不掌握token的甲骨文们，注定会大裁员

甲骨文凌晨突发裁员，不是愚人节玩笑。

据CNBC证实，甲骨文（Oracle）已经启动新一轮裁员，涉及数千名员工。

同一时间，它正在砸下数百亿美元，建设AI基础设施。

多家行业媒体披露，甲骨文计划将年度资本支出提升至约500亿美元规模，主要用于数据中心与AI基础设施建设。

这一投入已经开始侵蚀公司的现金流：TheStreet数据显示，甲骨文自由现金流从2024年的约118亿美元转为负值，并预计在2026年达到-230亿美元。此外，甲骨文今年股价下跌约25%，跌幅超过所有科技巨头。

一边是持续扩张的AI投资，一边是裁员与成本控制，这种组合在传统软件公司中并不常见，却正在成为AI时代infra（基础设施）公司的典型状态。

如果你在一家做基础设施的公司，现在可能应该警惕：AI越火，你越可能被“优化”。

甲骨文，只是最新一个例子。

01

甲骨文裁员并非孤例

类似的事情，正在整个AI基础设施链条上发生。

在2025年至2026年间，多家处在这个链条中的公司先后宣布大规模裁员：

英特尔在2025年宣布裁员约2.5万人，作为其制造与成本结构调整的一部分；

亚马逊在2026年初裁员约1.6万人；

微软在2025年中期裁员约9000人；

Block在2026年初裁员超4000人。

这些企业分布在不同细分领域，包括半导体、云计算、企业软件以及支付基础设施，它们的裁员当然各有具体原因，但同样存在一个清晰的共性：它们都在给AI“打下手”。

这些公司并非AI浪潮的边缘参与者，相反，它们是最早承接AI需求增长的一批企业。例如云厂商承接模型推理负载，芯片厂商提供算力支撑，企业软件公司则承担数据与流程的管理功能。随着AI需求增长，它们普遍获得了更多的订单与更高的使用量——换句话说，他们靠AI“赚了不少钱”。

但压力也随之而来，订单的增长和成本结构的变化同时出现。

和传统软件的轻资产逻辑不同，AI基础设施建设具有明显的重资产属性：数据中心的建设周期长、资本密集度高，GPU等核心硬件的采购价格持续处于高位。一张高端算力卡价格可以达到数万美元，而大规模训练或推理部署通常需要成千上万张。

一座AI数据中心的成本，已经不再是“几亿美元”的问题，而是动辄数十亿、甚至百亿美元的投入。

资本开支的急剧上升迫使这些infra公司在财务结构中寻找新的平衡点，在AI投资面前，人，成为了最容易被调整的成本。

一个简单而直接的选择开始出现：

用人力成本，去换算力成本。

02

AI红利正在“重新分配”

要理解这一变化，需要回到AI产业的价值结构。

过去的软件行业中，价值往往分散在多个层级：包括应用层、平台层、中间件以及底层基础设施。每一层都可以通过差异化能力获得一定程度的定价权。

但在当前的AI周期中，这种分布正在逐渐集中。AI时代的价值，可以围绕token粗暴地归类为两种：一种是生成能力，即模型本身能够产出token的能力；另一种是消耗能力，即用户在推理阶段持续产生的token使用量。

用最通俗的话来讲就是：AI的红利，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，能够直接定义产品形态与价格结构；拥有大规模用户入口的平台，则可以通过token消耗实现持续收入。

传统基础设施环节依然重要，但它们越来越像“电力”和“带宽”，必不可少，但难以决定价格。

一个逐渐清晰的规律开始显现：越接近token生成与消耗的环节，利润空间越高；距离这一核心越远，竞争越趋向于成本压缩。

换句话说，在AI浪潮中，掌握了token就掌握了定价权；远离token，就只能卷成本。

对于大多数infra公司来说，它们既不掌握模型能力，也不掌握用户入口。它们承担的是“支持系统”的角色，像是存储数据、调度资源、提供运行环境或构建工具链。

当技术从非标准走向标准化，再从标准化走向自动化，人力需求就会自然下降。

在技术尚未成熟的阶段，大量工程师与运维人员是必要的，因为系统复杂且缺乏标准化；但随着模型能力提升、自动化工具普及以及平台能力增强，原本需要人工完成的工作就开始被系统替代。

