AI 裁员将会持续，直到......

微信 ezpoda免费咨询：AI编程 | AI模型微调| AI私有化部署
AI模型价格对比 | AI工具导航 | ONNX模型库 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

在公司高层某处，有一份包含 8000 个名字的名单。我有 10% 的概率在上面。再过几天，5 月 20 日，我就会知道结果。

看到 Coinbase 今天宣布“AI 裁员”，让我决定写下这篇文章。尤其是在 5 月 20 日之前，因为我想在知道自己是否上榜之前，分享这些未受个人结果影响的想法。这些想法并不取决于我是否在名单上，也不只是关于我所在的公司——这是我从各个中大型公司朋友那里听到的普遍情况。

关于这一波新裁员（普遍认为始于 Jack 裁掉 Square 40% 员工）是否真正由 AI 引起，还是只是“AI 洗白”，已经有很多讨论。我就不在这里堆砌各种文章、随笔和新闻链接了——你要么已经读过，要么用 Google 或 ChatGPT 一搜就能找到。

1、常被吹嘘的“AI 生产力”及其难以捉摸的证明

AI 真的让我们更高效吗？这是一个沉重的问题。如果我们反过来假设“AI 什么都没改变”，我想即使是最大的 AI 怀疑论者也不会同意。尤其在科技公司里，AI 使用量的暴增是无法忽视的。

即使是最保守的公司，设置 AI 支出上限、不给员工 AI 工具什么的，也无法否认部分工作已经由 AI 完成，哪怕只是用 Gemini 或 Copilot 在 Office 套件里编辑文档。

而在那些一头扎进 AI token 海洋的先锋公司（Uber、Shopify 等，我不算 Meta 或 Microsoft 这种自建模型的，也不算 Vercel、Cloudflare 这种构建 AI 基础设施的，只算纯“用户”），使用量已经疯狂了：90-100% 的代码由 AI 生成，每周 PR/diff 数量增长 2-5 倍，一年几亿美元的 AI 预算几个月就花光——这些我们都见过。

当然，Ed Zitron、Will Manidis、Gary Marcus 和 Michael Burry 们也会反驳：为什么这些公司没有 2-5 倍营收？为什么他们的 App 跟 6 个月前几乎一模一样？如果 AI 真的那么高效，他们到底用它生产了什么？如果生成了 5 倍代码，最终用户却毫无察觉，那这些代码的意义何在？这确实是个好问题。

2、输入、输出、结果

我们需要短暂复习一下工商管理 101。当一家快速成长、中等规模、资金充裕的公司终于开始缺钱时，你去请教资深 CEO，他可能会建议找麦肯锡的人来看看情况。他们通常会在第一页 PPT 上用默认 Arial 字体写三个词：“Input, Output, Outcome”。

他们会告诉你大家都知道却容易忘记的事：

• 代码是输入（Input）；
• 功能是输出（Output）；
• 用户在你的产品上花钱才是结果（Outcome）。

AI（至少 Claude Enterprise）是一个 B2B SaaS 产品。你会发现 SaaS 产品的定价和营销方式各不相同。如果产品能直接改变“结果”，他们就会从结果中分一杯羹。想象一下销售话术：“我们的工具能让销售线索成交速度加快 36%。只需支付您销售额的 5% 作为费用。”

这几乎是秒卖。只要其他变量不变，原来 100 天成交 100 单，现在 63 天就能成交，空出的 37 天还能再多成交约 57 单，营收可能增长 57%。你会很乐意支付 5% 的销售佣金来换取 57% 的额外收入。而且不用产品就不用付钱。

正如你猜到的，Claude 代码 token 的定价可不是这样。如果你的软件工程师对 Claude Code 上瘾（我刚发现它们都缩写成 “cc”），每天生成 1 亿 token，你每天每工程师就要花 100 美元。

即使部分生成的代码因为无效而被丢弃；
即使更多代码后来因为引发 SEV 而被回滚；
即使还有一部分是给 VP 们看更漂亮仪表盘的内部工具……

因为代码只是输入。如果方向正确，更多输入通常会带来更多输出，进而更多结果——但当你一夜之间把输入增加 5 倍时，这一切可能都不成立。你的“输入方向”可能突然指向随机地方，而不是输出或结果。

3、到底是什么在阻碍我们？

以前，每次 CEO 或 PM 想做 10 件事，团队都说只能做前 2 件，没时间做剩下 8 件。理由？写复杂、可用的软件需要时间。

现在……代码几乎免费了，为什么不做那另外 8 件事呢？

有两个答案：一个 CEO 和 PM 不爱听，另一个中层管理和资深工程师不爱听。

1. 那 8 个想法其实……并不好？
2. 只是因为 CEO 或 PM 有 10 个脑洞，并不意味着它们都能带来结果。即使做出 10 个新功能（输出），也不能保证用户都喜欢并因此更多使用你的 App（结果）。以前因为编码带宽不足，大家会更多辩论，更早扼杀坏想法，从而更好地筛选出前 2 个。现在写代码又快又便宜又容易，就没必要辩论了。即使你想推回，CEO 或 PM 自己用 Claude 不就行了？你觉得能拦得住吗？

