15 min read

AI 裁员潮真的来了,但被替代的不是工作,是这一类人

Source: http://x.com/i/article/2055998665018515456

2026 年 4 月底,Meta 公开宣布裁员一万四千人——其中八千人直接走人,另外六千个开放岗位永久冻结。差不多同一周,微软在 51 年历史上首次推出员工买断计划,仅 2025 年这家公司就让一万五千人离开。如果你以为这只是经济周期里常见的“过冬”,那可能误解了正在发生的事。

这一轮裁员的特别之处在于,CEO 们不再遮掩动机。Meta、微软、Coinbase、Cloudflare、Klarna,全都在公开场合说同一件事:

AI 让我们用更少的人做更多的事,所以人变少了

这不是某个季度业绩不好导致的临时反应,而是一种结构性重构的开端。

“未来一到五年内,AI 可能消灭初级白领岗位的一半,失业率可能上升到 10% 到 20%,风险最高的四个行业是金融、咨询、法律和科技。”

Anthropic CEO Dario Amodei 在2025年5月的一次采访中这么说道,他不是个唱衰 AI 的人,他自己就是这场革命的核心推动者之一,正因如此,这番话的分量才特别重。

如果想把“快”这件事钉死,不妨看一组对比:

  • 美国农业从业者从 1900 年占全国劳动力 41% 降到 2000 年的 1.9%,用了整整 100 年;
  • David Autor 等经济学家研究的“中国冲击”导致美国制造业失去 240 万个岗位,用了 12 年;
  • 而 2025 年仅美国科技业一年内就裁员超过 12 万人,TrueUp 的更高口径接近 25 万人。

**时间窗口在指数级压缩,**这不是和以前一样的科技革命,而是压缩了十倍速度的科技革命

历史上类似的冲击是怎么发生的

要看清楚我们正在经历什么,得先看看以前发生过什么。下面五个案例,每一个都讲了一个相似的故事:技术让某类工作消失,社会用很长时间才完成调整,而那些被卷走的人,大多没有等到“未来”。

1760 - 1840 工业革命

工业革命被很多人怀念为“创造大量就业的好时代”,但如果你真的活在 1780 年到 1840 年之间,会发现完全不是这么回事。

经济学家把那段时间叫“恩格斯停滞”——英国人均 GDP 一直在涨,但普通劳动者的实际工资基本停滞了 50 年。

卢德运动 1811 年到 1816 年砸碎织机,1813 年约克郡甚至处决了 17 名卢德分子,规模相当于今天的反恐判决。恩格斯 1845 年写《英国工人阶级状况》时,距离工业革命开始已经差不多一个世纪,普通工人的生活才刚开始改善。

技术革命的红利可能用一代人时间才“渗透”到普通人,而那一整代人就这么被时代碾过去了。 1900 - 2000 农业机械化 1900 年美国 41% 的劳动力在农业,到 2000 年只剩 1.9%。

这 100 年中间伴随着 1916 年到 1970 年长达半个世纪的“黑人大迁徙”——大约六百万黑人从南部农村迁往北部城市,三十年代沙尘暴和大萧条让无数农民流离失所。

农业释放出的劳动力最终对接了制造业,但这个对接用了两代人时间,期间社会动荡剧烈。这是技术变革最常见的形态:长期看一切都会好,但“长期”里有几代人是付出代价的。

1985 - 2002 ATM 与办公自动化

James Bessen 2015 年的研究显示,1985 年美国银行柜员约 48.5 万人,到 2002 年反而涨到了峰值 54.5 万人,同期 ATM 机从 10 万台增到 40 多万台。

机制是:ATM 让单个分行的成本下降,银行因此多开分行,总柜员数反而上升。这个故事经常被用来安慰大家——技术不会替代人,只会改变人的工作。

但如果你仔细看,会发现“柜员”这个岗位名称没变,岗位内容彻底变了:从数钱变成卖产品,高级柜员的工资上涨,低级柜员的工资下降。岗位的壳还在,里面的肉早就换了。AI 能否复制 ATM 这条路径是这次最大的悬念,目前看不太乐观,因为 AI 替代的不只是流程,而是整个判断链。

1999 - 2011 全球化与“中国冲击”

真正离 AI 冲击最像的样本,是“中国冲击”。

Autor、Dorn、Hanson 三位经济学家 2013 到 2016 年发表的系列论文,量化了 1999 到 2011 年间中国进口对美国劳动力市场的影响:

  • 直接消失了约 100 万个制造业岗位
  • 含间接外溢效应总计 240 万岗位
  • 同期美国制造业总就业从 1730 万降到 1150 万
  • 受冲击最严重的“通勤区”,工人收入十年以上没有恢复,中年白人自杀率、酒精死亡率、阿片类过量死亡率显著上升

政治后果直接催生了 2016 年铁锈带翻红、特朗普当选,以及随之而来的中美贸易战和脱钩。

经济学家对此的共识值得划重点:

