2026，很多公司将会裁员 50%

　　如果把过去一年的大公司动作放在一起看，你会发现一件越来越刺眼的事：裁员，已经不只是“企业过冬”时的应急反应，而正在变成未来公司的主动出击。

　　2025 年 7 月，Microsoft 宣布裁员约 4%，大约影响 9,000 人；2026 年 1 月，Amazon 确认裁掉约 16,000 个企业岗位，并完成自 2025 年 10 月以来累计约 30,000 个岗位的压缩计划；到了 2026 年 3 月，Reuters 披露 Meta 正在准备新一轮大规模裁员，潜在影响可能超过员工总数的 20%，也就是 15,000 人以上 ；同月，HSBC 被曝正在评估未来三到五年内影响约 20,000 个岗位的深度缩编方案。

　　不仅是海外，中国的巨无霸公司也在陆续行动。

　　2025 年 1 月，阿里巴巴淘天集团确认裁撤约 10% 中后台员工，集团整体员工规模因资产剥离与战略聚焦持续回落；2025 年 11 月至 12 月，百度启动大规模人员优化，部分非核心业务线裁员比例高达 90%，整体优化幅度约 20%–30%；同月，腾讯互动娱乐事业群（IEG）确认进行人员调整，游戏业务线基础美术设计岗位缩减约 50%，普通运营岗位缩减约 40%；2026 年 3 月，字节跳动被曝武汉研发中心裁员传闻，随后确认近期仅因业务调整对约 50 名员工进行办公地点变动，否认退出武汉市场。

　　把这些动作放在一起看，问题就不再是某个行业景气不景气，而是越来越多的大公司都在重新回答同一个问题：在新的技术条件下，我到底还需要多少人。

　　这也是为什么，我越来越倾向于把这一轮裁员潮理解为一种结构性信号，而不是周期性情绪。

　　过去企业裁员，多数发生在收入下滑、现金流吃紧、融资环境恶化的时候；但 2025–2026 年更值得警惕的地方在于，很多公司一边缩编，一边继续加码 AI、自动化和流程重构。

　　微软此轮裁员发生在其维持高额 AI 基础设施投入的背景下；Amazon 的压缩也被 Reuters 直接放在“效率、AI 和去官僚化”的框架下理解；Meta 的潜在裁员，同样与其大规模 AI 资本开支压力直接相关。

　　换句话说，它们并不只是简单“活不下去”，而是在重新判断：在新的技术条件下，原来那套人力结构是否还有必要继续维持。

　　如果从宏观角度去看，这一轮变化背后真正的变量，并不是利率，也不是消费，而是认知劳动的生产率正在被系统性抬高。

　　世界经济论坛在《Future of Jobs Report 2025》中汇总了来自 1,000 多家全球雇主、覆盖 1,400 多万名劳动者的调查，结论非常直接：到 2030 年，技术变化仍将同时创造和替代大量岗位，其中 AI 和信息处理技术被企业认为是最具颠覆性的力量；同时，40% 的雇主预计，在 AI 可以自动化任务的领域会缩减员工规模。

　　换句话说，企业层面的替代冲动，已经不再是零散试验，而是在向普遍预期演化。

　　如果把这件事写成一个最朴素的表达，其实就是：

岗位需求 ≈ 总任务量 ÷ 单人生产率

　　这个公式并不复杂，但它把问题讲得很透。在总任务量没有同步爆炸增长的情况下，只要 AI 把单人生产率提高 1.5 倍、2 倍、3 倍，岗位需求就一定会被压缩。

　　Anthropic 在 2026 年 1 月的研究里甚至给出更激进的估算：如果 AI 被广泛采用，美国未来十年的劳动生产率增速可能每年提高约 1.8 个百分点，接近把原有趋势翻倍。

　　但 Anthropic 同时也提醒，真实劳动力市场的冲击并不会线性展开，最危险的阶段往往是旧岗位被压缩，而新岗位和新技能体系还没有来得及完成吸纳。

　　但如果只把这轮变化理解成“效率提高”，其实还没有真正碰到更深的一层。真正值得重视的是，AI 并不是在企业里做一件单点工具的事，它是在重写企业的生产函数。

　　这里我有一个极度关键的类比，就是区块链。

　　区块链最早想解决的，并不只是支付快一点，而是交易体系里的信任和对账成本。

　　中本聪在比特币白皮书开头就讲得很清楚：互联网商业高度依赖可信第三方机构，而这种基于中介的模式天然伴随着成本、摩擦和争议处理问题。

　　换句话说，区块链最本质的一步，是试图用计算替代中介。

　　把这个逻辑迁移到 AI 上，你会发现结构上其实非常像。区块链重写的是交易成本结构，AI 重写的是知识生产成本结构。

　　过去企业靠人去理解信息、整理信息、传递信息、加工信息，再由组织体系把这些知识劳动拼接起来；今天，模型开始进入这个过程，承担其中越来越多的生成、归纳、分析、判断辅助和流程推进工作。

