全球大厂掀起以AI为由的裁员潮，但许多公司后发现AI无法胜任人类工作，重新招聘。企业裁员并非完全基于AI实际能力，而是受资本市场影响。真正难被替代的是在模糊情境中做判断的能力。AI擅长执行但无法定义，人类需主动适配与AI共生，重塑职业结构，把握变革机遇。

“开除速度一定要快！”最近，这句话在社交平台上被疯狂转发，疑似来自某互联网大厂的内部工作群。

3月18日，网易被传大规模清退游戏外包员工及编外人员。根据游戏新知，网易官方否认了“使用AI清退全部外包员工”的说法，但表示正在“逐步对一部分基础技能岗位的外包人员进行退场”。

近两个月，全球大厂都掀起了新一轮裁员潮，理由高度统一，“AI可以替代这部分工作”。哔哩哔哩、科大讯飞等公司最近都传出“大规模裁员”的风声，一时间，所有打工人都人心惶惶，一边用着AI，一边担心发展速度像上了火箭的AI会把自己替代。

“裁员”相关微博热搜

国外也是如此。3月25日，Meta正式启动新一轮裁员，关闭了3家VR工作室。据外媒报道，Meta计划裁员20%，涉及约1.6万名员工，预计涉及从工程师到部门经理等大部分层级。

然而，第一批因为AI裁员的公司，已经到“裁到大动脉”的环节了。

“AI工具改变了一切。”推特公司创始人之一杰克·多西说。以此为由，在2月27日，他旗下的金融科技公司Block一口气裁员4000多人，占员工总数的40%。

但不到1个月，部分Block前员工表示，自己收到了返岗邀请。

图源Block官网

人力数据平台Visier近期公布的一份全球报告显示，在其追踪的全球 142 家企业、240 万名员工中，有 5.3% 的被裁员工最终被重新聘用，还平均获得了25%至28%的加薪。

咨询公司Gartner甚至预测，到2027年，因AI而削减客服或客户支持人员的公司中，有一半会重新招聘承担类似职能的员工。

企业扔的“裁员回旋镖”，终于还是开始飞回了自己头上。

1、以AI为名的资本游戏？

上一周，Meta的部分员工还在践行CEO马克·扎克伯格要求的AI Week，员工之间互相分享AI的妙用。下一周，他们可能就因为AI收拾东西走人了。

按照惯例，Meta会在每周三的早上出裁员名单，所以每到周三，员工们就开始心惊胆战。“每个人好像都要被迫拿起一把左轮手枪，玩局俄罗斯轮盘赌，每逢周三，就对着脑袋开一枪，枪响了就拜拜，枪没响，就等下周三再来一枪。”Meta员工酒哥接受每日人物的采访时说。

但酒哥发现，这次裁员的逻辑变了。2022年Meta第一次裁员时，他记得扎克伯格的眼眶通红，而如今，扎克伯格从“眼眶通红变成了满面春风”。

裁员成了创始人对股东的承诺，是为了让财报更好看、公司更有效率。

马克·扎克伯格（图源Meta官网）

如果仔细看这两年不少公司的“AI裁员”新闻会发现，不一定是AI要员工走，是资本市场要员工走。

Meta裁员计划的报道发布后，公司股价上涨近3%。类似的情形并不罕见。Block宣布裁掉40%的员工时，股价涨了23%。2025年，芯片公司英特尔宣布裁撤1.3万人，占总员工的29%。但裁员后，公司股价大涨90%。

这种情况被称为“盈利式裁员”。牛津经济研究院在1月的研究指出，以AI为由的裁员似乎是为了维护投资者关系。将裁员归因于AI，比承认传统的业务失败“更能向投资者传递积极的信息”，进而推动公司股价上涨或吸引投资。

企业通过把裁员包装成“AI驱动的效率革命”，可以将自己塑造成具有前瞻性的创新者，而不是在周期性衰退中苦苦挣扎的企业。

图源 《爱回家之开心速递》剧照

国内的版本，有时候更“拧巴”。企业通常会因为“结构优化”“组织提效”“资源向核心方向集中”等原因来裁员，而AI对“结构优化”有很大的影响。据游戏新知报道，网易“对AI化后的效率提升颇为满意”，因此决定裁员。

