先看两条今年真实发生、而且摆在一起特别刺眼的新闻。
第一条：Meta 今年五月裁掉了大约 8000 人，占员工总数的一成。同一份内部信里，它把 2026 年的资本开支上调了最多 100 亿美元，冲到了 1450 亿美元——几乎全砸进 AI 的数据中心和芯片。扎克伯格在信里说：「在 AI 时代，成功不是理所当然的。」
第二条：也是今年五月，OpenAI 拿出 40 亿美元成立了一家专门的「部署公司」，到处招一个叫前置部署工程师（Forward Deployed Engineer）的岗位；谷歌一口气挂出 59 个同样的职位，谷歌云的 CEO 甚至亲自跑到 LinkedIn 上招人；Anthropic 今年一个人没裁，估值冲到 3800 亿美元，还开着几百个岗位在招。
同样是 AI，在第一条新闻里是裁员的理由，在第二条新闻里是抢人的理由。
一个东西，能同时被用来解释「所以我们要裁人」和「所以我们要拼命招人」，那它大概率不是真正的原因。今天想聊的就是这件事：当所有裁员通告都写着「AI」两个字的时候，真正在发生的到底是什么。
被裁的人读到的是「AI 太强了」，老板想说的是另一句话
如果你这半年被裁，或者身边有人被裁，通告的措辞你大概很熟悉：拥抱 AI、提升效率、面向未来重组。听起来，好像是 AI 强到把你这个岗位变得多余了。
但你把数字摆在一起看，故事就变味了。
这些裁员，绝大多数发生在公司创纪录盈利的季度。 不是活不下去了要断臂求生，是财报好看得很，一边赚着史上最多的钱，一边裁人。Meta 自己给的理由甚至没绕弯子——裁员是为了「更高效地运营公司，以抵消我们正在做的其他投资」。
把这句话翻译成人话就是：我们要花 1450 亿去买显卡、建数据中心，这笔钱得有地方出，那就从人力成本里省。裁掉你，不是因为 AI 能干你的活，是因为你的工资被拿去付 AI 的电费了。
更实诚的一句话，来自一位猎头公司的高管。他说，现在老板终于可以轻松地告诉员工「我当初多招了人，是我的错」了——因为**「全世界都已经相信，工作正在被机器取代」**。
你品品这句话。它说的不是「AI 取代了工作」，它说的是「有一个人人都信的说法，正好可以用来盖住我当年招人招多了的决策失误」。AI 在这里不是凶手，是一块特别顺手的遮羞布。 过去两年经济好、融资猛，大厂疯狂扩张、超额招人，现在要修正，总得有个说法。「都怪 AI」比「我们管理层判断失误」体面太多了，还不用董事会追责，股价可能还涨。
为什么这块遮羞布这么好用？因为它一句话同时讨好了三方。对股东，「我们在用 AI 提效」是个增长故事，裁员反而被读成利好，股价往上走；对董事会，没人会因为「顺应技术浪潮」去追责哪个高管当年拍板多招了几千人；对外界，「时代变了」听起来比「我们算错了」体面得多。 一个决策失误，套上 AI 的壳，就从该被问责的错误，变成了值得表扬的远见。天底下没有比这更划算的公关。
再把钱的流向摆出来，这事就更清楚了。今年 Meta、亚马逊、微软、谷歌这四家，光资本开支就合计砸下约 7250 亿美元，比去年暴涨 75%，几乎全进了 AI 的算力。微软自己这半年也裁了约 4800 人。这么大一笔钱要从财报里挤出来，最快的办法就是砍人头——AI 的账单，一部分是被裁的人在替它付。 所以「因为 AI 所以裁你」这句话，倒过来念可能更准确：是「为了 AI 所以裁你」。
今年到五月为止，被明确甩锅给 AI 的裁员已经有 87714 人，占了全部裁员的约两成。这两成里，有多少是 AI 真的取代了岗位，有多少只是借了 AI 的名头处理自己的旧账，没人分得清——而这种分不清，恰恰是最好用的地方。
如果 AI 真在取代工作，最该缩编的该是最懂 AI 的公司
这是我觉得最能戳破那层窗户纸的一点。
假设「AI 取代人力」是真的、是这一波裁员的真实驱动力。那么顺着这个逻辑往下推：最懂 AI、AI 用得最狠、最该被自己技术取代的，应该是那几家做 AI 的公司自己。 他们最先该缩编才对。
现实呢？完全反过来。
- Anthropic 今年零裁员，没有一纸 WARN 通知，没有一封裁员内部信。它在超高速扩张，两千三百多号人，还开着几百个岗位。
- OpenAI 不但没裁，还专门拿 40 亿美元、拉上贝恩、麦肯锡这些机构一起，成立了一家新公司，唯一的目的就是把人派进别的企业里去，帮它们把 AI 用起来。它一上来就通过收购,把大约 150 名前置部署工程师收入囊中。
- 谷歌同一时间挂出几十个前置部署工程师的岗位，薪水轻松六位数（美元）。
如果连造 AI 的人都在拼命招人，那「AI 让人变得多余」这个故事，逻辑上就先塌了一半。
真相更可能是：AI 确实在重塑工作，但它重塑的方式，不是「把人换成机器」，而是「把价值从一类活挪到另一类活」。有的活被 AI 吃掉了，同时冒出了大量新的、更值钱的、非 AI 不需要人来干的活。裁员潮和抢人潮，是同一枚硬币的两面，只是被两拨不同的公司，讲成了两个完全相反的故事。
