AI裁员潮拆解：先消失的为什么是初级岗

导语：AI最火的年份，也是裁员最凶的年份

2026年的科技行业有一道刺眼的悖论：一边是AI资本开支屡破纪录、大模型能力月月刷新，另一边是「裁员」仍是科技新闻里的高频词。逻辑上说不通——技术革命不是应该带来繁荣吗？为什么这一轮AI浪潮，普通工程师的感受却是寒意？

这期《AI Tech Layoffs Explained by ex-Meta Principal Engineer》之所以值得看，是因为说话的人站位很特殊：一位从Meta首席工程师（Principal Engineer）位置上走过来的老兵。首席工程师是工程师职业路径的天花板层，他们既不是HR，不负责对外话术，又完整经历了一家大厂从扩张、冻结到收缩的全周期。由这样的人来拆「AI裁员潮」，天然带一层内部视角——他见过的组织决策，比大多数评论者转述的新闻稿要真实得多。

视频背景卡片

从标题就能看出这期视频的定位：它不是情绪宣泄的「行业完了」式内容，而是面向工程师的解释性内容——把「AI为什么一边烧钱一边裁人」这件事讲成一个可以理解、可以应对的结构问题。10万+的播放量说明这个焦虑是真实而普遍的。

核心内容拆解

要点一：先看清账面——这一轮裁员到底有多大

讨论任何裁员潮，第一步是把量级搞清楚，别被短视频里的恐怖叙事带偏。据全球裁员追踪网站 layoffs.fyi 的公开统计：2022年科技行业约16万人被裁，2023年约26万，2024年约15万——三连击之后，2025-2026年虽然单年量级回落，但「零星但持续」的裁员成了常态。单看大厂：Meta在2022年11月裁员约1.1万人（占员工13%），2023年「效率年」又裁约1万，一家公司两年合计约2.1万人。延伸解读：把这组数字和疫期扩张对照着看才有意义——2019到2022年，美国大厂员工数普遍接近翻倍（Meta从4万级涨到8万级）。所以这一轮裁员的第一层真相是：相当一部分不是「AI抢工作」，而是「超额招聘的回调」。AI是2023年之后的加速变量，不是全部原因。把这两层分开，是理解整件事的起点。

要点二：裁员省下的钱，去哪了？——一张工资单换成了GPU订单

这是全片主题域里最关键的一块拼图：裁员的另一面不是收缩，是资源大挪移。据各公司公开财报与业绩会指引：微软2025财年AI相关资本开支约800亿美元；谷歌2025年资本开支指引从约750亿美元起步、年内多次上调；亚马逊2025年投入达1000亿美元量级；Meta在600-720亿美元区间，且2025年7月AI部门重组时一边优化约600个岗位、一边同步加码投资——砍人头的同一天，签的是更大的算力订单。延伸一句：这正是看懂本轮裁员的钥匙——它本质上不是「节衣缩食」，而是把工资单换成了电费单和GPU订单。传统裁员周期是「公司不行了→收缩过冬」，这一轮却是「公司增长强劲→把钱从人挪到机器」。用老剧本理解新剧本，就会得出「熬过冬天就好了」的错误结论，而这一次结构性变化不会随着周期回暖而回滚。

要点三：为什么先塌的是初级岗——任务替代，不是岗位替代

这是视频标题指向的核心问题，也是近年研究数据最扎实的部分。斯坦福数字经济实验室2025年的研究《Canaries in the Coal Mine》（Brynjolfsson等人）分析了大量就业数据后发现：在AI暴露度最高的职业（软件开发、客服等）中，22-25岁入门级从业者的相对就业率下降约13%，而资深从业者几乎不受影响。另据SignalFire的年度人才报告，大厂校招新人占招聘的比例从2019年的约25%跌到2024年的约7%。为什么是这个形状？延伸分析：因为AI替代的单位是「任务」不是「岗位」——初级岗的本质就是一包标准化任务（写小功能、修小bug、整理数据、写初稿），恰好是AI最先吃下的部分。而资深工程师的产出里，判断、权衡、责任兜底的成分高，任务占比低。于是出现历史上罕见的场景：职业梯子的第一格被抽走了，梯子上半截还在。这不是暂时的阵痛，是梯子结构本身在改。

