以前提起來「裁員」,我們腦海中浮現的畫面是一艘快要沉沒的船,為了自救不得不拋下水手。
但在 2026 年的今天,裁員的底層邏輯發生了令人不寒而慄的轉變:企業不是在單純地裁員,而是在把「人力預算」強制轉換成「電力與算力預算」。
船沒有沉,而且開得比以往任何時候都快,只是它不再需要那麼多水手了。
2026 年 3 月,據部分外媒報導與員工回憶描述,甲骨文(Oracle)數萬名員工在清晨 6 點收到一封極簡郵件,瞬間被註銷所有系統權限;
不到一個月後,媒體披露微軟(Microsoft)內部推出了名為「70 法則」的自願離職機制,邀請年齡與司齡相加達到 70 的資深員工申請買斷;
而在 Meta 內部,更是流傳著一種用 AI Token 消耗量來評估員工價值的 "Tokenmaxxing" 社群文化狂熱。
這不是經濟衰退的寒冬,這是一場因「AI 進化」而發起的殘酷進攻。
憑空暴漲的 3,000 億:從人力預算到算力預算的大遷徙
如果我們把視角拉高,看看這些財報屢創新高的科技巨頭把錢花在哪裡,一切針對人力的「優化」就都有了合理的財務解釋。
2026 年初,知名創投 a16z 曾根據當時的資本支出(CapEx)推算,四大科技巨頭每年的 AI 基礎設施花費大約是 4,000 億美元。
當時這已經被視為一個天文數字。
然而,到了 2026 年 4 月底的財報季,華爾街愕然發現,市場推估 Alphabet、Amazon、Meta、微軟這幾家公司的 2026 年度預期資本支出,已經被硬生生拉高到了逼近 7,000 億美元的級別。
這短短幾個月內憑空暴增的 3,000 億美元缺口,是怎麼來的?
答案是:熱力學與物理極限的無情反撲。
AI 競爭的本質,已經從單純的模型規模,轉變為「每瓦智能(Intelligence per watt)」的能源效率戰。
微軟的 Azure 雲端服務正面臨著算力供不應求的困境,據報導其手握數百億美元規模的未消化訂單,卻因為「缺電」而無法快速擴張。為了填補這個 AI 能源黑洞,企業必須去搶奪土地、建設極端冷卻系統、甚至大舉投資核能與電網儲能。
當每一分現金流都要塞進名為「AI 資料中心」的怪獸嘴裡時,企業只能轉頭向內部開刀。
從財務結構上看,人力成本與算力資本支出正在發生劇烈的替代效應——企業實質上正在買斷人類員工的未來,來替 AI 繳電費。
AI 裁員潮的三種冷酷面孔(AI Layoff Trifecta)
在這波「騰籠換鳥」的資本轉移中,企業展現了三種截然不同的執行邏輯:
效率清洗(如 Oracle、WiseTech):
核心邏輯是「有了 AI 輔助,同樣的活不需要這麼多人」。據外界估算,甲骨文將大規模釋放的人事成本,實質上已經精準轉換成了翻倍的資料中心預算。
技能換血(如微軟、Atlassian):
微軟的「70 法則」瞄準了深耕 20 年的資深員工。這不是因為他們不優秀,而是他們高昂的「經驗溢價」在 AI 面前正在快速貶值。Atlassian 的裁員信中也直言,這是為了「改變技能組合(changed mix of skills)」。
AI 代理的直接取代(如 Block、IBM):
前身為 Square 的 Block 在今年初進行了影響約 4,000 人的大規模裁撤。創辦人 Jack Dorsey 毫不掩飾地宣告,這就是因為 AI Agent 的能力已經足以將公司重塑為一個「智能體」,將組織從「人力密集型結構」轉向「代理驅動型系統」,大量的真人直接失去了崗位價值。
AI 時代的職場生存矩陣
當經驗被演算法覆蓋,當忠誠度輸給了算力回報率,不同階段的職場人該如何應對這場不可逆的氣候變遷?
