文 | 山自
硅谷的 CEO 们最近达成了一种浪漫共识：只要算力足够、模型够强，人就是多余的变量。
他们站在财报电话会、行业峰会、媒体专访里，一遍一遍复述同一个叙事：AI 重塑一切，效率解放组织，旧时代的人力包袱可以一键清退。从奥尔特曼谈 AI 介入养育，梅耶尔畅想夫妻 AI 互相协同安排家事，扎克伯格笃定大众会逐步接纳 AI 深度介入生活，这套话术的底色高度统一。技术本身可以解决所有组织、流程、成本难题，人类只是等待被优化的冗余。
但资本市场用十月的行情，狠狠泼了一盆冷水。
一、十月，市场先给 AI 狂热降温
刚刚过去的十月，宏观市场出现了一个反常信号，被贝莱德资深组合经理 Jeffrey Rosenberg 指出，原油价格与美债收益率维持了一整年、高达 80% 的强相关性，突然断裂。
在此之前，交易逻辑简单清晰：油价推升通胀→美联储维持高利率→美债收益率上行，地缘冲突是定价主线。但十月风向变了。 Rosenberg 给出的判断足够扎眼：在市场眼里，地缘政治风险，已经让位于 AI 风险。
Mag 7 集体回调、谷歌单周市值蒸发近五千亿，成为这一轮预期扭转的标志性事件。资本曾经默认，只要持续砸钱买算力、堆大模型，AI 就能源源不断兑现增长；三季度美国 GDP 数据里，信息处理设备投资暴涨 37%，大量资本开支贴着 AI 的故事向上冲。
但财报季拉开之后，市场开始分层定价 AI。 一部分企业交出了可核验的收益：桑坦德银行前三季度 AI 项目落地，创造 1.94 亿欧元业务价值；诺华、渣打银行陆续表示 AI 已经渗透进研发、营销、客户经营，抬升经营杠杆；Meta 的 AI 广告增量、谷歌云收入翻倍，都是实打实的正向案例。
而另一部分，只剩下叙事。 超大规模云厂商的资本开支已经跑赢自身自由现金流。微软时隔近十年，在市场发行 250 亿美元债券加码 AI 投入。债券市场短期愿意买单、认购超额，但 CDS 信用利差持续走高，投资者开始对冲一个现实：未来四年预估近 4 万亿 AI 相关融资需求，债券市场的承载能力不是无限的。
资本不再无脑相信 “AI = 永续增长”。它慢慢看懂一件事：AI 分两种，一种嵌入业务、和人协同创造增量；另一种，只是管理层用来降本、裁人、美化季报的包装纸。后者，就是市场正在定价的 “AI 风险”。
二、光鲜 AI 代理背后，藏着影子人力
在各大发布会和宣传稿里，AI 代理已经无所不能：帮你打电话协商账单、预约上门服务、比价采购、安排家装。OpenAI、Meta 相继入局个人智能代理赛道，描绘一个机器自主办事、解放人类的未来。
可剥开宣传外壳，行业内部是另一套运行规则。 Dazzle AI，也就是玛丽莎・梅耶尔创办的 AI 代理公司，对外毫不避讳这套模式：大模型负责检索信息、给出候选清单，一旦任务进入现实落地环节 —— 打电话沟通、预约施工、确认服务细节，很容易出现常识性错误。他们曾遇到典型故障：AI 代理把屋顶翻新项目里的窗户玻璃和餐桌玻璃混为一谈，试图把桌面玻璃装到窗户上。 遇到这类卡点，系统不会死循环消耗海量 token，而是直接转单给签约外包人员，由真人接手完成沟通。
Duckbill、Wajo AI 这类代理初创公司，干脆把 “人机转接” 做成标准化 API 产品。它们对接一批背景审核过的合同制工人，专门承接 AI 搞不定的环节：电话沟通、线下预约、网站人机验证。创始人梅根・乔伊斯直言，这套逻辑和早年 Uber 模式很像：AI 负责接单展示，人力负责兜底交付。