要点四：宣传口径与落地速率之间，隔着一条鸿沟

把2023年以来大公司的公开表态排成一条时间线，会发现一个反复出现的模式。IBM在2023年宣布暂停约7800个岗位的补招，CEO直言后台与人力职能先受影响；Salesforce的Benioff在2025年初公开说不再增加软件工程师；亚马逊的Jassy在2025年年中备忘录里写明「AI将让未来几年企业岗位减少」；Klarna曾宣传AI客服干700人的活，一年后又公开承认砍过头、重新招人保质量；Duolingo的「AI优先」备忘录同样引发反弹后动作放缓。延伸判断：真实速率是「招聘冻结先于裁员，补岗冻结先于替代」——大多数公司不需要开除谁，只需要「走了不补」，AI就是最好的台阶。宣传上高喊替代是为了给资本市场讲效率故事，落地时受质量、合规、责任归属约束而放慢。理解这条鸿沟，你就不会被「某公司AI替代90%员工」的头条吓到，也不会被「AI其实不行」的反转麻痹。

要点五：首席工程师视角——什么技能在升值，什么在贬值

视频主讲人的身份本身就是答案的一半：首席工程师是大厂工程师序列的顶层，他们没有走上管理岗，却躲过了历次裁员的「层级税」。延伸拆解这个角色的能力构成，就能看懂升值曲线：第一，系统架构与抽象能力——决定「该建什么」的判断，AI只能执行「怎么建」；第二，对AI输出的鉴别力——当生成成本趋近于零，验证与把关成为新的稀缺环节，代码越廉价，code review越贵；第三，责任兜底能力——出了事故谁签字，这是法律与组织意义上AI短期内无法承担的；第四，跨团队的翻译能力——把模糊的业务语言翻译成清晰的技术约束。英伟达黄仁勋那句被反复引用的话说得直白：「你不会因为AI丢掉工作，但会因为会用AI的人丢掉工作。」注意他的措辞是「会用」而非「会开发」——杠杆属于使用者，不只属于建造者。

要点六：被砍的另一半——管理层为什么也危险

这一轮裁员和历史上 tech 裁员的另一个不同点：中层的处境明显恶化。多家大厂在2024-2025年的组织调整中公开提到「减少层级」「拉平组织」。延伸分析背后的经济账：中层管理者的核心职能是信息中转与任务分配——把战略拆成任务、把进度汇报上去。而这两件事恰好是AI工具链进步最快的地方：AI能写周报、能汇总项目状态、能按模板拆解任务。当「分配任务」这件事本身可以被工具部分替代，夹在中间的层级就成了最贵的冗余。这也是为什么「离AI远、离钱近、离判断近」成了圈内自嘲的安全公式。它未必精确，但方向是对的：价值集中在「定义问题」和「承担后果」两端，纯传导性的中间环节在快速贬值——无论你管的是人还是代码。

要点七：视频之外的延伸——梯子断了之后，谁来培养下一代 senior

以下是我的延伸分析，视频未必展开。初级岗坍缩有一个被低估的长期后果：工程师的培养链路断了。过去一个毕业生进大厂写三年「标准化任务」，在code review和返工里长成资深工程师——这条培养流水线依赖大量便宜的入门岗位。如果入门岗位长期收缩，十年后的资深工程师将从哪里来？行业可能会被迫重建「学徒制」（更长的轮岗培养期、企业自办训练营），或者接受资深工程师的长期稀缺与涨价。第二个延伸：对通信行业读者，这个故事有直接的镜像——运营商与设备商正在推的自智网络、AI网优、智能客服，走的是同一条「任务标准化→AI接管→补岗冻结」的路径。网优工程师、网管工程师的岗位形状会先变：从「盯屏执行」变成「训练与验收AI」。看懂科技大厂这一轮的剧本，等于提前看了通信业未来三五年的预告片。

批判性审查：带2026年的眼睛冷静看

成立的部分：资本开支挪移、初级岗坍缩、补岗冻结三个判断，有财报、有学术研究、有招聘数据三方交叉支撑，是目前解释力最强的框架。

需要警惕的部分：一是归因偏差——把所有裁员都算到AI头上是偷懒，利率环境、增长放缓、疫期超额扩张的回调都贡献了相当份额；二是幸存者偏差——前首席工程师的视角天然偏向资深者，容易低估转型阵痛中普通岗位的真实冲击。

