裁员11000人！深耕华30多年行业巨头，或将大规模撤出中国

一家在中国经营了33年的咨询巨头，突然传出考虑出售大中华区业务的消息，潜在估值最高约15亿美元。

更值得关注的是，2025年，这家公司全球员工人数曾在三个月内减少逾1.1万人。

它就是埃森哲。

一边是年营收742亿美元的行业巨头，一边是正在改变知识生产方式的人工智能。

埃森哲为什么要重新评估中国业务？AI又会给传统咨询行业带来多大冲击？

这两件事看似没有直接联系，却共同指向一个现实：过去依靠人力和专业经验建立的竞争优势，正在经历新的考验。

2026年10月18日，英国《金融时报》报道称，埃森哲正在评估出售大中华区业务的可能性，潜在交易估值最高约15亿美元，折合人民币约百亿元。

据报道，公司已经聘请摩根大通参与战略评估，过去一年也收到过外部买家的收购意向。

消息传出后，不少人最关心的问题是：一家在中国经营了三十多年的跨国企业，为什么突然考虑出售业务？

要理解这件事，得先看看埃森哲在中国走过的路。

1993年，埃森哲在上海设立分公司。

彼时，中国企业正在探索现代化管理制度，怎样优化组织架构、提高运营效率、建立规范的业务流程，是不少企业面临的新课题。

埃森哲凭借国际咨询经验，逐步参与到企业管理升级和数字化转型之中。

经过三十多年的发展，埃森哲在大中华区拥有约2万名员工，业务覆盖多个主要城市。

从管理咨询到技术实施，从流程优化到数字化建设，它曾经赶上中国企业加快现代化转型的市场机遇。

因此，这次传出的出售消息才格外引人关注。

不过，评估出售不等于已经决定退出中国。

潜在交易涉及哪些具体业务、员工和客户如何安排，目前都没有最终答案。

再看公司的整体经营情况，事情也没有想象中那么简单。

埃森哲2026财年营收达到742亿美元，全球员工约81.4万人。

单从营收规模看，它依然是一家庞大的全球咨询与技术服务企业。

但企业规模大，不代表不需要调整。

2025年，埃森哲公布了约8.65亿美元的重组计划，涉及员工离职补偿、人才培训和运营效率提升。

同年5月至8月，公司全球员工人数从约79.1万人降至约77.9万人，减少逾1.1万人。

需要注意，这个数字反映的是全球员工人数变化，并不是中国区裁员1.1万人，也不能简单理解为所有减少的岗位都是裁员。

这些调整至少说明，埃森哲正在重新考虑人员配置、技术投入和业务回报之间的关系。

过去，咨询公司的核心竞争力主要体现在专业团队上。

项目越多，需要的顾问往往越多；研究越深入，投入的时间和人力也越多。

如今，人工智能可以协助收集资料、整理数据、编写代码和生成报告初稿，部分工作所需的时间正在缩短。

客户自然会重新计算成本：如果同样的任务能够更快完成，咨询公司还能提供什么独特价值？

这正是传统咨询行业需要回答的问题。

当然，不能直接认定埃森哲考虑出售中国业务就是AI造成的。

跨国公司的业务调整还涉及市场前景、客户结构、投资回报和全球资源配置等因素。

但当一家企业开始重新评估不同地区的业务时，AI带来的行业变化，确实是值得关注的背景。

而这场变化已经不只发生在企业经营中。

人工智能正在进入一个过去被认为极难突破的领域——数学研究。

至于需要严密推理的数学研究，尤其是困扰数学家几十年的难题，很多人仍然认为这是人类智慧的重要阵地。

2026年5月，OpenAI公布了一项离散几何研究成果。

其内部模型推翻了数学家保罗·厄尔多斯1946年提出的一个长期猜想。

这个问题与平面单位距离问题有关：在平面上放置一定数量的点，究竟能够形成多少对距离恰好为1的点？

近80年来，数学家一直在研究这个问题。

OpenAI公布的新构造表明，过去被广泛接受的一种增长规律并不成立。

需要说明的是，这并不意味着整个单位距离问题已经彻底解决，而是其中一个重要猜想被推翻。

但这项成果依然意义重大。

AI不再只是按照人类给定的步骤计算答案，而是开始参与新的数学构造，寻找此前没有被发现的可能性。

数学研究最难的地方，往往不是计算本身，而是找到正确的切入点。

有时耗费数月甚至数年，仍然找不到突破口。