　　也就是说，AI 做的并不只是“让员工更快”，而是让企业第一次可以用计算能力去承接一部分原本必须由人来完成的认知劳动和协同劳动。

　　这不是修修补补，而是成本函数本身在变。

　　如果把传统企业抽象一下，它过去大概可以写成：

产出 = 人力 × 组织效率 × 资本

　　而在 AI 被真正引入之后，企业更接近下面这套逻辑：

产出 =（人力 + AI能力）× 算力 × 数据 × 组织效率

　　这个公式背后的含义非常关键：人，不再是唯一的生产要素。

　　过去公司要扩张产出，最直接的方法就是多招人、多设岗、多堆层级；现在它可以通过提高模型能力、增加算力投入、沉淀高质量数据、优化工作流，去替代一部分原本必须用雇佣关系承接的人力工作。

　　你会看到很多公司一边裁员，一边增加 AI 投入，表面上看很矛盾，实际上完全不矛盾。因为这不是收缩，而是替换。微软、Amazon、Meta 最近一轮动作，基本都沿着这个逻辑展开。

　　从另一个角度看，这件事还可以写得更直观一些：

总成本 = 人力成本 + 算力成本 + 数据成本 + 组织成本

　　过去，在大多数公司里，人力成本都是最沉重、最显眼的那一块；而现在，这个结构正在发生迁移。

　　企业并没有突然“变小”，而是在做一件更底层的事：把一部分原来必须写在工资表上的支出，迁移到模型、算力、数据治理和自动化系统上。

　　说得更难听一点，就是从“雇人”，逐步转向“购买计算能力”。这才是这轮变化真正吓人的地方。因为它不是某个部门效率提高了，而是整个公司的成本篮子正在被重构。

　　接下来，就会出现一个很现实、也很残酷的时间错配问题：技术替代旧岗位的速度，通常快于新岗位成长出来的速度。

　　世界经济论坛在《Future of Jobs Report 2025》里给出的判断很典型：到 2030 年，全球将新增约 1.7 亿个岗位，同时也会有约 9,200 万个岗位被替代，净增加约 7,800 万个岗位；但与此同时，40% 的雇主又预计会在 AI 可自动化任务的领域缩减员工规模。

　　这个组合信号非常有意思：一边是“未来会有新岗位”，一边是“旧岗位会先被压缩”。

　　也就是说，宏观上未必一定是绝对总量失业，但结构性失业窗口很可能先到来。

　　如果把这个过程抽象一下，大概就是：

就业结构变化 = −旧岗位（快速） + 新岗位（缓慢）

　　这个公式的重要性在于，它解释了为什么现在很多宏观数据还没有完全表现成“大萧条式失业”，但企业层面已经普遍出现缩编、扁平化和再组织。

　　因为企业削减旧岗位，是自己今天就能下决心的动作；但新职业、新技能、新产业的形成，需要教育训练、资本投入、商业模式成熟和市场吸纳，这个过程天然更慢。

　　真正令人不安的，从来不是技术本身，而是这个中间的时间差。

　　如果再把视角往劳动市场本身挪一步，2025–2026 年的数据其实呈现出一个很有张力的局面：

　　一方面，OECD 2025 年《Employment Outlook》显示，OECD 国家整体失业率仍处于历史低位，2025 年 5 月平均失业率约为 4.9%，就业率和劳动参与率也仍然处在高位；

　　另一方面，OECD 又明确提示，劳动力市场正在出现放缓迹象，就业增长减速、劳动力市场紧张程度回落。

　　也就是说，宏观数据还没有演变成全面失业，但企业端的缩编、重组和技能重估已经提前发生了。

　　这种“总量尚稳、结构先变”的状态，本身就是技术替代早期最典型的特征。

　　所以，这里真正值得重视的，不是简单争论“AI 会不会带来大失业”，而是它已经在改变岗位结构和进入路径。

　　Anthropic 2026 年关于劳动市场影响的研究特别提到，在高 AI 暴露职业中，22 到 25 岁年轻劳动者的就业和入场机会已经出现明显承压的早期信号；其引用的研究显示，这一年龄段在高暴露职业中的就业下降大约在 6% 到 16% 之间，而核心原因更像是招聘放缓，而不是大规模裁员。

　　达拉斯联储在 2026 年初对这一现象的转述甚至给出了一个更直观的数字：自 2022 年以来，22 到 25 岁、处于高 AI 暴露职业的年轻劳动者，就业下降约 13%。

　　这点非常关键。因为很多时候，大规模技术替代并不是先体现为“老员工立刻失业”，而是先体现为“新岗位变少了，入场门槛变了，年轻人更难进来了”。

　　这意味着，AI 对劳动市场的第一轮冲击，很可能首先表现在入口端，而不是存量端。

　　再往企业内部看，这一轮变化其实还在重新定义组织的最小作战单元。

　　过去公司之所以需要复杂的层级，不完全是因为管理者喜欢折腾，而是因为信息处理、知识复制和跨部门协作本来就很贵，必须依赖中间层去传递、汇总、压缩和解释。

　　但当 AI 可以持续参与报告初稿、信息整理、会议纪要、知识检索、方案生成和流程跟进时，中间层的存在价值就会被重新估值。至少在一部分标准化知识工作里，原来那种“人传人”的组织模式，开始变得没有那么必要了。

