Meta裁员案真正可怕的是什么

26名被裁员工把Meta的AI裁员告上了法庭，但真正可怕的不是“AI裁员”这五个字，而是有人想借着AI的名义，把公司变成血汗工厂。

这次Meta被告，真正吓人的是AI有可能正在被用来，把一家公司悄悄开成一个你不敢休假、女生不敢怀孕、残疾了也不敢开口申请照顾的地方。在这套逻辑下，休假、怀孕、残障，全都会被计算成“你的绩效差”；而AI还顺手成了最好用的挡箭牌：“不是我要开你，是算法给你算出来的。”

2026年7月13日，26名前Meta员工全部匿名，用“无名氏1号到26号”的身份，在加州北区联邦法院把Meta告了。这26个人来自7个不同的州和地区，岗位、团队都不一样，但他们有一个共同点：每一个人在被裁之前，要么休过法定保护假，包括医疗假、产假、照顾家人的假；要么申请过残障方面的合理便利。

他们指控，Meta这次裁员不是主要靠熟悉员工工作的经理来定去留，而是让一套AI和算法辅助系统给员工打分、排序、拉名单；这些休过假、有残障便利的人，被这套系统不成比例地挑了出来。

休假怎样被算法算成负分

“血汗工厂”最扎心的地方就在这里。你不敢休假，因为休假时没有敲键盘、没有提交代码、没有消耗token，系统看到一段空白，绩效分就往下掉。女生不敢怀孕，因为休假期间同样没有烧token、没有产出。残障人士不敢申请合理便利，因为一旦告诉系统“我这里有些不一样”，这个不一样就可能成为把你挑出来的信号。

这个案子的技术核心，可以用两个程序员甲和乙来说明。甲一年12个月都在岗，提交了120次代码；乙也很能干，但依法休了3个月假，可能做了手术，也可能家里添了孩子，剩下9个月提交了99次代码。如果系统只看总量，甲120次，乙99次，乙少了17.5%，于是乙进了裁员名单。

但把分母换对，结论立刻翻过来：甲每月平均提交10次，乙每月平均提交11次。按真正在岗的时间算，乙的绩效反而更高。问题就在于，系统拿日历上的12个月当分母，把乙依法休假的3个月算成“这段时间什么也没干”。

这件事不能简单说成AI自己出了问题或AI疏忽了。这样的算法对老板有利：老板当然希望留下提交120次代码的人。乙即使更能干，但请假期间活没有干完。以前因为法律允许乙请假，老板不能因为这件事开掉他，就必须忍受乙去请假；现在有了AI，老板得到了一个背锅侠。AI打完分，留下甲、开掉乙，这对老板是有利的。

这是一场双方都艰难的举证战

这个案子需要举证。首先要讲清楚，它不是一个集体诉讼案。Meta与每个入职者签劳动协议时，专门约定这类裁员争议不能采用集体诉讼。26个人可以作为共同诉讼人起诉，但最后要一个一个单独谈：谁输谁赢、谁回去上班、给谁多少赔偿，都要分别处理。

法官到目前为止的处理是：这26个人先要求紧急冻结裁员，希望先保留职位，再慢慢审理。法官没有支持，认为即使现在先裁掉，将来如果判Meta输，可以赔钱或者恢复工作，不属于必须紧急叫停的情形，因此裁员顺利完成。不过，法官也要求Meta和原告继续补充证据，8月份还要开庭审理，所以现在没有结论。

进入审理，双方都要提交证据。原告缺少的最重要证据，是Meta到底怎样计算裁员分数：哪些指标参与计算、不同指标各占多少、休假如何处理。任何被裁员工都很难知道公司为什么选中自己，公司最后总会给一个理由。因此，原告目前没有办法直接证明AI让这些请过假、怀过孕或者有残障便利的人被裁。

但他们手里有另一个非常有力的证据：在一些人请假时，主管曾对他们说，最近最好不要请假，请假可能影响绩效，马上可能裁员，你也不希望被裁掉吧。这个话是人说的，不是AI说的，是非常有力的证据。

为什么主管会说这种授人以柄的话？因为主管也可能被裁，他又不是扎克伯格本人。主管要考虑整个团队的任务能不能完成。员工请假当然合法，但员工请假后，如果团队任务没有完成，最后裁员时主管自己也可能被扔进去。所以主管会出来说一些难听的话：“最近风向不对，日子很紧，马上要裁员了，你现在真的要请假吗？”无论作为主管还是准备请假的人，在公司里工作过的人大概都经历过这种情形。这是26名原告手里最有利的证据。

对Meta来说，情况也一样：它要打官司，也要举证，但它要举的证据大概率同样很难拿出来。它需要公开透明地说明裁员规则怎样制定、数据是否排除了员工依法请假的部分、AI给出结论后最终签字的主管有没有修改名单、主管是否有足够时间理解AI打分规则并修改名单、修改时是否给出了理由。不能AI给出名单，主管就直接签字。

为什么Meta可能也很难拿出相应证据？因为公司裁员时，为了尽可能降低影响，通常会采取保密或突然袭击的方式运作。很多裁员理由和计算方法没法公开，一旦真的公开，留下的人也可能没办法继续安心工作。裁员往往追求稳、准、狠：快速挑出要裁的人，快速通知，不给任何人反应时间；裁完以后，还要让剩下的人继续老老实实、欢欣鼓舞地干下去。所以，这个案子最后怎么判还很难说。

用不用AI从来不是问题本身

讲到这里必须把话说清楚：用不用AI裁员，从来不是重点，更不违法。全世界没有法律规定不可以使用AI进行裁员。真正的红线，是能不能借着“我用了AI”，把公司偷偷变成血汗工厂。

“血汗工厂”不是一句情绪化的骂人话。不能拿休假整你、不能拿怀孕整你、不能拿残疾整你，这条底线是欧美国家几代人、无数企业、无数工会斗争了上百年才换回来的。今天觉得天经地义的8小时工作制、周末双休、不用童工、女工怀孕不能被随便开除、工伤得到保障，没有一样是老板发善心主动给的，全是一代代打工人用罢工、官司甚至生命，一寸一寸从血汗工厂时代抢回来的，然后被一条条写进法律。

第一，休假不能变成负分。这是美国家庭医疗休假法FMLA明文规定的规则：雇主不能把员工休保护假当成雇佣决定里的负面因素。第二，怀孕不能成为把员工挑出来开除的理由，这是民权法案第七章和怀孕歧视法管的事情。哪怕系统没有写性别字段，只要按照总在线时长、总产出这样的中性指标，造成对女性系统性不利，都可能违法。第三，残疾必须得到合理便利，而不是被当成排除信号，这是美国残疾人法ADA的核心。它不要求给残障员工降低真实标准，但要求别把残疾或者与残疾高度相关的替身指标，当成把人踢出去的捷径。

这些法律本质上都在做同一件事：给血汗工厂砌一道法律的墙。这个案子逼我们看的，是有些人会不会换上一件叫AI的新工具，就以为能够绕开这道墙，把公司偷偷变回血汗工厂。大家不要认为AI坏，AI再坏也是人教的。这件事跟AI先进不先进没有关系，工具是中性的。不能因为拿起一个更快的新工具，就把上百年斗争换回来的底线一夜退回去。

AI进入裁员后改变了什么

那么，AI这把更快的新工具到底哪里不一样？它为什么既能让事情更公平，又可能变成血汗工厂的帮凶？

以前裁人时，一方面看业绩、评分和各种具体产出，另一方面又不能完完全全靠数据客观完成。人能参考的数据极其有限，更多时候要拍脑袋：我觉得这个人怎样，我喜欢这个、不喜欢那个。这件事甚至有它合理的一面：一个人业绩很高，但主管就是不喜欢他，双方无法很好合作，把他留下也未必是好事。

今天AI来了，它可以帮助决策者参考非常多的信息，用更多维度、更复杂的模型评价员工，这是过去做不到的。但参考数据时会遇到第一个问题：这些数据是不是被正确参考了？比如女生怀孕或者员工请假，到底该怎样计算？从法律角度看，正确方式是把依法休假的时间剔除，不应该算进总量；员工怀孕生孩子，也应该把这段时间去掉。但是对老板来说，“正确”可能意味着把活干完。两种正确并不一样，AI必须遵守的是合法的正确。

第二个问题，是整个考核过程是否透明。Meta这个案子的核心就在这里。Meta裁员时估计也没有那么透明，即使内部有透明度，为了公司以后继续运作，也未必敢把全过程真正拿出来。大概率还是会因为不允许集体诉讼，一个一个与这26个人谈，赔一部分、处理一部分，把事情解决掉。

未来一定会要求数据更透明。无论裁员方还是被裁方，大家都应该能在同一个数据基础上申诉或抗辩，这是必须有的。

人负责不能只剩最后一次签字

第三个问题，是“人负责”到底是什么意思。Meta声称，裁员不是由AI决定，还是由人决定。但人负责有几个很硬的条件：需要签字裁员的人，必须知道系统用了什么数据，能看到原始证据，有时间、有权力权衡并推翻系统结论；推翻后必须写理由，而且不会因为推翻在组织里挨整。这几条缺一不可。

如果需要签字的人只得到10分钟，那就不可能做任何真正的决策，因为他自己也可能被干掉，只能签字。签字的人还必须知道分数怎样计算、原始数据是什么；但很多企业根本没法拿出这些东西，因为其中有许多即使在内部也上不了台面的内容。这对未来企业是巨大挑战。

主管还必须能够推翻AI排序，并写清楚为什么推翻，不能一句“我觉得不行”就拍脑袋；与此同时，他也不能担心推翻之后自己反而被开掉。企业过去一直利用信息不对称对待员工，即使需要签字裁员的中层领导，掌握的信息也不对称，所以他到底敢不敢拒绝AI的结论，很难说。

大部分裁员的真实状态是：员工去问HR为什么裁我，HR说，这是各团队按照统一流程评出来的；再去问经理，经理说，我参考了系统给你的综合评估，也不是我一个人说了算；如果能问到做系统的团队，他们会说，我们只提供工具，最终决定权在业务和管理层手里。一圈皮球踢下来，最后谁也不愿意为裁员负责。

裁员这种事，我自己被裁过，也裁过别人。当你看着一个人的眼睛说“你被裁了”时，其实比别人裁你的时候还难受。在这种时候，要有人愿意承担责任，说实话有点违反人性。

这里还有一个有意思的角度，叫古德哈特定律，也就是Goodhart’s
Law：一个指标一旦决定了你的饭碗，它就不再是一个好指标。如果刷token能决定升职、降级或者被开除，大家就不再好好干活，而是疯狂刷token，最后不可能产生真正有价值的产出。

所以几个问题要连起来看：数据有没有被正确参考，过程透不透明，人到底是真负责还是假负责。这三关道道守住，AI就是让裁员更公平的好工具；有一关塌了，AI就成了公司开血汗工厂的挡箭牌。

美团骑手展示了算法管理的另一面

有没有更反面的典型？有，Meta的“亲兄弟”美团。由AI、由算法掌控的人会有多么悲惨，看看美团外卖骑手就知道了。平台甚至连开除都不用，这些人都是自由职业者、打零工的，但美团可以通过算法排序：送了多少单、是不是全勤、有没有迟到、有没有超时。没有投诉、准时到达、送单量大，就发奖金；其他人可能拿不到奖金，甚至被派很差的单子，受到处罚，而且处罚过程并不透明。

最终，几百万外卖员骑着超标电动车。国家规定电动自行车最高时速25公里，但他们想在午饭时间准时送餐，就骑着改装后时速45到50公里的电动自行车满街飞奔，非常吓人。很多人还罔顾交通法规，闯红灯、逆行，天天如此。这些都是算法逼出来的。他们为了在算法里多拿一点奖金，可以把自己逼成这样。

一旦算法决定人的收入，决定一个人是不是被开除，就会很可怕。现在国内也在开始调整，要求平台不能再这样处理，首先得保证交通安全，因为这些外卖员在街上已经构成重大交通隐患。

算法打分时代的六组选择

未来，我们会不会沦为完全靠算法打分的员工？会，一定会。老范现在每天也被算法打分：节目有没有人看、有没有人点赞、有没有人发评论。YouTube每天用算法过滤内容，如果发现很多人喜欢，就给老范更多流量；如果大家只看完而不点赞，可能就不给流量，收入也会下降。这就是现实。

算法打分一定会成为大趋势，所有人都会面对。未来真正需要思考的，不是用不用AI打分、用不用AI裁员，而是职场会不会重新变成血汗工厂。这里可以做六个对比。

第一个危险做法，是直接拿日历期限内的总活动量比大小，Meta这次被指控的就是类似做法。可持续的做法，是先剔除受保护的假期，按照一个人实际能够工作的时间测量。老范自己在YouTube上基本日更，星期六可能少更一期，其他时间都要更新，因为只要不更新，平台就可能不给流量。YouTube的算法也没有考虑正常双休，所以现在一年365天基本无休地更新。

第二个危险做法，是拿token、键鼠或者在线时长直接衡量价值。按照古德哈特定律，这样做不会有好结果，员工会想办法糊弄老板。可持续的做法，是使用真正与岗位相关、经过验证的多维标准检验员工。

第三个危险做法，是删除敏感字段就宣称系统没有偏见。算法里删掉性别、残疾、怀孕，不等于不再考量这些因素，因为它可能用其他替代数据把同一批人筛出来。比如用跑100米的速度筛选，残疾人仍然会被排除。可持续的做法，是主动检查代理变量和群体结果。所谓代理变量，就是虽然不叫“怀孕”，依然能把孕妇筛出来的变量，这些东西都要屏蔽。

第四个危险做法，是经理只看一眼排序就签字。可持续的做法，是让经理能够查原始证据，能够推翻系统结论，推翻时必须写出理由，而且不会因为推翻承担不当责任，这才是真正的人参与。

第五个危险做法，是出了事再回头重建过程。Meta现在大概就面临这种局面：出事以后回来看看哪些流程可以补、哪些事情需要找人签字。可持续的做法，是事前就把输入、模型版本、名单变更和审批日志保存好。不过，第五和第六点说起来容易，实际上执行可能非常困难。

第六个危险做法，是员工既不知情也没法申诉。大部分裁员都是这样，至少我在国内职场这么多年，基本就是这种状态。可持续的做法，是适当告知，解释主要理由，并提供复核渠道。过去很难做到，因为会增加巨大管理成本；有了AI以后，不知道这一块能不能有所改进，毕竟以前只靠人肯定搞不定。

今天的故事不是说Meta就是血汗工厂，也不是说这26个人一定是在无理取闹。如果Meta能够证明，剔除休假、怀孕、残疾因素后，按照原来的考核体系，这些人依然应该被裁掉，Meta也可以洗脱冤屈。

真正要讲的是，AI参与评估、AI参与裁员，是一个不可逆的大趋势。在这个过程中，会有一些老板借AI之名，重新行血汗工厂之事。AI在这里没有善恶，坏的永远是使用它的人。这一点一定要记住。

背景图片

大家好，欢迎收听老范讲故事的 YouTube 频道。

今天想跟大家分享一下杰克·多西的 Block 关于 AI 与公司架构调整 的一篇长文。作者认为，前面真正意义上做“AI 裁员”的，实际上就是杰克·多西。很多其他公司所谓的 AI 裁员，其实更像是假裁员，或者只是借了 AI 的名字去裁员。真正因为 AI 推动组织重构，并且伴随大规模裁员的案例里，杰克·多西基本上算是第一个。

