1. 首頁 > 生活百科 > >

不掌握token的甲骨文們，注定會大裁員

互聯網軟件甲骨文裁員ai

不掌握token的甲骨文們，注定會大裁員

文章圖片

不掌握token的甲骨文們，注定會大裁員

文章圖片



【不掌握token的甲骨文們，注定會大裁員】甲骨文凌晨突發裁員 ， 不是愚人節玩笑 。
據CNBC證實 ， 甲骨文（Oracle）已經啟動新一輪裁員 ， 涉及數千名員工 。
同一時間 ， 它正在砸下數百億美元 ， 建設AI基礎設施 。
多家行業媒體披露 ， 甲骨文計劃將年度資本支出提升至約500億美元規模 ， 主要用于數據中心與AI基礎設施建設 。
這一投入已經開始侵蝕公司的現金流：TheStreet數據顯示 ， 甲骨文自由現金流從2024年的約118億美元轉為負值 ， 并預計在2026年達到-230億美元 。 此外 ， 甲骨文今年股價下跌約25% ， 跌幅超過所有科技巨頭 。
一邊是持續擴張的AI投資 ， 一邊是裁員與成本控制 ， 這種組合在傳統軟件公司中并不常見 ， 卻正在成為AI時代infra（基礎設施）公司的典型狀態 。
如果你在一家做基礎設施的公司 ， 現在可能應該警惕：AI越火 ， 你越可能被“優化” 。
甲骨文 ， 只是最新一個例子 。

01
甲骨文裁員并非孤例
類似的事情 ， 正在整個AI基礎設施鏈條上發生 。
在2025年至2026年間 ， 多家處在這個鏈條中的公司先后宣布大規模裁員：
英特爾在2025年宣布裁員約2.5萬人 ， 作為其制造與成本結構調整的一部分；
亞馬遜在2026年初裁員約1.6萬人；
微軟在2025年中期裁員約9000人；
Block在2026年初裁員超4000人 。
這些企業分布在不同細分領域 ， 包括半導體、云計算、企業軟件以及支付基礎設施 ， 它們的裁員當然各有具體原因 ， 但同樣存在一個清晰的共性：它們都在給AI“打下手” 。
這些公司并非AI浪潮的邊緣參與者 ， 相反 ， 它們是最早承接AI需求增長的一批企業 。 例如云廠商承接模型推理負載 ， 芯片廠商提供算力支撐 ， 企業軟件公司則承擔數據與流程的管理功能 。 隨著AI需求增長 ， 它們普遍獲得了更多的訂單與更高的使用量——換句話說 ， 他們靠AI“賺了不少錢” 。
但壓力也隨之而來 ， 訂單的增長和成本結構的變化同時出現 。
和傳統軟件的輕資產邏輯不同 ， AI基礎設施建設具有明顯的重資產屬性：數據中心的建設周期長、資本密集度高 ， GPU等核心硬件的采購價格持續處于高位 。 一張高端算力卡價格可以達到數萬美元 ， 而大規模訓練或推理部署通常需要成千上萬張 。
一座AI數據中心的成本 ， 已經不再是“幾億美元”的問題 ， 而是動輒數十億、甚至百億美元的投入 。