Meta 的 Muse 代理也曾爆出内部测试争议：对外宣传 AI 自主通话，内部测试阶段大量通话由呼叫中心真人代打。事后 Meta 解释这只是早期产品测试，但这个细节已经戳破行业共识：现阶段绝大多数能 “代办现实事务” 的 AI，本质是一层前端交互皮，真人承包商才是底层底座。
黑色幽默就在这里：很多 CEO 拿着 “AI 自主代理” 的案例向董事会汇报，论证岗位可以被替代、团队可以优化，却刻意隐去成本结构的变化 —— 正式员工裁掉，不是人力消失了，只是稳定高薪的全职岗位，变成了随时可以关停、没有社保保障的外包影子人力。 人力成本没有消失，只是转移、隐匿，从财报里显眼的薪酬项，变成零散的外部服务采购。
三、那个把两亿成本压到两百万的工程师
这两天，一张截图在脉脉、各类职场社群反复流转，引发几十万打工人共情。
故事的版本流传很广：一家互联网大厂，二十人的技术小组，维护一套高消耗系统，服务器一年烧掉两个亿，这个状态持续了整整五年。组内一名工程师，抱着解决问题的心态，连续数月加班重构底层架构，上线之后，年度成本直接压缩至两百万。 他原本期待奖金、晋升、项目嘉奖，最后等来的是整组裁员通知，自己的名字同样在名单上。
网传故事没有实锤公司主体，所以严谨来说，它属于社群传播的职场寓言。但它之所以引爆共鸣，核心不是数字夸张，而是无数从业者见过同构的现实：打工人算功劳，老板只算人头。
海外有几乎同内核的真实案例。一名美国电商开发，在本职之外利用业余时间，自研自动化脚本，帮公司每年省下数千小时人工工时。他没有等来加薪、绩效奖励，反而被管理层索要全部代码权限。紧接着，HR 面试录用了一名时薪更低的新人；公司拿到代码之后，迅速注销这名开发者权限，单方面解除劳动合同，离职补偿仅两周薪资，附带严苛竞业协议。
还有一个被反复提起的讽刺循环：有算法工程师，亲手搭建了企业用于人员盘点、人效评估、辅助裁员的内部系统。这套算法识别低效岗位、输出优化名单，运行一段时间之后，算法给出的名单里，出现了它的缔造者。他被优化离开，脱下工服去跑即时配送，继续被平台另一套算法管控、考核、催单。
这刚好对应职场里流传的 “空城计” 解读：司马懿早就看穿空城是陷阱，但他不会进城诛杀诸葛亮。对手消失，司马家族制衡曹家的价值也就消失。 放到企业组织里翻译就是：难题存在，对应的预算、编制、岗位才有存续依据。难题被一次性彻底根治，依附这个难题存在的团队，就会立刻变成报表上需要清除的冗余成本。
不是员工能力过剩有罪，是这套短期财报导向的考核，天然惩罚 “一次性根治问题” 的人。
四、AI，正在成为 “清人” 最好的说辞
这一轮裁员潮和前几轮有本质区别。早年裁员，理由是业务收缩、赛道调整、融资遇冷；现在，很多管理层的统一话术是：AI 可以承接工作，岗位不再必要。
AI 的出现，给 “降本增效” 提供了最时髦的叙事外衣。 上市公司管理层面临季度财报压力，人力是最好调节的可变成本。砍掉正式团队，把工作交给大模型 API、外包人力，当期人效指标立刻变好看，能够向华尔街交出满意答卷。而团队长期沉淀的隐性资产：跨业务的信任关系、踩坑积累的边界经验、复杂异常场景的风险兜底能力，这些东西无法录入利润表，自然不在短期决策的考量范围之内。
这里必须区分两种完全不同的 AI 落地思路： 第一种是人机协同：AI 承接标准化、重复、低判断的流水线任务，释放员工精力去做方案博弈、客户沟通、风险决策、创新研发。桑坦德、诺华的落地，走的就是这条路线，AI 是员工的放大器。 第二种是替代幻想：CEO 预设 AI 可以直接顶替岗位，把 AI 当成替代员工的工具，先裁员，再寄希望模型承接原有业务。大量翻车案例都出自这一类。
