AI裁员的真相：不是机器换人，是“人”的成本被重新定价了

宁夏广电把除了《宁夏新闻联播》之外的主持人全部裁掉，全天24小时换上AI主播。几乎同一时间，老干妈昌明基地的拣椒流水线从600多人缩到48人，AI视觉质检系统每0.3秒扫一遍辣椒，不良率压到0.02%，2025年营收冲到54亿。

两个场景摆在一起，舆论场的第一反应很整齐：AI又来抢饭碗了。但如果只把这件事理解成“机器换人”，就漏掉了真正在发生的事。宁夏裁掉的主持人里，有一部分并没有离开广电，而是转去了幕后；老干妈留下的48个人，干的也不再是拣辣椒，是复核AI的判断。被替换的从来不是“人”这个整体，是那些任务边界清晰、产出可以被量化、责任可以被切割的岗位。

而这，恰恰是过去二十年白领阶层赖以为生的地基。

“降本”两个字，比“智能”诚实得多

硅谷这一轮裁员潮，企业高管们把AI挂在嘴边，但翻开财报会发现另一条线索。Cloudflare裁员1100人，占全球员工20%，16年来首次大规模裁员，可营收同比增长34%，内部AI使用量三个月涨了600%以上。Coinbase裁14%，约700人，CEO的说法是“工程师借助AI，几天就能交付过去一个团队要花几周的东西”。PayPal计划裁掉4760个岗位，CFO在财报电话会上把AI和自动化并列提及。

这些数字指向同一个逻辑：裁员的直接驱动力不是业务萎缩，是单位产出的劳动成本可以被压得更低。AI在这里扮演的角色，与其说是“替代者”，不如说是“定价锚”——它让企业主第一次有底气对白领岗位说：你做的事情，市场上有更便宜的方式完成。

Layoffs.fyi追踪的数据显示，2026年前五个月全球科技行业被裁人数已经超过12万，几乎追平2025年全年水平。更值得玩味的是，这轮裁员的密度和速度，发生在科技巨头利润创新高的背景下。不是活不下去了才裁，是活得更好了，但不需要那么多人来活了。

被抽掉的“第一级台阶”

裁员数字是宏观的，落到个体身上，最残酷的变化藏在“入门级”三个字里。

Anthropic公布的一组内部数据很说明问题：自2025年初以来，技术部门初级员工占比从21%降到14%，新招聘员工中的初级占比从27%骤降到9%。原因不复杂——写代码、查Bug、做基础文档，这些过去交给年轻人练手的任务，现在AI Agent干得比人快，还不用睡觉。Anthropic的整体Agent与人类工作时长比达到6比1，研究部门更是19比1。

这意味着什么？意味着传统职业阶梯的第一级正在被抽掉。律师事务所的初级律师、会计师事务所的审计助理、软件公司的 junior 程序员，这些岗位过去存在的意义，一半是干活，另一半是让年轻人在干活中积累判断力。当干活的部分被AI接管，企业还有多少耐心保留“培养”的部分？

世界经济论坛引述的研究估计，自2022年底以来，AI暴露度高的行业中年轻工人的就业率下降了约13%，在暴露最深的部门降幅达到20%。一个985计算机硕士毕业、在英国读完硕士、在南京外企月薪两万的程序员，2026年5月被裁，理由写的是“AI转型”。他的老板在投资人大会上说得更直白：AI不会睡觉，不会抱怨，不会要求涨薪。

这不是个体的能力问题。是一个系统在重新计算：培养一个人的成本，和直接使用AI的成本，哪个更划算。

效率红利归了谁，才是真问题

老干妈的争议之所以大，不在于它用了AI，而在于效率提升的账本和岗位缩减的账本，被同时摊在了桌面上。营收54亿是亮眼的，拣椒工从600多人到48人是刺眼的。公众的愤怒并不针对技术进步本身，针对的是红利分配的单向性：企业端拿走了效率增益，劳动者端承担了转型阵痛。

这个问题在宏观层面有一个更学术的名字：生产率与薪酬的脱钩。世界经济论坛指出，几十年来产出增长与工资增长之间的差距一直在扩大，而AI的普及可能让这个差距进一步拉大。一项基于美国招聘数据的研究发现，AI adoption 对年轻、受过大学教育的劳动者产生了不成比例的负面冲击——这个群体本来是上一轮技术变革的最大受益者，现在正在变成新的受损者。

于是“AI税”的讨论开始浮出水面。支持者的逻辑很直接：AI替代劳动，侵蚀了以工资税为基础的社保税基，同时政府还要增加支出用于再培训和失业保障，缺口需要有新的来源。反对者的担忧同样直接：在缺乏国际协调的情况下单方面征税，可能牺牲产业竞争力。

这场争论短期内不会有结论。但它暴露了一个无法回避的事实：当企业用AI削减人力成本时，被削减的那部分社会成本并没有消失，只是被转移了。

真正的分水岭，不在“会不会用AI”

回到个体的处境。市面上流行的叙事是“学会用AI就不会被淘汰”，但丽丽的经历戳破了这层安慰。25岁的她做内容工作，公司9个人留3个，客服从300人裁到150人，理由是“之前几天的工作，AI几分钟就可以完成，而且质量非常高”。她会用AI，但公司需要的不是“会用AI的丽丽”，而是“不需要丽丽的AI”。

如果只把AI当作效率工具来比拼，绝大多数白领赢不了。算力成本在降，模型能力在升，GPT-5.6-Sol级别的价格已经压到Claude 4.5的一半，国内GLM、DeepSeek的coding和agent能力还在往上追。纯执行层面的竞争，是一场注定不对称的竞赛。

北大光华的一项研究提供了一个不同的视角。在对美国近5亿条招聘数据的分析中，研究者发现AI替代风险与收入之间并没有简单的线性关系，真正决定岗位价值的核心变量是“责任承担”——当AI能够完成越来越多任务时，企业仍然需要有人为结果负责。机器无法被奖励，也无法被追责，责任只能落在人身上。

Klarna的经历是一个注脚。这家瑞典金融科技公司曾用AI客服替代了相当于700名人类客服的工作，CEO高调宣称AI能接管一切。但15个月后，公司重新开始招聘人工客服，公开承认过度以成本为导向导致了质量下滑。AI处理标准化咨询没问题，但当客户的问题复杂到需要判断、需要共情、需要在模糊信息中做取舍时，责任无法外包给模型。

宁夏广电留下的那档《宁夏新闻联播》，老干妈留下的48个复核岗，硅谷裁掉初级员工后反而加薪留住的高级工程师——这些位置有一个共同点：它们不靠“做得多”来定义价值，靠的是在关键节点上做出判断，并为判断的后果兜底。

AI裁员潮最冷峻的启示或许在于：过去白领的安全感，很大程度上来自“我会做别人不会做的事”。但这个前提正在失效。当执行能力变得廉价，稀缺的是在信息不完整时敢拍板的能力、在结果出错时能扛住的肩膀。这比学会任何一个AI工具都难，但它可能是唯一一种不会被重新定价的东西。