資本開支的急劇上升迫使這些infra公司在財務結構中尋找新的平衡點 ， 在AI投資面前 ， 人 ， 成為了最容易被調整的成本 。
一個簡單而直接的選擇開始出現：
用人力成本 ， 去換算力成本 。
02
AI紅利正在“重新分配”
要理解這一變化 ， 需要回到AI產業的價值結構 。
過去的軟件行業中 ， 價值往往分散在多個層級：包括應用層、平臺層、中間件以及底層基礎設施 。 每一層都可以通過差異化能力獲得一定程度的定價權 。
但在當前的AI周期中 ， 這種分布正在逐漸集中 。 AI時代的價值 ， 可以圍繞token粗暴地歸類為兩種：一種是生成能力 ， 即模型本身能夠產出token的能力；另一種是消耗能力 ， 即用戶在推理階段持續產生的token使用量 。
用最通俗的話來講就是：AI的紅利 ， 正在集中在模型和token上 。
掌握模型能力的公司 ， 例如OpenAI、Google DeepMind和Anthropic ， 能夠直接定義產品形態與價格結構；擁有大規模用戶入口的平臺 ， 則可以通過token消耗實現持續收入 。
傳統基礎設施環節依然重要 ， 但它們越來越像“電力”和“帶寬” ， 必不可少 ， 但難以決定價格 。
一個逐漸清晰的規律開始顯現：越接近token生成與消耗的環節 ， 利潤空間越高；距離這一核心越遠 ， 競爭越趨向于成本壓縮 。
換句話說 ， 在AI浪潮中 ， 掌握了token就掌握了定價權；遠離token ， 就只能卷成本 。
對于大多數infra公司來說 ， 它們既不掌握模型能力 ， 也不掌握用戶入口 。 它們承擔的是“支持系統”的角色 ， 像是存儲數據、調度資源、提供運行環境或構建工具鏈 。
當技術從非標準走向標準化 ， 再從標準化走向自動化 ， 人力需求就會自然下降 。
在技術尚未成熟的階段 ， 大量工程師與運維人員是必要的 ， 因為系統復雜且缺乏標準化；但隨著模型能力提升、自動化工具普及以及平臺能力增強 ， 原本需要人工完成的工作就開始被系統替代 。
在這種背景下 ， 當公司既要降成本 ， 又要提效率時 ， 裁人幾乎是必然選項——畢竟人是持續成本 ， 算力是前期投入 。 一旦系統穩定運行 ， 人力規模就會被重新評估 。
在技術周期早期瘋狂招人 ， 技術成熟以后大批裁人 ， 幾乎成為了infra公司的宿命
這一過程并非AI時代獨有：在云計算早期 ， 企業同樣經歷過從快速擴張到效率優化的轉變 。 但AI的發展節奏明顯更快 。
模型能力、工具生態和硬件能力在短時間內的同步演進 ， 直接壓縮了效率提升的進程 。 云計算大約用十年時間完成標準化與規?；?， 而AI可能只需要三年 。
03
另一種選擇正在出現
對那些正在大規模投入AI的infra公司來說 ， 把一部分人力替換成算力 ， 看似冷血 ， 卻也是一種能說得通的選擇 。
但把目光放得更大一些 ， 崗位并未整體消失 ， 而是在不同層級之間遷移 。
在過去幾年里 ， 大量崗位圍繞基礎設施展開 ， 包括系統維護、數據處理、流程管理以及工具開發 。 隨著AI的加入 ， 這些工作里有一部分開始被自動化替代 。
與此同時 ， 直接參與模型開發、應用構建或產品創新的崗位 ， 需求正在不斷增加 。
在這種變化下 ， 一部分從業者面臨不確定性 ， 而另一部分企業卻看到了機會 ， 準備“撿漏” 。
例如WHOOP ， 一家專注于健康與可穿戴設備的公司 ， 正在逆勢擴張團隊規模 ， 計劃招聘約600人 。
WHOOP的CEO Ahmed直說：“目前可能是歷史上最優秀的人才市場之一 ， 許多優秀的人才目前處于待業狀態 ， 或者在那些不斷談論他們將被AI取代的公司中工作 。 ”
“優秀的團隊會利用優秀的工具打造偉大的產品 。 我們在健康、健身、平衡和醫療功能方面看到了巨大的機會海洋 。 與其說‘哦 ， 我們如何在未來12個月內變得如此高效’ ， 我們是在說‘我們如何將3到5年的研究路線圖縮短至12到24個月’ 。 所以 ， 這讓我們變得更加雄心勃勃 ， 我認為這正是此刻最令人興奮的地方 。 ”

這種判斷 ， 和正在裁員的infra公司 ， 屬于兩套完全不同的思路 。
對于那些以產品和應用為核心的公司來說 ， AI不是用來省錢（雖然也有） ， 而是用來提效的：它能讓同一支團隊 ， 在更短的時間里 ， 做出原本要幾年才能完成的東西 ， 從而更快推出產品、不斷迭代 。
在這種情況下 ， 人的作用并沒有被替代 ， 反而被AI放大——同樣的人 ， 可以做出更多、更快、更復雜的事情 。
所以你會看到 ， AI在不同的思路下 ， 帶來的結果也截然不同：對于一部分公司而言 ， AI意味著降低成本、提升效率；對于另一部分公司而言 ， 它意味著加速創新與擴展邊界 。
對從業者來說 ， 這種變化同樣具有現實影響 。
在AI體系中 ， 工作可以大致分為三類：直接創造內容與能力（模型、算法、agent）；放大與應用能力（產品、應用層）；提供支持與基礎設施（系統、工具、運維） 。
隨著AI能力的增強 ， 第三類工作的可替代性正在提高 ， 這并不意味著這些崗位沒有價值 ， 只是它們的價值更難轉化為溢價 。
對從業者而言 ， 關鍵問題不再局限于技術本身 ， 而在于所處的產業位置——決定你穩定性的 ， 不是能力 ， 而是你離AI的價值核心有多近 。
崗位與價值創造之間的距離 ， 將直接影響穩定性與發展空間 。
當技術周期加速推進 ， 組織結構與崗位結構也隨之變化 。 裁員與招聘同時發生 ， 成為同一時代的兩種側面 。
面對“AI會不會取代人力”的問題 ， 我們不妨想一想：這家公司究竟是在用AI省錢 ， 還是在用AI賺錢 。
AI不會直接決定你會不會被取代 ， 但它會決定 ， 你所在的位置 ， 是否還值得被保留 。

    推薦閱讀