在这种背景下，当公司既要降成本，又要提效率时，裁人几乎是必然选项——毕竟人是持续成本，算力是前期投入。一旦系统稳定运行，人力规模就会被重新评估。

在技术周期早期疯狂招人，技术成熟以后大批裁人，几乎成为了infra公司的宿命

这一过程并非AI时代独有：在云计算早期，企业同样经历过从快速扩张到效率优化的转变。但AI的发展节奏明显更快。

模型能力、工具生态和硬件能力在短时间内的同步演进，直接压缩了效率提升的进程。云计算大约用十年时间完成标准化与规模化，而AI可能只需要三年。

03

另一种选择正在出现

对那些正在大规模投入AI的infra公司来说，把一部分人力替换成算力，看似冷血，却也是一种能说得通的选择。

但把目光放得更大一些，岗位并未整体消失，而是在不同层级之间迁移。

在过去几年里，大量岗位围绕基础设施展开，包括系统维护、数据处理、流程管理以及工具开发。随着AI的加入，这些工作里有一部分开始被自动化替代。

与此同时，直接参与模型开发、应用构建或产品创新的岗位，需求正在不断增加。

在这种变化下，一部分从业者面临不确定性，而另一部分企业却看到了机会，准备“捡漏”。

例如WHOOP，一家专注于健康与可穿戴设备的公司，正在逆势扩张团队规模，计划招聘约600人。

WHOOP的CEO Ahmed直说：“目前可能是历史上最优秀的人才市场之一，许多优秀的人才目前处于待业状态，或者在那些不断谈论他们将被AI取代的公司中工作。”

“优秀的团队会利用优秀的工具打造伟大的产品。我们在健康、健身、平衡和医疗功能方面看到了巨大的机会海洋。与其说‘哦，我们如何在未来12个月内变得如此高效’，我们是在说‘我们如何将3到5年的研究路线图缩短至12到24个月’。所以，这让我们变得更加雄心勃勃，我认为这正是此刻最令人兴奋的地方。”

这种判断，和正在裁员的infra公司，属于两套完全不同的思路。

对于那些以产品和应用为核心的公司来说，AI不是用来省钱（虽然也有），而是用来提效的：它能让同一支团队，在更短的时间里，做出原本要几年才能完成的东西，从而更快推出产品、不断迭代。

在这种情况下，人的作用并没有被替代，反而被AI放大——同样的人，可以做出更多、更快、更复杂的事情。

所以你会看到，AI在不同的思路下，带来的结果也截然不同：对于一部分公司而言，AI意味着降低成本、提升效率；对于另一部分公司而言，它意味着加速创新与扩展边界。

对从业者来说，这种变化同样具有现实影响。

在AI体系中，工作可以大致分为三类：直接创造内容与能力（模型、算法、agent）；放大与应用能力（产品、应用层）；提供支持与基础设施（系统、工具、运维）。

随着AI能力的增强，第三类工作的可替代性正在提高，这并不意味着这些岗位没有价值，只是它们的价值更难转化为溢价。

对从业者而言，关键问题不再局限于技术本身，而在于所处的产业位置——决定你稳定性的，不是能力，而是你离AI的价值核心有多近。

岗位与价值创造之间的距离，将直接影响稳定性与发展空间。

当技术周期加速推进，组织结构与岗位结构也随之变化。裁员与招聘同时发生，成为同一时代的两种侧面。

面对“AI会不会取代人力”的问题，我们不妨想一想：这家公司究竟是在用AI省钱，还是在用AI赚钱。

AI不会直接决定你会不会被取代，但它会决定，你所在的位置，是否还值得被保留。