人力成本vs算力成本：科技裁员潮背后的资本再分配

## 繁荣中的萧条

2025年，一个诡异的现象正在科技行业上演：公司业绩增速亮眼，股价节节攀升，但裁员规模却创下新高。

亚马逊裁员3万人，比2022年行业收缩期还要猛烈。Meta开启每半年5%的"悄悄裁员"模式，刚刚又裁掉AI部门的600人。微软、谷歌也在持续"优化"人力结构。这不是经济衰退，财报数据证明了这一点——AWS未完成订单达到1950亿美元，同比增长25%；Meta的AI数据中心容量计划一年内上修了三次。

这是一场"繁荣性萧条"：公司在增长，股东在赚钱，但员工在失业。

原因只有一个：GPU capex（资本支出）。

为了购买GPU、建设AI数据中心，科技巨头不得不从人力成本中"挤出"资金。这不是传统的降本增效，而是资本在人力与算力之间的激进再分配。每裁掉1%的员工，省下的钱就能多买一批H100芯片。

这个残酷的算术题，正在重塑整个科技行业的就业格局。

## 两个截然不同的裁员故事

Aakash Gupta的观察揭示了一个关键洞察：当前的裁员潮背后，其实藏着两个截然不同的故事。

### 故事一：科技巨头为GPU让路

亚马逊、Meta、微软、谷歌——这些云服务提供商和超大规模计算公司（Hyperscaler）的裁员，不是因为业务萎缩，而是因为需要资金购买GPU。

**亚马逊的困境**：AWS增速下降，被市场严厉惩罚。但问题不是需求不足——1950亿美元的未完成订单说明客户想买但AWS交付不了。问题是GPU买得不够快、不够多。解决方案？砍工资来省钱买GPU，让财报好看一点，营造一个"AWS增速触底"的故事。

**Meta的策略**：一年内三次上修未来18个月的AI数据中心容量计划。每次都以为高估了需求，几个月后才痛苦地发现原来是低估了。怎么办？每半年裁员5%，腾出预算买GPU。

**微软和谷歌**：同样的逻辑。云服务的竞争已经变成了GPU军备竞赛。谁的算力多，谁就能抢到更多客户。而算力的瓶颈不是技术，是资金。

这些公司的收入在增长，股价在攀升。它们裁掉员工，是为了把钱腾出来，砸向"算力"。这可不是经济不景气时期的"降本增效"，这更像是一场被迫的资源重新配置——把发工资的钱，转投给数据中心。

### 故事二：传统企业因AI提效而裁员

与此同时，UPS、雀巢、福特、塔吉特这些传统行业的公司也在裁员，但原因恰恰相反：它们已经部署了切实有效的AI工具。

**客户服务自动化**：AI客服能够处理80%的常规咨询，响应速度更快、成本更低。原本需要100人的客服团队，现在20人就够了。

**供应链优化**：AI预测需求、优化库存、规划路线，减少了大量人工决策和协调工作。

**生成式设计系统**：从产品设计到营销素材，AI能够快速生成多个方案，设计师只需要选择和微调。

**数据分析自动化**：原本需要数据分析师花几天完成的报告，AI几分钟就能生成。

这些公司不需要自己去购买庞大的GPU集群。它们从AWS、Azure、Google Cloud这些超大规模云服务商那里租用"推理"算力（即运行AI模型得出结果），然后裁掉员工。因为现在这笔账——用AI替代人力的成本——终于算得过来了。

**关键转折点**：AI的成本曲线与人力成本曲线在2024-2025年交叉了。过去，雇佣一个客服的年成本是5万美元，AI客服的成本是10万美元（包括开发、部署、维护）。现在，AI客服的成本降到了2万美元，而人力成本还在上涨。这个经济账一旦算得过来，裁员就成了必然。

## 同一头巨兽的两端

这两个看似相反的故事，实际上在喂养同一头巨兽。

科技巨头在疯狂"买铲子"（购买GPU等基础设施，就像淘金热里卖铲子的人）。传统企业在购买用这些铲子挖出来的"黄金"（AI带来的生产力）。

而半导体公司稳坐中间，向整个产业链收取"租金"。

**台积电（TSMC）**：全球最大的芯片代工厂，几乎垄断了先进制程芯片的生产。每一块H100、每一块AI芯片，都要经过台积电的产线。

**英伟达（NVIDIA）**：GPU的主要设计者和供应商，市值已经超过3万亿美元。它不仅卖芯片，还通过CUDA生态锁定了整个AI计算栈。

**阿斯麦（ASML）**：制造顶级芯片光刻机的唯一厂商。没有ASML的EUV光刻机，就造不出先进芯片。它是整个产业链的"卡脖子"环节。

这些半导体公司正在疯狂"印钱"，而产业链的两端——科技公司和传统公司——都在大量裁员。

**利润率的逆转**：历史上，互联网公司的利润率远高于半导体公司。谷歌、Meta的营业利润率常年在30%-40%，而台积电、英伟达的利润率在20%-30%。但现在，这个格局正在逆转。英伟达的毛利率已经超过70%，而科技公司因为巨额GPU投入，利润率正在被压缩。