所以真正的变量，从来不是 AI
我们太容易把「AI」当成一个会自己做决定的主体——好像是 AI 决定了谁该走、谁该留。不是的。做决定的永远是公司，是人。AI 只是那个被推到台前、方便所有人拿来解释的名词。
同一项技术，Meta 用它的名义裁 8000 人，OpenAI 用它的名义招几百人。区别不在 AI，在这两家公司怎么看待 AI、怎么用 AI、以及有没有诚实地面对自己的决策。
- 一家把 AI 当成降本的理由：AI 来了，所以我可以少雇点人、把省下的钱拿去堆算力，顺便把过去的过度扩张一笔勾销。
- 一家把 AI 当成增长的杠杆：AI 来了，所以我需要一大批新的人，去把这个杠杆真正撬起来、送到客户手里、变成钱。
这两种公司，遇上的是一模一样的技术，走向了完全相反的动作。判断一家公司值不值得你待下去、值不值得你投它的股票，看的不是它有没有 AI，而是它站在这枚硬币的哪一面。
那些在疯狂招的岗位，暴露了真正稀缺的东西
前置部署工程师这个岗位，值得单独说两句，因为它像一个探针，探出了这一轮 AI 里真正稀缺、真正值钱的能力是什么。
它干的不是训练模型，也不是写底层算法——那些顶尖实验室里的少数人在干。它干的是：跑到一家真实的公司里去，和业务负责人、一线员工坐在一起，找出「AI 在这儿到底能创造什么价值」，然后把公司的流程围着它重新设计一遍，让这套东西真的跑起来、留下来、变成持续的收益。
有篇报道给这个岗位下了一句我很认同的判词：
这个角色是迄今最清晰的市场信号——AI 最难的部分，已经从「造出模型」，转移到了「让模型在一家企业里真正起作用」。
这句话我觉得是这半年所有 AI 新闻里，信息量最大的一句。
造模型的能力，是极少数公司的军备竞赛，跟绝大多数人无关。但「让 AI 在具体场景里产生价值」这件事，需要海量的人。 这些人不一定会训练神经网络，但他们得懂业务、懂人、懂怎么把一个模糊的痛点，翻译成 AI 能落地解决的具体方案，还得盯着它真的产出结果。
举个具体点的例子你就懂这活有多不「技术」。一家保险公司想用 AI 处理理赔，模型本身现成的、谁都能调。难的是：理赔流程里哪一步最堵、卡在哪个部门、老员工凭经验判断的那些说不清的规则怎么喂给模型、出错了谁来兜底、怎么让一线定损员愿意用而不是抵触。这些没有一条是「模型不够强」的问题，全是「懂这家公司、懂这摊业务、还能把 AI 摆进去」的问题。 模型是通用的，可价值永远长在具体的场景里，而场景，是要人一个一个去啃的。这就是为什么最顶尖的实验室，一边把模型能力推到极限，一边反手花几十亿去抢这批「把模型塞进业务」的人——因为他们比谁都清楚，模型再强，落不了地也变不成钱。
这恰恰是被大厂裁掉的那批人里，很多人本来就具备、或者稍加转身就能具备的能力。AI 没有让这种能力过时，反而让它前所未有地值钱——只是需求方从「维护旧系统」，变成了「把 AI 塞进旧系统」。
对你我意味着什么
说了这么多别人的事，落到我们自己身上，我觉得有两点值得记住。
第一，别被「AI 取代了你」这个说法吓住，先分清它是不是借口。 一家创纪录盈利、还在往 AI 上砸几百亿的公司，如果拿 AI 当理由裁你，那大概率不是你的能力被机器超越了，是你的岗位被挪去付算力的账单了。这是一个关于这家公司怎么分钱的决定，不是一个关于你值不值的判决。搞混这两件事，最伤人——很多人被裁之后陷进「是不是我不行了」的自我怀疑里，其实那根本不是你的问题。
第二，也是更要紧的：想办法站到硬币能招人的那一面。 那一面缺的不是会造 AI 的人，缺的是能让 AI 在真实场景里产生价值的人。这里面没有玄学，能拆解成几件很具体的事——
- 别只做那件「AI 迟早会自动化」的执行，去做那件「判断 AI 该不该这么干、干得对不对」的活；
- 练一种别人替代不了的能力:把一个模糊的业务问题，说清楚到 AI 能照着落地；
- 少纠结「我会不会被取代」，多问「我能不能拿 AI 把一件以前做不到的事做成」——后者才是招人那一面在找的人。
AI 不会取代人，但会重新洗牌:洗掉「只会做 AI 能做的活」的人，抬高「会拿 AI 干成事」的人。 这半年这么多互相矛盾的新闻，扒到最底下，其实就是这一句。
这不是让你去同情大厂，也不是说裁员不痛——被裁很痛，账单是真的。但越是这种时候，越不能连自己为什么被裁都搞错。你被裁，很多时候不是因为你输给了 AI，是因为你所在的公司选择了用 AI 的名义去省钱，而不是用 AI 去挣更多的钱。 这是它的选择，不是你的判决。
裁员通告和招聘启事，写的是同一个词，讲的却是两件事。别只读到吓你的那一半。
本文首发于 doaipm.com：doaipm.com/zh/blog/ai-… 作者：智通