我們必須從「執行者(Doer)」全面進化為「判斷者(Judge)」與「系統設計者(Architect)」。
初入職場的新鮮人:從「學徒」到「指揮家」
企業不再需要基礎的「資訊搬運工」來培訓。你必須捨棄等著被分配任務的學徒思維,成為 AI 的「初階主管」。你的價值不在於你自己能寫多快、做多好,而在於你能否熟練調動各種 AI 工具,獨立產出一個完整的專案。
職場 10 年的中堅份子:成為「垂直領域的整合者」
中階主管過去依賴「資訊傳遞」與「進度盯催」的優勢已蕩然無存。你必須把這 10 年累積的行業 Know-How 轉化為駕馭 AI 的養分。利用 AI 大幅提升產能,讓自己成為組織內「人類判斷力 + AI 效率」的超級節點,向上管理機器,向下管理結果。
職場 20 年的中高階主管:轉向「無法被計算的複雜決策」
這正是「70 法則」精準打擊的群體。面對 AI 帶來的降維打擊,你的優勢在於處理「真實世界的泥淖」。AI 無法代替你去主導跨國子公司的資本注入、無法搞定香港或新加坡的稅務合規架構、更無法建立頂級客戶間的信任感。專注於這些非結構化的跨國資源調度與談判,這才是你最深的護城河。
企業決策者:打造「極致敏捷的數位大腦」
面對這場變革,企業主最大的紅利在於重塑組織架構。不需要像巨頭那樣狂燒千億,而是可以利用相對低廉的終端硬體部署本地端的 AI 基礎設施。讓 AI 24 小時無休地處理光學字元辨識(OCR)、合約套印與跨國知識萃取,將寶貴的人力資本集中在極少數能開疆闢土的「特種部隊」身上。
資深與屆退人士:回歸物理世界的體驗經濟
當數位世界裡的文章、代碼、分析報告成本無限趨近於零,真實世界的物理體驗與實體資產將迎來爆發性的價值重估。考量到現代人往往有長達二三十年的退休生活,未來的重心在於尋找能長期投入且演算法無法觸碰的領域——無論是需要時間沉澱的珍稀植物與特殊園藝培育、講究觸感與獨特性的木工與陶藝創作,還是經營深耕在地人際網絡的線下空間。這些需要極大心力投入與生命溫度的「實體志業」,不僅能帶來長遠的成就感,更是 AI 永遠無法降維打擊的護城河。
結語:你的工作,有多少還是只有你能做的?
九十年代的下崗潮,是時代把人甩了下去,因為船在下沉;而今天的科技業大清洗,是進步把人拋下了,因為這艘名為 AI 的火箭,需要把每一分載重都換成燃料。
未來的競爭,不再是探討你「會不會被 AI 取代」,而是你的工作,有多少比例是可以被算力規模化定價的?
對於我們每一個個體而言,終極的靈魂拷問只剩下一個:
「在剝除掉所有 AI 都能完美執行的標準化動作後,你身上還有什麼,是演算法無法買斷的?」
References:
(1) The Biggest Bottlenecks For AI: Energy & Cooling
URL: https://youtu.be/6HxT4nQmtvc?si=VrdB7mYSnGgqgS_H
(2) AI Capex 2026: The $690B Infrastructure Sprint
URL: https://futurumgroup.com/insights/ai-capex-2026-the-690b-infrastructure-sprint/
(3) $700 Billion AI Capex in 2026: Following the Capital Flows From Hyperscalers to Chipmakers
URL: https://aijourn.com/700-billion-ai-capex-in-2026-following-the-capital-flows-from-hyperscalers-to-chipmakers/
(4) AI's $600B Question (Marcellus 摘錄與分析)
URL: https://marcellus.in/story/ais-600b-question/
(5) Microsoft's First-Ever Voluntary Buyout: Rule of 70, 9,000 Eligible
URL: https://letsdatascience.com/blog/microsoft-first-voluntary-buyout-51-years-rule-70
(6) Oracle layoffs 2026: US IT firm sent brutal 6 am emails...
URL: https://m.economictimes.com/news/new-updates/oracle-layoffs-2026-us-it-firm-sent-brutal-6-am-emails-12000-jobs-in-india-hit-another-round-likely-soon/articleshow/129942207.cms
(7) Block swaps 4,000 workers for AI
URL: https://www.paymentsdive.com/news/block-swaps-4000-workers-for-ai/813315/
(8) Amazon Confirms 16,000 Layoffs To Remove 'Bureaucracy'
URL: https://www.crn.com/news/cloud/2026/amazon-confirms-16-000-layoffs-to-remove-bureaucracy-no-plans-for-more-cuts-ahead
(9) Atlassian cuts 1,600 jobs to fund AI and enterprise expansion
URL: https://www.computerworld.com/article/4144218/atlassian-cuts-1600-jobs-to-fund-ai-and-enterprise-expansion.html