自由贸易的总收益是正的,但输家的损失是结构性的、永久性的。换句话说,技术革命让某类工作消失之后,输家不会通过“再培训”重新就业,他们直接被淘汰出劳动力市场。

这正是 AI 浪潮最让人警惕的地方,我们正在重复同一种剧本,只是这次速度更快。

2007 - 至今 平台经济

再往后是平台经济。

iPhone 2007 年发布,Uber 2009 年成立,Airbnb 2008 年开门。这次浪潮确实创造了新岗位——美国零工经济参与者大约 5700 万,Uber 全球司机超过 700 万,App 经济全球规模 1.7 万亿美元。

但同时,纽约出租车牌照从巅峰 100 万美元跌到 20 万美元,多名出租车司机自杀;新创造的零工岗位质量普遍低于被替代的岗位——没有社保、没有退休金、没有医保。新岗位会出现,但不一定比旧岗位好。

这次 AI 冲击的范围到底有多大?

Goldman Sachs 2023 年的研究估算,生成式 AI 可能自动化等同于 3 亿全职岗位的工作量;到 2025 年他们的数据显示,美国 18 岁以上成年人中已有 46% 在工作中使用大语言模型。

IMF 2024 年 1 月的报告说全球 40% 的岗位有 AI 暴露,发达经济体高达 60%。麦肯锡的预测是到 2030 年全球可能有 7500 万到 3.75 亿工人被替代,占全球劳动力的 14% 左右。

世界经济论坛 2025 年的《未来就业报告》给的数字相对乐观:到 2030 年 9200 万岗位被替代,1.7 亿新岗位涌现,净增 7800 万——但谁能保证那些被替代的工人能转移到新岗位上去?历史告诉我们,多数人做不到。

OpenAI 和宾州大学 2023 年合作的研究(Eloundou et al.)给了一份很具体的清单:美国 80% 工人至少有 10% 任务受 AI 影响,19% 工人有 50% 以上任务受影响。受影响最深的岗位包括数学家、报税员、金融分析师、网页设计师、作家、行政助理、翻译、公关专员、平面设计师、客服。Anthropic 自己 2025 年披露的内部数据更直接:当前 Claude 的使用场景中 60% 是辅助人完成工作,40% 是直接自动化——而自动化的比例正在快速上升。

谁在公开承认“我们因为 AI 裁了人”

聊到这里,绕不开中美之间的差异。

海外裁员是高调的,因为上市公司有信息披露义务,因为投资人吃“AI 转型”这套叙事,更因为 CEO 公开说“AI 替代了 100 人”反而能让股价涨。Meta、微软这样的大裁员之后股价不跌反涨,已经把这件事的逻辑摆得很清楚。

但中国不一样,中国互联网大厂的裁员,是静悄悄进行的。

具体看数据:

  • 阿里巴巴 2024 年员工较 2023 年底减少约 2.5 万人,节省成本约 100 亿元;
  • 腾讯从 2022 年二季度到 2023 年三季度连续 5 个季度裁员,累计超过 1.1 万人,2023 年三季度员工总数 10.53 万;
  • 字节跳动 2024 年员工数约 15 万,福利持续收缩;
  • 京东 2024 年员工 67 万人(含蓝领),结构性优化;滴滴、美团、快手、贝壳等公司也都在做规模性优化。

这些数字加起来不亚于硅谷的裁员潮,但你在中文新闻里几乎看不到大公司公开承认“我们因为 AI 裁了 N 个人”——更多是“业务调整”“组织优化”“毕业”“转岗消化”。

更尖锐的指标是应届生失业率:

  • 16 到 24 岁青年失业率(不含在校生)2023 年 6 月达到 21.3%,之后官方直接停止公布原口径数据;
  • 新口径下,2025 年 8 月又冲到 18.9% 的新高,2025 年 12 月回落到 16.5%,2026 年 3 月再回升到 16.9%。
  • 2025 年大学毕业生 1222 万,比 2024 年多了 43 万;同时 2025 年上半年应届生岗位投放下降 22%,求职者增加 8%。2024 年国考报名突破 300 万。

这些数字组合在一起说明一件事:中国年轻人正在被压在“找不到第一份工作”的天花板上,而这个天花板还在往下压。

中国为什么选择静默而不是公开?原因不复杂。

  • 失业率是核心 KPI,敏感到原口径数据直接停发;
  • 劳动法压力下 N+1 赔偿、劳动仲裁、舆论维权都是企业要算账的成本;
  • 中国企业家普遍偏好“温水煮青蛙”——35 岁优化、降薪逼走、毕业话术、转岗消化,这些方式总和起来的效果不亚于美国式的大规模裁员,但社会感知温和得多;
  • 与此同时,国企和事业单位还在反向扩招“稳就业”。

整个系统加起来,潮水不会以“潮水”的形态出现,会以“水位静静上升”的形态出现。

从外部看不到潮水,但每个家庭都在被影响——35 岁危机已经在扩大到 30 岁,考公考编持续白热化,应届生成为最难找工作的一群人,婚育率因为经济不安全感进一步下降。

我自己的判断是,2026 到 2027 年白领层面的静默裁员会进一步加剧,2027 到 2029 年内容、法律、客服、初级研发、行政、运营等岗位将会出现结构性收缩,但这一切大概率不会以“大裁员”的新闻形态出现,而是以“今年又比去年难一点”的形式渐进发生。

普通人到底应该怎么办?

