不掌握token的甲骨文們，注定會大裁員

文 | 字母AI

甲骨文凌晨突發裁員，不是愚人節玩笑。

據CNBC證實，甲骨文（Oracle）已經啟動新一輪裁員，涉及數千名員工。

同一時間，它正在砸下數百億美元，建設AI基礎設施。

多家行業媒體披露，甲骨文計劃將年度資本支出提升至約500億美元規模，主要用于數據中心與AI基礎設施建設。

這一投入已經開始侵蝕公司的現金流：TheStreet數據顯示，甲骨文自由現金流從2024年的約118億美元轉為負值，并預計在2026年達到-230億美元。此外，甲骨文今年股價下跌約25%，跌幅超過所有科技巨頭。

一邊是持續擴張的AI投資，一邊是裁員與成本控制，這種組合在傳統軟件公司中并不常見，卻正在成為AI時代infra（基礎設施）公司的典型狀態。

如果你在一家做基礎設施的公司，現在可能應該警惕：AI越火，你越可能被“優化”。

甲骨文，只是最新一個例子。

甲骨文裁員并非孤例

類似的事情，正在整個AI基礎設施鏈條上發生。

在2025年至2026年間，多家處在這個鏈條中的公司先后宣布大規模裁員：

英特爾在2025年宣布裁員約2.5萬人，作為其制造與成本結構調整的一部分；

亞馬遜在2026年初裁員約1.6萬人；

微軟在2025年中期裁員約9000人；

Block在2026年初裁員超4000人。

這些企業分布在不同細分領域，包括半導體、云計算、企業軟件以及支付基礎設施，它們的裁員當然各有具體原因，但同樣存在一個清晰的共性：它們都在給AI“打下手”。

這些公司并非AI浪潮的邊緣參與者，相反，它們是最早承接AI需求增長的一批企業。例如云廠商承接模型推理負載，芯片廠商提供算力支撐，企業軟件公司則承擔數據與流程的管理功能。隨著AI需求增長，它們普遍獲得了更多的訂單與更高的使用量——換句話說，他們靠AI“賺了不少錢”。

但壓力也隨之而來，訂單的增長和成本結構的變化同時出現。

和傳統軟件的輕資產邏輯不同，AI基礎設施建設具有明顯的重資產屬性：數據中心的建設周期長、資本密集度高，GPU等核心硬件的采購價格持續處于高位。一張高端算力卡價格可以達到數萬美元，而大規模訓練或推理部署通常需要成千上萬張。

一座AI數據中心的成本，已經不再是“幾億美元”的問題，而是動輒數十億、甚至百億美元的投入。

資本開支的急劇上升迫使這些infra公司在財務結構中尋找新的平衡點，在AI投資面前，人，成為了最容易被調整的成本。

一個簡單而直接的選擇開始出現：

用人力成本，去換算力成本。

AI紅利正在“重新分配”

要理解這一變化，需要回到AI產業的價值結構。

過去的軟件行業中，價值往往分散在多個層級：包括應用層、平臺層、中間件以及底層基礎設施。每一層都可以通過差異化能力獲得一定程度的定價權。

但在當前的AI周期中，這種分布正在逐漸集中。AI時代的價值，可以圍繞token粗暴地歸類為兩種：一種是生成能力，即模型本身能夠產出token的能力；另一種是消耗能力，即用戶在推理階段持續產生的token使用量。

用最通俗的話來講就是：AI的紅利，正在集中在模型和token上。

掌握模型能力的公司，例如OpenAI、Google DeepMind和Anthropic，能夠直接定義產品形態與價格結構；擁有大規模用戶入口的平臺，則可以通過token消耗實現持續收入。

傳統基礎設施環節依然重要，但它們越來越像“電力”和“帶寬”，必不可少，但難以決定價格。

一個逐漸清晰的規律開始顯現：越接近token生成與消耗的環節，利潤空間越高；距離這一核心越遠，競爭越趨向于成本壓縮。

換句話說，在AI浪潮中，掌握了token就掌握了定價權；遠離token，就只能卷成本。

對于大多數infra公司來說，它們既不掌握模型能力，也不掌握用戶入口。它們承擔的是“支持系統”的角色，像是存儲數據、調度資源、提供運行環境或構建工具鏈。

當技術從非標準走向標準化，再從標準化走向自動化，人力需求就會自然下降。

在技術尚未成熟的階段，大量工程師與運維人員是必要的，因為系統復雜且缺乏標準化；但隨著模型能力提升、自動化工具普及以及平臺能力增強，原本需要人工完成的工作就開始被系統替代。