容易误读的部分：不要把结论简化成「学个AI工具就安全了」。会用AI只是入场券，真正的分化在于：你的产出里「任务」和「判断」的配比——任务占比越高，你和AI就在同一个池子里竞标；判断占比越高，AI越是你的杠杆。

知识结构图

flowchart TD
    AI["AI能力跃迁"] --> CAP["资本开支军备竞赛<br/>年投入数百亿美元"]
    AI --> TOOL["标准化任务自动化<br/>生成成本趋零"]
    CAP --> SHIFT["资源大挪移<br/>工资单换GPU订单"]
    SHIFT --> CUT["组织收缩<br/>走了不补的冻结"]
    TOOL --> JUNIOR["入门岗位坍缩<br/>校招占比骤降"]
    CUT --> JUNIOR
    JUNIOR --> LADDER["职业梯子断第一格<br/>培养链路受创"]
    LADDER --> BAR["技能杠铃策略"]
    BAR --> B1["一端：AI杠杆力<br/>做工具的重度使用者"]
    BAR --> B2["另一端：判断与兜底<br/>架构、领域纵深、签字担责"]
    B1 --> OUT["穿越周期的工程师"]
    B2 --> OUT

实战启示

第一，给自己的工作做一次「任务审计」。拿一张纸把你的日常工作拆成任务清单，诚实地标注：哪些是「给定输入就有标准答案」的任务（写模板代码、整理报表、例行巡检），哪些是「需要权衡和判断」的工作（方案选型、事故定界、跨团队博弈）。前者是AI先吃的那一半——主动把时间从前者迁向后者，这是所有策略里优先级最高的一条。

第二，把AI当杠杆，而不是当对手。具体的做法是公开地、大量地用AI产出成果，让组织看见你的「人均产出」在AI工具加成下的变化。在被比较之前先完成自我改造——裁员名单的排序逻辑，正在从「谁资历浅」变成「谁的人效曲线平」。

第三，积累「可迁移的判断资产」。架构决策记录、事故复盘、领域方法论，这些文档化的判断力不会随平台和岗位失效。初级工程师则要反常识地主动带徒、写文档——梯子第一格没了，你就要自己给自己当学徒，用输出倒逼深度。

第四，看招聘市场要换指标。以后读JD别只看薪资，先看两件事：初级岗供给是否持续收缩（决定入行难度）、岗位描述里「AI工具熟练度」的位置（决定考核重心）。通信行业的读者再补一条：关注自智网络等级在自家网络的推进节奏，那基本上就是网优岗位转型的倒计时表。

延伸学习路径

1. layoffs.fyi：https://layoffs.fyi — 全球科技裁员的公开追踪数据库，自己看原始数据，别只吃二手情绪。
2. 斯坦福数字经济实验室：https://digitaleconomy.stanford.edu — 《Canaries in the Coal Mine》等AI就业影响的实证研究，初级岗坍缩的数据源头。
3. WEF《Future of Jobs Report 2025》：https://www.weforum.org/publications/the-future-of-jobs-report-2025/ — 世界经济论坛对全球雇主AI与用工计划的年度调查。
4. Wikipedia: Technological unemployment：https://en.wikipedia.org/wiki/Technological_unemployment — 从卢德运动到本轮AI潮，两百年技术性失业争论的浓缩史。

一句话总结

这期视频最大的价值，是把「AI裁员」从恐吓故事还原成一张资本与技能的资产负债表——被砍掉的从来不是「人」，而是「产出只剩任务的人」。

参考来源

1. AI Tech Layoffs Explained by ex-Meta Principal Engineer — Kun Chen — 本文分析的核心视频
2. layoffs.fyi — 全球科技裁员公开追踪数据
3. Stanford Digital Economy Lab — 《Canaries in the Coal Mine》AI就业影响研究
4. WEF Future of Jobs Report 2025 — 全球雇主AI用工计划调查
5. Technological unemployment — Wikipedia — 技术性失业的两百年争论史

   本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。