这篇文章写得很长，从古罗马时代一直讲到 AI 时代，讨论了公司治理结构的变迁，以及未来组织可能演化成什么样子。下面就来系统分享这篇文章的核心内容。

为什么说杰克·多西是“真正的 AI 裁员”先行者

首先，和现在很多裁员公司一样，Block 是一家特别挣钱的公司，而且盈利还在屡创新高。作者之所以认为杰克·多西是第一个真正跑出来做 AI 裁员的人，是因为像 Salesforce 这样的 SaaS 公司，裁了很多人之后，其实并没有呈现出明显成功的结果。公司没有明显变好，也没有出现“裁员以后挣的钱更多了”或者“业务发生重大变化”的局面。

至于 Oracle 和亚马逊的大裁员，本质上更像是在为过去的一些决策失误买单。Oracle 裁了大概 20% 的人，亚马逊裁了 10% 的人。真正裁员最狠的，其实是马斯克，把 8000 人的 Twitter 直接裁到 1500 人，但那属于非常状态。

相比之下，真正把 AI 和组织重构结合起来做裁员 的，作者认为杰克·多西基本上是第一个。

更重要的是，杰克·多西还是 Twitter 的发明人。Twitter 最核心的发明，不是别的，而是单向关注。你关注我，我甚至可以根本不知道你是谁。就是通过这样一个看似简单的信息流机制调整，他创造出了一个全新的媒体帝国，也就是今天的 X。

因此，他如今通过信息流和组织信息流变化来重新思考公司治理架构，这件事本身就很值得讨论。

Block 的裁员背景与数据

这次裁员发生在 2025 年 Q4。当时公司收入是 62.5 亿美元，同比增长 4%；毛利是 28.7 亿美元，同比增长 24%。在这样的情况下，Block 把一家 1 万人的公司裁到不到 6000 人，直接裁掉了 4000 人，也就是 40% 的员工。

从操作方式上看，这种裁员属于比较标准的“Excel 裁员”。很多公司裁完以后会发现问题：有的人裁错了，业务受影响了，于是又把人叫回来上班。这种情况并不罕见。但真正更值得关注的，不是裁员动作本身，而是裁完以后到底发生了什么变化。

杰克·多西如何追溯公司制度的起源

在文章一开始，杰克·多西先讲了一个大问题：现代公司制度到底是怎么来的。

如果大家对原文感兴趣，可以去 Block 官网查看，或者去 X 上找杰克·多西的账号。

从古罗马军团到现代层级管理

(img: 古罗马军营俯视图，一个帐篷内八名士兵与一头骡子，外侧依次延展到百夫长、步兵方阵和军团旗帜，层层递进的编制关系清晰可见，羊皮纸，钢笔彩色手绘的统一风格。3:2 )

杰克·多西提出，我们现在的公司制度，其实源头来自 古罗马军队。

古罗马军队最小的单位叫“同帐小队”，一个帐篷里住 8 个人，这 8 个人还共享一头骡子，由一个人负责管理。再往上，多个同帐小队组成更大的单位，由百夫长管理；再往上，多个百人队组成步兵方阵，再由多个步兵方阵构成军团。

这就是罗马军团最早的分层级管理系统。

原因很简单：一个人不可能管理太多人。所谓极端扁平化，很多时候只是理想化说法，现实里根本管不过来。于是，只能让每个人少管一点，再多分几层，最终用层级结构把整个军团组织起来。

而古罗马军团的确凭借这套系统长期战无不胜，直到后期才逐渐出现问题。

层级制度的核心：管理边界

这套制度延续下来以后，形成了现代组织管理里很重要的一个概念：管理边界。

• 第一，一个人不能管太多人，通常也就是 3 到 8 人，顶多 10 人左右，再多就很难有效管理。
• 第二，如果你想管理更多的人，就只能增加层级。
• 第三，层级一多，信息传递效率就会下降。

所以古罗马一个军团大概就是 5000 人左右，再大就很难管理了。所谓“百万大军”，更多是文学和评书里的说法。

一战后的变化：参谋系统出现

那么，这套制度是什么时候开始发生变化的？答案是 第一次世界大战前后。

这个时候出现了一个关键的新东西：参谋和参谋本部。

为什么会出现参谋？因为必须解决一个问题：如果最高统帅是个笨蛋怎么办？

在早期层级制度中，每一层组织结构大体是相似的。但后来很多贵族因为出身好而成为将军，至于是否真的擅长打仗，并不一定。普法战争之后，大家逐渐意识到，贵族出身不等于有能力，因此需要一支专业参谋团队，把作战、行军、命令执行这些问题都标准化、专业化。

于是，一战之后，军队基本上形成了两条并行线：

• 一条线是传统的军、师、旅、团、营、连、排层级结构；
• 另一条线是参谋部门、职能部门和幕僚团队。

前者负责层级指挥，后者负责专业支持。军队从此不再只是单线层级管理，而是演化成了 双线并行结构。

现代公司制度是如何形成的

那么，这套东西又是什么时候进入公司的？

一开始，公司规模其实都不算大。哪怕是传承上百年的老字号，也未必有多复杂。但随着铁路时代到来，传统公司管理方式开始不够用了。

1850 年，纽约到伊利诺伊的铁路修好以后，铁路公司之间协调问题频发，经常撞车、出事故。于是，世界上第一张公司组织架构图，就是在这个背景下出现的。

这张组织架构图，本质上就是把罗马式层级制度和专业职能部门结合起来，形成了一种可规模化的管理体系。后来，他们还找了很多西点军校毕业的军官去管理铁路公司。

也就是说，我们今天熟悉的公司制度，就是这样形成的。

传统公司制度的问题：规模边界

无论是古罗马军团制度，还是现代公司制度，它们都面临同一个核心问题：规模受限。

一个组织涨到一定程度以后，就很难继续靠传统方式高效扩张了。可现在的大公司动不动就是十几万人，那到底该怎么管理？如何打破这个边界？这才是杰克·多西真正关注的问题。

历史上的组织创新尝试

为了解决传统层级制度的问题，很多公司都做过不同方向的尝试。

Spotify：跨职能自治小队

Spotify 曾经尝试过很多跨职能自治的小队，让小队端到端负责产品。但当公司规模扩大到一定程度之后，这套机制还是撑不住，最后又回到了传统层级管理制度。

Zappos：去中心化与无职级

Zappos 是美国一家卖鞋起家的公司，后来也卖衣服。他们曾经尝试过去中心化、去掉管理职级，但因为人员流失太严重，最后逐步放弃。

原因在于：当大家都没有职级以后，薪水、贡献和自豪感都很难衡量。别人看到你做得不错，就会来挖你的人。最后没办法，只能恢复等级制度。

Valve：平层公司尝试

Valve 也尝试过类似平层组织和“码头组织”的管理方式，但公司一旦超过几百人，也很难继续扩张，最后还是退回了传统结构。

海尔：“人单合一”模式

真正比较走出来的案例，是中国青岛的 海尔。

海尔玩的模式叫“人单合一”。这里的“单”并不是订单，而是具体有价值的客户需求。员工围绕这些需求，组成很多很多小战队，去快速解决问题。最后，海尔逐步变成了一种平台型企业。

简单说，海尔让公司只负责最上层的平台服务，下面的人则像在平台上创业、接活、解决问题。

小米：三层扁平化尝试

小米也曾尝试过扁平化管理，只有三层：最上面是雷军，中间是部门负责人，下面就是员工。但公司扩张到一定规模以后，最终还是回到了层级制度，说明这条路并不容易走通。

盛大网络：经验值管理系统

还有一个比较特别的例子，是作者自己亲身经历过的盛大网络“经验值管理系统”。它把底层人员从原有架构里拆出来，但拆出来以后如何协作？盛大借鉴游戏机制，做了一套内部银行和市场系统。

大家自己去寻找有市场价值的事情做，上面只负责下预算。拿到预算后，具体怎么花由团队自己决定。它相当于把一部分层级管理打回到了市场原型里。但做到一定规模以后，同样很难持续。

为什么这些尝试大多失败

这些案例的问题都差不多。按照杰克·多西的解释，失败的关键就在于：

当你把人打散以后，又不希望他们继续受层级制度影响，就会导致公司扩张效率无法实现，因为没有人负责中间的信息沟通。

也就是说，层级制度虽然笨重，但它承担了一个非常关键的功能：信息在组织中的传递与协调。一旦把这个机制打掉，又没有新的替代方式，组织就会失速。

平台型企业为什么也不是终极答案

海尔看上去相对成功，是因为它做成了平台型企业。但平台型企业也有自己的问题。

• 第一，平台公司内部自己也是层级管理的。YouTube 内部是层级管理，谷歌内部也是层级管理。
• 第二，平台规则的制定和调整非常缓慢，不可能今天一拍脑袋就把规则全改了，更不可能天天改。
• 第三，平台必须保持稳定，否则参与者就不会信任平台，也不愿意在上面持续投入。
• 第四，平台规则只能面向大多数人，不可能针对每个个体需求做高频快速调整。

因此，像杰克·多西设想的那种“随时识别需求、随时设计产品、随时推荐、随时做生意”的灵活模式，平台本身是做不到的。平台必须稳，而这种新模式追求的是快。

杰克·多西的核心观点：大多数公司用错了 AI

在提出新组织方式之前，杰克·多西还给出了一个非常重要的观点：大部分公司使用 AI 的方式都是错的。

错在哪里？他说，很多公司只是给员工配了一个 AI 助手，但并没有改变公司的组织架构。公司依然是传统层级制度，依然是“罗马军团式”的运作方式。

这种方式当然也能降本增效，也能裁人，但它带不来真正的增长。你原来挣多少钱，现在大概率还是挣多少钱。裁员本身并不是关键，关键是 增收。

换句话说，用了 AI 以后，不管裁不裁员，都应该让生意变得更大。如果裁了半天人，收入没涨，甚至还下降，那就说明 AI 没有真正改变公司的增长模式。

这也是作者认为杰克·多西是“AI 裁员第一人”的原因：他裁完以后，收入还在继续增长。这与很多只是为了还债、降成本而裁员的公司不同。

Block 的新公司架构：四层模型

那么，杰克·多西提出的新公司架构到底是什么样的？

他把公司分成了四个部分。

1. 能力层

第一部分叫 能力层。

能力层可以理解为原子化的金融构建块，要求可靠、合规、高性能，而且不带自己的 UI。比如：

• 支付
• 借贷
• 信用卡
• 银行能力

这些都属于能力层。

2. 世界模型

第二部分叫 世界模型。

这里的“世界模型”，并不是指 3D 建模，而是指：基于真实世界信息构建出来、可以实时、机器可读地理解公司运营全貌的模型。

而且在 Block 内部，这个世界模型有两套：

• 一套给内部使用；
• 一套给客户使用。

杰克·多西特别强调，这些模型基于的都是真实数据。因为 Block 旗下有 Square 和 Cash App：

• Square 面向商家，提供 POS 机和支付系统；
• Cash App 面向个人用户，提供支付应用。

这些系统里流动的都是真金白银，没有什么比资金流更接近真实世界。人们会用钱投票，因此这就是他们世界模型的基础。

3. 智能层

第三部分叫 智能层。

智能层的作用，是主动识别需求、组合能力、交付方案。它相当于替代了原来大量由产品经理完成的工作。

过去，公司要解决一个问题，往往需要产品经理先去研究：

• 是不是应该设计一个新产品？
• 是不是应该增加一个新套餐？
• 这里是不是应该多投点广告？
• 那里是不是需要新的广告素材？
• 是不是应该做一个折扣活动？

而现在，智能层直接在世界模型上运行，自动生成方案，并且自动执行。

以前要上一个新套餐，通常要经历：

1. 产品经理提出需求；
2. 团队开发；
3. 做合规审查；
4. 找法务；
5. 开很多会；
6. 反复对齐优先级。

现在，多西的意思是：这些中间环节可以由智能层直接完成。

智能层的两个例子

例子一：某个餐厅在旺季时突然现金短缺。

系统应该自动识别这种情况，并为它推荐一笔贷款，或者展示“我们有贷款能力，你的评估情况如下，要不要签下来”。整个过程中，不需要开会，也不需要层层申请，AI 系统直接搞定。

例子二：某个用户搬到了一个新城市。

Cash App 能识别出他的行为模式变化，然后自动向他推荐周边返现点、优惠点，告诉他附近哪里更划算。这同样由智能层完成。

4. 接口层

第四层叫 接口层，也就是 Interface。

这一层负责人与 AI 的交互界面，比如 Cash App 的用户端和 Square 的商户端，把前面能力层、世界模型和智能层最终呈现给用户。

这样一来，整个公司就被重新拆成了四大模块：

1. 能力层
2. 世界模型
3. 智能层
4. 接口层

在这套新架构里，人还做什么

在新的系统里，杰克·多西把人分成了三类。

1. 个人贡献者

第一类叫 个人贡献者，也就是各种行业专家、深度专家、核心能力模块的建造者。

2. 直接负责人（DRI）

第二类叫 直接负责人，简称 DRI（directly responsible individual）。

这些人围绕特定问题和目标，在 90 天周期内负责推进，有点像临时项目经理。他们可以跨团队调动资源，并且对结果负责。

3. 球员兼教练

第三类叫 球员兼教练。

他们既要自己构建能力，又要培养人。也就是说，一边要写代码、做事，一边还要带人、教人、兜底。这类人是在高风险环境里做判断的人。

在这三类角色中，只有中间这个 DRI 是临时职位；另外两个，也就是个人贡献者和球员兼教练，都是永久性的。

原来的中层管理者，基本都被转化成了“球员兼教练”。也就是说，你不再只是管理别人，而是要自己下场干活；有事时你还要顶上去做 DRI；有新人进来或其他人不会时，你还得承担教练角色。

这套系统如何运转

杰克·多西这套系统的运转，有两个基础前提。

真实数据是底座

第一，在他看来，现金收益就是最真实的数据，因为没人能在现金流面前撒谎。

Block 做的是支付、商户收款和个人转账，天然就拥有大量真实、连续、实时的交易数据。这些数据非常适合构建世界模型。

远程办公优先，信息留痕完整

第二，Block 是一家 远程办公优先 的公司。既然大量员工都能在家办公，就一定需要非常完善的信息留痕机制。

你做的每一件事都会留下痕迹，例如：

• 邮件
• 文档
• 代码
• 版本库记录

这样，他们就积累了大量可以拿去训练世界模型的数据。

所以，如果有公司想学 Block，首先要问自己两个问题：

1. 你有没有足够真实的数据？
2. 你有没有完整的信息留痕？

如果这两个基础都没有，那么想学这套系统，恐怕还得再等等。

AI 是如何直接提高收入的

按照文章中的描述，Block 现在已经开始让这套系统运转起来了。通过自动向商家发放贷款、自动向个人推荐最有效的返现卡和周边优惠，AI 已经在 直接提高收入。

而在传统模式下，要做这些事情是非常痛苦的：

• 先研究是不是要构建一个新产品；
• 再看卡在哪个审批环节；
• 确认是否合规；
• 讨论资源分配给谁；
• 安排程序员和设计师；
• 开大量状态同步会和优先级对齐会。

现在，这一切都不再需要。一个事情可以由 AI 自动识别、自动生成方案、自动执行。

以贷款业务为例

尤其在支付领域里，放贷款通常是最挣钱的事情。

过去很多公司为了把贷款放出去，会花很多钱打广告。为什么？因为它没办法精准识别谁适合贷款、谁能贷多少、谁信用如何。于是只能广撒网打广告，等客户回来申请，再人工审核，最后经常发现条件不符，白忙一场。