AI能够快速探索大量候选思路，尝试不同构造，并协助检查部分推理过程，这让一些过去耗时较长的探索有机会提速。

到了10月6日，OpenAI又公布了一批由内部前沿模型生成的数学研究手稿，最初发布722份，涉及372个成果系列，涵盖数学和理论计算机科学等领域。

这个规模相当惊人，但不能简单理解为AI独立攻克了722道世界级难题。

手稿数量不等于独立成果数量，不同材料的验证程度也不相同。

数学证明必须经得起严格检查，任何一个关键步骤出现错误，都可能影响最终结论。

事实上，这批手稿发布后，部分材料因为论证问题被撤回或修订。

这恰恰说明，AI能够生成研究成果，并不意味着所有成果都可以直接采用。

真正值得关注的，是AI正在改变研究工作的组织方式。

机器可以协助探索方向，人类则需要判断哪些结果真正有价值、哪些推理成立，以及一项发现究竟推动了理论发展多少。

这种变化也可能传导到咨询行业。

金融机构需要分析风险，工程企业需要优化设计，软件公司需要开发系统，咨询机构则需要研究市场、分析经营问题。

这些工作都离不开数据处理和逻辑推理。

如果AI能够提高基础分析效率，企业的工作流程就可能发生变化。

过去需要一个团队花费数周完成的初步研究，未来或许能够更快形成结果；

专业人员则可以把更多时间投入关键判断、方案选择和实际落地。

对埃森哲这样的咨询巨头来说，这既是压力，也是机会。

AI可能压缩部分传统服务的空间，却也能帮助企业开发新的技术产品和解决方案。

关键不在于是否使用AI，而在于能不能把它转化为客户愿意付费的实际价值。

AI在数学领域不断取得进展，学界的态度却并不一致。

2026年6月，《莱顿人工智能与数学宣言》发布，16名来自15所大学的研究者参与起草，并获得国际数学联盟支持。

宣言关注证明可靠性、研究成果归属、学术透明度，以及商业公司对数学研究可能产生的影响。

这些担忧并不是简单地反对AI，而是在追问一个更根本的问题：

当机器能够快速生成大量研究成果时，谁来判断哪些成果真正重要，谁来承担错误的责任？

假如AI生成数百页证明，人类却无法理解其中的关键逻辑，那么即使结论看起来正确，也很难直接转化为可靠的知识。

研究者必须弄清楚证明依赖哪些前提、哪些步骤经过验证，以及结论是否真正具有创新价值。

另一个问题是年轻研究者如何成长。

数学直觉需要长期训练。

研究者要通过反复演算、发现反例和修正错误，逐渐形成对问题的理解。

如果所有推理和计算都交给机器，短期效率可能提高，但独立思考能力未必能够同步成长。

不过，也没有必要因此否定技术进步。

1976年，四色定理的证明就使用了计算机完成大量运算。

此后，数学软件逐渐成为研究者的重要工具。

计算机并没有让数学失去价值，而是改变了数学家完成工作的方式。

AI带来的变化更进一步：它不仅能执行计算，还能够协助探索思路、寻找反例和构造证明。

真正重要的，是在提高效率的同时，保留严格验证和人类理解。

同样的道理，也适用于埃森哲。

当客户能够借助AI完成部分资料整理和基础分析，咨询公司就必须拿出更有价值的服务。

它不能只依靠人员规模和报告数量证明自身价值，而要把技术能力与行业经验结合起来，帮助客户解决复杂问题，并推动方案真正落地。

对中国本土咨询企业来说，这也是一个新的机会。

市场需求不会因为AI出现就自动消失，但竞争重点可能从人员规模逐步转向技术能力、行业理解和实际交付效果。

谁能把AI与真实业务结合起来，谁就更有机会形成新的优势。

回到埃森哲，出售大中华区业务目前仍处于评估阶段，未来是否推进还没有定论。

全球员工人数减少逾1.1万人，也不代表中国区已经宣布大规模裁员。

但两件事放在一起，确实反映出一个值得关注的趋势：传统知识行业正在重新计算人力、技术和业务价值之间的关系。

AI不会自动让所有专业岗位消失，却可能改变完成工作的方式；

它也不会让所有咨询公司失去市场，但会迫使企业重新证明自身价值。

未来真正拉开差距的，或许不再是谁拥有更多人手，而是谁能更好地使用技术，同时保留人的理解能力、判断能力和责任意识。

对于数学家如此，对于埃森哲这样的咨询巨头如此，对于正在推进数字化转型的中国企业，也同样如此。