未来可能会出现一个新常态：半导体公司的利润率会反超互联网公司。

## GPU Capex：新的大Boss

进入2024-2025年，美国软件工程师（SDE）就业困难的主要因素已经不再是：
- 2021年的大幅过度扩张（那已经消化得差不多了）
- 薪资更低的海外技术中心抢饭碗（这个因素一直存在但不是主因）
- AI提效造成需求降低（这个影响还在早期）

而是来了一个新的大Boss：**GPU capex**。

### 诡异的繁荣性萧条

GPU capex在互联网公司正在创造一种诡异的繁荣性萧条：

**公司层面**：业绩增速很好看，股价节节高升，投资者很满意。

**员工层面**：工资开支成了管理层腾挪不开的问题，每个人都要担心自己的工作。因为持续性裁员,留守员工的工作压力越来越大，人心惶惶，和大萧条时代无异。

这不是传统的行业萧条，而是资本在人力与算力之间的激进再分配。

### 亚马逊裁员的时间线

亚马逊这次裁员3万人，从两个月前就有风声：

- **年中绩效评估延迟**：往年都是7月，这次到8月中下旬才开始。这是裁员的前兆——先评估谁该留、谁该走。

- **RTO政策**：要求员工返回办公室（Return to Office），这也是裁员的重要考虑因素（或者说借口）。很多员工因为无法返回办公室而被迫离职，这样公司可以省下遣散费。

- **部门差异**：AGI组（人工智能通用智能团队）肯定一个都不动——这是未来的核心。PXT（人力资源）、Device and Service（硬件和服务）、运营部门，都会是重灾区。按惯例，AWS应该会晚一点再裁，等到AWS re:Invent大会（亚马逊云服务的年度盛会）之后再裁，人尽其用。

### 算术题的残酷

在AI服务器供应跟不上需求爆炸性增长的时代，**opex（运营支出，主要是工资）换capex（资本支出，主要是GPU）就能带来公司的业绩提升**。

资本会毫不留情地惩罚一切不把这条路线贯彻到底的云服务提供商和超大规模计算公司。

**具体的算术**：
- 裁掉1000名工程师，平均年薪20万美元，节省2亿美元
- 2亿美元可以购买约6000块H100芯片（每块约3-4万美元）
- 6000块H100可以支撑多少AI推理服务？足以让AWS的AI服务容量提升10%-20%
- 这10%-20%的容量提升，可以转化为多少收入增长？可能是数十亿美元

这笔账，资本市场算得很清楚。

## 公司内部真的不需要人了吗？

当然不是。

招人的预算砍掉之后，只能倒逼公司内部增效来弥补。目前最激进的互联网大公司各种手段都用上了：

**内部工具疯狂开发**：耗费大量人力做各种AI agent功能，一键部署，鼓励使用。

**KPI强制推行**：定了KPI，每个部门AI使用率要达标。各级汇报AI使用进度和案例，还规定互相定期交流学习。

**文化宣传**：从上到下强调"AI优先"，不用AI的团队会被视为落后。

一顿操作猛如虎，目标仅仅只是希望把大家的工作效率提升20%而已。

**现实的困境**：
- AI工具确实能提升效率，但20%的提升远远弥补不了裁员30%的缺口
- 留守员工的工作量激增，加班成为常态
- 代码质量下降，技术债累积
- 团队士气低落，优秀员工流失

这是一个恶性循环：裁员 → 工作量增加 → 倒逼AI提效 → 效果有限 → 继续裁员。

## 接下来可能会发生什么？

### 短期：继续牺牲现金流

为了增速，为了竞争，当公司提效遇到瓶颈，裁员也裁到只剩大动脉了，opex已经榨不出油水了，公司下一步只会继续牺牲现金流，甚至像Oracle一样，开始为了增速而不惜冒风险举债。

