-
行业资讯
INDUSTRY INFORMATION
【导读】
2025年下半年，硅谷科技公司密集裁员引发一个尖锐疑问：企业市值与股价并未同步走弱，为何仍要持续“瘦身”？更关键的是，这类动作往往不只是降本，而是在用AI与资本市场偏好重写组织设计与岗位价值标准。对企业与HR而言，讨论“2026会不会更严重”并不足够，真正重要的是识别裁员背后的衡量尺、被替代的岗位类型、以及组织能力如何迁移到“少人+强算力+强模型”的新范式中。
一、2025裁员潮的体量与特征：不是“熬不住”，而是“换结构”
从公开汇总口径看，2025年截至10月，美国科技企业裁员已超过184,000人。单家公司层面，英特尔裁员33,900人，微软裁员19,215人，埃森哲裁员11,000人，IBM裁员9,000人，Salesforce裁员5,000人，亚马逊裁员5,555人，意法半导体裁员5,000人，Meta裁员3,720人。
这组数字之所以刺眼，在于它与许多人熟悉的“裁员逻辑”不一致：过去更常见的路径是业绩下滑、现金流承压、订单不稳，企业通过裁员换取生存空间；而这一轮更像是增长与资本回报叙事下的主动重构——企业可以选择更温和的方式，却偏偏选择更果决的组织切割，释放出明确的信号：组织价值的计量方式变了。
对企业管理者来说，这意味着一个判断要前置：裁员不一定对应经营失败，它也可能对应组织模型升级。理解这一点，才能解释为何“越强的公司，越敢把人减下去”。
二、岗位“消失”的真正原因：信息传递型劳动被快速贬值
裁员之后企业仍能运转，通常来自两个叠加因素。
第一，组织长期存在可被忽略的浪费。大量流程性工作靠“人肉流转”维持：资料收集、表格汇总、会议纪要、跨团队对齐、层层审批与复核。它们在业务扩张期被合理化为“管理需要”，在高薪与高估值叙事中被默许为“效率的代价”。
第二，AI让浪费变得更显眼也更昂贵。当信息处理、写作生成、检索归纳、初步分析可以被工具显著提速时，企业会重新审视那些“主要价值在传递信息”的岗位：它们既不直接创造收入，也不显著降低关键风险，更难证明其不可替代性。
因此，这轮裁员呈现出两类高频命中区：
- 周边职能、间接职能：与经营结果的直接链路较弱，或贡献难以量化，容易被重新拆分、外包、合并，或被工具吞并工作量。
- 中层管理与“MOM”（Manager of Manager）：典型工作是对齐信息、推动流程、汇总数据、向上汇报、向下分派。它们一旦无法提供“决策质量提升”或“资源配置效率提升”，就会在扁平化与工具化浪潮中优先被压缩。
当企业把“岗位价值”从“我负责一个环节”改成“我对经营结果提供独特增量”，很多原本看似合理的层级与职能会被重新定价。
三、“市值驱动”的用工重构：资本市场正在换一把尺子
讨论硅谷裁员，不能只盯人工成本。更贴近现实的解释是：资本市场的偏好在变化，企业在用裁员回应这种变化。
在较长一段时间里，科技公司通过扩张团队、覆盖更多方向、增加细分岗位，向市场展示“可能性”和“火力”。人才规模、岗位颗粒度与研发投入被视作增长期的象征，甚至形成事实上的“人才军备竞赛”：别人有的方向你也要有，别人敢招的人你也要敢抢，才能稳住叙事与估值。
但分工极细带来的副作用也很明确：部门墙、流程桶、KPI真空、重复汇报与决策迟滞。组织越来越像一台把信息磨成粉末的机器，却未必带来同等强度的创新与增长。
当AI成为主线变量后，资本市场对企业的追问变得更尖锐：
如果增长仍主要依赖堆人头与扩大编制，是否意味着AI投入不足、组织智能化不够、规模效应不再来自模型与算力？在这种目光下，“人效”就从内部管理指标，变成外部叙事指标。企业不仅要增长，还要证明自己能用更少的人实现更高产出，才能被视作更符合新周期的标的。
也正因为如此，裁员节省下来的预算更容易被重新分配到算力、模型、数据与工程化能力上。对外，这是“组织正在变聪明”的证明；对内，这是“岗位价值要与智能系统共振”的硬约束。
四、2026会不会加剧：比“时间预测”更重要的是看三组触发器