《中国企业家人工智能应用调研报告（2025）》显示，68.75%的企业期待AI能够“降本增效”。但托马斯·达文波特与拉克斯·斯里尼瓦桑在《哈佛商业评论》中撰文指出，当前不少与AI相关的裁员，更多并不是因为AI已经成熟到足以稳定替代人类工作，而是因为企业在提前按“未来会被替代”来重组人力。

从去年年底开始，他们就对1006名全球企业高管开展了调查。结果显示，89%的受访企业已经因为AI的“预期影响”而裁员或者放缓招聘，但只有2%的企业明确表示，裁员是因为AI确实承担了原本由人完成的工作。

AI生成（数据来源 《哈佛商业评论》文章《企业裁员并非因为人工智能的性能，而是因为其巨大的潜力》）

换句话说，很多公司并不是在确认“AI已经能接住这些工作”之后才裁员，而是在赌AI迟早能做到。

这种基于预期的豪赌，让企业陷入了“先裁员、后验证”的循环。然而，这场豪赌的清算时刻，来得比想象中都要快。

2、 “打脸”，来得比想象中快

裁员时有多爽快，之后召回员工或重新招聘原来的岗位时就有多狼狈。

“Block给了我重返岗位的机会，我已经接受了。”设计工程师安德鲁·哈佛在领英上说。他表示，Block的领导层告诉他，他的裁员是由于“文书错误”造成的。还有一位技术负责人称，他花费两天说服管理层需要更多人手，来继续开展面向客户的基础工作，部分被裁同事因此得以返岗。

Block CEO多西在裁员时就承认决策可能存在失误，并表示“采取了灵活的措施来应对，为我们的客户做正确的事情”。

这不是孤例。美国云软件公司Salesforce在去年9月裁了4000名员工，大部分是顾问、业务分析师和开发人员。4个月后，领导层就发现AI无法胜任人类的工作，如今在重新招聘那些被裁掉的岗位。

Salesforce的高管们承认，他们严重高估了AI的能力。 Salesforce的工作需要与亚马逊、微软等大客户合作，而AI在处理细微问题和回应长期客户问题时几乎完全失效。

《凡人歌》剧照

人力资源机构Careerminds 2月的一项调查显示，在已经实施AI相关裁员的企业中，超过30%后来又重新招聘了原先被裁岗位中的25%到50%，另有35.6%的企业甚至招回了超过一半的岗位。

很多公司不是“彻底不需要这些人了”，而是先把人裁掉，后来才发现这些活还得有人干。

为什么很多公司一边高喊AI提效，一边又裁完后悔？

因为它们裁掉的，根本不只是“一个人”，而是AI一时半会儿学不会、也无法复制的核心能力。

那些沉淀在员工身上的组织记忆，从来都不是AI能轻易复刻的。就像Salesforce被裁的客服工程师，干了多年积累的“客户投诉核心痛点”“特殊需求应对经验”，这些未被文档记录、只靠长期实践沉淀的内容，是目前“AI无法替代的隐性知识”。

AI可以规范走流程，平时看似能完美替代人力，但当系统出现突发故障时，真正能兜底的还是人的“救火能力”，这也是众多企业裁完就后悔的原因之一。

《装腔启示录》剧照

2024年，特斯拉曾裁撤超级充电站核心团队，直接打乱了充电网络的扩张节奏。外媒报道称，部分新项目被要求暂停，承包商和供应商一度陷入混乱，外部合作推进也受到冲击。此后，特斯拉又不得不回补部分关键岗位。

易被忽视的还有裁员对团队士气的致命打击。酒哥对每日人物说：“得知裁员消息后，Meta内部的氛围十分诡异，如同末世。”员工都在互相打听关于裁员的信息，每周三都在屏息凝神，等在裁员那把“悬在头上的刀”。

暂时没有被裁到的人，也依然充满焦虑。

这种心态带来的效率损耗，远比裁掉几名员工节省的成本更高。

这让我们不得不思考，当流程可以被规范，知识可以被检索，重复劳动可以被接管，什么才是我们真正无法被替代的“护城河”？

3、与AI“共生”

“我有时会有些悲观地想，程序员的‘护城河’可能只剩下了两个，一个是演技，要把自己演成一副无可替代的样子；还有一个就是寄希望于老板的迟钝，赌老板们还没意识到，原来AI可以做这么多事。”酒哥在采访中说。

