人力成本从“执行层”抽离，转投向“AI能力”。

这一轮调整中，外包、测试、基础开发、内容生产等岗位，往往首当其冲。这些岗位恰恰也是过去几年互联网公司扩张中最典型的“规模红利”承载者。

换句话说，AI正在回收上一轮互联网扩张留下的冗余。

这背后传递出的信号似乎格外清晰：在大厂的逻辑里，没有功劳薄，只有性价比。

在和大厂员工交流的过程中，我听到的最多的一个词就是“焦虑”。这种焦虑不是因为偷懒，恰恰是因为太勤奋。

在任何一家成熟企业的财务模型里，能让账面利润增加的技术就是好技术。生成式AI之所以在短时间内获得如此强烈的拥抱，本质原因并不复杂：它直接触碰了“人效”这一核心指标。

大厂的人力成本是极高的。一个资深开发者的年薪，在财报里就是一串沉重的数字。而AI不交社保、不吃午饭、不写周报，甚至不需要15薪。

如果说2023年，OpenAI推出ChatGPT之初时，大家都觉得AI是“副驾驶”，能帮我打下手；结果开着开着，副驾驶突然对你说：“哥们儿，我看这车我也能开，要不你下车歇会儿？”

当AI只能生成一些不稳定内容时，它只是“辅助工具”；当AI开始在代码、设计、测试等环节形成闭环能力时，它就变成了“替代选项”。

这条临界线，恰好是在最近一两年被跨越的。

网易CEO丁磊在财报会上直言不讳：AI降低了游戏制作的准入门槛。在网易游戏内部，AI已经覆盖了原画、模型、动画、音频全流程。在某些环节，效能提升了300%。

而一些大厂的内部甚至开始推动“全员Agent化”，要求员工将自己的工作流程拆解为可被AI接管的步骤。这在管理层看来，是流程标准化；但在员工视角，更像是在亲手编写一份“自己的替代说明书”。

基础岗位的价值在下降，但顶层整合能力的价值在上升。

于是，一个尴尬的局面出现了：

越是处在中间层、执行层的员工，越容易陷入“骑虎难下”的境地。

你不拥抱AI，会被淘汰；你拥抱AI，又可能加速自己的替代。

这意味着，原本需要10个人干一个月的活，现在3个人带上AI，十天就能搞定。剩下的7个人去哪儿？老板不说，但猎头知道。

还有一个更残酷的事实是：为了追赶AI的军备竞赛，大厂必须省下钱来买算力。

Meta宣布史上最大比例的20%裁员计划，很大一部分原因是为了抵消高达6000亿美元的AI数据中心投入成本。甲骨文为了在算力竞赛中不掉队，他们必须把发给员工的工资，变成付给英伟达的支票。

Meta、Oracle等公司，将裁员节省下来的资金投向AI数据中心与基础设施；而以英伟达为代表的算力供应商以及云服务商，则在这一轮周期中获得了超额收益。阿里巴巴甚至在近期成立了Alibaba Token Hub (ATH)事业群，这简直是“不演了”，宣告在未来，Token的流动性比人更重要。

这构成了一种典型的“卖铲人”逻辑：当淘金热出现，真正稳定赚钱的，是提供工具的人。

如果说裁员只是表象，那么更深层的变化，是企业对于“组织形态”的重新想象。

大模型之家注意到，最近，“OPC”（One-Person Company, 一人公司）的概念被炒得火热。

所谓“一人公司”，并不是字面意义上的“只有一个员工”，而是指一个核心决策者，通过AI工具完成原本需要一个团队协作的工作。

OPC勾勒出了一个极其“理想”的形态：凭借AI Agent的强大功能，一个有创意的人就能顶替掉一个财务、一个法务、一个程序员和一个美工。这不禁让企业主听了心花怒放，觉得“人效最大化”的终极形态终于来了。

以OpenClaw为代表的智能体产品，让这种想象显得更加具体。它们可以调用工具、拆解任务、自动执行多步骤流程，某种程度上已经具备“数字员工”的雏形。

于是，一些企业开始尝试“柔性组织”：减少固定岗位，强化项目制，用AI补齐执行力。

甚至在招聘环节，“一专多能”“全员AI化”成为新的关键词。一位求职者在面试中询问团队稳定性，得到的回答却是：“老板上周刚说，要向一人公司发展。”