4、对齐的代价太高了

我们都知道这很痛苦。先让所有利益相关者对“为什么”做这件事对齐，然后对“做什么”对齐，再对“怎么做”对齐——团队越多，项目就越多卡在“对齐地狱”里。以前写代码慢，掩盖了这个问题。现在“做什么”一对齐，第二天就有人做出 MVP，然后立刻开会。你发现另一个团队也做了 MVP，但双方基于不同假设，实现方式不同。

当然，你们可以坐下来讨论，协调假设。

但认真说一句：你和你的团队拿着无限 Claude token，不会这么做。另一个团队也不会。你们会回去找 Claude，让它按照你认为最好的方式重新实现对方那部分，Claude 会说“你完全正确”，然后就开始干。

5、裁员能解决什么问题？

你已经陪我聊了这么多显而易见的事，但我知道你想听核心：裁员到底能达到什么效果？

假设 AI 并没有直接 1:1 替换 30% 的员工（我想我们能同意这一点——它在很多任务上比入门级白领强，在另一些上弱，但绝不是即插即用，也绝不是公司 10-20-30% 的替代）。

裁员能立即显著解决两个短期问题：

1. 抵消“AI 支出”

这只是现金流 101。每个沉迷 Claude 的工程师每天花 100 美元（每月 2500 美元，年 3 万美元），这相当于印度 1 个 SDE 的薪水、欧盟 0.5 个、美国 0.25 个。

如果做最简单的数学，假设所有员工都是平级 SDE，那么为了保持工资账单不变（含 token 支出），你需要在印度裁 50%、欧盟裁 33%、美国裁 20%。

AI 使用量还在增长，但营收还没跟上，这件事就必须发生，否则公司资产负债表会失衡。整个 SDLC 的单位经济学都崩溃了——输入成本增加 50%，而结果几乎没变。

如果我们学会了用 AI，让 50% 更多的输入成本转化为 50% 更多的营收结果，就不需要这样。但既然还没学会，有些人就得离开，给 Anthropic 腾出工资空间。

2. 削减“对齐税”（Alignment Tax）

任何大公司都比“刚好能生存”所需的人数多，这就是大公司的意义。大型组织会携带组织脂肪，这是设计使然。任何人离开，公司系统仍能运转，因为别人知道怎么做。在大公司，你可以休 6 个月产假，你负责的东西还能继续跑——这些是好事！但这也证明，裁掉一定比例的人，事情不会立刻停摆。事实上，经过几周的初始冲击后，接下来的几个月事情可能会更快！

还记得前面两个团队不同实现方式的例子吗？如果你直接裁掉其中一个团队，让另一个团队加几个通宵把活干了——他们就不需要对齐了。我们不知道长期会怎样（凯恩斯说过，“长期我们都死了”），但短期内，在大组织里裁掉 10-20% 的人，只会让事情更快。

大型组织天生会积累松弛、冗余和“组织债务”，就像技术债务一样。今天裁 10% 的人并不能阻止两年后再次积累。但当所有人都在说生成 5 倍 diff，却因为被其他团队阻塞而无法交付时，最直接的解决方案看起来就是减少人，这样互相阻塞的人就少了。

4、这些是 AI 裁员，即使 AI 没有直接替换你

你的员工 ID 会被 Claude 的新实例在 VM 上替换吗？我们知道不是这样。

但公司里很多以前需要有人敲键盘、点鼠标（VS Code、Figma、Canva、Google Docs）完成的工作，现在是不是变成了别人直接对着 LLM 喊 prompt，而不再麻烦你了？这是真的。

这些裁员是“AI 洗白”吗？意思是公司本身有根本问题（过度招聘、利润下滑、竞争压力、糟糕商业决策），AI 只是借口？某种程度上也是。

你还会发现，如果收集所有 CEO 的“裁员邮件”，会感觉他们都在同一个 WhatsApp 群里一起写的。AI 原生小组、经理写代码、经理管更多人、扁平化、代理人团队……几乎所有邮件里都是这些词，好像他们都给 GPT 发了同一个 prompt。

但真相是：这些裁员即使不是 AI 直接替换你，即使某种程度上是 AI 洗白，它们仍然是因为 AI。这些裁员会持续，直到我们学会使用 AI，直到我们学会把 AI token 转化为结果而非仅仅输入，直到我们学会让“对齐”的速度跟上新的编码速度，直到我们除了 2 个好想法和 8 个蠢想法之外，又找到 10 个值得用提升的生产力去追逐的想法。

在世界 GDP 因为 AI 而真正增长之前，我们必须通过裁员来抵消每年 700 亿美元（OpenAI + Anthropic 企业收入）的 token 支出。在学会更快互相解锁之前，我们随时可能被从组织架构图上移除。

我会在 15 天后知道自己的命运。但无论如何，我知道原因。即使我在角落办公室做决策，我也不知道自己是否能做得更好，或者只是和其他 CEO WhatsApp 群里的人做一样的事。

原文链接：The layoffs will continue till we learn to use AI

汇智网翻译整理，转载请标明出处