2026，很多公司將會裁員 50%

　　如果把過去一年的大公司動作放在一起看，你會發現一件越來越刺眼的事：裁員，已經不只是“企業過冬”時的應急反應，而正在變成未來公司的主動出擊。

　　2025 年 7 月，Microsoft 宣布裁員約 4%，大約影響 9,000 人；2026 年 1 月，Amazon 確認裁掉約 16,000 個企業崗位，并完成自 2025 年 10 月以來累計約 30,000 個崗位的壓縮計劃；到了 2026 年 3 月，Reuters 披露 Meta 正在準備新一輪大規模裁員，潛在影響可能超過員工總數的 20%，也就是 15,000 人以上 ；同月，HSBC 被曝正在評估未來三到五年內影響約 20,000 個崗位的深度縮編方案。

　　不僅是海外，中國的巨無霸公司也在陸續行動。

　　2025 年 1 月，阿里巴巴淘天集團確認裁撤約 10% 中后臺員工，集團整體員工規模因資產剝離與戰略聚焦持續回落；2025 年 11 月至 12 月，百度啟動大規模人員優化，部分非核心業務線裁員比例高達 90%，整體優化幅度約 20%–30%；同月，騰訊互動娛樂事業群（IEG）確認進行人員調整，游戲業務線基礎美術設計崗位縮減約 50%，普通運營崗位縮減約 40%；2026 年 3 月，字節跳動被曝武漢研發中心裁員傳聞，隨后確認近期僅因業務調整對約 50 名員工進行辦公地點變動，否認退出武漢市場。

　　把這些動作放在一起看，問題就不再是某個行業景氣不景氣，而是越來越多的大公司都在重新回答同一個問題：在新的技術條件下，我到底還需要多少人。

　　這也是為什么，我越來越傾向于把這一輪裁員潮理解為一種結構性信號，而不是周期性情緒。

　　過去企業裁員，多數發生在收入下滑、現金流吃緊、融資環境惡化的時候；但 2025–2026 年更值得警惕的地方在于，很多公司一邊縮編，一邊繼續加碼 AI、自動化和流程重構。

　　微軟此輪裁員發生在其維持高額 AI 基礎設施投入的背景下；Amazon 的壓縮也被 Reuters 直接放在“效率、AI 和去官僚化”的框架下理解；Meta 的潛在裁員，同樣與其大規模 AI 資本開支壓力直接相關。

　　換句話說，它們并不只是簡單“活不下去”，而是在重新判斷：在新的技術條件下，原來那套人力結構是否還有必要繼續維持。

　　如果從宏觀角度去看，這一輪變化背后真正的變量，并不是利率，也不是消費，而是認知勞動的生產率正在被系統性抬高。

　　世界經濟論壇在《Future of Jobs Report 2025》中匯總了來自 1,000 多家全球雇主、覆蓋 1,400 多萬名勞動者的調查，結論非常直接：到 2030 年，技術變化仍將同時創造和替代大量崗位，其中 AI 和信息處理技術被企業認為是最具顛覆性的力量；同時，40% 的雇主預計，在 AI 可以自動化任務的領域會縮減員工規模。

　　換句話說，企業層面的替代沖動，已經不再是零散試驗，而是在向普遍預期演化。

　　如果把這件事寫成一個最樸素的表達，其實就是：

崗位需求 ≈ 總任務量 ÷ 單人生產率

　　這個公式并不復雜，但它把問題講得很透。在總任務量沒有同步爆炸增長的情況下，只要 AI 把單人生產率提高 1.5 倍、2 倍、3 倍，崗位需求就一定會被壓縮。

　　Anthropic 在 2026 年 1 月的研究里甚至給出更激進的估算：如果 AI 被廣泛采用，美國未來十年的勞動生產率增速可能每年提高約 1.8 個百分點，接近把原有趨勢翻倍。

　　但 Anthropic 同時也提醒，真實勞動力市場的沖擊并不會線性展開，最危險的階段往往是舊崗位被壓縮，而新崗位和新技能體系還沒有來得及完成吸納。

　　但如果只把這輪變化理解成“效率提高”，其實還沒有真正碰到更深的一層。真正值得重視的是，AI 并不是在企業里做一件單點工具的事，它是在重寫企業的生產函數。

　　這里我有一個極度關鍵的類比，就是區塊鏈。

　　區塊鏈最早想解決的，并不只是支付快一點，而是交易體系里的信任和對賬成本。

　　中本聰在比特幣白皮書開頭就講得很清楚：互聯網商業高度依賴可信第三方機構，而這種基于中介的模式天然伴隨著成本、摩擦和爭議處理問題。

　　換句話說，區塊鏈最本質的一步，是試圖用計算替代中介。

　　把這個邏輯遷移到 AI 上，你會發現結構上其實非常像。區塊鏈重寫的是交易成本結構，AI 重寫的是知識生產成本結構。

　　過去企業靠人去理解信息、整理信息、傳遞信息、加工信息，再由組織體系把這些知識勞動拼接起來；今天，模型開始進入這個過程，承擔其中越來越多的生成、歸納、分析、判斷輔助和流程推進工作。