所谓的“向一人公司发展”，很多时候只是企业大规模缩减开支的遮羞布。它给了老板一个心理暗示：我裁掉这80%的人，剩下的20%只要学会用 AI，公司就能照常转。但事实证明，剩下的那20%往往会因为巨大的压力和单一的职能，迅速陷入职业倦怠。

从数据上看，OPC的增长确实惊人。根据一些自由职业平台的统计，利用AI工具的“个体创业者”在2025年增长了近45%。

但我们要清醒地意识到：当人们讨论一个模式增长有多快时，往往忽略了它的上限有多高。

OPC的背后，往往忽略了协同的隐性成本。换句话说，AI可以压缩“执行成本”，却很难替代“组织复杂度”。

现实中，大多数成功企业的壁垒，恰恰来自这种复杂度——跨部门协同、长期积累的用户理解、难以量化的经验判断。这些能力，目前仍然高度依赖人。

一个人的大脑再强大，也无法模拟出一个团队在激烈碰撞中产生的火花。

最关键的是，OPC的模式极大程度上依赖于“现有的套路”。当大家都在用 AI 生成内容时，市场会迅速进入一种“平庸的繁荣”。

因此，OPC更像是一种阶段性工具，而非终局形态。它可以让小团队更强，但未必能让复杂组织消失。

这是一个更深层的危机，也是我们不得不面对的经济学冷知识：AI极大增加了内容生成的效率，但消费端正在萎缩。

这就产生了一个幽默的悖论：大厂为了省钱，用AI取代了高收入的程序员、设计师和运营。而这些被取代的“高净值人群”，恰恰是AI产品、高端手机、昂贵软件以及各种会员服务的核心消费群体。

当 AI 把原本发给“王老师”、“李工”的工资变成了服务器的电费，社会总需求就会出现一个诡异的真空。AI生产了无数的产品，但能买得起这些产品的人，却不得不因为AI重新修改起了简历。

在历史上，这种错位往往意味着“产能过剩”的出现。但在AI时代，它的表现形式会更隐蔽——不是商品堆积，而是信息、内容与服务的过载。

用户面对的，不再是“没有选择”，而是“选择过多”。在这种环境下，竞争的焦点会发生变化：从“能不能做出来”，转向“能不能被选中”。

而这恰恰是AI最难解决的问题之一。

AI可以生成内容，但它很难真正理解“为什么这个内容会被选择”。这涉及文化、情绪、时机、甚至偶然性——这些变量，目前仍然属于人类的优势区间。

因此，一场新的竞争正在形成：一边是AI驱动的“规模化生产能力”，另一边是人类主导的“选择与判断能力”。

这不是简单的替代关系，而更像是一种博弈。

人机新一轮的竞争已经开始了。这不是力量的竞争，而是“不可预测性”的竞争。

AI的本质是汇总已有的知识，呈现给你它认为最合理的“套路”。如果你的一生都在遵循套路，那你在AI面前确实一文不值。

人类唯一的护城河，是那些AI无法理解的“瑕疵”：是那一点点不合逻辑的直觉，是那种明知不可为而为之的鲁莽，是那份能够引起同类共鸣的、带有体温的情感。

在职场的“黑暗森林法则”里，以前大家都是人类，卷的是加班、卷的是酒量、卷的是谁更懂老板的心思。大家虽然累，但好歹还是同物种竞技。

如今，森林里加入了一个不睡觉、不吃饭、进化速度呈指数级增长的AI。它不针对任何人，它只是在追求那个名为“效率”的极致。这让原本就紧张的竞争环境，变得更加复杂。

作为一名大厂多年的媒体人，我并不想唱衰技术。AI的浪潮不可阻挡，这风既然吹起来了，就不可能停。我们唯一能做的，或许不是试图去挡住这阵风，而是学会如何不去成为那个被风轻易吹落的枯叶。

每一轮技术跃迁，都会重塑“什么才是稀缺能力”。当执行能力被压缩，判断力、创造力与整合能力，就会变得更有价值。

所以，在这个新的周期里，也许每个职场人都要面对一个略带幽默、却异常现实的问题：今天，你“卷”赢AI了吗？