这背后的根源，其实是组织结构问题，也是 KPI 问题：

• 贷款部门有贷款部门的 KPI，希望多放贷；
• 投放部门有投放部门的 KPI，要保证转化率；
• 风控部门有风控部门的 KPI，要控制坏账率。

于是，前端拼命拉人，后端再大量拒绝，整个流程效率很低。

但 Block 不一样。因为商家本来就在使用 Square 的支付系统，所以 Block 直接知道：

• 你每年挣多少钱；
• 你的经营情况如何；
• 你在什么时候最需要贷款。

于是，在你最需要的时候，系统也许只需要在你的终端上展示一次，就足以完成推荐；甚至都不需要额外广告，系统直接告诉你：你可以贷款，而且额度已经算好了。

这样一来，整个效率大幅提升，现金流也会更顺畅地转起来。这就是杰克·多西整套系统的运作逻辑。

这套模式能成功吗

对于这套系统能否成功，杰克·多西自己也说，并不是特别确定，但愿意试一试。如果谁觉得有问题，也可以去跟他辩论。他愿意接受批评，也愿意拿自己的公司做压力测试。

这一点本身，其实是非常难得的。

为什么传统企业很难照搬 Block 模式

不过，作者认为，这件事对传统企业来说很难学。也许会有人尝试模仿 Block，但未必真的敢这么做。因为这套体系意味着：大量原本由中台、管理层、流程审批者掌握的决策权，要转交给 AI 系统。

而传统企业往往不是这么运作的。尤其在很多企业文化里，老板才是最终决策中心，甚至是唯一真神。在这样的文化氛围下，让 AI 去承担信息权、资源权和选择权，几乎很难落地。

作者还回忆了自己刚上班时的经历。1990 年代做管理信息系统时，有位师傅曾说：你这个系统设计得挺好，但是成不了。为什么？因为现实组织里有很多“系统之外”的因素，比如哪个处长要下台、哪个科长要上去。一旦牵涉到这些隐性权力关系，系统就很难真正成功。

同样的问题，也会出现在杰克·多西这套系统里。它很可能无法在绝大多数企业里推行。

传统层级制度为什么一直没有消失

原来的“罗马式”管理制度之所以长期存在，不只是因为它保守，更因为它有一些很难替代的优点。

其中最核心的一点，就是 责任到人。一层一层往下压，每个人都有 KPI，每个人只管自己的事情。虽然效率未必最高，但责任关系清晰。

此外，还有一个很现实的问题：咨询公司很难帮老板设计一套“削弱老板权力”的组织方案。

比如谷歌这样的公司，如果想做组织架构调整，通常不会凭直觉就动，而是会先找咨询公司，根据需求做方案。但咨询公司一般是在各种确定性框架内帮企业优化，它不可能最后给出一个结论说：

老板你以后没权力了，我们要把整个体系打乱。

因为最后签支票的，正是老板自己。老板不可能给这种方案签字。

如果新模式推进下去，会不会出现人才流失

作者也提出了一个现实问题：如果这套系统真的运转起来，会不会也遇到前面那些案例中的人员流失问题？

比如，有些人可能会觉得：

• 我在这里折腾半天，也升不上去；
• 负责的事情都是临时的，过一阵就不是我的了；
• 想积累位置、积累权力、积累财富，也很难形成稳定通道。

在这种情况下，如果别人来挖他，他是不是就走了？

一旦这种情况大规模出现，组织很可能又会慢慢回到原来的层级结构。因为层级系统虽然问题很多，但它不仅仅只有缺点，它同样提供了稳定的身份、上升路径和荣誉体系。

军衔的意义，也说明了层级制度的价值

作者举了一个很有意思的例子：军队里的军衔到底是干什么用的？上尉、中尉、少校这些军衔，核心作用是什么？

最关键的作用，是在指挥体系被打乱以后，让大家知道现场到底 谁说了算。

前线打仗的时候，你不可能保证自己一定能找到团长。比如诺曼底登陆，士兵们从海滩上爬上来，现场一片混乱，那听谁的？很简单：看帽子上谁有杠，没杠的听有杠的。

除此之外，军衔还是一种荣誉系统，这一点也非常重要。

所以，当杰克·多西试图让 AI 去承担信息传递、资源协调和组织分配时，最终到底能把企业效率提升到什么程度，确实还需要继续观察。

作者的判断：值得关注，但不适合大多数公司

总的来说，在新的时代里，公司架构调整一定会被提上日程。杰克·多西提出的这种把原有层级架构解耦的方式，到底能不能持续运转下去，作者个人并不乐观，整体上更偏悲观一些。

作者认为，这种模式也许在某些特定行业、某些特定性格老板的公司里可以试行，但不可能适用于大多数公司，尤其是那些几万人、十几万人规模的大公司，基本上很难这么玩。规模较小的公司，也许还有一些机会。

真正值得参考的地方：也许它最终不再是“公司”

不过，杰克·多西提出的东西，真正有参考价值的地方在于：它最后未必还是以传统“公司”的方式运转。

也许改到最后，大家不再属于传统意义上的公司，而是变成一种更松散的协作架构。在没有统一规则平台的前提下，通过一个世界模型来协调大家一起干活。

换句话说，它有可能重新发明出一个像 Twitter 那样的新东西。这一点非常值得思考。

特别是这些年，大家一直在探索各种各样的去中心化组织。杰克·多西这套世界模型，未来也许会演化成这样一种形式：

一群人没有加入他的公司，也没有签劳动合同，但在他的世界模型协调下，依然可以一起工作。

这也许会成为某种未来组织形态。

结语：AI 时代，社会与公司体系会如何变化

这也是作者认为值得继续讨论的核心问题：

AI 来了以后，整个社会体系、员工体系、公司体系，原来这种稳固的金字塔架构，到底会怎么变化？

这也是作者一直比较关注的方向。至于有多少人愿意听，那倒不重要，关键是这件事已经值得认真讨论了。

好，故事就讲到这里。

大家好，欢迎收听老范讲故事的 YouTube 频道。

AI 时代的圈地运动开始了

被羊吃掉的人怎么办呢？

400 多年前，英国发生了著名的圈地运动。他们把地圈起来，把原来土地上的农民轰走，用这些土地去养羊。因为他们要发展羊毛纺织业，所以就出现了著名的“羊吃人”事件。

400 年后，这个故事在科技行业中重演了。这一次吃掉人的不是羊，而是 AI 算力。

2025 年到 2026 年，全球科技大厂开始了一波前所未有的裁员。但这一次裁员跟以前都不一样。疫情结束之后，其实很多公司都进行过裁员，但那一次裁员是因为公司亏钱、经济不好、受到疫情冲击，而且有些互联网公司在疫情期间过度招聘，疫情结束之后用不了这么多人了，所以要进行一定的裁撤。

但这一次真不一样。很多在裁员的公司其实是在盈利的，而且挣得非常多，他们依然要裁员。他们裁员的理由已经不再是公司不好、业绩不好、亏钱了，或者前面招太多人，而是 AI 提效，我要把钱留下来买 AI 基础设施。

所以我说，这一次的裁员，就是一次 AI 时代的圈地运动，就是一次算力吃人的过程。

先说美国大厂

Meta：盈利也要裁，因为 AI 基建太烧钱

第一个是 Meta。Meta 计划裁员 20%，大概是 1.58 万人。这个数据来自路透社 2026 年 3 月 14 日的一篇独家报道，据说是三位知情人士透露的。不过公司的回应是，这只是一个猜测性的报道，并没有正式承认，也没有彻底否认。

我在今天写完稿子以后，还问龙虾要不要给我提提意见，觉得我哪里写得不对。它说我的标题有一点太平了，应该选一个带有特别惊悚数字的标题，还给了我一些建议。我就不跟大家讲这个建议是什么了。

但大家要知道，一旦经过这样的改造以后，这个新闻、文章或者视频的点击率、转化率一定会上升，但是也很容易发生事实偏移。

所以，到底是全公司裁 20%，还是某些部门裁 20%，现在并没有定论。只是路透社说，据三名知情人士透露，是裁 21.5% 还是八万人规模中的一部分。

2026 年 1 月，Meta 刚刚裁了 Reality Labs，也就是他们做 VR、做元宇宙的那个项目，裁了 10% 的人，大概 1000 多人。但如果真的要裁 1 万多人，我觉得还是要耐心看看后面到底会怎么样。

因为扎克伯格现在遇到一个很大的问题：他要在 2028 年之前完成 6000 亿美金的 AI 基建。你要从工资单里把这个钱挤出来，否则这个事情就玩不转。

亚马逊：三个月裁 3 万人，连环宕机引发担忧

第二个是亚马逊。亚马逊前面我们已经知道了，三个月裁了 3 万人，还导致了连环宕机。

第一波是在 2025 年 10 月 28 日，官宣裁了 1.4 万人，而且这 1.4 万人都是白领，不是那些搬箱子的蓝领。遣散费花了 1.8 亿美金，但这个 1.8 亿花完就完了，以后不用再每个月给他们发薪水了。

第二波是 2026 年 1 月 23 日，又裁了 1.6 万人，所以加在一起是 3 万人，占白领员工总数的 10%。

说到 10% 这个事就已经很吓人了。亚马逊也出现了连环宕机。去年 10 月 20 日，也就是裁员前 8 天，AWS 美东一区大故障，1700 万次报错，持续了 15 个小时，全球 60 多个国家被波及。迪士尼、Coinbase，连智能床垫都瘫痪了，因为智能床垫也要从亚马逊云走，损失超百亿美金。

这虽然是去年的一次故障，而且那一次还没赶上正式裁员，但要相信，裁员前 8 天已经是山雨欲来风满楼了，大家心里肯定都毛了，所以出现了一次大宕机。

宕机以后，最后还是要靠人修复，要靠人去把 bug 找出来。当时是一个 DNS 复制错误，就是把一个错误的 DNS 复制到了云服务器上，最后只能靠人工一点一点、一条一条去查。

3 月 5 日，裁员落地以后，亚马逊电商主站直接崩了，2.27 万次报错，也是损失巨大。前面裁员的时候股价怎么涨，崩了以后股价就怎么跌。市场不管你这些乱七八糟的东西，只会觉得你这肯定不行了。

Block：承认裁 40%，裁完又返聘

第三个是 Block。这家支付公司亲口承认裁了 40%。它的 CEO 叫杰克·多西，是原来 Twitter 的创始人。

2026 年 2 月 26 日，他发内部信，说员工从 1 万多人缩编到不到 6000 人。实际上裁的人应该比 40% 还多。理由就是 AI 工具整合以后效率提升了，不需要这么多人了。

裁完以后，市场当天涨了 25%。但魔幻的是，有些人裁完以后又被请回来了。

这两天有报道，说有两个原因：

• 第一个原因，是有人直接收到一封邮件，说对不起，当时弄错了，是文书错误，你回来上班吧。AI 有时候有幻觉，发文书出去也确实会有一些问题。
• 还有一种情况，是有些经理说，你把这人都给我裁了，我实在没法干活了。你要让我继续干下去，就必须把人给我弄回来。

于是也有一些人被返聘回来，但返聘回来的人是非常非常少的。

还有一个故事，有人拿了 75% 的涨薪和留任奖金，结果依然选择离开。我前两天还专门录了一个短视频，讲一个地主老财请村里人吃饭，发现来的人稀稀拉拉，只来了一半，他说：“怎么该来的都没来呢？”来的人一听，心想，那我就是不该来的呗，于是又走了一些。

剩下四分之一的时候，老头又说：“怎么不该走的又都走了呢？”剩下的人一听，心想，那我们这些肯定是多余的了，于是又走了。最后只剩一个人，上来说：“老爷啊，您不能这么说话，太得罪人了。”结果老爷说：“我不是说他们呢。”这人一想，那就是说我呗，实在哭笑不得。

所以裁员的时候通常就是这样。员工未必这么想问题，但老板就是这么看问题的。他肯定希望把不该留下的人裁掉，把该留下的人留下。

但人毕竟不是螺丝钉，不能随便拨。这里头一定有很多心理上、人情世故上的事情要处理，不可能今天让你走，明天让你回来，像开开关一样，这件事是搞不定的。

中国公司的情况是什么样

百度：亏损压力下，部分团队裁 40%

先说百度。2025 年，百度是这么多年来第一次在三季度由盈转亏，原来一直挣钱，现在开始亏钱了。然后 AI 竞争失利，我们一直讲，百度做 AI 是起了个大早，赶了个晚集，最后把自己变成了一个笑话，广告收入还下滑。那怎么办呢？只能裁员。

百度部分团队裁了 40%。大家注意，不是全部百度员工裁了 40%，只是部分团队。重灾区是手机生态和核心在线营销部门，主要人群是入职未满 1 年的新人和工资高的老员工。

入职未满 1 年的新人，这就很坑。大家知道，中国有一个身份叫应届毕业生。应届毕业生是带着很多政策下来的，比如可能涉及北京户口。你一旦把应届毕业生身份丢了，再去找工作，这些身份和优惠也都没了。

所以以前大厂裁员，通常是尽量不要动应届毕业生的。第一，他们心智也不是很成熟，家里人还都把他们当宝贝一样；第二，利益牵扯很大，真有可能闹出事来。所以百度干这个事，真的是被骂惨了。

至于老员工，那没办法了，岁数大了，在这种公司里本来就不太受待见，工资又高，有时候还倚老卖老、四处指手画脚，所以这些人也容易被干掉。

网易：外包裁员传闻与官方辟谣

再往后一个是网易。网易是外包裁员，传说是要“全清”。据说有人把丁磊的微信截图传出来了，后来丁磊说这个到底是谁传出去的，要把他逮住、要罚他。但网易后来自己辟谣，说没有这回事。

那个截图上写的是：4 月 1 日裁 30%，5 月 1 日外包全裁，到 5 月 1 日以后就没有了。

大家知道，裁外包这个事情，在财报上是看不到的，因为这些人原来就不是网易员工。如果他们是正式员工，网易每个季度发财报的时候要写清楚有多少员工。所以这个事情它完全可以辟谣，也不会有什么人能揭穿它。

网易的说法是，相关信息不实，我们只是正常的业务调整，有些项目关掉了，有些项目开始了，跟外包全裁没关系。

那它为什么会干这个事呢？2026 年 2 月的财报发布会上，丁磊自己就说了，现在 AI 已经应用到游戏研发和运营的所有链条上，每一个环节都用上了，就不需要这么多外包了。

这几年其实游戏产业的日子都没有那么好过。很多人说，不对啊，我看游戏挺热闹的。但要注意，AI 对游戏来说并不仅仅是提高效率，不只是“用了 AI，游戏做得更快了”。另一方面，AI 对游戏的打击其实也非常彻底，那就是 AI 挤占了大量用户的注意力和时间。

游戏需要占用大量连续时间，用户才会玩得爽，才愿意付钱。

B 站：传裁员 60%，更可能是局部部门收缩

再往后一个是 B 站，传裁员 60%。B 站当然也出来辟谣了。我觉得像这种谣言，大概率是 B 站某些部门会裁员 60%，但是为了让标题更好看，就变成了“B 站要裁员 60%”。因为像 B 站这样的公司，如果真的裁 60% 的员工，就直接挂了，这个数据太夸张了。

而且 B 站去年是首次盈利。大家要注意，公司在蒸蒸日上的时候是敢于亏损的，当然百度那种除外，它是逼不得已只能亏。很多公司往上涨的时候敢亏，越是不行的时候越要去挣钱，要向大家证明说，你看我还有口气，千万不要抛弃我，我还活着。

那 B 站去年是怎么挣钱的？裁员、砍项目。它把各种自研游戏项目都砍掉了，不做自研了，老老实实做一个轻公司，就在流量上挣钱。反正我有 IP，有这么多视频，我就在这里卖流量就可以了。