但他认为，不管是哪条“护城河”，都很容易就崩塌了。

美国AI公司Anthropic在近期给出了最容易被AI取代的职业，认为许多白领职位将会受到影响，最靠前的依次是计算机程序员、客服代表、数据录入员等。这类职位一般执行明确、流程固定，也是AI最擅长的。

大语言模型理论上可以执行的工作任务份额（蓝色区域）和Anthropic根据使用数据得出的工作覆盖率指标（红色区域）（图源 Anthropic《人工智能对劳动力市场的影响》）

但最难被替代的，是那些需要在模糊情境里做判断的人。因此，真正的“护城河”，不应该建在信息差上，而应该建在AI确实做不到的地方。

黄仁勋2025年接受采访时说：“如果这个世界创意枯竭，那么技术的发展就会导致失业。”他认为，AI不会完全取代人类，而是通过创造公平的竞争环境，来大幅提高人类的生产力。

AI能执行，但不能定义。它能把一件事做得很快、很准，但它不知道这件事值不值得做、为什么要做、做完之后要往哪里走。这个“定义”的能力，才是真正难被替代的东西。

目前，不少互联网公司正在大力招揽人才。据统计，腾讯、字节跳动等公司相继发布春招计划，累计发布超过3万个岗位。根据猎聘发布的《2025年度人才供需趋势报告》，AI行业2025年新发布的职位数，相比2024年上涨43%。机械、保险等多个传统行业的新发职位增幅也都超过了25%。

《我，到点下班》剧照

多位业内专家在接受《民生周刊》的采访时表示，AI并非简单的“就业替代者”，而是职业结构的“重塑者”，唯有主动适配，才能在变革中把握机遇。

市场缺的从来不是人，而是能与AI“共生”，并清楚自己定位的人。

最后

对于正在迷茫择业、想转行提升，或是刚入门的程序员、编程小白来说，有一个问题几乎人人都在问：未来10年，什么领域的职业发展潜力最大？

答案只有一个：人工智能（尤其是大模型方向）

当下，人工智能行业正处于爆发式增长期，其中大模型相关岗位更是供不应求，薪资待遇直接拉满——字节跳动作为AI领域的头部玩家，给硕士毕业的优质AI人才（含大模型相关方向）开出的月基础工资高达5万—6万元；即便是非“人才计划”的普通应聘者，月基础工资也能稳定在4万元左右。

再看阿里、腾讯两大互联网大厂，非“人才计划”的AI相关岗位应聘者，月基础工资也约有3万元，远超其他行业同资历岗位的薪资水平，对于程序员、小白来说，无疑是绝佳的转型和提升赛道。


对于想入局大模型、抢占未来10年行业红利的程序员和小白来说，现在正是最好的学习时机：行业缺口大、大厂需求旺、薪资天花板高，只要找准学习方向，稳步提升技能，就能轻松摆脱“低薪困境”，抓住AI时代的职业机遇。

如果你还不知道从何开始，我自己整理一套全网最全最细的大模型零基础教程，我也是一路自学走过来的，很清楚小白前期学习的痛楚，你要是没有方向还没有好的资源，根本学不到东西！

下面是我整理的大模型学习资源，希望能帮到你。

👇👇扫码免费领取全部内容👇👇

1、大模型学习路线

2、从0到进阶大模型学习视频教程

从入门到进阶这里都有，跟着老师学习事半功倍。

3、 入门必看大模型学习书籍&文档.pdf（书面上的技术书籍确实太多了，这些是我精选出来的，还有很多不在图里）

4、 AI大模型最新行业报告

2026最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5、面试试题/经验

【大厂 AI 岗位面经分享（107 道）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

6、大模型项目实战&配套源码

适用人群

四阶段学习规划（共90天，可落地执行）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型

• 带你了解全球大模型

• 使用国产大模型服务

• 搭建 OpenAI 代理

• 热身：基于阿里云 PAI 部署 Stable Diffusion

• 在本地计算机运行大模型

• 大模型的私有化部署

• 基于 vLLM 部署大模型

• 案例：如何优雅地在阿里云私有部署开源大模型

• 部署一套开源 LLM 项目

• 内容安全

• 互联网信息服务算法备案

• …

  👇👇扫码免费领取全部内容👇👇

  

3、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】