同一個 AI，有的公司拿它裁員，有的公司拿它搶人
先看兩條今年真實發生、而且擺在一起特別刺眼的新聞。
第一條：Meta 今年五月裁掉了大約 8000 人，占員工總數的一成。同一份內部信裡，它把 2026 年的資本支出上調了最多 100 億美元，衝到了 1450 億美元——幾乎全砸進 AI 的資料中心和晶片。祖克柏在信裡說：「在 AI 時代，成功不是理所當然的。」
第二條：也是今年五月，OpenAI 拿出 40 億美元成立了一家專門的「部署公司」，到處招一個叫前置部署工程師（Forward Deployed Engineer）的職缺；Google 一口氣掛出 59 個同樣的職位，Google Cloud 的 CEO 甚至親自跑到 LinkedIn 上招人；Anthropic 今年一個人沒裁，估值衝到 3800 億美元，還開著幾百個職缺在招。
同樣是 AI，在第一條新聞裡是裁員的理由，在第二條新聞裡是搶人的理由。
一個東西，能同時被用來解釋「所以我們要裁人」和「所以我們要拚命招人」，那它大概率不是真正的原因。今天想聊的就是這件事：當所有裁員公告都寫著「AI」兩個字的時候，真正在發生的到底是什麼。
被裁的人讀到的是「AI 太強了」，老闆想說的是另一句話
如果你這半年被裁，或者身邊有人被裁，公告的措辭你大概很熟悉：擁抱 AI、提升效率、面向未來重組。聽起來，好像是 AI 強到把你這個職缺變得多餘了。
但你把數字擺在一起看，故事就變味了。
這些裁員，絕大多數發生在公司創紀錄獲利的季度。 不是活不下去了要斷臂求生，是財報好看得很，一邊賺著史上最多的錢，一邊裁人。Meta 自己給的理由甚至沒繞彎子——裁員是為了「更高效地運營公司，以抵消我們正在做的其他投資」。
把這句話翻譯成人話就是：我們要花 1450 億去買顯卡、建資料中心，這筆錢得有地方出，那就從人力成本裡省。裁掉你，不是因為 AI 能幹你的活，是因為你的薪水被拿去付 AI 的電費了。
更直白的一句話，來自一位獵頭公司的高管。他說，現在老闆終於可以輕鬆地告訴員工「我當初多招了人，是我的錯」了——因為**「全世界都已經相信，工作正在被機器取代」**。
你品品這句話。它說的不是「AI 取代了工作」，它說的是「有一個人人都信的說法，正好可以用來蓋住我當年招人招多了的決策失誤」。AI 在這裡不是凶手，是一塊特別順手的遮羞布。 過去兩年經濟好、融資猛，大廠瘋狂擴張、超額招人，現在要修正，總得有個說法。「都怪 AI」比「我們管理層判斷失誤」體面太多了，還不用董事會追責，股價可能還漲。
為什麼這塊遮羞布這麼好用？因為它一句話同時討好了三方。對股東，「我們在用 AI 提效」是個成長故事，裁員反而被讀成利多，股價往上走；對董事會，沒人會因為「順應技術浪潮」去追責哪個高管當年拍板多招了幾千人；對外界，「時代變了」聽起來比「我們算錯了」體面得多。 一個決策失誤，套上 AI 的殼，就從該被問責的錯誤，變成了值得表揚的遠見。天底下沒有比這更划算的公關。
再把錢的流向擺出來，這事就更清楚了。今年 Meta、Amazon、Microsoft、Google 這四家，光資本支出就合計砸下約 7250 億美元，比去年暴漲 75%，幾乎全進了 AI 的算力。Microsoft 自己這半年也裁了約 4800 人。這麼大一筆錢要從財報裡擠出來，最快的辦法就是砍人頭——AI 的帳單，一部分是被裁的人在替它付。 所以「因為 AI 所以裁你」這句話，倒過來唸可能更準確：是「為了 AI 所以裁你」。
今年到五月為止，被明確甩鍋給 AI 的裁員已經有 87714 人，占了全部裁員的約兩成。這兩成裡，有多少是 AI 真的取代了職缺，有多少只是借了 AI 的名頭處理自己的舊帳，沒人分得清——而這種分不清，恰恰是最好用的地方。
如果 AI 真在取代工作，最該縮編的該是最懂 AI 的公司
這是我覺得最能戳破那層窗戶紙的一點。
假設「AI 取代人力」是真的、是這一波裁員的真實驅動力。那麼順著這個邏輯往下推：最懂 AI、AI 用得最狠、最該被自己技術取代的，應該是那幾家做 AI 的公司自己。 他們最先該縮編才對。
現實呢？完全反過來。
- Anthropic 今年零裁員，沒有一紙 WARN 通知，沒有一封裁員內部信。它在超高速擴張，兩千三百多號人，還開著幾百個職缺。
- OpenAI 不但沒裁，還專門拿 40 億美元、拉上貝恩、麥肯錫這些機構一起，成立了一家新公司，唯一的目的就是把人派進別的企業裡去，幫它們把 AI 用起來。它一上來就透過收購，把大約 150 名前置部署工程師收入囊中。
- Google 同一時間掛出幾十個前置部署工程師的職缺，薪資輕鬆六位數（美元）。
如果連造 AI 的人都在拚命招人，那「AI 讓人變得多餘」這個故事，邏輯上就先塌了一半。
