甲骨文公司近日突然宣布裁员，并非愚人节的玩笑。
CNBC确认了这一消息：甲骨文（Oracle）正在进行新一轮大规模员工削减，影响数千名员工。
在同一时间点上，该公司正投入巨额资金建设AI基础设施。
行业媒体透露，甲骨文计划将年度资本支出提高至约500亿美元，主要用于数据中心和AI设施的开发。
根据TheStreet的数据，由于这些投资，甲骨文的自由现金流已经从2024年的118亿美元转为负值，并预计在2026年达到-230亿美元。此外，公司股价今年下跌了约25%，跌幅超过了所有科技巨头。
在扩张AI领域的投入和裁员成本控制之间存在着一种不寻常的组合，这并非传统软件公司的常态，但却是AI时代基础设施公司的一个典型特征。
对于那些致力于基础设施建设的企业来说，现在可能需要警惕：随着AI热度升高，你可能会面临被“优化”的风险。
甲骨文只是最近一个例子而已。
01
甲骨文裁员并非孤例
类似的裁员情况正在整个AI产业链中发生。
在2025年至2026年间，多家位于该链条上的公司相继宣布大规模裁员：
英特尔在2025年裁减了约2.5万名员工，作为其制造和成本重组的一部分；
亚马逊则于2026年初裁员大约1.6万人；
微软也在2025年上半年进行了9000人的裁员；
Block在2026年早期也宣布了超过4000人的裁员。
这些企业分属不同的细分领域，包括半导体、云计算、企业软件和支付基础设施，虽然他们各自有具体的裁员理由，但也有一个共同点：它们都在为AI提供支持服务。
并非这些公司是AI浪潮的边缘参与者，实际上，他们是最早响应AI需求增长的企业之一。例如云提供商处理模型推理负载，芯片制造商供应计算能力，企业软件则负责数据与流程管理。随着AI需求的增长，他们都从中获得了更多的订单和更高的使用率——换句话说，他们通过AI赚取了大量收益。
然而压力也随之而来：订单增长的同时，成本结构也在发生变化。
与传统软件的轻资产模式不同，AI基础设施建设具有明显的重资产特性：数据中心建设周期长且资本密集度高，GPU等核心硬件的价格依然高昂。一张高端计算卡的成本可以达到数万美元，并且大规模部署通常需要数千张。
建立一个AI数据中心所需的投入已经不再是“几亿美元”的问题，而是动辄数十亿甚至上百亿美元的规模。
这种资本支出的急剧增加迫使这些基础设施公司在财务上寻求新的平衡点，在面对AI投资时，人力成本成为了最容易被调整的部分。
一种简单的选择开始显现：
利用人力资源来换取计算能力资源。
02
AI带来的红利正在重新分配
要理解这种变化，需要从AI产业的价值结构出发思考。
在过去的软件行业中，价值通常在多个层级分散：包括应用层面、平台层面、中间件以及基础架构。每个层次都可以通过差异化的服务获取一定的定价权。
然而，在当前的AI周期中，这种分布正在逐渐集中化。简单地说，AI时代的价值可以围绕token来归类为两种类型：一种是生成能力，即模型本身能够产出token的能力；另一种则是消耗能力，即用户在推理阶段持续产生的token使用量。
用通俗的语言表达就是：AI的红利现在集中在模型和token上。
掌握了模型技术的公司如OpenAI、Google DeepMind和Anthropic可以定义产品形态与价格结构；拥有大量用户入口的平台则可以通过token消耗来实现持续收入。
传统基础设施环节依然非常重要，但它们的作用越来越像电力和带宽一样不可或缺却难以定价。
越接近于生成或消费token的环节，利润空间就越高；远离这些核心环节，则竞争更多地趋向成本压缩。
总之，在AI浪潮中，掌握了token就意味着拥有定价权；而距离token较远的地方，只能通过降低成本来求生存。
对大多数基础设施公司来说，它们既不掌握模型能力，也不控制用户入口。它们主要承担的是“支持系统”的角色，比如存储数据、调度资源、提供运行环境或构建工具链。