**Oracle的先例**：Oracle为了追赶云计算，大举借债投资数据中心。这在传统科技公司中是罕见的——科技公司通常现金充裕，不需要借债。但AI时代的资本需求太大了，即使是现金充裕的公司，也可能需要借债来加速扩张。

**英伟达和AMD的推动**：它们也会继续用手里的巨额现金推动投资，支持合作伙伴投入AI capex，就像OpenAI做的那样。英伟达不仅卖GPU，还投资AI公司、云服务商，帮助它们购买更多GPU。这是一个自我强化的循环。

### 中期：半导体公司的黄金时代

这一切最大的受益者都会是半导体全产业链公司。

**新常态的形成**：半导体公司的利润率会反超互联网公司。这在历史上是罕见的——互联网公司因为边际成本低、网络效应强，利润率一直高于制造业。但AI时代，算力成为稀缺资源，掌握算力供应链的公司就掌握了定价权。

**产业链的繁荣**：不仅是台积电、英伟达、ASML，整个产业链都在受益——芯片设计工具（EDA）公司、封装测试公司、设备供应商、材料供应商。这是一个万亿美元级别的产业升级。

### 长期：泡沫的风险

但半导体公司也承担了最大的风险：当VC（风险投资）和Hyperscaler的前期投资看到token需求减缓时，甚至只是需求增长速度减缓（不再是一年数倍），一定也会毫不留情地砍单。

**传导速度极快**：这个传导的速度会非常快，会比半导体公司的投产周期要快得多。芯片从设计到量产需要1-2年，但订单取消可能只需要几周。这种不对称性，是半导体行业的系统性风险。

**历史的参考**：2000年3月互联网泡沫破灭时，美国互联网渗透率大概在52%左右（另有一组数据是43%）。一个参考指标是，企业渗透率接近50%的时候，增速会显著放缓，泡沫风险会急剧上升。

**当前的状态**：
- 互联网大厂的GenAI daily user渗透率正在从50%向90%迈进
- 广大行业公司的AI采用率不到10%
- 增速暂时是有保障的

每一代科技革命增速最快的时候，就是全社会公司采用率从10%迈向50%的阶段。我们现在正处于这个阶段的早期。

**泡沫会破灭吗**？Cisco泡沫的历史不会简单重现。这一轮信息比上一轮要充足太多太多，一直会有足够多的泡沫怀疑论者警醒，至少会让泡沫破灭的时候不会那么惨烈。

但泡沫一定会来。问题不是"会不会"，而是"什么时候"和"多严重"。

## 劳动者的困境

### 市值增长与工资增长的鸿沟

企业的"市值"（公司总价值）增长与普通人的"工资"增长之间的鸿沟，从未像现在这样巨大。

**数据对比**：
- 2020-2025年，科技巨头的市值增长了2-3倍（英伟达甚至增长了10倍）
- 同期，软件工程师的平均工资增长了10%-20%
- 考虑到通货膨胀，实际工资增长接近零甚至为负

**财富的集中**：AI时代的财富创造，主要流向了：
- 股东（通过股价上涨）
- 高管（通过股票期权）
- 半导体公司（通过GPU销售）

而不是流向了：
- 普通员工（工资停滞甚至失业）
- 小企业（被大公司的AI优势碾压）

### 风险对冲的建议

原文提出了一个有趣的建议：每一个互联网公司的软件工程师打工人，都应该买入英伟达/AMD作为风险对冲，弥补自己被GPU挤出价值链的风险。

这不是投资建议，而是一个隐喻：当你的工作被算力替代时，至少你持有的算力公司股票在升值。这是一种黑色幽默，但也反映了现实的无奈。

**更现实的应对**：
- **提升不可替代性**：专注于AI难以替代的能力——创造力、战略思维、人际协调、领域专业知识
- **学习AI工具**：不是被AI替代，而是用AI增强自己的能力
- **多元化收入**：不要把所有鸡蛋放在工资这一个篮子里
- **关注行业趋势**：哪些领域在扩张？哪些技能在升值？及时调整方向

### 站在天平的错误一端

这不是一场经济衰退。这是一场"再平衡"（即经济结构的根本性重塑）。而大多数劳动者，不幸正站在了天平的错误一端。

**历史的教训**：每一次技术革命，都会有一批人被淘汰。工业革命淘汰了手工业者，信息革命淘汰了很多中间层工作。AI革命会淘汰谁？目前看来，是那些从事重复性、规则性、可标准化工作的人。

**但历史也告诉我们**：技术革命最终会创造更多的工作，只是这些工作与之前的工作完全不同。问题是，从"旧工作"到"新工作"的转换期，可能长达数年甚至十年。在这个转换期，大量劳动者会经历失业、再培训、降薪、职业转型的痛苦。

## 结语：资本的选择

人力成本vs算力成本，这不是一个技术问题,而是一个资本选择问题。

资本选择了算力，因为：
- 算力的边际成本更低（一块GPU可以24小时工作）
- 算力的扩展性更强（买更多GPU就能线性扩展）
- 算力的可控性更高（不会罢工、不会跳槽、不会要求加薪）

而人力，在这个等式中，变成了"可优化的成本项"。

这是一个冰冷的现实。但认清现实，是应对现实的第一步。

AI时代的就业格局正在重塑。那些能够与AI协作、利用AI增强自己能力的人，会成为赢家。那些被AI替代、无法适应新环境的人，会成为输家。

天平已经倾斜。问题是，你站在哪一端？