2026年2月美国裁员9万,亚马逊成最大裁员手

新智元报道
编辑:KingHZ
【新智元导读】不是经济不好,也不是周期,而是老板们第一次看见:原来那一整层「必须靠人」的工作,可以被AI一口吞掉。
2026年才刚开始,到2月美国就已经裁掉了9万个岗位,已比2025年全年裁员总数(5.5万)高出约100%。
这次裁员潮主要「元凶」包括:
亚马逊:16,000 人(目标是80%的AI代码)
Oracle:3万至4.5万人(需要资金用于数据中心)
Block: 4000 人(占员工总数的40%)

很多人第一反应,还是老剧本——
经济不好。行业周期。资本市场太冷。老板又开始降本增效。
可这一次,裁员规模不重要,要命的是越来越多公司,开始公开宣称:
AI来了。 所以,我们可以用更少的人,做更多的事。
Oracle:AI烧钱,员工被裁
为了应对大规模扩建AI数据中心所带来的资金压力,甲骨文公司正计划裁减数千名员工。

此次裁员将影响公司各个部门,最快可能在本月内实施。
其中部分裁员,将针对公司预计因AI而不再需要的岗位类别。
在董事长Larry Ellison的主导下,甲骨文正展开一场史无前例的数据中心扩张,以承接OpenAI等客户的 AI 计算需求。

这家长期以数据库软件闻名的公司,过去几年一直在加码云计算业务,并以 AI 为核心方向,希望成长为能与亚马逊和微软正面竞争的有力对手。
华尔街预计,甲骨文云业务在数据中心上的支出,将在未来几年把公司的现金流拖入负值,直到相关投入在2030年前后开始显现回报。

上个月,甲骨文表示,今年将通过发债和出售股权等方式筹集最高500亿美元资金。
500亿美元。这是什么概念?
这是一家公司,要在一年内,借来相当于一个中等规模国家GDP的钱,全部砸进AI基础设施。
它借钱来买服务器。
它借不到足够多的钱——多家美国银行已经缩减了对Oracle大规模AI数据中心扩张的融资。于是,它做了一件事:裁掉员工,把工资单变成服务器的电费。
据内部消息人士透露,Oracle正在计划裁减多达20,000至30,000个岗位,以释放80亿至100亿美元的现金流,全部用于为大规模AI数据中心扩张提供资金。
这不是因为这些人工作不够好。这不是因为公司赔钱了。
这是因为:AI数据中心,比人贵。而公司必须选边站。
Oracle股价从2025年9月的高点,到本周三已经下跌了54%。
但它选择了继续押注机器,代价是把人推出门外。
亚马逊也在裁。大约1.6万名企业员工。
最新说法很直接:减少层级、清除官僚主义。
但这场「反官僚」行动,和它大举押注AI,是同时发生的。换句话说,组织不是单纯变瘦,而是在为AI时代换骨。
AI重写公司的用人公式
最震撼的,是Block。
在2025年四季度股东信里,Block明确写道:公司将从1万人以上缩减到不足6000人,也就是超过4000人离开。

而管理层给出的核心判断是,智能工具已经改变了建立和运营一家公司的方式,一个显著更小的团队,借助这些工具,可以做得更多,而且做得更好。
公司还说,未来一年,多数公司都会得出类似结论,并做出类似结构性调整。

关键是,股价还上涨啦 20%——

看到这里,你就会明白。
过去几年,我们总把AI想成一个新赛道。
好像它只是多了一个行业,多了一个风口,多了几个高薪岗位。
可2026年的现实,已经不是「AI创造了什么新机会」这么简单。
有猎头预测:
如果在未来90天内,再有2到3家科技公司扣动AI裁员扳机,就会形成一股潮流,吸引更多公司跟进。

AI正在重写公司的用人公式。
以前,一家公司扩张,逻辑很简单。
业务变复杂了,用户变多了,产品线变多了。
那就继续招人——招更多产品经理,招更多运营,招更多中层,招更多项目协调,招更多分析、支持、流程、管理。
人多,组织就大——>组织大,层级就多——>层级多,管理动作就更重。