当技术从非标准化转向标准化，再向自动化发展时，人力需求就会自然减少。
在技术不成熟阶段，大量的工程师和运维人员是必要的；但随着模型能力的提升、自动化工具的应用以及平台能力的增强，原本需要人工完成的工作逐渐被系统替代。
因此，在公司既要降低成本又要提高效率的情况下，裁员几乎成了必然的选择——毕竟人力成本是持续性的开支，而算力则是前期投入。一旦系统稳定运行，对于人力资源的需求就会重新评估。
在技术周期的早期阶段疯狂招聘人员，到了成熟期又大量裁员，似乎已经成为基础设施公司的一种命运。
这种过程并非AI时代独有的现象：在云计算发展的初期，企业同样经历着从快速扩张到效率优化的过程。但AI的发展速度明显更快。
模型能力、工具生态系统和硬件能力在短时间内同步进步，这直接压缩了效率提升的时间进程。云计算大约用了十年时间来完成标准化与规模化，而AI可能只需要三年时间即可实现这一目标。
03
另一种选择正在出现
对于那些大规模投入AI的基础设施公司来说，用一部分人力成本换取算力似乎是一个合乎逻辑的选择。
然而如果将视野放宽来看，岗位并未整体消失，而是转移至不同的层级之中。
在过去的几年里，大量职位围绕基础设施展开，涵盖系统维护、数据处理、流程管理以及工具开发等。随着AI的加入，这些工作中的一部分开始被自动化所替代。
同时，直接参与模型研发、应用构建或产品创新的工作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，而另一些企业则看到了机会，并准备“捡漏”发展。
例如WHOOP公司，一家专注于健康与可穿戴设备的企业，在此期间反而扩大了团队规模，计划招聘大约600名员工。
WHOOP的CEO Ahmed直言：“现在可能是历史上最优秀的人才市场之一。许多优秀人才目前处于失业状态或在那些不断谈论他们将被AI取代的公司工作。”
“优秀的团队会利用出色的工具来打造伟大的产品。我们在健康、健身、平衡和医疗功能方面看到了巨大的机遇。与其说‘如何在未来12个月内变得如此高效’，我们更关注于缩短3到5年的研究路线图至12到24个月之间。因此，这使我们更加雄心勃勃，并认为这是此刻最令人兴奋的地方。”
这种判断与正在裁员的基础设施公司所采取的不同思路形成了鲜明对比。
对那些以产品和应用为核心的公司来说，AI不仅是一种省钱的方法（尽管确实如此），更是一种提高效率的工具：它能让一个团队在更短的时间内完成原本需要几年才能实现的任务，从而更快地推出新产品并不断迭代。
在这种情况下，人的作用并没有被替代，反而得到了放大——同样的人可以做出更多、更快且更加复杂的事情。
因此你会发现，在不同思路下AI带来的结果截然不同：对于一些公司而言，AI意味着降低成本和提高效率；而对于另一些公司而言，则是加速创新与扩展边界的机会。
对于从业者来说，这种变化同样具有现实意义。
在AI体系中，工作可以大致分为三类：直接创造内容和技术（模型、算法、代理）；放大并应用技术能力（产品和应用程序层）；提供支持和服务基础设施（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，但这并不意味着这些岗位没有价值，只是它们的价值更难以转化为溢价。
对于从业者而言，关键问题不再局限于技术本身，而在于他们所处的产业位置——决定稳定性的因素不是个人的能力水平，而是距离AI的核心价值有多近。
工作与创造价值之间的距离将直接影响到稳定性与发展空间。
随着技术周期加速推进，组织结构和岗位结构也随之发生变化。裁员与招聘同时发生，成为同一时代的两个侧面。
当面对“AI是否会取代人力”这一问题时，不妨思考：公司究竟是利用AI来省钱还是赚钱？
AI本身并不会直接决定你会不会被替代，但它会决定你所在的位置是否仍然值得保留。