我自己的思考是,可以分成三层往下做:

最外层,识别你被替代的速度。

有个简单的自测:你能不能用一段 prompt 把自己今天 80% 的工作描述清楚?能描述清楚的部分,大概率 18 到 36 个月内会被替代。

判断公式不复杂——重复性、可结构化、可远程化的工作占比越高,越危险;判断、关系、责任、品味、现场感占比越高,越安全。

Eloundou 那项研究里“任务受 AI 影响 50% 以上”的岗位清单里,数学家、报税员、金融分析师、网页设计师、作家、行政助理、翻译、公关专员、平面设计师、客服全部上榜——看看自己的岗位,对得上几条?

中间层,让自己成为“用 AI 的人”,而不是“被 AI 用的人”。

Goldman Sachs 2025 年的数据是 46% 的美国成年人已在工作中使用 LLM——意味着另外 54% 还没用。这就是你的时间窗口。

Salesforce 用 AI 后工程平均效率提升 30% 以上,但平均数掩盖了真相——高用户和低用户的效率差是 5 到 10 倍。同样的岗位,用 AI 的人产出是不用的人的几倍,公司不会一下子裁所有人,它会先留下高杠杆的那批。

每天至少 4 小时把自己的工作流用 AI 跑一遍,主动把自己重塑成“AI 工作流的设计者”而不是“AI 替代的对象”,公开展示你的杠杆让老板看见你产出倍增——这是最直接的自保。

最内层,从工资收入转向资本收入。

工资被替代的速度可能快于储蓄积累的速度,越早建立“非工资现金流”越安全。

资产持有(港美股、加密、A 股核心、一线房,按你的风险偏好选)、副业现金流(自媒体、独立产品、内容订阅、咨询)、跨境业务(汇率时差套利、向海外卖服务)、股权资产(在创业公司争取期权而非高薪——AI 时代股权的杠杆远高于工资)。不需要立刻辞职创业,但必须有第二条腿。这是 2026 年最重要的对冲。

有几个误区想多说一句:

  • 不要赌“我这个行业不会被替代”:IMF 数据明明白白,发达经济体 60% 岗位都有 AI 暴露,所有人都觉得“我的行业有特殊性”,但所有人都这么想。
  • 不要纠结“AI 写得没有人好”:它只需要在 80% 场景下做到 80% 的质量,老板就买单了。Klarna 之前用 AI 替代了 700 个客服岗位的真实数字,虽然后来 CEO 在 2025 年 5 月公开承认 AI 客服质量太差、开始重新招人,但要明白多数公司不会反转,因为成本差太大。
  • 不要等公司培训:能等到的都不是关键技能。
  • 也不要去考完全和 AI 对立的赛道,初级文书、初级法律、初级翻译、初级 coding,这些都是 Eloundou 研究里任务受 AI 影响最高的岗位。

但有些事情正在变得更稀缺,反而是新的机会:

  • 稀缺性正在转移:从“会做”转向“知道做什么”和“愿意承担责任”。
  • 人际信任反而更贵:Klarna 反转的根本原因就是这一点,客户在情绪场景下要的是“被一个人听到”而不是被效率处理,AI 能生成内容但不能替你出席、担保、被信任。
  • 小生态位正在升值:大平台被 AI 重构,但有 1000 个真粉丝的人活得反而更好。
  • 物理世界开始反弹:手工、本地、有故事的东西反而溢价,劳力士、独立咖啡馆、本地农场,这些"低效率"的东西因为稀缺而升值。
  • 学习速度本身就是技能:以前学一次用 10 年,现在学一次用 2 年,能快速学的人就是这个时代的基础设施。

写到这里,想说一个收尾的观察。

历史上每次大变革都同时存在两类人:

  • 被卷走的人,事后会后悔自己没早看见;
  • 站到浪尖的人,回头看会觉得“其实并不难,只是开始得早”。

1995 年没上网的人,2005 年还有机会;2007 年没用智能手机的人,2015 年还有机会;但2026 年不用 AI 的人,2028 年可能就不再有有意义的入口。

中国冲击给我们的教训不是“全球化是错的”,而是输家的痛苦是真实的、长期的、不可逆的。AI 浪潮里被卷走的人,他们的痛苦也会是真实的、长期的,而且这次速度更快。

被替代的不是工作,是这一类人,是“靠重复劳动换取稳定工资”的人。

普通人最重要的不是“判断准”,这一波方向大家都看得到,而是关注当下,立即开始。