　　这个时候，一个更简单的式子就足够说明问题：

团队产出 ≈ 人数 × 人均效率

　　当“人均效率”被 AI 系统性抬升时，维持同样产出所需要的人数自然会下降。这个逻辑并不激进，甚至可以说很保守。

　　它并不要求你相信“明天所有白领都消失”，它只要求你承认一件事：同样一份工作流，在工具能力上升之后，本来就会自然吞掉一部分人头需求。

　　于是你会慢慢看到几个非常具体的趋势。

　　第一，小团队会越来越强。原来需要 20 个人才能跑起来的内容、运营、客服、销售支持、研究支持、法务初筛、财务初审流程，未来可能 5 个人加一套成熟工具链就能跑。

　　第二，中后台会被持续重估。因为很多原本依赖重复性认知劳动维持的岗位，开始变得不那么稀缺。

　　第三，中层管理岗位会承受压力。因为当信息在系统里流动得更快、更平、更可追踪时，层层上传下达的必要性也会下降。这不是说管理会消失，而是说很多过去依靠“信息不对称”和“流程门槛”存在的管理环节，会越来越难证明自己的价值。

　　再往个体层面看，未来真正的分界线，可能也不是学历、年龄或者工龄，而是你有没有能力把 AI 变成自己的生产杠杆。

个体价值 ≈ 基础能力 × AI放大系数

　　这个公式很适合今天这个时代。不会用 AI 的人，放大系数可能接近 1；能把 AI 真正嵌入自己工作流的人，这个系数可能是 3、5，甚至更高。

　　所以未来更残酷的一点，未必是 AI 直接替代人，而是会用 AI 的人，替代不会用 AI 的人。

　　世界经济论坛 2025 年的报告里也有类似信号：大约三分之二的雇主计划招聘具备特定 AI 技能的人才，70% 的组织计划招聘具备新技能的人，80% 的雇主计划推动员工进行 AI 相关再培训。

　　这个意思很明确：企业并不是简单地“不要人了”，而是在更猛烈地做区分——什么样的人，能够和 AI 形成乘法关系；什么样的人，会在新的生产函数里被边缘化。

　　目前为止，AI 对总体就业的真实冲击，方向已经很清楚，但幅度仍然没有完全显影。Anthropic 在 2026 年关于劳动市场影响的研究就相当克制，明确提醒外界要保持谦逊，因为很多测算方法并不能直接等同于真实劳动力市场结果；与此同时，OECD 的宏观数据又显示，至少到 2025 年中，发达经济体整体失业率仍处在低位。

　　换句话说，今天更确定的是任务结构、工资结构和技能结构在变，而不是已经形成了一个简单粗暴的“AI 导致全面失业”的完成式结论。

　　但这并不意味着这篇文章的标题应该被撤回。

　　恰恰相反，我觉得“所有公司大概都会裁员 50%”这句话之所以应该引起注意，不是因为它是一句严格统计学意义上的预测，而是因为它抓住了生产率冲击下的结构方向。

　　更准确一点的说法应该是：它不是经验事实，而是一个基于生产率变化和成本迁移的压力测试区间。

　　可以把它写成这样：

员工数量 ≈ 总产出需求 ÷（人均效率 × AI加成）

　　这个表达的好处在于，它不是在武断地说“所有公司都会机械地裁掉一半人”，而是在说：如果 AI 把人均效率普遍抬高到 2 倍左右，而市场总需求没有同步翻倍，那么企业把人员规模压缩到原来的 50% 左右，本身就是一个可以被推导出来的结果。

　　至于具体落到每个行业、每家公司，到底是裁 20%、30%，还是 50%、70%，那取决于行业的需求弹性、组织厚度、监管约束、客户关系强度和责任分配机制。并不是每个行业都会一样，但方向大概率是一致的。

　　所以，回到文章标题，我想说的并不是“明天大家都会失业”，也不是为了制造焦虑。真正值得警惕的，是企业已经开始把工资表上的一部分成本，迁移到模型、算力、数据和自动化流程上。

　　互联网改变的是信息怎么流动，区块链试图改变的是信任怎么达成，而 AI 真正要改写的，是企业怎么生产。

　　这一轮裁员潮，表面上是在减人，实质上是在重写“人、组织与计算”之间的比例关系。

　　谁先看明白这件事，谁就不是被裁员潮拍在岸上的人，而是能在新生产函数里找到位置的人。

　　裁员，只是这场变化最先裂开的一道缝。

　　*本文为上海曼昆律师事务所的原创文章，仅代表本文作者个人观点，不构成对特定事项的法律咨询和法律意见。

　　本文作者