在這種背景下，當公司既要降成本，又要提效率時，裁人幾乎是必然選項——畢竟人是持續成本，算力是前期投入。一旦系統穩定運行，人力規模就會被重新評估。

在技術周期早期瘋狂招人，技術成熟以后大批裁人，幾乎成為了infra公司的宿命

這一過程并非AI時代獨有：在云計算早期，企業同樣經歷過從快速擴張到效率優化的轉變。但AI的發展節奏明顯更快。

模型能力、工具生態和硬件能力在短時間內的同步演進，直接壓縮了效率提升的進程。云計算大約用十年時間完成標準化與規模化，而AI可能只需要三年。

另一種選擇正在出現

對那些正在大規模投入AI的infra公司來說，把一部分人力替換成算力，看似冷血，卻也是一種能說得通的選擇。

但把目光放得更大一些，崗位并未整體消失，而是在不同層級之間遷移。

在過去幾年里，大量崗位圍繞基礎設施展開，包括系統維護、數據處理、流程管理以及工具開發。隨著AI的加入，這些工作里有一部分開始被自動化替代。

與此同時，直接參與模型開發、應用構建或產品創新的崗位，需求正在不斷增加。

在這種變化下，一部分從業者面臨不確定性，而另一部分企業卻看到了機會，準備“撿漏”。

例如WHOOP，一家專注于健康與可穿戴設備的公司，正在逆勢擴張團隊規模，計劃招聘約600人。

WHOOP的CEO Ahmed直說：“目前可能是歷史上最優秀的人才市場之一，許多優秀的人才目前處于待業狀態，或者在那些不斷談論他們將被AI取代的公司中工作。”

“優秀的團隊會利用優秀的工具打造偉大的產品。我們在健康、健身、平衡和醫療功能方面看到了巨大的機會海洋。與其說‘哦，我們如何在未來12個月內變得如此高效’，我們是在說‘我們如何將3到5年的研究路線圖縮短至12到24個月’。所以，這讓我們變得更加雄心勃勃，我認為這正是此刻最令人興奮的地方。”

這種判斷，和正在裁員的infra公司，屬于兩套完全不同的思路。

對于那些以產品和應用為核心的公司來說，AI不是用來省錢（雖然也有），而是用來提效的：它能讓同一支團隊，在更短的時間里，做出原本要幾年才能完成的東西，從而更快推出產品、不斷迭代。

在這種情況下，人的作用并沒有被替代，反而被AI放大——同樣的人，可以做出更多、更快、更復雜的事情。

所以你會看到，AI在不同的思路下，帶來的結果也截然不同：對于一部分公司而言，AI意味著降低成本、提升效率；對于另一部分公司而言，它意味著加速創新與擴展邊界。

對從業者來說，這種變化同樣具有現實影響。

在AI體系中，工作可以大致分為三類：直接創造內容與能力（模型、算法、agent）；放大與應用能力（產品、應用層）；提供支持與基礎設施（系統、工具、運維）。

隨著AI能力的增強，第三類工作的可替代性正在提高，這并不意味著這些崗位沒有價值，只是它們的價值更難轉化為溢價。

對從業者而言，關鍵問題不再局限于技術本身，而在于所處的產業位置——決定你穩定性的，不是能力，而是你離AI的價值核心有多近。

崗位與價值創造之間的距離，將直接影響穩定性與發展空間。

當技術周期加速推進，組織結構與崗位結構也隨之變化。裁員與招聘同時發生，成為同一時代的兩種側面。

面對“AI會不會取代人力”的問題，我們不妨想一想：這家公司究竟是在用AI省錢，還是在用AI賺錢。

AI不會直接決定你會不會被取代，但它會決定，你所在的位置，是否還值得被保留。