所以我相信，所谓裁员 60%，大概率是游戏部门或者自研游戏团队，这个说法可能更靠谱。

小米：南迁不是裁员，但效果类似裁员

小米是在 2025 年 11 月做过一件事，叫南迁。它把很多部门从北京迁到了武汉。

在这个过程中，一方面它不叫裁员，这个怎么能叫裁员呢？我只是搬个地方。另一方面，它可以很好地裁掉岁数大的员工。

为什么？因为岁数大的员工有家有口，你让他把整个家都搬过去，另一半怎么上班，孩子怎么上学，这都没法解决，所以只能选择离职。

但小米会说，你看我还给他们安置费、搬迁补贴、搬家费，我们欢迎他们过来。可对于稍微有点岁数、有家有口的人来说，那点钱基本上不解决问题。

谁在裁员，谁在加人

持续收缩的一批公司

从整个结构上来说，谁在裁员，谁在加人？

阿里一直在裁员。这几年阿里的人数从 25.4 万人降到了 12.4 万人，基本上砍了一半。当然，人数下降有时候不一定完全是裁员，也可能是某块业务拆出去不要了，这些人就不再算阿里员工了，这也是一种处理方式。

百度这几年则是一直在缓慢裁员，并没有那种一把裁很多人的特别大新闻，而是持续性地在缩减。网易也是连续收缩，正式员工在收缩，更不要说外包了。美团和快手也是在缓慢下降，因为业绩压力很大，没办法，只能慢慢缩减。

仍在扩张的一批公司

那谁在加人呢？

• 腾讯：腾讯去年增加了 5000 多人，基本盘还比较稳。但未来它到底会怎么样也不好说，因为游戏这一块其实大家都在砍，只有腾讯还在投。腾讯现在也说我们要全力做 AI 了，那么“羊吃人”或者说“算力吃人”的事情，会不会在腾讯这里发生，也不好说。
• 字节跳动：现在全球已经有 15 万人了，因为 TikTok 加 AI 这两块都很猛，是真的猛。AI 大模型在中国，豆包，包括 Seedance 这种视频模型，已经算是绝对第一梯队了。豆包 APP 在中国也是用户量最大的 APP，非常普及。所以在这一步上，字节其实已经算在国内市场赢了，国外市场还要再看。
• 京东：现在有 57 万人。京东是怎么扩张的呢？并不是说它招了一堆新人回来，而是把原来一帮外包骑手转成全职员工了。原来这些人其实也是在给京东干活，现在直接跟你签劳动合同，给你买五险一金，于是他们就变成了全职员工，人数自然就上升了。

通过卖业务调整结构

还有一些企业则是在通过卖业务做调整。比如把沐瞳网络作价 60 亿卖掉。这个公司人也不少，2021 年 40 亿美金买的，2026 年 60 亿美金卖出去了，算下来这生意还是挺划算的，卖给了沙特的国资游戏公司。

现在沙特在四处收这些东西，他们已经是任天堂、卡普空的大股东了。以后沙特可能会变成一个拍电影和做游戏的国家，不再只是产石油的国家。

被裁的人都去哪儿了

一方面，这些人像老范这样上 YouTube。还有一些人在小红书上讲“我离职了”“我今天被裁了”“我终于收到了裁员信”。这样的内容非常非常多。

从 2024 年开始，这类内容的互动就极其强，大概有 2.5 亿到 3.8 亿次互动。现在我们到抖音、小红书这些社交媒体上看，大量的人都在讲“我是大厂离职出来的”“大厂离职经验”“大厂原来怎么回事”“大厂内幕”。

老范原来也不算大厂，算中厂吧，但也算互联网公司离职员工。现在这块确实成了一个新的风口。2025 年 11 月，中新网还专门做了一个调查，叫“大厂离职的流量密码到底怎么变现”，专门有人研究这个事。

当然，这里面有真的在大厂混过一段时间的人，也有伪装的，专门伪造离职证明。为什么？因为大厂离职了以后好卖东西。老范虽然没卖东西，但开了个频道，也能勉强糊口。

那为什么我们会觉得满街都是大厂离职人员？原因是算法愿意把这些内容推出来给大家看。其实刚才我们讲这几万人、那几万人，阿里一下少了 12 万人，少了一半，但对于整个中国社会来说，基本上可以忽略不计。

可对社交媒体来说，“大厂离职”“我离职了”这种信息推出来以后，互动性很好，可以让用户留下来接着看，多点几个广告，多买点东西。

为什么平台喜欢推“大厂离职”内容

这种内容情绪高、冲突高、评论数高，所以平台喜欢推。那为什么社交媒体喜欢推这样的东西？一定是因为它满足了一定的社会心理需求。

1. 替代性逃离，代入体验。有些人说，我还在这上班呢，但别人被裁了，我得看看人家是怎么回事，这就带来流量。
2. 身份焦虑与安抚。有些人会想，连前阿里、前字节的人都离开了，那普通人就会觉得，不是我不行，是整个环境就这样。
3. 偷看别人的人生，做 AB 测试。因为这些做“大厂离职赛道”的人都在讲，我虽然离职了，但我现在过得还可以。过得不好的人不会出来说。大家一看，觉得没准我不干了也还可以，也会有其他出路，这也会引起关注。

当然，更多的其实还是羡慕嫉妒恨。真正能混进大厂的人没几个，像我也没混进去。虽然我也在互联网公司里做投资总监，但腾讯、阿里这些公司我没进去。

于是很多外面的人看这件事的心态就是：眼看他起朱楼，眼看他宴宾客，眼看他楼塌了。你也不行吧，你也有今天。

劳务派遣会不会被整治

还有一些人会讲，现在这么多大厂在裁人，是不是因为劳务派遣的问题，国家是不是要动手整治劳务派遣了？

为什么会有这样的说法？因为 2026 年 3 月两会期间，全国政协委员周世虹正式提出建议，废除劳务派遣制度。但目前为止，这个事情仍然停留在呼吁和倡议层面。

为什么会提出这样的倡议？因为一旦用了劳务派遣，就会出现 同工不同酬。这是企业逃避责任、逃避雇主责任的一种做法，让很多做同样工作的人拿不到同样的薪水，所以应该废除。

其实劳务派遣发展到今天这个状态，一直都是违法的。劳动法规定，你可以使用劳务派遣，但必须是临时性、辅助性、替代性的岗位，而且比例不能超过 10%。你看看有些大公司是怎么玩的，他们一直就在违法。

但到目前为止，虽然有人呼吁，也并没有去修改这个法律。因为如果去改，某种程度上等于承认原来的法律定得不好。现在的情况是，法条原来就有，只是没人执行而已。所以并没有因为有人呼吁，就立法或者出台什么新的法规，没有这样的事。

圈地运动之后，社会会变成什么样

历史上的结论：两极分化

下一个问题，圈地运动之后，社会变成了什么样子？

结论叫 两极分化。英国圈地运动之前，有大地主、大工厂主，也有很多小地主、小的有产农民，是一个相对比较平滑的金字塔型社会。

但圈地运动以后，就两极分化了。只剩下大地主越做越强，变成大工厂主；另一帮则变成失地农民或者无产农民，被迫进工厂打工。我们从小学政治大概都是这么学的。

AI 圈地运动后的社会图景

那 AI 圈地运动之后会变成什么样？

平台型大企业，像字节、腾讯这种还在招人的公司，会继续做大做强，把平台功能做得更完善。被挤出来的这些人，就像失地农民一样，要重新在新的体系里找到自己的位置。像老范现在找到的位置，就是 YouTube 上的内容贡献者，靠老范讲故事还能挣一口饭吃。

但讲到这里要说一句，前面我们讲的其实是错的。错在哪？大家知道，圈地运动在历史课和政治课上，可能也就是一页纸、半页纸，但实际上，圈地运动中失地的农民，绝大部分并没有在工厂中找到自己的位置。

整个圈地运动持续了 350 到 400 年，是一个非常漫长的过程。被驱赶出土地的农民，有些变成了无产雇农，还是在地里干活，但地不是自己的了；有些成了城市无业游民；有些做了港口苦力；还有一些上船去了美洲。

真正变成工人的，可能只是很少一部分。很大一部分人，可能就是冻饿而死。

农民变成城市工人的过程，大概要持续一两代人。不是说把农民赶出来，他们马上拎个小包就去工厂上班了。绝大部分被从土地上赶出来的农民，可能都饿死了。

现在 AI 的圈地运动，跟当年英国“羊吃人”的圈地运动有一个特别大的区别：那个过程用了 350 到 400 年，而这一次可能就是 三五年。

所以我们要想一想，这件事落在我们身上怎么办。

从公司人到个人经济体

接下来面临的，就是平台经济和更零碎的个人经济体。以前，比如农民有土地；以后没有土地了，也没有任何依附关系了，就变成了一个个人经济体。

未来的社会，可能会变成一个 K 型社会。原来我们讲 K 型消费，就是便宜的东西卖得很好，特别贵的东西卖得也很好，中间的东西没了。人也是这样，中产阶级没有了，有钱的人变得特别有钱，穷人变得特别穷。以后可能会变成这样，社会会向这个方向发展，产业界也会向这个方向发展。

原来在公司里上班，比如像老范这样，有固定的岗位、固定的职位、平台绑定，还有社保，都是由公司承担整个管理成本。现在没有这些东西了，老范就变成失地农民了。

但同时，也会有更松散的合作关系。我愿意在 YouTube 上更新视频就更，不愿意更可以少更两条。或者说，我去开个滴滴。平台对我们来说没什么硬性要求，你今天愿意发就发，明天不愿意发可以不发。更多事情要依赖个人社会保障，一个人就是一家公司。

所以为什么现在很多人玩 one person company，这有点像从农业社会的大地主经济，转向工业革命的工厂经济，但规模更小、更碎片化。这些一人公司或者个人经济体，能够混到温饱的，可能只占少数，甚至很少数。

圈地运动以后的失地农民，可能有一两代人的时间慢慢完成身份转换；这一次，可能三五年就全转完了。

那我们怎么办

第一，教育体系必须调整

第一件事，初级职位会消失，AI 对人的要求更高了。昨天我跟江边也讨论过这个问题，所以整个教育体系必须调整，不能再培养螺丝钉了。原来那种“一个萝卜一个坑”的岗位没了。未来一定要培养能够领导一群 AI agent 干活的人。

以前的大学教育，包括研究生教育，都达不到这个能力，所以这块必须改。否则就是培养出来一个失业一个，培养出来一个失业一个，没有办法。

而且未来的学生必须能够快速适应各种环境变化。以前我们可能在一家公司一干很多年，甚至像日本那样终身雇佣制，一直干到退休。现在不一样了，你同时就要应对不同的平台、不同的服务，都要去提供，所以必须提高适应能力。

还要真正能够提出正确问题。这个能力，现在国内教育相对还是比较差的。这是第一个要调整的地方。

第二，被裁的人要先想清楚自己要做什么

第二个，被裁的人怎么办？如果你说我已经来不及回炉重造了，我已经被裁了，或者马上就要被裁了，该怎么办？

1. 静下心来想一想，我到底想做点什么。 这个很重要。找到自己感兴趣、也有欲望去做的事情，这才是真正 AI 比较难以取代的。你说 AI 写文章比你好，画画比你好，没毛病。但 AI 无欲无求，它什么都不想要。只有我们人才有真正想要的东西，这个才是最重要的。
2. 应用起 AI，应用起 AI agent。 把那些原来一个人搞不定的事情做掉。这就是被裁的人现在必须走的路。

所以，虽然你未必能够在工厂里找到位置，或者在新的平台里找到位置，但你总要去试一试。时代对每个人都会提出全新的要求，必须离开舒适圈。

因为以前很多人是得过且过，当一天和尚撞一天钟，没什么想法，也不愿意接受新鲜事物。这样的人，未来一定会被碾压到最底层去。

但比较痛苦的是，这些人其实是社会的主流，是绝大多数。绝大部分失业者，可能会像圈地运动中的失地农民一样，成为无业游民，或者打零工、做苦力。比如美团外卖，这某种程度上就相当于是零工苦力。

可惜的是，现在没有美洲可以供大家去开发了。但走出国门，到一些相对传统的地方去卷别人，这件事中国人还是比较有优势的：聪明、肯吃苦，而且没有那么多工会之类的约束。所以我们的冲击可能会来得更早一些。

早上船、早出发的人，未必能在那边混成大亨，但总会有新的活路。中国人其实一直在干这个事：饥荒了怎么办？闯关东，下南洋，饿着肚子也得出门。所以这可能也是对在国内混不下去的一部分人的一种出路。

最后：先往前冲，互相帮助

最后，让我们一起先往前冲吧。

听老范讲故事这个节目的人，应该都不是那种不愿意思考、不愿意接受新鲜事物、没有想法和欲望的人。我相信，听老范讲故事的人，应该是一些愿意动脑筋的人。那就让我们先冲，先去适应这个新时代。

老范已经在 YouTube 平台上混了 5 年了，没混多好，但也能够勉强糊口度日，也算是有了一个新的位置。而且我一直追着最新的各种技术在往前走。早上船的人，未必能在美洲混成大老板，但只要活下来，就能有自己的一块地。

当然，活下来很重要。去了美洲的人，很多其实都没活下来。那怎么活下来？互相帮助，抱团取暖。这也是早期移民美洲的人提高生存率的一个手段。

所以，有惦记走老范这条路的，我们也可以抱团取暖。你说你做 YouTube，可以到我的 Discord 群里来，大家互相交换一些链接，甚至有时候可以做一些联合节目，互相带带流量，这个事老范都是支持的。说 AI 怎么用，我也愿意跟大家去沟通和交流。

时代不会等你准备好了才来。特别是这一次的 AI 圈地运动，它会在三五年内，把当年英国圈地运动 350 到 400 年的流程一把走完。所以，我们要跟上。

这就是咱们今天讲的故事。

AI导致的裁员席卷全球，企业裁员之后真的走向辉煌了吗？

大家好，欢迎收听老范讲故事的YouTube频道。看到这样一个标题之后，大家想到的是什么呢？其实绝大部分的人都是被裁员的人，或者等待被裁员的人。我们基本上是没有机会去参加裁员决策：什么时候？要裁什么人？裁多少？我们每一个人都是被动接受裁员的那个人。像我现在已经被裁员了好几年了，在家里跟大家聊闲天呢。大家觉得，这个事有讨论的价值和必要吗？

为什么会想起录这样的一条视频呢？在X上我今天看了一条帖子，说微软最近疯狂乱裁员，很多人都很焦虑，朋友圈里不少人都不幸被“分手”了。员工士气方面，据说已经低至谷底。连续的裁员让大家人心慌慌，很多人都害怕被AI取代。2024年《应用心理学杂志》的一项研究显示，在积极采用AI的科技公司中，士气平均下降了30%。微软这里的情况绝对是典型，最近的9,000人裁员新闻一出，大家都感觉到AI不是在提升效率，而是在直接抢饭碗。

我看了这样的一条推，我首先要去ChatGPT上去核实一下。现在不能看着什么事，特别是在社交媒体上，看到什么样的文章我就全信。所以上去核实了一下，首先呢，ChatGPT告诉我，在《应用心理学杂志》2024年研究“积极采用AI的科技公司士气平均下降30%”这篇文章是不存在的。很多研究都在做，也确实在论证工作不安全感、福祉和绩效的关系，但是呢，并没有明确的30%的这个量化指标出来。微软7月份呢，也确实是裁员了9000人，这个事呢是没有任何问题，被确认了。而且微软5月份还刚刚裁了6000人。

