大家好，还是我。

最近后台快被问爆了，几乎每天都有读者留言：“为什么现在工作这么难找？”、“投了三个月简历，只有两个外包回复”、“不是说AI缺人吗，怎么我还在海里泡着”……

说实话，这个问题，我也憋了很久。

就在这个月，美国2月份的就业数据出来了。有一个数字让在场的经济学家都愣了几秒——科技行业的岗位流失速度，正在超越2008年金融危机和2020年疫情时期的水平。

这两个时间节点，在过去二十年里代表着美国经济最惨烈的两次震荡。

而现在，科技行业用裁员数字，把它们双双踩在了脚下。

2025年全年，全球科技行业裁了大约24.5万人。光是美国公司就贡献了将近70%，超过17万人。进入2026年，势头不仅没减，反而在加速——前六周又有超过3万人被裁，80%以上来自美国公司。

更魔幻的是什么呢？

Amazon在2025年赚了716.9亿美元，创了纪录，然后转头宣布2026年要裁1.6万个职位。Block的CEO Jack Dorsey说得更直白：“更小的团队用我们正在造的工具，能干得更多、更好”。

这些公司不是快死了才裁员的。它们大多数都在盈利，有的甚至赚得比以前都多。

这不是生死存亡的裁员，这是主动选择的裁员。

所以问题来了：到底是从什么时候开始的？又是因为什么？

一、时间线：不是突然，是积累

很多人感觉是“最近突然难了”，其实不是。

这轮寒冬的种子，早在2020年就埋下了。

那时候疫情爆发，线上需求爆炸，美联储利率接近零，钱便宜得像不要钱。科技公司像发现了金矿一样疯狂扩张。头部公司的员工数量，两三年里翻了一倍都不止。

当时的逻辑很粗暴：增长就是一切，烧钱就是王道，人头就是执行工具。

然后到了2022年底，利率开始往上走，钱变贵了，增长逻辑的地基开始松动，估值回落，投资人变得小心翼翼，裁员悄悄开始了。

当时很多人觉得这只是“调整”，等市场好了，一切都会回来。

但它没有回来。

二、原因一：经济宿醉——泡沫破了，但不是估值泡沫

IBM的CEO Arvind Krishna直接点破了真相：“从2020年到2023年，有的公司员工增长了30%到100%，这只是公司需要做的调整。”

他没有把这口锅扣给AI，而是指向了一个更朴素的真相——过度招聘之后的经济宿醉。

过去几年，科技公司招人的标准是什么？是“增长预期”，不是“实际需求”。只要故事讲得好，未来五年要增长多少倍，今天就敢按那个规模招人。

现在故事讲不下去了。

Glassdoor最近发了一份报告，科技行业员工的信心指数一年掉了7个百分点，是所有行业里跌得最狠的。现在不到一半的科技从业者对自己公司的前景看好。

Glassdoor的首席经济学家Daniel Zhao说得很实在：“搞IT的这些人能看见外面的就业市场有多软。他们知道自己现在手里没多少筹码，这种情绪就慢慢渗透到他们对当前工作的感受里。”

三、原因二：AI的隐蔽冲击——不是替代，是“重新算账”

每次大规模裁员，都需要一个叙事来解释。这一回，AI成了最顺手的那一个。

“因AI替代而裁员”——这个说法既有技术感，又有时代感，听起来无可辩驳。

但数据说的是另一个故事。

根据统计，在全球约24.5万次科技裁员中，只有大约28.5%能直接算到AI和自动化的头上。

也就是说，超过七成的裁员，AI只是背锅侠，真正的原因还是前面说的“经济宿醉”。

但是，AI也绝对不是完全无辜的。

只是它的作用方式比“直接替代”更隐蔽——AI让公司意识到，原来那么多岗位根本不需要存在。

它不是开除了某个人，而是让管理层重新算了一遍账，发现账不对。

有分析师用一个词来形容这轮裁员——“结构性重置”，而不是“短期成本修正”。

这两者的区别在于：后者意味着市场好了你还能回来，前者意味着那个岗位不会再有了。

这就是理解这轮科技寒冬最关键的地方。

过去几次大规模裁员，本质上需求端暂时萎缩，公司在等经济复苏，一旦回暖，同样的岗位会重新开放。

但这一次，很多被砍掉的职位是被永久性地重新设计了——围绕AI优先的工作流，企业在重建自己的组织结构。

Google Cloud AI总监Addy Osmani最近写了一篇万字长文，火遍了技术圈。他说得也很直接：为什么要花9万刀雇一个应届生？一个AI编码智能体可要便宜多了。

哈佛大学一项覆盖6200万劳动者的研究发现：当一家公司开始用生成式AI，六个季度之内，初级开发者的岗位需求会应声下跌9%到10%。

过去几年，那些新手挤破头想进的科技大厂，招收的应届生数量直接腰斩，下降超过50%。

有的工程师在网上说话更刻薄：“我为什么要花9万美金雇一个新人，然后手把手教他？一个AI编码智能体可比这便宜多了。”