　　也就是說，AI 做的并不只是“讓員工更快”，而是讓企業第一次可以用計算能力去承接一部分原本必須由人來完成的認知勞動和協同勞動。

　　這不是修修補補，而是成本函數本身在變。

　　如果把傳統企業抽象一下，它過去大概可以寫成：

產出 = 人力 × 組織效率 × 資本

　　而在 AI 被真正引入之后，企業更接近下面這套邏輯：

產出 =（人力 + AI能力）× 算力 × 數據 × 組織效率

　　這個公式背后的含義非常關鍵：人，不再是唯一的生產要素。

　　過去公司要擴張產出，最直接的方法就是多招人、多設崗、多堆層級；現在它可以通過提高模型能力、增加算力投入、沉淀高質量數據、優化工作流，去替代一部分原本必須用雇傭關系承接的人力工作。

　　你會看到很多公司一邊裁員，一邊增加 AI 投入，表面上看很矛盾，實際上完全不矛盾。因為這不是收縮，而是替換。微軟、Amazon、Meta 最近一輪動作，基本都沿著這個邏輯展開。

　　從另一個角度看，這件事還可以寫得更直觀一些：

總成本 = 人力成本 + 算力成本 + 數據成本 + 組織成本

　　過去，在大多數公司里，人力成本都是最沉重、最顯眼的那一塊；而現在，這個結構正在發生遷移。

　　企業并沒有突然“變小”，而是在做一件更底層的事：把一部分原來必須寫在工資表上的支出，遷移到模型、算力、數據治理和自動化系統上。

　　說得更難聽一點，就是從“雇人”，逐步轉向“購買計算能力”。這才是這輪變化真正嚇人的地方。因為它不是某個部門效率提高了，而是整個公司的成本籃子正在被重構。

　　接下來，就會出現一個很現實、也很殘酷的時間錯配問題：技術替代舊崗位的速度，通常快于新崗位成長出來的速度。

　　世界經濟論壇在《Future of Jobs Report 2025》里給出的判斷很典型：到 2030 年，全球將新增約 1.7 億個崗位，同時也會有約 9,200 萬個崗位被替代，凈增加約 7,800 萬個崗位；但與此同時，40% 的雇主又預計會在 AI 可自動化任務的領域縮減員工規模。

　　這個組合信號非常有意思：一邊是“未來會有新崗位”，一邊是“舊崗位會先被壓縮”。

　　也就是說，宏觀上未必一定是絕對總量失業，但結構性失業窗口很可能先到來。

　　如果把這個過程抽象一下，大概就是：

就業結構變化 = ?舊崗位（快速） + 新崗位（緩慢）

　　這個公式的重要性在于，它解釋了為什么現在很多宏觀數據還沒有完全表現成“大蕭條式失業”，但企業層面已經普遍出現縮編、扁平化和再組織。

　　因為企業削減舊崗位，是自己今天就能下決心的動作；但新職業、新技能、新產業的形成，需要教育訓練、資本投入、商業模式成熟和市場吸納，這個過程天然更慢。

　　真正令人不安的，從來不是技術本身，而是這個中間的時間差。

　　如果再把視角往勞動市場本身挪一步，2025–2026 年的數據其實呈現出一個很有張力的局面：

　　一方面，OECD 2025 年《Employment Outlook》顯示，OECD 國家整體失業率仍處于歷史低位，2025 年 5 月平均失業率約為 4.9%，就業率和勞動參與率也仍然處在高位；

　　另一方面，OECD 又明確提示，勞動力市場正在出現放緩跡象，就業增長減速、勞動力市場緊張程度回落。

　　也就是說，宏觀數據還沒有演變成全面失業，但企業端的縮編、重組和技能重估已經提前發生了。

　　這種“總量尚穩、結構先變”的狀態，本身就是技術替代早期最典型的特征。

　　所以，這里真正值得重視的，不是簡單爭論“AI 會不會帶來大失業”，而是它已經在改變崗位結構和進入路徑。

　　Anthropic 2026 年關于勞動市場影響的研究特別提到，在高 AI 暴露職業中，22 到 25 歲年輕勞動者的就業和入場機會已經出現明顯承壓的早期信號；其引用的研究顯示，這一年齡段在高暴露職業中的就業下降大約在 6% 到 16% 之間，而核心原因更像是招聘放緩，而不是大規模裁員。

　　達拉斯聯儲在 2026 年初對這一現象的轉述甚至給出了一個更直觀的數字：自 2022 年以來，22 到 25 歲、處于高 AI 暴露職業的年輕勞動者，就業下降約 13%。

　　這點非常關鍵。因為很多時候，大規模技術替代并不是先體現為“老員工立刻失業”，而是先體現為“新崗位變少了，入場門檻變了，年輕人更難進來了”。

　　這意味著，AI 對勞動市場的第一輪沖擊，很可能首先表現在入口端，而不是存量端。

　　再往企業內部看，這一輪變化其實還在重新定義組織的最小作戰單元。

　　過去公司之所以需要復雜的層級，不完全是因為管理者喜歡折騰，而是因為信息處理、知識復制和跨部門協作本來就很貴，必須依賴中間層去傳遞、匯總、壓縮和解釋。

　　但當 AI 可以持續參與報告初稿、信息整理、會議紀要、知識檢索、方案生成和流程跟進時，中間層的存在價值就會被重新估值。至少在一部分標準化知識工作里，原來那種“人傳人”的組織模式，開始變得沒有那么必要了。