留下来的员工，到底能不能好好地干活呢？这个是每一个需要去做裁员决策的人都要思考的。在公司里头，特别像财务部，还有像CFO就这些部门，他们会去思考说，我应该如何去降本增效，这就是他们的一个工作。因为很多人一说裁员就想到HR，就HR他们思考的问题是，怎么能够让员工可以好好地干活，不断地晋升，在晋升过程中能够创造更好的价值，需要什么人的时候去把人找回来。他们一般是不会去做裁员的这个决策，但是他们会去做裁员相关的这种数据收集，比如说绩效考核。人事需要处理的问题，就是在裁员的过程中不要闹事。

对于最上面的大老板来说，他也是希望裁完员以后剩下的人好好干活。咱们经常讲说，走了的人就让他们走吧，留下来的人还要继续把日子过下去。公司也是如此，你裁完人以后，剩下的人得好好继续干活。这个呢是AI比人强的地方，因为AI是没有情绪的，而人是比较复杂的，容易受到情绪的影响。不会说我们今天把谷歌Gemini的订阅取消了，OpenAI就诚惶诚恐地好好干活，他不会干这个事了，跟他没关系。但是人的话，把你邻桌的小张裁了，这个小王可能就诚惶诚恐地干活去了，或者说他就摆烂了，他会有这样的情况。所以人要稍微麻烦一些。

确实是有很多人去研究这些心理的，留下来的员工会有哪些心理变化，写了一堆论文。第一个讲到的是工作不安感会上升。这个事肯定嘛，你旁边人被裁了以后，你一定会觉得不安的。而且AI本身的不确定性的话，会更大地带来这些不安全感。为什么？因为AI最后到底怎么挣钱，怎么去影响这个业务往前发展，谁也不知道。在这样的一个情况下，就已经开始裁员了。AI本身的形势又不是特确定的时候，也许AI再往前发展一步，可能明天OpenAI开了个发布会，大家又开始去裁员了。所以它并没有像以前说裁完员以后，剩下的人可以好好干下去的这种状态。你可能这次裁完员以后，日新月异的AI让你过两天再裁一次，那你谁有心思留下来好好安心干活？

另外呢，他们总结了这些留下来的员工呢，会有一个叫“幸存者综合症”的一个症状，还起了这样一个名字。幸存者综合症里头都有什么症状呢？第一个是内疚。“你看那个人被开了，我好像干的也没有比他好，他怎么就被开了，我怎么就留下来了呢？”还有些人会觉得愤怒。“大家都干的好好的，都这么努力，你怎么就把我的好朋友开掉了呢？或者你怎么就可以威胁我的工作呢？”还有些人就麻木了。“开除的这个过程中，或者裁员的过程中，跟我的努力、跟我日常的表现也没有什么关系。我也没看出来被裁的人，和我留下的这些人到底有什么差别，那我也就这么破罐破摔吧。”现在很多人说，我们每天的工作10%是干活，20%是留下痕迹，剩下所有的工作都是为了甩锅、摘清责任的。都干这件事情，那这个肯定效率会下降的。

还有呢，很明显的就是对组织的忠诚度会下降。原来呢，大家都觉得我是组织的一部分，我为组织做出贡献，组织也要对我负责任。现在一旦经过裁员以后，留下来的人也说：“你真的对我负责任吗？”才会有这样的想法。这些幸存者综合症，一定会拖累协作以及绩效的，这个是已经得出结论的事情。而且留下来的人呢，会对组织的公平和程序正义感到不信任。

什么意思呢？因为裁员其实分两种，一种呢是像“十一抽杀令”那种，说我们一共要裁多少人，比如裁10%。这个10%各个部门就下去分去了。分的过程呢，肯定是有一些博弈在里头的，你这个部门很重要，他那个部门没那么重要了，这个部门去年业绩不好，这个部门业绩还不错。他会用这样的一个方式去进行讨价还价，然后是一层一层把这个目标分下来的。到最后呢，肯定是有一部分可能跟绩效考核，或者跟很多可见的这种指标没有那么大关系。当这种裁员发生了以后的话，留下来的人就会觉得“这玩意儿公平吗？这个过程合理吗？”特别是他看到有一些说，这个人好像还没有我那个哥们干得好的，把我那哥们裁了，他留下来了，这什么情况？只要发生裁员，内部一定会有这样的思潮上来。另外一种呢就是整个方向调整，你比如说现在大家都去做AI了，原来你跟AI没关系的，这些就属于叫不聚焦嘛，把整个部门裁掉，或者这个部门分配到的裁员指标相对来说比例很高，这个呢大家其实是可以理解的。但“十一抽杀令”这种东西，确实是对整个的士气，对于这些留下来的员工相信程序正义这件事，是有巨大的危害的。

还有一个很重要的伤害是什么呢？就是对AI的信任会下降。员工原来是信任AI的，AI可以帮我提升效率，是一个很好的工具。现在一看，这AI真的是可以抢饭碗的。还有一个什么特别讨厌的呢？就是大家想一想，我们以前最讨厌什么样的同事？干了活他抢功，出了错他甩锅。而AI恰恰就是这么一种东西：效率提升了，老板觉得AI好厉害；出事了，AI是不担责任的，都是使用AI的人担责任。所以呢，他就属于最讨厌的那种同事。经过这种AI造成的裁员以后，员工对AI的信任感一定会下降。

最终的表现呢，一个是士气与生产效率的下滑，这个是一个普遍现象了。还有呢，就是文化与心理安全感的损失，这块呢其实要比效率下降还要更厉害一些。什么叫文化的损失呢？很简单，你比如刘强东说“员工都是我兄弟”，AI是你兄弟吗？AI是不是比员工还听话、效率还高、还不会说谎？那咱们比较一下，谁更适合做你兄弟？那你这个文化不就崩塌了吗？所以AI裁员会造成文化崩塌的。高层想靠AI降本增效，基层呢就会对AI充满不信任，造成这种组织割裂，以及AI项目推行之中的这种阻碍，他们会抗拒这件事情。很多AI应用系统实施的失败呢，也都是来自于这里。

而传统的裁员手段，在AI裁员过程中基本上是无效的。这么多的大公司，他们也是这么长时间，才积累了非常多的裁员经验，裁完员以后剩下的人该怎么办。如果偶然地裁几个，剩下的人你不用管他，大家自己会逐渐地适应。而如果你经常地裁来裁去的话，那你可能就需要去调整一下大家的心理状态。最简单的，请大家吃顿饭，或者出去玩一玩放松一下。或者实在不行的话，我们原来见过什么呢？开批斗会的。为什么裁完员以后要开批斗会呢？你要让剩下的人相信合法性，这老板有合法性，老板做裁员的过程和决定有合法性，留下来的人也应该心安理得地享受留下来的这个成果，把所有以前的问题都怪罪到这些被裁员的人身上。这样他们是更容易让心里得到平静，更容易把这个活干下去。

但你一旦做AI裁员的话，这个就没法整。留下来的都是AI，裁掉的是你的兄弟，你这个事你是没法干的。而且AI裁员刚才我们讲了，它是极具的不稳定和不安全的。因为我今天裁完了以后，明天可能接着裁，过了一个月以后，可能AI的发展又发生了新的大变化，我又可以去裁了。它不像以前似的，可能一年裁个一回，裁过了以后，然后咱们这一年就算混过去了。AI它没有这种规律，而且AI未来到底向哪个方向发展，谁也不知道。所以这个是AI裁员来说，比较大的一个挑战吧。

近些年来，大裁员的公司都有哪些呢？他们裁了多少人呢？刚才咱们讲的是微软。微软2023年1月18号裁1万人，占他总员工数的5%；2024年1月25日还裁了1,900人，主要是游戏相关的。刚才咱们讲的2023年1月18号这1万人呢，是全公司范围内，基本上就是“十一抽杀令”了，把指标发下去，大家就去裁去就完了。在2024年5月7日，在游戏部门继续裁，他当时应该是把动视暴雪收购进来了吧，那么在这个时候进行裁员是合理的，因为原来那种组织机构和人员的效能考核，对于整个的微软来说可能就不太适合了，需要去进行调整。但是呢，具体人数没有披露。2024年6月3号，微软云和虚拟现实部门裁了1,000人；2024年9月12号，Xbox裁了650，Xbox也是游戏部门；2025年5月13号，全公司组织优化6,000人；2025年7月2号，全公司优化9,000人。这就是咱们一开始读的X上面讲的，说最近裁了9,000人，这个数确实是在这里呢。

谷歌呢肯定也没闲着了。Alphabet，现在谷歌是一个品牌，是一个子公司，它总公司叫Alphabet。2023年1月20号，12,000人，在全公司里头占6%，而且也是全公司范围内，直接“十一抽杀令”发下去就开始裁。2023年9月13号，全球招聘团队裁员，具体数字没有公布，但是呢很吓人，裁招聘团队这件事，基本上相当于冻结headcount的这种状态。2024年1月11日，谷歌助手硬件，包括手机、家居硬件，裁员了几百人；2024年1月16号，广告销售裁了几百人；2025年4月11日，平台和设备，就是安卓呀、Pixel、安卓手机，还有Chrome相关的，裁了几百人；2025年5月7日，全球业务销售裁了200人；2025年8月，外包合同工AI评测裁了200人。反正就是一直在裁。谷歌呢并没有进行像微软那么大规模的裁人，但是一直没停下来。

亚马逊人很多的，因为后边他有仓储、有物流，所以他的员工数是很多的。亚马逊的裁员，2023年1月5号，18,000人；2023年3月20号，9,000人。这都是全公司范围内裁的。2024年1月9号，把Twitch裁了500人。Twitch呢是全球最有名的游戏直播平台，像国内的什么虎牙呀，这些都是抄Twitch的，当然虎牙他们混得也不怎么样。2024年1月10日，把流媒体和影业，就是拍电影的这帮人，裁了几百人，就是亚马逊的流媒体平台这块裁一部分。2024年1月16号，广告销售裁了几百人；2024年4月3日，AWS就是云计算这块裁了几百人，一般这种都是裁销售。2025年，图书内容Kindle、AWS少量裁员，应该是百人上下的一个裁员吧。直到2025年的亚马逊，基本上已经稳定下来了。Meta的话，从2022年开始一直在裁员，每年基本上都是上万人的裁。今年1月份还裁了5%，大概是3-4千人。

那些鼓吹裁员的老板们呢，刚才我讲了，你一旦裁员了以后，老板要证明自己的合法性，就是你要证明说我做这个决策是对的，一定会有很多老板给裁员这件事情找出合理的理由来。比如说Salesforce，Salesforce最早的叫SaaS云吧，就是软件即服务的云，他们是典型案例。Salesforce的老板就是说，我们就是要靠AI去裁员，强调AI将帮助公司重新想象工作流程。他的公司从2023年1月的9,000人，下降到了2025年剩余的4,000人。没有马斯克裁的多，马斯克就属于啥也不说，抱着个水槽子就进去了，噼里啪啦就裁干净了。亚马逊的CEO叫安迪·贾西，贝索斯离开了以后上来的CEO，他在讲什么？AI将使亚马逊未来用更少的员工运营，并鼓励员工学习AI工具，以在公司重塑中保持竞争力。那意思就是我们要不断地去裁员，你AI没学好，我就裁了你。

还有一个特别有意思的公司呢，叫IGNITE Tech。这个公司是干嘛的呢？这个公司是不断地去收购各种各样的企业用软件，比如说企业用的销售软件、企业用的客户管理软件。他把这玩意买回来以后呢，把这个软件重新做一下，让它维护起来变得更简单，然后跟它的用户签这种长期维护的协议，让它的用户来去订阅这些企业软件。它们的CEO呢，就去搞了一个叫“AI Mondays”，就是每周一，所有员工必须做AI相关的项目，如果你不做就不行。约80%的员工因为抵制AI而被他替换掉了，这个是真狠。但是呢，他这个其实是可以理解的。你想他干的活是什么？收购了项目，然后呢进行AI改造。那么他收购完项目以后，你总要把原来的这些遗老遗少干掉，那咱们就做AI项目呗。这些人如果不愿意配合，说我原来行业的流程是这样的，你不能直接这么粗暴地对待，这不就有理由吗？直接可以把人开掉。所以我觉得他搞这个事呢，算是一个顺理成章吧，AI成为了一个借口。

那么裁员以后，效果到底怎么样呢？从整个的市场来讲，大家认不认可这件事呢？首先要讲，股市其实还是愿意相信这种故事的。通常呢，哪个公司说我大裁员了，它股票会涨的。Oracle也是裁了几百人之后股票暴涨。当然Oracle涨这个事情原因很多，咱们前面还专门分析过这个事。迪士尼也是在裁员之后股价开始上涨，因为迪士尼前面亏了很多钱，又把老CEO拎回来，拎回来也没什么别的办法，裁员呗，裁完了以后股价开始往上涨。因为你裁员了以后呢，剩下的人呢，也确实可以少掉很多掣肘，而且剩下的人也会很努力地、更高效率地把原来的工作做完。所以呢，迪士尼在这块是有效的。Salesforce呢，裁员之后他们干了一个特别奇葩的事情，用节省下来的薪水去做股票回购，也是有效果的。我不需要把这个薪水发出去影响原来9,000人，现在只有4,000人了，少了5,000人，多出这部分，就是原来该发薪水这部分的钱，我去做股票回购，也挺好的。然后英特尔裁员了15%以后股价上涨。换了华人CEO上来以后，其实他就开始裁员。CEO上来以后第一件事都是裁员，原因呢，一方面是降本增效，还有一方面是什么？就是你总要把原来这些掣肘、原来这些给你捣乱的人把他干掉，要不然谁好好干活？而且也要立个威嘛，也要告诉大家谁能够决定你的饭碗，给大家演示一下，杀鸡儆猴嘛。

那么股市为什么会为这种故事买单呢？原因很简单，所有跟AI相关的裁员，他们讲的故事都是说“我们要聚焦”，我要把这些非核心业务干掉。你比如说像Meta裁的很多人，都是原来做AR/VR眼镜，还有很多呢是做游戏的。微软也是这样，他裁了一堆做游戏的，其他的裁的是行政、销售。裁完了以后剩下来的钱呢，去做AI基础设施建设呀，我去建机房了，我去买显卡了。股市是愿意相信这样的故事的，这叫“聚焦故事”。

最近呢，还有一个特别有趣的聚焦故事，不是在AI领域里头，是在制药领域里头。有一公司叫诺和诺德，直接裁员9,000人，而且这9,000人里头，有5,000人是在丹麦总部的行政人员，跟新的业务无关的部门直接裁掉。比如说糖尿病教育，因为诺和诺德是做各种跟糖尿病相关的药的，他们有糖尿病教育相关的部门，把这些人都裁掉，或者很大部分裁掉吧。那你说剩下的人他聚焦什么呢？聚焦司美格鲁泰，GLP-1的减肥药，就聚焦这玩意。他现在需要跟礼来，跟一堆的做这种复方减肥药的人，跟这个路径相关的人要去竞争。现在中国人也上来了，中国人现在也开始自己做司美格鲁肽类似的药了。就把原来很大的运营体系，就跟他无关的事全裁掉，这个叫“聚焦故事”。现在呢，被裁掉的很多都是什么呢？行政、绩效差的、招聘、销售、非核心业务，大家基本上奔这块去裁，然后集中力量去做AI。