四、一线故事：那些被“优化”的人

数据说完了，说说人。

深圳一家国企的外包视频项目组，95后女孩七七，今年2月4号立春那天被叫到一边。经理语气很平静：“甲方决定了，公司不需要你了。”理由含糊，但提到了“AI用得不好”。

七七手握9年摄像和剪辑经验，最后一份工作是“AI视频特效师”，每天对着AI工具“抽卡”，一遍遍改提示词，让AI生成风格统一的视频。

月薪从以前的1万，降到了8000。每晚7点半下班，但要干到10点半，加班费一小时20块。“经理说，最多只算俩小时，我每天得免费加班一小时。”

再怎么努力，还是被裁了。“老板觉得，我还不如一个会用AI、只要4000块的实习生。”

9年的手艺，在AI的风口里快速流散。

北京一家金融科技公司，95后女孩小艾，也是2月第一个工作日，被领导叫进狭小的洽谈室。

“未来很多工作用AI替代，很遗憾，我们不能一起共事了。”领导语气透着冷淡。

小艾年薪30多万，名校毕业，在央媒锤炼过，也干过大厂PR。她以为自己可以安稳干几年，结果没熬过2026年立春。

她冷静地剖析自己：“执行，不值钱了。AI可以做得更好。”

她记得公司CTO在一次内部会议上勾勒的未来图景：以后公司只留两类人，一是能快速上手AI工具的初级员工；二是做方向规划的高级决策者。中间的管理岗、专家岗，全砍，因为性价比不高。AI月费几百块，初级员工月薪几千，远低于一个月薪几万的资深中层。

以前，她花3-4天采访、打磨一篇好稿子。现在，AI几秒就能生成一篇结构完整的新闻稿。

小艾说得很平静，但话里透着凉意：“AI工具，让人性里的算计变得更赤裸。”

五、残酷的真相：科技在增长，也在收缩

从市场数据来看，科技行业呈现出一种奇特的两极分化——AI相关岗位的需求在激增，而传统通用技术岗位在萎缩。

“科技既在增长，也在收缩”，而且这两件事同时发生，只是发生在不同的人身上。

如果你是一个有AI工程背景、懂提示词工程、能优化大模型推理成本的工程师，2026年的就业市场对你来说可能是近年来最好的时候。

如果你是一个通用的产品运营、中台工程师、或者传统销售，你面对的可能是一个正在快速收窄的市场。

这不是行业在整体衰退，而是行业在快速重新定义“有价值的人”。

更让人不安的是另一层长期危机。

Addy Osmani在文章里提出了一个被很多人忽略的问题：如果今天我们掐断了所有新人的入口，5到10年后，谁来当高级工程师？谁来做技术Leader？

行业老兵管这叫“慢性衰败”：一个生态系统，如果不再培养自己的接班人，离枯萎也就不远了。

六、出路在哪里？

说了这么多丧的，总得说点有用的。

Glassdoor的Daniel Zhao给了个建议：对CIO和团队领导来说，现在这个时期，最重要的是让员工相信你在为他们的职业生涯和未来投资。“即使没有预算升职加薪，领导者也有责任想办法给员工提供成长机会，帮他们发展新技能，获得新经验。”

对于个人，Addy Osmani的建议更具体：

如果你是新手：别把自己当成一个“等着被培训的毕业生”。要证明一个新人加上AI，也能创造出相当于一个小团队的价值。用AI去做更复杂的项目，但要保证AI生成的每一行代码，自己能讲明白。把学习重心放在AI短期内替代不了的能力上——沟通、拆解复杂问题、对业务领域的深入理解。质量保证、技术支持、数据分析这些相邻岗位，也可以是入行的切口。

如果你是老手：做好心理准备，新人少了，更多“脏活累活”可能会落到你头上。用自动化把自己武装起来。你的价值，不再是写了多少行代码，而是能把整个团队的产出放大多少倍。

Addy Osmani还提到一个观点，我觉得很到位：最优秀的软件工程师，将来不是敲代码最快的人，而是最知道什么时候不该相信AI的人。

当AI可以快速生成一个网页应用，区分高手和菜鸟的关键点就变成了：你知道AI在什么时候会犯错吗？你知道AI的方案在什么情况下不划算吗？你知道如何审查AI的输出，找出那些逻辑错误、安全缺陷和与需求不符的地方吗？

写在最后

厦门港海润码头有一个很鲜活的例子。

以前装卸一艘10万吨级的巨轮需要50名码头工人，负责现场调度、装卸辅助、收箱叠箱、安全监护。AI加入后，只要1名远程操作员就能完成作业。

那剩下的49个人去哪了？

企业给他们量身定制了“人工智能+技能提升”培训。那49名“老码头”里，不少人已经成功转型成操作工艺师，参与到优化智能调度算法的工作里，“给AI当起了老师”。

这就是我想说的。

这场寒冬确实冷。但它也许不是终点，只是一个分水岭。

科技行业正在经历的，不是一次普通的周期低谷，而是一次关于“人在系统中扮演什么角色”的根本性追问。

裁员数字给不出这个问题的答案。

能给出答案的，只有我们自己。

与各位共勉。