最后,整个公司像一头越来越庞大的机器,靠无数会议、无数审批、无数同步文档,维持表面的秩序。
那时候大家默认:「这很正常。大公司嘛,就是这样。」
可AI把这套默认值打穿了。
因为过去很多「必须靠人头堆出来」的环节,开始第一次真正被机器吞掉。
最要命的,不是AI替代了某一个岗位,而是它让管理层第一次看见一个可怕可能:原来过去那一整层人,并不是不可替代的。
这才是今天裁员新闻里最刺骨的地方。
Oracle的逻辑是:为了AI,得砸更多钱建基础设施。
钱从哪里来?
一部分,就从人力结构里硬挤出来。同时,那些AI判断中「需求会减少」的岗位,也开始被提前清理。
亚马逊的逻辑是:组织层级太厚了。反应太慢了。很多管理动作不再创造价值。所以要「去官僚化」。而AI,简直是完美的借口。
它在改写每一个普通人的职业处境。
你以为危险的是流水线、是客服。其实最先感到冷意的,往往是白领中间层。
那些过去看起来很体面、很稳定的办公室工作,正在集体掉进新的风险区。
尤其是三类人。
第一类,流程型白领。每天主要工作,是搬运信息、整理汇报、拉会、跟进、对齐。 这些工作以前不是不重要。 而是公司没有更便宜、更快、更不知疲倦的替代方案。 现在有了。
第二类,经验不深但成本不低的知识工作者。比如做一些标准化分析、常规文案、基础研究、普通投放、模板化方案的人。 AI不能100%替代你。 但它能让一个更强的人,带着AI,一口气干掉你们三个人的活。
第三类,中层管理者。这一类最危险,也最少被公开讨论。 因为AI真正削弱的,不只是执行。
如果信息可以直接流动,如果一线可以借助AI自己完成数据理解、报告生成、任务拆解,如果老板能直接看实时仪表盘,直接让智能系统总结问题,那中间那一层,存在感就会被迅速稀释。
这就是为什么今天越来越多公司的裁员,不再只砍「边缘业务」,而是开始朝组织中腹切进去。
很多人还没意识到,自己不是在和另一个候选人竞争,而是在和「一个会用AI的更强个体」竞争。
以前你找工作,比较的是学历、履历、行业经验。
现在开始多了一道隐形门槛:
你到底是一个人在工作,还是带着一支AI军团在工作?
差别会越来越大。
会用AI的人,效率不只高一点,而是会变成组织眼中「性价比完全不同的人」。
说到底,AI时代不会消灭所有工作。 它会优先消灭那些只能证明自己很勤奋,却无法证明自己不可替代的人。
这就是今天所有人都该有的危机感。
别再把大厂裁员,只当成茶余饭后的新闻。
未来最安全的人,不一定是最努力的人,而是最能把AI变成自己杠杆的人。
参考资料:
https://x.com/cryptopunk7213/status/2031914914768449817
https://x.com/gothburz/status/2031778265958842541
https://x.com/TechLayoffLover/status/2031904439653597419
https://x.com/lukOlejnik/status/2031257644724342957?s=20
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
同类文章
吉利发布首款原生Robotaxi Eva Cab 千里科技AI全栈赋能
4月24日,在备受瞩目的第十九届北京国际汽车展览会上,吉利汽车集团正式揭晓了其重磅新品——中国首款原生正向开发的Robotaxi(自动驾驶出租车)原型车Eva Cab。这款车型不仅是前沿概念的展示,更是一款具备完整落地潜力的产品,其核心驱动力源自千里科技提供的全栈式Robotaxi解决方案。该方案深
Akamai与NVIDIA合作推动分布式AI推理从内容分发迈向智能分发
自2010年在中国设立团队以来,Akamai已深耕本地市场十六年。在服务中国企业出海的漫长征程中,其团队展现出卓越的稳定性与战略专注度。 回顾NVIDIA GTC 2026,其CEO黄仁勋曾预言,AI推理的规模将迅速达到训练负载的数十亿倍。进入2026年,行业共识已然明确:AI大模型竞争的焦点,正从
跑车品牌宣布暂停全面电动化转型计划
莲花集团发布“Focus2030”战略,宣布调整全面电动化路线,将同步发展燃油、混动及纯电车型,直至市场成熟。未来将推出燃油跑车Emira420,并于2028年上市搭载V8混动系统的超跑Type135,战略重心转向追求更高利润率。
大语言模型如何实现类人对话与思考的智能原理
我们每天都在与大语言模型(LLM)对话,一个直观的感受是,它们似乎真的“懂”我们在说什么,尽管偶尔也会“胡言乱语”。观察它们输出的思维链,那种逐步推理的语言痕迹,更让人觉得它们仿佛具备了某种思考能力。 这引出了一个核心问题:LLM的语言和思考能力,究竟是一种怎样的能力?这些能力又是如何通过其底层的实
ICML 2026论文解读:TGO标量反馈对齐视觉生成模型
生成模型的偏好对齐,可能正在进入一个新的阶段。 过去几年,大模型在训练后优化(post-training)最主流的方法,是让模型从“成对偏好”中学习。无论是经典的RLHF,还是后来更简洁的DPO,都绕不开同一个前提:反馈必须成对出现。 但在真实世界里,反馈往往不是这样。用户给一个结果打分、系统记录一
- 日榜
- 周榜
- 月榜
1
2
3
4
5
6
7
8
9
10
相关攻略
2015-03-10 11:25
2015-03-10 11:05
2021-08-04 13:30
2015-03-10 11:22
2015-03-10 12:39
2022-05-16 18:57
2025-05-23 13:43
2025-05-23 14:01
热门教程
- 游戏攻略
- 安卓教程
- 苹果教程
- 电脑教程
热门话题