那你说有没有裁员裁出事的呢？也肯定有。不可能说大家都裁员都是一剂良方，吃进去以后就往前走了，这是不现实的。首先呢，咱们讲刚才那个IGNITE Tech，就是做软件收购了以后修改修改，然后去给人用的。这公司那员工反抗、企业文化崩塌呀、士气下降，就讲的他。你想他换80%的人，肯定是要出问题的。他自己也承认说我这个有问题，我不建议其他人采用我们的方式。他采用这个方式的最核心原因是，买下新软件以后去进行项目整合，有愿意听话的你就留下来干，不愿意听话你就滚蛋。他是干这样的一个事情。然后澳大利亚的联邦银行，他们也是AI裁员裁出事来了。发现AI客服系统特别好用，就准备用AI客服去替代人工客服，直接遭到了工会的反制。在中国大陆肯定就没有这种问题，没有工会。但是你在世界其他的国家，特别是一些非IT行业，你就容易被工会反制。像谷歌呀、亚马逊、微软，这些程序员是没有工会的，那么高工资了，谁还给你组织工会？没有人保护你们，所以裁了也就裁了。但是你要去裁仓库的人，你要去裁卡车司机，这个是有可能出事的，那是有工会的。像这个银行你要去裁客服，那是有工会的。

最后呢，总结一下。AI时代呢，裁员应该是不会停下来的，而且呢可能随时都会到来。所以任何一个在大公司里上班的人，都不可能说高枕无忧，说我这个位置肯定是稳的，这事不太现实。大企业裁员呢，股市呢通常会买账，最主要的原因是聚焦，次要原因是他们可以降本增效了。甭管是不是增效吧，至少降了本，拿了降了本的钱去进行股票回购，股市会买账的。AI呢是也成为了很好的裁员理由。裁员对于企业来说呢，一定会造成阵痛和伤害，肯定还会有很多的HR或者很多的人去研究，被裁下来的人应该怎么办，留下来的人应该怎么办，这个大家也是会去思考的一个事情。

好，这就是咱们今天讲的故事，咱们作为被裁员的人，去讲一讲裁员以后，剩下的公司他们在干嘛的事。好，感谢大家收听，请帮忙点赞、点小铃铛、参加DISCORD讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道，再见。

和文科生聊了一个小时的编程，我真的感受到了学文科是一件很重要的事情。大家好，欢迎收听老范讲故事的YouTube频道。前几天去字节跳动参加他们的TRAE发布会，和两个文科生——准确地说应该是一个文科生、一个设计师——聊了一个小时如何用AI做编程。我作为一个老程序员来说呢，很多时候还是偏保守的。我觉得现在AI编程还有很多事情没有做的那么好，但是产品经理是个文科生，另外一个是设计师，他们都异常兴奋，觉得哎呀这个实在是好厉害，一下就可以解决我们的很多问题。

今天呢，跟大家稍微的回顾一下下，然后再说一下我的感受。首先我感受到了深深的怨念。什么是深深的怨念？这个产品经理就说了，说你们这些程序员是不是很讨厌产品经理，每次看着我都很不耐烦，老觉得我什么也不会，只会给你们找事情。然后我每次提什么要求，你们这些程序员都不愿意给我做，总是找各种各样的理由。设计师也是满满的怨念，说我明明都设计好了，你为什么做出来就跟我设计的不一样呢？你们这些程序员还不停的来找我，说我能不能做出来跟你这个稍微差一点点，你为什么底下要画根线，我这根线能不能不做上去，你为什么要把这个按钮设计成这个颜色这个形状，下面还要有一个圈，我能不能不做这个东西，因为每次做这个东西都很费劲。

原来我们在猎豹移动的时候干过一个什么事情。当时的猎豹浏览器也是很多栏嘛，当时的设计师要求当你点击了某一个栏位，光标要从原来正在活跃的这个栏位上飘过来。但是这个东西很难做，大家知道我们写程序的时候是面对Chrome的底层去写程序，那个玩意不是从头就是我们做的。所以当设计师提出要求来的时候，程序员就会去问他说，你一定要这个光标飘过来吗？我直接把这个变亮，把那个变灭不就完事了吗？不要有这个中间飘的过程行不行？设计师说不行，我设计要有这种一致性，我整个的设计风格是什么样的。他们就会有这样的矛盾。

其实我跟产品经理和设计师打交道的机会并不多。为什么呢？因为我那个时代，程序员就负责所有的事情。我写程序的时候都是九几年，到2000年前后我在写程序，我写了10年的程序。然后，程序员开始跟产品经理、跟设计师打交道，是在后面大量的web应用、大量的这种移动应用上来以后，才会有后边的这个故事。像我们以前就是自己做就完了。我们那个时候做的产品都很难用，你必须要经过认真的培训，才可以把它用起来，而且都奇丑无比。因为我们那个时候，就是自己写就可以了嘛。我记得当时我去考大学的时候，学计算机不可以色盲。后来我说为什么学计算机不能色盲，说色盲的人设计出来的界面会大红大紫，红绿色盲嘛，你看不到这个颜色吗。后来，我上班了以后，就碰到了一位色盲程序员，本科不是学计算机的，他学了其他专业的本科，然后出来以后转行做程序员了。他设计出来那个界面就大红大绿的。但是后来的话，程序员、设计师跟这些产品经理，就成了三个冤家，必须要凑在一起才能干活了。他们讲完了那个话以后，我说哎呀我感受到了你们的怨念，你们都想把我干掉，然后他们也在那乐。这个沟通、适配、迭代，这是我们当时写程序的时候，团队里边解决怨念的方法。实在不行就出去喝一顿大酒，这个事情解决了，继续往前走。但是有的时候呢还很麻烦，为什么？因为有的时候这个程序员是男的，这个设计师和产品经理是女的，那个女生她不愿意出去跟你喝一顿大酒。当然也有一些程序员呢，就跟产品经理或者设计师，喜结连理了，吵着吵着就变成欢喜冤家了吧。产品经理呢给我们还讲了一个故事，产品经理他自己开了一个AI编程的课程，他原来一点编程都不会，然后写了一本书叫《AI编程蓝皮书》，开着课程开始去教课去了。然后一位60多岁的创始人，跑来学编程了，他就问人家说，您都这么大岁数了，您来学编程，而且您原来创业这个项目，也不像是公司里没有程序员的样子呀。这个老的创始人就跟他说了，我们原来公司里也有程序员，有十来个程序员的。

但是呢，我老信不过他们。每次向他们提点要求呢，他们就是：“哎呀，这个干不了，那个干不了，这个只能做成这样了，那个只能做成这样了，这个必须要一个月才能做完，那个还得再干俩月。”我老信不过他们，干脆我自己学一下，他们以后就不能再糊弄我了。

这就像什么呢？叫“非我族类，其心必异”。就像我们面对那些医生、律师、会计师那样，也是这么想的：“总有刁民想害朕，你们是不是都想坑我？”所以这位60多岁的老创始人，就跑去学编程去了。反正一个敢教，一个就真敢学。两人都不会编程，一个是产品经理，一个是从来没有学过编程的创始人，也是个团队的创始人嘛。两个人就开始学起来了。

我觉得等这位老创始人学成回去以后，估计会上演很多的狗血剧情。回头我再去问问他，这个老创始人学完了以后，他有没有做回访。但是我能够想象的出来，这种事情一定会鸡飞狗跳的。

那么，程序员到底在想什么？咱们来解答一下那位老创始人的疑问。你们来去跟程序员沟通，说：“把这个给我做一下，做不了；给我那个做一下，能不能打个折扣，稍微调整一下，找一个我熟悉的方式来做；你这个地方帮我改个小错误，就这么简单的一个错误给我改一下，这得改俩月，这可费劲了。”到底是发生了什么？

程序员思考的问题里头，完成功能只是很小很小的一部分。那你说你们做程序员的，你不给把功能完成了，你们都在想什么呢？第一个很简单的问题，技术选型。你要让我完成这个功能，我到底是用什么东西来去完成呢？你让我去炒个菜，那你说我是出去买个预制菜回来炒一下呢，还是说从现在开始耕地种粮食呢？程序员经常会想这样的问题。

而且有的时候为了做出最符合自己要求的这个功能来，他们真的会耕地种粮食，就是会从很根本的地方开始去做，而不是说用人家已经做的差不多了一半的东西，用现成的东西直接拼。这个用现成东西拼就是预制菜嘛。所以程序员经常会很纠结，到底选哪个呢？其实通常是选他自己熟的那个。然后程序员会想下一个问题是什么？代码复用。

我写完了这段代码了。我下次是不是还能再把它用上？或者我以前写的哪个代码好像跟这差不多，我怎么能把它用上？我为了让这个代码下次还可以用，我就要给这段代码里头写很多你当前这个功能所不需要的代码进去。为什么呢？因为我首先要写个注释吧，我要告诉他，我这个东西前面干什么了，后边干什么了，这个下回还能怎么用。然后还要写很复杂的这个架构吧，因为你想一段代码，比如说有1,000行，那我不能说我把这1,000行都用上，我要把它分好架构。而这个是50行，那个是30行，1,500行里头分成50行一段，30行一段。有人说你这不对，一开始说1,000行，怎么变1,500行了？因为凑这些架构又多出500行来。你说我只管把所有事都干完了，可能1,000行干完了，然后你说我为了有所有的这些架构，架构还很清晰，那我又多出500行来。那我下一次说，我用到这个里头的200行，我下次再用到另外那20行，他是这样来去规划的，叫代码复用。

然后还要思考什么？怎么进行效率提升？并行处理呗，哪两个事情之间不影响，让他们并行起来，这也是需要去思考的。还有一个很麻烦的是什么呢？环境适配。这个是什么东西？我这个程序能在PC上跑，能在网页上跑，能在安卓手机上跑，能在苹果手机上跑，或者我还有一部分是要到亚马逊云上去跑，或者到阿里云上去跑。那每一个系统后边都有一大堆的规范文档在那儿，那我要想适配他们，这个也很麻烦。还要避免各种各样的极端情况，什么极端情况？同时有30个人用这个事没问题，可以跑，同时有1,000个人用，程序崩了，这个也是需要在写程序的时候思考的问题。

而且写程序的人有的时候叫什么呢？叫江湖越老胆子越小。为什么？就各种坑都踩过了嘛，等下次再走的时候说，你怎么用这样奇怪的一个姿势在这儿走路？你不知道那里有坑，他是这样的一个发展过程。所以这就是导致为什么说这些文科生，这些设计师，这些产品经理，这些创始人。

觉得程序员那么不可理喻的一个原因，而且程序员想的刚才所有这些东西，其实都是可能在写程序的过程中很小的一部分。那你说剩下的时间你们都干嘛去了？这个程序员的工资不低，你们都天天在这摸鱼吗？不是，当然摸鱼肯定也要摸了。这个程序员真正用很多的时间去思考的东西，叫团队协作。这什么意思？我写完代码下一个人要改，下一个人可能还是我。那你说你这怎么又绕回来？明日之我不是今日之我，他是这样的一个过程。像我们经常写着写着程序说：“哎呀，这个程序是我三年前写的，当时到底怎么想的？”

我记得原来有一个故事，大夫写字不都写的特别潦草吗？有一次写了个药方子，到那个药房去抓药去了，实在认不出来是什么字了，然后就回去找这大夫，说：“大夫，您这字到底写的什么呀？”这大夫看了半天，然后一拍桌子：“何不早问？你早干嘛去了？现在你问我，我也想不起来了。”

所以呢，我们要做很多很多的事情是为协作的，即使是自己跟自己协作，也是需要写很多的代码，写很多的注释，做很多的加工设计。所以软件的本质是工程，不是软件本身。真正实现功能的部分只占很少很少很少的一部分，软件里面绝大部分的内容都是防止程序员迷路的。我们在这里钉个小牌牌，说：“你再往前走三步有一个坑。”这个是真正软件工程里边去做的。而且你钉完小牌牌以后，还要写某年某月某日，谁谁谁在这里钉的小牌牌。

所以呢，这就是屎山代码，什么意思？就是一大坨代码谁也不敢动。因为我们刚才讲复用嘛，你复用了以后，就会有这个代码依赖的关系，这个代码要依赖那个代码。那么你在这个东西想要再去调整，再去修改，就会变得非常非常难，叫牵一发动全身。你修改掉一个bug以后，可能带来10个bug。然后为了避免这个东西，我们还要有一堆人再去思考，再去研究。还有很多人硕士、博士学位，出来学什么软件工程学，人家学的不是说我要去实现什么功能，就是我们学习如何在可以接受的成本范围内，组织很多的人进行分工。

把一个巨大的软件工程完成掉，这也是一门专门的学问。那么，非程序员到底是怎么看程序员的呢？其实就像我们去看老中医。这些非程序员不愿意为功能之外的事情进行沟通。你说找个程序员来给我做个功能吧，这个程序员再去跟他讲效率，再去跟他讲兼容性，再去跟他讲，说你到底是要在安卓手机上用，还是要在苹果手机上用的时候，文科生、产品经理、设计师就会觉得很烦，而说这个就这么简单的一个事情，怎么搞不定呢？

我举一个最简单的案例。你比如说设计师设计了一个小动画，程序员就去问了，说你要安卓手机用还是苹果手机用。这个设计师说，你就都实现了不就完了吗？然后这个程序员就哭了。为啥呀？因为苹果手机好实现，你可能一句话把这事搞定了。安卓手机呢，可能就费劲，你可能需要写很多很多的代码才可以实现。而且你一旦要求安卓手机实践的话，他还要问你说，你这个到底是在2,000块钱以上的安卓手机上实现呢，还是4,000块钱以上的安卓手机上实现呢，还是要求1,000块钱以下的安卓手机也能实现呢？

很多人觉得这不是问题，没做过程序员的人完全无法想象这个。为什么？我告诉你，安卓手机算力是有限的。很多这种前端界面上的事情，到这个很便宜的安卓手机上是渲染不出来的，或者渲染出来会很难看，会有这样的问题。所以你作为设计师来说，你给我作出来不就完了吗？程序员说，您上下嘴一碰说出来了，但是到我这可费劲了。所以这个会有很多的沟通、交流上的一些障碍。

除了不愿意为了功能之外的事情进行沟通之外呢，这些非程序员还有一个问题是什么？他们不愿意为了功能之外的事情支付成本。比如说创始人来了说程序员，你给我去做一个什么什么功能。咱们依然是上面这个事情，你如果只做苹果的，很快就可以做完了。你要求把安卓的也做了，而且要求1,000块钱以下的安卓手机也能跑，那你要花很多的时间，甚至花很多的钱，那个程序员工资会上升的。

能够解决这样问题的程序员是很贵的。这种事情我们原来是真的发生过的。原来跟大家吹过牛，我们以前投资的Musically，他最早就只做了苹果的版本，安卓版本他没做。等到做安卓版本的时候，发现他做不出来了。为什么？他们做的大量功能，在苹果手机上一句话就搞定了，因为iOS系统其实是相当完善的。安卓系统呢？你说为什么不做那么完善呢？这个谷歌就笨吗？谷歌也不笨。他之所以不做那么完善的原因，是因为他没有办法控制硬件。他把这个功能都做的很完善了以后，你到不同的这个硬件厂商上，三星的、HTC的、华为的、小米的手机上，它不一定都跑得起来。所以呢，它就很多的功能它不能做，它一定要让手机厂商去把它完善出来。所以当时他们就搞不定了，说Musically这个软件要到安卓手机上实现，实现不了了。那怎么办呢？找我们说你作为投资人，微暴移动你投了我们了，这事你得搞定。那没办法，那上边我们就派了大量的程序员，坐到他们的办公室里来，我们替你搞定，每一个功能都可以实现出来。但这个就是成本。你要碰到这种不是那么明白的人去搞这个事情，这就费劲了。你像刚才我们讲的，60多岁的老创始人，找了一个不会编程的产品经理，学了半天AI编程以后，那回去不炒成一锅酱糊才怪嘞。最后一个问题是什么呢？就是这些非程序员，他们往往是以结果论成败的。很多东西在表面上他是看不到的。就像刚才我们讲的，你同样的功能，你在安卓手机上实现出来，可能还没有苹果手机上实现出来好看，但是呢，费老鼻子劲了。对于不懂程序的这些文科生或者设计师来说，你们这些苹果程序员好厉害，你们这些安卓程序员很笨。原因其实很简单，苹果自己做的好，安卓自己本身底层比较烂，那也没办法，他就会有这样的片面的认知在里头。而且后台的程序他看不到，他们就说前台的这帮人，你们这个功能一个一个实现的很好，后端的人你们程序怎么又蹦了。他只永远只看到这一个，因为后台嘛，只有这一个结果。