“2026是否加剧”很难用一句话给出确定答案，因为裁员强度更像一组条件触发的结果。与其押注年份，不如把注意力放到可观察的触发器上——它们决定企业是继续收缩，还是进入结构稳定期。
1）资本端：人效是否仍被当成硬门槛
当外部评价体系继续把“收入增长+人员下降”视为强信号，企业就会倾向于保持更激进的编制纪律。相反，如果市场重新容忍“为新业务扩编”，裁员可能放缓并转为结构性调整。
2）技术端：AI是否真正吞下了“流程型工作量”
决定岗位是否保留的关键，不在于企业是否“上了AI”，而在于AI是否进入日常作业链路：从需求澄清、资料检索、内容生成、数据初步分析到知识沉淀，是否形成可复用的工作流与质量控制机制。只要工具能稳定覆盖这些环节，信息传递型岗位的价值就会继续被挤压。
3）组织端：总部瘦身后，分支机构是否被同一套逻辑重估
当总部完成扁平化与流程重构，海外与各地分支往往会被放到同一套“贡献核算”下重新审视：哪些工作是本地必须、哪些是可集中共享、哪些能被自动化。若组织采用统一的指标体系与能力平台，跨区域的“组织冗余”更容易被识别并被处理。
这三组触发器背后，指向同一件事：裁员不是单点事件，而是“组织逻辑切换”的伴生动作。只要切换仍在继续，岗位与层级就会持续被重估。
五、对企业与HR的现实挑战：从“管人”转向“管贡献、管系统、管风险”
当组织走向“少量精英+AI工具”的模式，HR与管理层的工作重心会发生明显迁移。
1）岗位体系要从“职责列表”升级为“结果链路”
很多岗位说明书写得很满，但与经营结果的链路很弱。更稳妥的做法是把岗位放回价值链：它影响哪个关键指标？通过什么机制影响？是否存在可被自动化或合并的部分？当企业开始用结果链路审视岗位，周边职能与重复层级自然更难自证。
2）中层不再靠“协调存在感”，而要交付可复用的管理产品
中层的竞争力越来越像“管理产品经理”：能不能把经验沉淀为规则、把例外变成模型、把口头对齐变成可追踪的机制。若仍停留在汇总与催办，组织会更倾向用系统与工具替代这部分工作量。
3）建立可量化的人效与能力指标，减少“凭感觉裁/留”
当组织进入高频调整期，最怕的是“运动式裁撤”：短期见效，长期伤到关键能力。企业更需要用数据把边界讲清楚，例如：
- 哪些团队的人力投入与业务产出强相关；
- 哪些岗位的工作量已被工具显著覆盖；
- 哪些能力是未来产品化与工程化必须保留的“关键路径”。
这类分析离不开稳定的岗位、技能、绩效、项目、工时/任务与产出数据底座，否则讨论只能停在口号层。
4）把“AI替代”落到流程与合规：留下可审计的痕迹
AI进入业务链路后，企业需要同步回答两个问题：质量怎么控、责任怎么定。尤其在招聘、绩效、人员决策等领域，若引入自动化与智能辅助，更需要保留规则、记录与审批链路，避免“黑箱决策”带来的争议与风险。组织越精简，风险越集中，机制就越要前置。
六、个体如何应对：从“传递信息”转向“产出判断与模型”
在岗位被重新定价的环境里，个人的安全感不再来自头衔或层级，而来自不可替代的增量贡献。一个可操作的自检标准是：自己的工作成果是否能沉淀为可复用资产——模型、规则、方法、组件、知识库、指标体系，或对关键决策的判断框架。
与其强调“我做了很多事”，不如让产出能够回答：
- 我让哪个指标更好？
- 我减少了哪类风险或成本？
- 我把哪个流程变得可复用、可复制、可审计？
当组织越来越“智能化”，能被保留下来的往往是能推动系统进化的人，而不是在系统之间搬运信息的人。
结语
“2026会不会更严重”并不是一个单纯的景气度问题，而是组织价值尺度改变后的连锁反应：资本端更看重人效与智能化叙事，技术端不断吞噬流程型工作量，组织端则用更扁平、更集中、更可量化的方式重算岗位贡献。对企业来说，关键不在于是否跟随裁员，而在于能否用数据与机制完成岗位重估、能力迁移与风险控制；对HR来说，越早把岗位、技能与产出链路结构化，越能在不确定环境中减少盲目与代价。