　　這個時候，一個更簡單的式子就足夠說明問題：

團隊產出 ≈ 人數 × 人均效率

　　當“人均效率”被 AI 系統性抬升時，維持同樣產出所需要的人數自然會下降。這個邏輯并不激進，甚至可以說很保守。

　　它并不要求你相信“明天所有白領都消失”，它只要求你承認一件事：同樣一份工作流，在工具能力上升之后，本來就會自然吞掉一部分人頭需求。

　　于是你會慢慢看到幾個非常具體的趨勢。

　　第一，小團隊會越來越強。原來需要 20 個人才能跑起來的內容、運營、客服、銷售支持、研究支持、法務初篩、財務初審流程，未來可能 5 個人加一套成熟工具鏈就能跑。

　　第二，中后臺會被持續重估。因為很多原本依賴重復性認知勞動維持的崗位，開始變得不那么稀缺。

　　第三，中層管理崗位會承受壓力。因為當信息在系統里流動得更快、更平、更可追蹤時，層層上傳下達的必要性也會下降。這不是說管理會消失，而是說很多過去依靠“信息不對稱”和“流程門檻”存在的管理環節，會越來越難證明自己的價值。

　　再往個體層面看，未來真正的分界線，可能也不是學歷、年齡或者工齡，而是你有沒有能力把 AI 變成自己的生產杠桿。

個體價值 ≈ 基礎能力 × AI放大系數

　　這個公式很適合今天這個時代。不會用 AI 的人，放大系數可能接近 1；能把 AI 真正嵌入自己工作流的人，這個系數可能是 3、5，甚至更高。

　　所以未來更殘酷的一點，未必是 AI 直接替代人，而是會用 AI 的人，替代不會用 AI 的人。

　　世界經濟論壇 2025 年的報告里也有類似信號：大約三分之二的雇主計劃招聘具備特定 AI 技能的人才，70% 的組織計劃招聘具備新技能的人，80% 的雇主計劃推動員工進行 AI 相關再培訓。

　　這個意思很明確：企業并不是簡單地“不要人了”，而是在更猛烈地做區分——什么樣的人，能夠和 AI 形成乘法關系；什么樣的人，會在新的生產函數里被邊緣化。

　　目前為止，AI 對總體就業的真實沖擊，方向已經很清楚，但幅度仍然沒有完全顯影。Anthropic 在 2026 年關于勞動市場影響的研究就相當克制，明確提醒外界要保持謙遜，因為很多測算方法并不能直接等同于真實勞動力市場結果；與此同時，OECD 的宏觀數據又顯示，至少到 2025 年中，發達經濟體整體失業率仍處在低位。

　　換句話說，今天更確定的是任務結構、工資結構和技能結構在變，而不是已經形成了一個簡單粗暴的“AI 導致全面失業”的完成式結論。

　　但這并不意味著這篇文章的標題應該被撤回。

　　恰恰相反，我覺得“所有公司大概都會裁員 50%”這句話之所以應該引起注意，不是因為它是一句嚴格統計學意義上的預測，而是因為它抓住了生產率沖擊下的結構方向。

　　更準確一點的說法應該是：它不是經驗事實，而是一個基于生產率變化和成本遷移的壓力測試區間。

　　可以把它寫成這樣：

員工數量 ≈ 總產出需求 ÷（人均效率 × AI加成）

　　這個表達的好處在于，它不是在武斷地說“所有公司都會機械地裁掉一半人”，而是在說：如果 AI 把人均效率普遍抬高到 2 倍左右，而市場總需求沒有同步翻倍，那么企業把人員規模壓縮到原來的 50% 左右，本身就是一個可以被推導出來的結果。

　　至于具體落到每個行業、每家公司，到底是裁 20%、30%，還是 50%、70%，那取決于行業的需求彈性、組織厚度、監管約束、客戶關系強度和責任分配機制。并不是每個行業都會一樣，但方向大概率是一致的。

　　所以，回到文章標題，我想說的并不是“明天大家都會失業”，也不是為了制造焦慮。真正值得警惕的，是企業已經開始把工資表上的一部分成本，遷移到模型、算力、數據和自動化流程上。

　　互聯網改變的是信息怎么流動，區塊鏈試圖改變的是信任怎么達成，而 AI 真正要改寫的，是企業怎么生產。

　　這一輪裁員潮，表面上是在減人，實質上是在重寫“人、組織與計算”之間的比例關系。

　　誰先看明白這件事，誰就不是被裁員潮拍在岸上的人，而是能在新生產函數里找到位置的人。

　　裁員，只是這場變化最先裂開的一道縫。

　　*本文為上海曼昆律師事務所的原創文章，僅代表本文作者個人觀點，不構成對特定事項的法律咨詢和法律意見。

　　本文作者