崩了，没崩。崩了，没崩。没有别的了。讲到这了，很多人会觉得，我是不是要为程序员叫屈？但是看看前面我的标题是什么？是我觉得学文科是很重要的。文科生非常非常重要。为什么我跟他们聊完了以后，他们对程序员有这么大的怨念，我反而会得出结论说文科很重要的？其实这就是设身处地的思考。

我用Midjourney画图，画了自己也很开心。画完了以后，我觉得我的情绪会得到了抒发，这个非常棒。我用DeepSeek写小说，写出来的东西呢，我看着也挺开心的。这一段看着不错，那段看着也不错。但是我在那天听完了他们讲之后，我突然意识到了一个问题是什么？我是没有能力将很多的画，按照统一的风格，或者说呢叫做一致性，把这些一致性的画，拼凑成一个完整的绘本呢。我也没有能力把这个几十万字、几百万字拼凑在一起，成为一本小说了。

像这个DeepSeek也好，或者各种的写小说的这个AI也好，你命令下去以后，大概就给你写1,000字出来。你要想让他写2,000字都很费劲。而且你命令他写2,000字的话，后面的1,000字的质量就会明显的下降。所以千万不要试图让AI一次性给你输出很长的内容。很多人说DeepSearch这样的东西，不是一次出来很多的东西吗？对，他那个东西不是一次出来，他也是拼成小段，一段一段出来的。所以呢，我是没有能力拼出小说来的。

而且呢，我也没有办法去判定一幅画，或者1,000字、1,000字的这种文字片段，到底好还是不好。术业有专攻。我上了四年大学，几十年的工作训练，掌握了非常多的技巧。那么我就可以去跟这些文科生去讲，跟这些设计师去讲，说：“哎，为什么你这东西能做？为什么不能做？你如果一定想做，到底需要支付多少成本？”这个事情我能跟他讲清楚。而且哪个东西会更好一些，更坏一些，这个事情我也可以给他讲清楚。

文科生、艺术生其实同样是这样。他们也是上了大学，也是经过十几年、几十年的工作训练。而且文科生跟艺术生……

他们所掌握的技巧是更难进行衡量、量化和迭代的。像我们其实一直在研究工程的问题，我们做的所有结果都是可以量化、可以进行迭代的。他们那些东西很多是感性的东西，比我们这个还费劲。所以在这样的一个情况下，我觉得他们更加重要一些。

所以现在很多人说，我们是不是应该把文科的取消掉，应该让更多的人去学理工科。这个事是错的。AI距离替代程序员目前还非常遥远，当然它在快速的向这个方向走。但是AI距离替代文科生和艺术生，应该更远。

很多人说不对，AIGC它生成内容了，它能生成图片、能够生成视频、能够生成音乐、能够生成文字了。但是这个东西距离诗和远方还非常非常遥远。就像文科生写程序一样，他们写出来的就是一坨坨屎。这个真的不是说看不起他们，因为AI现在所生成出来的这些代码片段，就像我们生成的图片或者写出来的文章是一样的，是没法拼凑在一起了。拼出屎山这件事本身是很难的，不是说你可以把一堆屎搁在一块，就是一堆屎山的。最后一大堆碎片，你可能连拼都拼不起来。

像我们写程序也是有风格化的，也是有一些代码编程规范的。现在AI生成的代码，它会在不同的文件里边生成不同规范、不同风格的代码。这种东西是拼不到一块的。还有就是我们没有办法去判断这些图片跟文字的好坏，这个时候还是需要这些文科生、需要这些艺术生，他们才可以去判断。

那么为什么大家都觉得可以取代对方呢？这个还是评判的标准不一样。我觉得我画的Midjourney很漂亮，让我的情感得到了抒发，让我的情绪得到了满足。我觉得我写的小说也挺好，这就是程序员在评判文科生跟艺术生的成就。而那边呢，产品经理教人写程序，大家都觉得挺好。这就是文科生跟艺术生觉得他们懂编程了。

其实是一样的，就是我们拿出来的这些画，我们拿出来这些文字，让文科生看了以后，让艺术生看了以后觉得很可笑。就跟他们拿出来的代码让我们看了，也觉得很可笑是一样的。

但是现在，8岁小女孩写游戏这样的故事，他很有传播性。大家对于AI也抱有了远远超越其能力的这种预期。AI创业者呢，其实也不愿意出来纠正这种误解。他希望说：“你们先误解着，我那头没准加加班赶赶工，这个AI就赶上来了呢。等你发现这个东西有问题之前，我就把功能做出来了。”这个是很多程序员喜欢干的事。所以这就是大家现在都觉得可以替换别人，各个公司都在这疯狂裁员，就是这样的一个原因。

Deepseek今年其实已经造成了大量的裁员。那么，应该如何面对未来呢？肯定还是要交叉学习对方的技巧。因为现在有了AICC以后，工作效率提升了，有了一些空闲的时间，多去学一些交叉的学科。但是与此同时，一定要心怀敬畏，千万不要上来说：“我懂了，你们都靠边站。”这个是要翻车的，是要出问题的。

而且，我们要准备迎接更加奇轨的未来，就是端道端。刚才我还在讲我们在吵架，文科生、理科生、美术生，三个人坐在这在吵架呢。等到最后端到端的时候，就连吵架的机会都没有了。到那个时候，就是上帝说要有光，于是就有了光。可能我们就真的不知道该去搞什么了。

那么，应该如何去迎接端道端这个过程呢？其实就像自动驾驶一样，先是给你一些提醒，最基础的是：“哎，前面有车了，我给你警告一下。”然后呢说：“我可以帮你去开一点，但是你的手要放在方向盘上。”再然后呢是说：“唉，手可以不用放在方向盘上了，但你人得坐着得看着，随时准备接管。”最后呢，是说：“人不用在这呆着了。”到最后一步就叫端到端了。这个也是一个一步一步往前走的过程。

端到端之后的话，我觉得我们可能应该学习日本人造汽车的方法。他们始终会保持一条纯手工的生产线，就是其他的都是用机器来生产，用流水线。绝大部分汽车也都是在流水线上做出来的。但是呢，始终有一条线是用纯手工生产。最后，他要确保生产线上下来的汽车跟纯手工组装的汽车品质完全相同。这可能是我们未来面对端到端的时候所必须去采取的一些措施。否则的话，万一出了一些问题。

因为一旦端到端了以后，出了问题你是一点办法都没有。你都不知道中间是发生了什么。这可能就是我们的未来。在未来的话，文科生、设计师都很重要，程序员也很重要。谁都不应该失去工作。好，这个故事今天就讲到这里。请帮忙点赞、点小铃铛，参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。再见。

大家好，这里是老范讲故事的YouTube频道。我们现在开始讲第一个故事：阿斯麦崩盘。

是不是AI大模型要迎来郁金香时刻？什么是郁金香时刻？就是我们认为有一个大的崩盘即将到来的时候，我们管它叫郁金香时刻。因为当年荷兰人去卖郁金香的时候，就遇到了郁金香崩盘这样的事情。后面每一次大的这种泡沫破裂的时候，你可以认为它是一个郁金香时刻。

那么阿斯麦是怎么崩盘的呢？算是意料之外，情理之中。为什么叫意料之外呢？因为由于某个技术原因或者某一个技术故障，导致了应该是晚一天发布的财报提前一天泄露了。但是呢，这个泄露出来的财报并不是说虚假的或者说有错误的，就是正确的财报，只是他看到的时间稍微早了一点，或者是大家意料之外的这个时间看到了。早看到一天、晚看到一天，里面的数据都不会发生任何变化。

所以呢，算是有一点点意料之外。所谓的意料之外的这个部分，唯一起到的作用就是放大了这个财报的各种情绪。原来财报里边写着我哪块做得不错，哪块做得不好。如果你是按正常的时间去放，大家就按正常的心理状态来看就好了。但是你突然提前泄露了它，那么这个里头一定是有一些奇奇怪怪的东西，大家心理被放大了。

现在呢，股市其实更主要是看未来的。股市不看今天的消息面，不看今天具体的什么，你今天多卖了几个硬盘，明天多卖了几个光刻机，人家是看你未来发展的。这其实也是大妈盘跟机构盘之间的差异。机构盘一般要看你未来三年的这种发展的状态，或者有什么样的新的方向，所以他允许你现在是赔钱的，你未来只要是能够发展的好，他就愿意来买。而大妈盘的话比较情绪化，他不会看那么远的事情，当前有什么变化我当前就要马上见钱，这是不一样的。

而股市里边，特别是欧美股市，机构盘要更重一些。现在阿斯麦提前透露出来的这个财报，它的收入跟利润其实还算是上升的，或者叫又创新高吧。但是呢，未来的订单只有预期值的一半，这个是非常非常吓人的。

因为像阿斯麦这样的光刻机，不是说像手机似的一年造几亿台，它一年大概也就是四五百台，不会太多了。所以，接到多少订单，就决定了未来的生产安排。现在，他只接到了20多亿欧元的订单，大家预期大概能有40多亿，所以差了一半的钱。这个数字让整个市场感觉到异常震惊。而且，仔细去看阿斯麦的财报，还会发现，在上一个季度的收入中，中国的收入占了一半，他有一半的东西都卖给中国了。中国购买的主要是28纳米以上的产品，真正的精密制程或高端制程的设备是不允许卖给我们的。

如果美国不管他，荷兰政府不管他，我估计他未来的订单还是能爆炸的。但是现在这个情况已经没有了。台积电、英特尔都在努力出货，就是要赶快把答应给我的机器交给我，我该付的钱付掉，你该给我的机器装上，再努力做。那么，问题出在哪里呢？韩国和存储市场崩了。韩国原本像三星要买一堆光刻机来用，但现在韩国的出货量没跟上去，未来的订单也不怎么样。

存储市场方面，我刚刚又去看了一下，淘宝上长江存储颗粒的SSD硬盘4T，现在价格已经回落到1,000多一点儿了，最便宜的时候大概能到900多，现在是在往下掉。阿斯麦这一部分的光刻机没有卖出去，未来的订单也就不存在了。

那么，芯片市场到底发生了什么变化呢？手机和电脑的需求其实都没起来，全球的需求相对来说比较疲软。这个锅谁来背呢？这个锅必须是AI来背，没有第二家能背的。因为现在大家能够让他换手机、换电脑的唯一理由就是AI。你现在要用AI手机，要用AI电脑，你要去买iPhone 16，要去买三星的AI手机，要去买谷歌的AI手机，国内的各种安卓手机都要去配AI。这两天，联想在拉着AMD、英特尔的老大、英伟达的老大在开会，就是要去卖AIPC，大家对这些AI手机的期待正在增加。

AI的PC都没有什么购买欲望，没有刺激起来嘛。原因只能是一个，就是AI对于普通用户来说没用。普通的用户没有觉得AI给我解决了什么问题，我需要付很多的钱重新更换设备，必须要来使用这些AI产品，没有。所以这个锅只能是AI来背。

阿斯曼他也在讲，说我们现在所有的逻辑芯片，就是CPU这些东西，存储芯片现在都不行，需求都很差。现在最后的一个亮点是AI了，也就是现在还有人在去买它的光刻机，去做SDM，就是算力卡上面用的这种内存，或者是去做H100、B200，或者是MI300这样的这种算力卡，这个东西还是有需求的。

但是大家要注意一点是什么呢？就是这种AI芯片，它呢很贵，一个H100五万美金，一个B200可能更贵，具体价格我没有去查，但是这种芯片总的量其实是很小的。它跟CPU，比如说高通的CPU、苹果的CPU比起来完全不可比。你想苹果每年要卖掉几亿只手机，PC你像英特尔、AMD每年大概几千万，也还是要出去的。但是你像H100这样的芯片，每年能够有个几十万撑死，应该到不了100万，也就是这种水平。

所以他那个量差得非常非常远。AI的这些东西呢，它可能现在还有很高的需求，但是大家就预测说，崩溃这种事情是带有滞后性的，也许下一个就轮到AI芯片崩了，因为前面是已经把CPU崩掉了，已经把存储芯片崩掉了。AI芯片是不是再过个比如说一年，或者再过个一两个季度就会崩掉，这个大家也在观望。所以他为什么股价就会崩掉。

现在呢，市场上的投资者心理已经站在悬崖边缘上了，因为AI整个的行业来说，投入实在太巨大了，而且看不到任何收益。这个东西呢不怎么挣钱，全世界所有的AI公司都不怎么挣钱。还有一个问题是什么呢？就是AI大家都觉得这就是未来的方向，但是现在AI给整个行业带来的变化是只见裁员，没有看到哪有新的企业快速成长，新的企业爆发，或者是有什么样的公司快速的招人。所以他这个AI会不会说，就是豁楞一下就跑掉了。

或者说，他就一个泡泡就破掉了。大家现在都很担心这件事。现在呢，还有另外一个让大家担心的，AI有可能泡沫破裂的原因是什么？就是H100的租金崩了。H100这种东西呢，是英伟达上一代的算力卡，也是现在的主力算力卡。现在虽然有B200出来了，但是真正用上的人还非常非常少。现在出来进行测试的B200，可能还有一些问题，在交货上还需要再等一等。

H100这样的算力卡，一张是5万美金。原来呢，说你们有人买不起吧，怎么办呢？你们可以租用这些算力卡，像云计算一样，去开一个这种带算力卡的主机，我们去用就完了。英伟达给的建议呢，是4.7美金一小时。去年的供不应求的时候，这个价格涨到了8美金一小时。但是现在呢，这个价格已经降到了两美金一小时，就是已经掉下来了。大家不需要了。

H100按照5年的寿命，5万美金价格，如果降到了3美金一小时以下的话，这个收益率可能就未必划算了。你可能最后挣的钱，还不如你把这钱存银行里收利息，收挣的钱多呢。如果这个价格降到2美元一小时以下，你可能连成本都收不回来。你把这个H100租用一年，收回来的租金不够这块卡钱呢，会出现这样的问题。

怎么又感觉像咱们原来挖矿的感觉？买了4090插在机器里挖矿，以太坊的价格一下跌，然后你觉得，哎呀，这个成本回收的时间又变长了。他现在变成这样的一个状态。而且呢，H100的这种租用的收益，你还不能按这样来算。为什么呢？因为你挖矿，只要把机器开着，它就一直在挖，不会说现在有人挖，待会没人挖，它有开机率的问题。它不会这样的，你只要开着机，它就一直挖。

但是像H100这种东西，你把它买回来以后，没有人租用的时候，它就有利用率啊。你比如说，现在虽然是能够卖到2美金一个小时，但是你可能开机率不足10%，不足20%。那你多少钱你都挣不回来。这个事是非常非常危险的。现在为什么H100的单价会掉得这么厉害呢？这个其实是真正反映到整个大模型。

这个产业整个行业的这种创业热情，现在舍得花钱去训练新模型的公司，其实已经很少了。在早期的时候，大家都愿意说：“我们花钱去训练了个新模型吧。”现在已经不愿意干了。独角兽零一万物的CEO李开复刚刚出来讲了，他说我们一定要继续坚持训练新模型。为什么他会出来讲这样的一个话？因为李开复他们已经好久没有新模型面世了，现在他终于又拿出了一个新模型，这个新模型叫e Lighting。这个模型呢，是一个Moe的模型，在很多的跑分里头已经超过了GPT4O以及GPT4O MINI。