真相更可能是：AI 確實在重塑工作，但它重塑的方式，不是「把人換成機器」，而是「把價值從一類活挪到另一類活」。有的活被 AI 吃掉了，同時冒出了大量新的、更值錢的、非 AI 不需要人來幹的活。裁員潮和搶人潮，是同一枚硬幣的兩面，只是被兩撥不同的公司，講成了兩個完全相反的故事。
所以真正的變數，從來不是 AI
我們太容易把「AI」當成一個會自己做決定的主體——好像是 AI 決定了誰該走、誰該留。不是的。做決定的永遠是公司，是人。AI 只是那個被推到台前、方便所有人拿來解釋的名詞。
同一項技術，Meta 用它的名義裁 8000 人，OpenAI 用它的名義招幾百人。區別不在 AI，在這兩家公司怎麼看待 AI、怎麼用 AI、以及有沒有誠實地面對自己的決策。
- 一家把 AI 當成降本的理由：AI 來了，所以我可以少雇點人、把省下的錢拿去堆算力，順便把過去的過度擴張一筆勾銷。
- 一家把 AI 當成成長的槓桿：AI 來了，所以我需要一大批新的人，去把這個槓桿真正撬起來、送到客戶手裡、變成錢。
這兩種公司，遇上的是一模一樣的技術，走向了完全相反的動作。判斷一家公司值不值得你待下去、值不值得你投它的股票，看的不是它有沒有 AI，而是它站在這枚硬幣的哪一面。
那些在瘋狂招的職缺，暴露了真正稀缺的東西
前置部署工程師這個職缺，值得單獨說兩句，因為它像一個探針，探出了這一輪 AI 裡真正稀缺、真正值錢的能力是什麼。
它幹的不是訓練模型，也不是寫底層演算法——那些頂尖實驗室裡的少數人在幹。它幹的是：跑到一家真實的公司裡去，和業務負責人、一線員工坐在一起，找出「AI 在這兒到底能創造什麼價值」，然後把公司的流程圍著它重新設計一遍，讓這套東西真的跑起來、留下來、變成持續的收益。
有篇報導給這個職缺下了一句我很認同的評語：
這個角色是迄今最清晰的市場訊號——AI 最難的部分，已經從「造出模型」，轉移到了「讓模型在一家企業裡真正起作用」。
這句話我覺得是這半年所有 AI 新聞裡，資訊量最大的一句。
造模型的能力，是極少數公司的軍備競賽，跟絕大多數人無關。但「讓 AI 在具體場景裡產生價值」這件事，需要海量的人。 這些人不一定會訓練神經網路，但他們得懂業務、懂人、懂怎麼把一個模糊的痛點，翻譯成 AI 能落地解決的具體方案，還得盯著它真的產出結果。
舉個具體點的例子你就懂這活有多不「技術」。一家保險公司想用 AI 處理理賠，模型本身現成的、誰都能調。難的是：理賠流程裡哪一步最堵、卡在哪個部門、老員工憑經驗判斷的那些說不清的規則怎麼餵給模型、出錯了誰來兜底、怎麼讓一線定損員願意用而不是排斥。這些沒有一條是「模型不夠強」的問題，全是「懂這家公司、懂這攤業務、還能把 AI 擺進去」的問題。 模型是通用的，可價值永遠長在具體的場景裡，而場景，是要人一個一個去啃的。這就是為什麼最頂尖的實驗室，一邊把模型能力推到極限，一邊反手花幾十億去搶這批「把模型塞進業務」的人——因為他們比誰都清楚，模型再強，落不了地也變不成錢。
這恰恰是被大廠裁掉的那批人裡，很多人本來就具備、或者稍加轉身就能具備的能力。AI 沒有讓這種能力過時，反而讓它前所未有地值錢——只是需求方從「維護舊系統」，變成了「把 AI 塞進舊系統」。
對你我意味著什麼
說了這麼多別人的事，落到我們自己身上，我覺得有兩點值得記住。
第一，別被「AI 取代了你」這個說法嚇住，先分清它是不是藉口。 一家創紀錄獲利、還在往 AI 上砸幾百億的公司，如果拿 AI 當理由裁你，那大概率不是你的能力被機器超越了，是你的職缺被挪去付算力的帳單了。這是一個關於這家公司怎麼分錢的決定，不是一個關於你值不值的判決。搞混這兩件事，最傷人——很多人被裁之後陷進「是不是我不行了」的自我懷疑裡，其實那根本不是你的問題。
第二，也是更要緊的：想辦法站到硬幣能招人的那一面。 那一面缺的不是會造 AI 的人，缺的是能讓 AI 在真實場景裡產生價值的人。這裡面沒有玄學，能拆解成幾件很具體的事——
- 別只做那件「AI 遲早會自動化」的執行，去做那件「判斷 AI 該不該這麼幹、幹得對不對」的活；
- 練一種別人替代不了的能力：把一個模糊的業務問題，說清楚到 AI 能照著落地；
- 少糾結「我會不會被取代」，多問「我能不能拿 AI 把一件以前做不到的事做成」——後者才是招人那一面在找的人。
AI 不會取代人，但會重新洗牌：洗掉「只會做 AI 能做的活」的人，抬高「會拿 AI 幹成事」的人。 這半年這麼多互相矛盾的新聞，扒到最底下，其實就是這一句。
這不是讓你去同情大廠，也不是說裁員不痛——被裁很痛，帳單是真的。但越是這種時候，越不能連自己為什麼被裁都搞錯。你被裁，很多時候不是因為你輸給了 AI，是因為你所在的公司選擇了用 AI 的名義去省錢，而不是用 AI 去賺更多的錢。 這是它的選擇，不是你的判決。
裁員公告和招聘啟事，寫的是同一個詞，講的卻是兩件事。別只讀到嚇你的那一半。
討論