现在又出来开了个发布会，他就讲说训练一次这样的模型需要3-4百万美金，还是很贵的。就是一般的公司你根本就玩不起。你不是独角兽，不是有10亿美金的估值，身上可能有个几亿美金的投资的话，你根本就没法弄这事。你想把这个钱挣回来也挣不回来。就是他们现在这些人，用几百万美金训练了一个模型，像他训练的模型应该还是相对比较小的模型，还不是像open AI那种大模型。那么这三四百万美金，你需要做多少服务能把它挣回来，非常非常难。

现在呢，基础大模型本身的同质化也很严重。open AI的GPT、claude、Gemini这三个模型，你说它到底有多大的差异，其实到最后差异都没有那么大。而且大模型呢，也不是针对普通用户的。他很多的大模型用户最终还是开发者。如果是开发者使用这些大模型的话，那最后这些大模型的竞争就会形成一个很悲观的结果，那就是赢者通吃。谁做的最好大家都去选他。

如果是你面向普通用户了，大家说：“哎呀，这个甭管好不好使，我用习惯了，我不换了。”它会有这个用户忠诚度的问题。但是你一旦是大模型，最后用户是开发者，是B端用户的话，随时有新的人家随时就换掉了。现在很多公司已经停止在训练自己的模型了，比如像Character AI这样的公司，就是说我们自己的模型以后不训了，以后我就用别的了，用Gemini就完事了。

普通人其实就直接聊天就可以了。更进一步的，其实普通人现在用不到现在的大模型。御三家也是跟游戏机似的，御三家OpenAI、Anthropic和谷歌，这三家是算最强的。国内的产品呢，通义千问、Moonshot、Deepseak、Yi，这些其实还是比较常见，我用的还比较多。其他像什么Mini Max呀，还有另外几个主要ToB的产品，基本上没用过。

咱也不止评论开源的这种，或者开放模型吧，Lama呀、Mistra呀，这些也都是可以使用的。当然这里还有一个比较奇葩的是XAI。为什么说它奇葩呢？融钱融的很多，名声也很响，顶上顶着马斯克，手里的算力也足够多。只是呢，现在大家所看到的结果，也仅仅是平台上面的一个聊天窗口，其他什么都没有，什么API啊、什么AI agent呀，所有这些东西它都没有。

号称是开源了Grok1.0的版本，也把这个原代码扔出来了，但是呢，放出来以后也没有任何人再去看他一眼，也没有任何后续的更新，什么都没干。他怕做了这么一样的一个东西出来，所以我觉得最后可能他会比较难看。

那么应用以及对于算力的需求呢，现在其实已经没有那么高了。除了刚才咱们讲的这几家之外，其他人其实用不了多少算力。对于大部分人来说，只要问答一下就行了。但是问答的时候呢，你用推理算力就行了，你并不需要去训练模型的那种算力。这个推理算力的话，有一个卡叫GROQ，用这种卡的效果其实比H100好，它非常便宜，非常高效的把你的推理结果给你送出来。

现在很多的公司，包括谷歌、亚马逊、微软，都在自己定制类似这样的卡。我们不再需要英伟达这些东西了，我们只管去回答人家聊天问题就行了。至于更进一步的开发AI agent呀，这些东西现在还在找方向。虽然很多人觉得这个东西很美，但大规模的使用现在其实并没有那么成熟。至于其他的AI应用方式，RAG这东西其实也没有大家想象的那么美好。

有些人说：“那我们上微调小模型吧。”现在确实这么干的人越来越多了。但是呢，大家要注意，很少有人去把一个比如说405币的模型拿出来微调一下，或者把七十几B的模型拿出来微调一下，很少啊。绝大部分人微调也就是去调这种，比如7B、9B这样的模型，甚至有人去调那个1B的、3B的模型。这种模型调起来的成本是非常低的。你到这种租用H100的平台上去调这种7B的模型，调一次可能花不了几百美金。

所以，对于他们这些做H100租赁的人来说，这个就真的是卖不出去了。因此，这些H100的租金就直接崩掉了。而且还有一个什么原因呢？很多购买H100的人其实买的是期货。什么叫期货？就是去年人家拿了投资，然后就花钱买了，买完了以后一直交不了货在这等。等到现在呢，开始逐步的交付，整个市场容量等于需求在下降，供给在上升，那它价格就只能崩掉。

而且，大模型训练这个事其实并不能一直跑。你只有像OpenAI、Anthropic、谷歌这样的公司，会不停地在去训练大模型。训练大模型这个过程，其实有点像造大炮。我造了一门大炮出来，但是呢，你得不断地开炮。你这一根炮管，你说我可以打500发炮弹，还是打300发炮弹，你把它打掉。你不能说我炮弹造大炮造出来了，炮弹没打两发，以后咱再造一门大炮吧，或者咱们过两天再造一门大炮，然后每天不停地造大炮，这个事不行。

现在大家其实对于算力的要求已经没有那么高了。当这一件事情真正传递到英伟达身上，传递到台积电身上的时候，可能整个AI大模型的这个泡沫就彻底捅破了。现在还没有传递到他们身上，现在还在喊说：“哎呀，我的H100这个订单很好啊，大家都在拼命地买啊。”马斯克说：“我要去买啊。”这两天好像是Oracle说：“我要去买一大堆100回来，大家赶快来使啊。”现在大家还在相信什么？就是谁买了一大堆的这个英伟达显卡，谁的股价就会涨。但是他们并没有想清楚说，你买了这些东西以后，部署到云计算机房，到底能不能用这个东西挣到钱？或者最后价格下滑了以后，是否这个生意依然是划算的？现在大家还没有想到这个事情，但应该很快就会想到。现在呢，整个行业也都比较迷茫。行业的老大OpenAI也没有给出什么新方向。现在，OpenAI还在不断地去训练新的大模型，但是不断训练新模型这件事情肯定是亏钱的。

其他人也不敢停下来。如果停止训练新模型，开始卷应用，可能最终在模型层次就会落后。那么，这有什么问题吗？这个问题很大。因为我们看看历史，云计算也好，广告也好，最后都是赢者通吃。最后剩下的，不管是亚马逊、阿里，还是广告平台上的谷歌、Facebook、苹果，这都是最后的赢者通吃。

他们都是靠说：“我从广告到云计算，再到最前端的应用，还有自己的用户，我要都有，然后才能把整个市场吃下来。”这些大厂是不敢去放弃，说“模型我不做了，我就只管把应用做好。”他们不太敢去干这个事了，因为一旦干这个事，最后就有可能被别人拿捏。人家说：“哎，平台是我的，广告也是我的，或者大模型是我的。我给你用的时候，就给你在里边放一些小的障碍，或者是让你觉得使用得不是那么舒服。我再出一些新的产品的时候跟你竞争，你就竞争不过我。”这个是大家所害怕的。

所以对于巨头来说，他们依然要去训练，但也没有什么方向。OpenAI今年亏了50亿美金，明年预计亏损140亿美金。而且过去五年，据说已经累计亏损了440亿美金。像OpenAI这样的公司，未来一段时间还会亏钱，可能预计到2029年才有可能盈利。现在是2024年，要再过个五年才有可能挣上钱，这个还是路很遥远。

像我们以前去投案子的时候说：“哎，你做个三年的财务规划吧。”人家说：“这玩意咋做？”我说：“你做呗，做完反正我也不看，我知道你是拍脑袋瞎猜的。”你像OpenAI想五年以后盈利，有人信吗？反正你愿意信，你就信就好了。

现在呢，整个行业其实都是非常非常纠结的。要不要继续卷？大模型这个东西看起来很美，但具体到应用的层次上，其实是脱节的。我们前面讲到说，大模型可以改变百分之多少人的工作，可以改变所有的应用，所有的应用环节都值得用大模型重新做一遍。但是到目前为止，没有谁说因为我用大模型重新做了应用以后，我就突飞猛进，我一把就封了，就涨起来了。并没有这样的公司出来，或者说这样的公司，比如说像 Character，大家觉得哎，你在用大模型做一些陪伴类的应用，这个好厉害。然后呢，这公司就不行了，核心团队被谷歌买走了，自己也不再训练自己的模型了。

有人说 Perplexity 很棒啊，人家做这个搜索很好用啊。但是大家看，看看谷歌，看看国内的豆包或者是 Kimi，大家都在往这一条路上挤。最后挤上去以后，他其实没有什么自己优势了，赢者通吃。一定是最后握有大模型的那个公司能够把它干掉。Perplexity 的模型不是他自己的，他的模型是 OpenAI 的。那么在这样的情况下，OpenAI 说来，我做 40 GPT 了，那就没你什么事儿；谷歌 Gemini 说来，我也把这个东西提升进去。那么在这样的情况下，Perplexity 是没法跟他们竞争的。

所以这个呢，现在大家也是非常非常苦恼的一个问题。大家都看到了裁员，但是没有看到新兴行业的崛起。而且这一次裁员呢，跟以前历届的裁员都有巨大的差异。以前裁员，比如说就跟军队裁军似的，他们会干嘛呢？把士兵干掉，把这个有经验的军士长留下来，把军官尽可能的留下来一些。为什么这么裁军呢？就是万一以后打仗，还可以以此为骨干，快速的再建立起新的军队来。但是这一次裁的都是中层管理干部。亚马逊现在已经透露出来，准备在未来一段时间里头裁员 1.4 万名中层管理干部。国内各大厂裁员的重灾区，不是底下干活的人，当然也不是说 35 岁毕业的人，而是什么呢？就是中间沟通环节的职位，不像什么 HRBP 啊，什么这些都重灾区。

把他们都干掉。我们不需要你去沟通了。以后的公司都是扁平化，底下的人用AI把能完成的工作尽量完成，上层的人用AI去尽可能地收集数据，进行判定或者做出决策就完事儿了。不需要中间有一大堆的人去制定规章制度、执行规章制度，然后去进行沟通。这部分的事情通通由AI来干。

现在变成了这样的一个状态，所以未来的大企业可能会更加的扁平化一些。而且现在很多的AI行业的这些公司也在思考问题：我到底是ToB还是ToC？我是给商业用户去做呢，还是给个人用户去做呢？ToB肯定是短期能够挣到钱的，因为商业用户只要是你能给他改变一点点的效率，他就愿意给钱。但是长期这样的公司大概率是会被淘汰的，混不下去的。

那么如果ToC的话，那是真卷不起，太贵了。现在流量都是握在大平台手里面。咱们就以做AI应用、AI桌面应用这一个赛道来看，国内Kimi肯定是做得相当不错的一个应用，而且声音也很响亮。他有多少月活？几百万。豆包6,000万月活。为什么？因为流量在字节跳动手里头，你Kimi想要流量，花钱买去，人家字节跳动说我自己有流量我自己上。当然，豆包也挺好使的，因为我现在每天主力的AI工具就是豆包，还是非常好用的一个东西。

在这个过程中，是没有中间状态的。我要么ToB，要么ToC。现在是不是有可能成为有一些新的中间态？我们来为他服务。现在呢，大家其实也在思考这个问题：什么是中间状态？就是ToB跟ToC的中间状态。我呀，我就是中间状态啊。我们这种人叫什么？叫自由职业者。我既不是B也不是C，我虽然是个个人，但我肯定不是一个大的商业。但是呢，我又不是说用这些AI工具去解决日常娱乐问题，我是用这个工具在上班在挣钱。

所以呢，可能未来的这些AI工具要思考一下，怎么为ToB与ToC中间的这部分人去服务。也许未来会有一些新的不同的方向出来。AI可能会替代80%的工作，这80%的人失业了以后，不会再在未来一段时间里再回到大企业里面去就业。他们可能就会像我一样，成为新的这种叫做自由职业者。这有可能才是未来的一个广大业态。明年呢，有可能是整个AI行业至暗时刻，更多的创业企业会崩盘，就像咱们前面讲的Character AI这样。而且国内的这些AI企业也会有大量崩盘的，这个没有任何办法，因为你花了太多的钱，做了太高的估值，你又挣不到钱，也没有办法解决实际的问题，也没有办法真正的去提高社会效益，这些企业一定会崩。

英伟达的B200交不了货，与台积电现在也在扯皮。这个事本身其实问题并没有那么大，台积电说英伟达，你这用了太多的新技术，给我们的时候又太着急，所以我们做出来的芯片是有问题的。英伟达就是说，台积电你们的技术有毛病，给我的芯片不好，那我们要去晚一些再去交付。这个其实不重要啊，真正重要的是什么？算力需求下降。如果大家发现没有那么多的算力需求了，你把这个卡造出来卖不掉了，这个才叫吓人，这个有可能就会在2025年发生。而且应用如果还是起不来，新的商业模式、新的交易、新的利润还是没有产生的话，那么这个崩盘就必然会到来。

但是呢，我觉得也不用太悲观，崩盘是一定会来的，但是呢，不破不立，必须要经历这次崩盘，最后呢才可以去说再继续往前走。当然最好在这个崩盘的过程中能够保住open AI，不要让这个老大倒下，这个老大倒下，可能整个的行业就爬不起来了。而如果能够保住它的话，那没准未来还是可以说经历一个大的起伏之后再慢慢的起稳回升。

在明年呢，更多的人应该会去做应用，更多的人会去思考新的商业模式。不要再去搞什么狗屁的UBI，就是全民基础收入，那东西搞不通的，不要脱离商品经济的底层逻辑。在这个逻辑上，大家去想有什么新的商业模式，有什么样新的业态。如果80%人失去工作了，都在外面做自由职业者，我们又需要什么样的东西为他们服务，这是明年真正需要想的东西。在这个过程中呢。

我们就要等待新的巨头产生。这个新的巨头有可能是OpenAI，它有可能会指明新的方向，或者说它能够为这80%的人提供新的平台，能够让他们在OpenAI的平台上去盈利、去生活。那么OpenAI就会成为新时代的谷歌。

Anthropic的话比较难，因为他们有可能最后会逃不脱收购，可能被亚马逊直接收掉就算了。谷歌的话，这一次应该不至于掉队，这应该就是上一个时代的微软，虽然没有赶上新的时代，但基本上也跟着了。这就是谷歌在这个时代要扮演的角色。

梅塔做的拉玛，有可能就是这个时代的安卓，所有的开源模型的标准制定者，这就是梅塔在这个时代的定位。在国内，现在看，三家跑得比较快的，一个是阿里，一个是字节跳动，还有一个是Kimi。至于其他的，还需要再努力一些才能被我看到，否则的话看不到他们。而这就是现在的一个状态。

整个AIGC的行业，有可能泡沫会经历一次爆破，但从我个人的观点来看，这一次爆破并不会把整个行业炸翻，但也会重新做一次洗牌。就在明年2025年，应该会重新洗一下，洗完了以后大家再慢慢地往前发展。在这个过程中，一定会有很多的痛苦，很多的动荡会发生。大家一定要安下心来，或者说要坚定信心，继续在AI的这条路上往前走。

而且在走的过程中，也要采取更加理智、更加稳妥的策略，比如小团队以盈利为核心。如果你真能融到钱，再去研究是不是去训练大模型。其实在今年的可能第一季度，三四月份的时候，我们去参加一些创投会的时候，所有的投资人和一些大厂的老大都在讲，现在不要再去训练大模型了，这个已经时代过了。现在训练大模型这件事情，就交给刚才提到的这几家就可以了：OpenAI、Anthropic、谷歌、梅塔、阿里、字节、Kimi。其他人大家努力去找到新的应用就好了。这就是现在由阿斯麦这一次的股价暴跌，我们去聊一下。

说AIGC的泡沫到底是不是该挤一下？好，这就是我们今天的第一条。