不少企业踩进同一个坑：仓促裁掉业务骨干之后才发现，模型只能处理标准输入。一旦遇到异常诉求、多方扯皮、业务特殊约定、历史遗留的灰色流程，AI 全部卡壳。 业务不能停，解决方案就是悄悄采购外包、兼职、影子人力补缺口。最后核算总成本，并没有显著下降，只是把稳定的全职用工，替换成了抗风险能力极弱的灵活人力池。组织的容错垫，被抽走了。
很多 AI 产品的需求原点，来自 CEO 圈层自身的生活痛点 —— 预订航班、安排晚宴、代办琐事、规划家庭日程。玛丽莎・梅耶尔畅想夫妻双方的 AI 互相协同打理家事，奥尔特曼公开讨论 AI 辅助育儿，还有人畅想 AI 代替人类完成约会筛选。 这些是顶层少数人的小众痛点，并不是绝大多数业务岗位的真实场景。高管们沉迷 “一切交互都可以被优化、被自动化” 的乌托邦，低估了真实商业里，人作为沟通枢纽、风险判断主体的不可替代性。
五、当认真干活变成一件高风险的事
比单次裁员更致命的伤害，是组织文化的不可逆转向。 当 “彻底解决问题” 的人，最终被优化；当交付完美成果的回报是团队解散，组织内部会自发长出一套自保生存法则。它不是某一个员工的选择，而是系统奖惩机制倒逼出来的集体适应。
大家开始学会拆分成果：一个可以一次性闭环的项目，拆成调研、试点、迭代、二期优化，分阶段交付、分阶段汇报。项目永远处于 “进行中”，而不是 “已完成”。 文档只写到 “可以交接基础工作”，核心取舍逻辑、隐性坑点、边界判断，不会一次性归档交付。跨部门协作尽量把自己做成流程节点，而不是孤立螺丝钉，让上下游业务链路都和自己产生绑定。 很多老员工不再交底全部经验，新人只能接触表层工作，核心经验传递链条慢慢断裂。短期人力报表好看，长期来看，业务断层、突发故障、返工事故的概率持续走高，未来会以更高的成本反噬公司。
网上流传的职场自保十条，之所以广泛传播，本质就是一封打工人写给管理层的投诉信。 这套自保逻辑反复强调：不删库、不留恶意后门、所有操作合法；节奏可控、证据留痕、储备外部机会、看懂竞业协议、不把公司当家。它不是教唆投机摸鱼，是普通人在 “认真就吃亏” 的环境里，最低限度的自我保护。
我们也能看到很多反面教训。微盟运维人员删库、算法工程师删除训练模型，最终都以刑事判决收尾。毁掉系统不是博弈筹码，是把自己送进司法程序，这条路绝对走不通。 真正的矛盾根源，从来不是员工想自保，而是组织没有设计一套机制，去承接功臣的价值。解决问题的人承担全部风险，消灭问题的成果反而变成裁员依据；口头表彰满天飞，长期激励、岗位保障、价值兜底全部缺位。
六、资本已经清醒，有些 CEO 还在做梦
十月市场的回调，本质是一场预期的校准。 资本见过 AI 带来的真实增量，也看清了纯叙事的泡沫。微软、谷歌、Meta 持续发债、加大资本投入，说明 AI 长期赛道没有证伪；但 CDS 利差上行、资金从 AI 标的向长端国债避险切换，代表市场不再接受 “只要上 AI，就一定增长” 的简单故事。
AI 能做什么，边界其实已经清晰：它处理文本、归纳信息、生成初稿、标准化统计、批量筛查，效率远超人类。但它无法识别复杂利益博弈、无法承担业务责任、无法在模糊信息里做取舍、无法重建一个涣散团队的信任。 管理病、组织病、短期考核畸形、部门墙、权责错位，这些公司底层顽疾，算力和模型都治不好。
一个管理混乱、目标摇摆、部门互相甩锅的公司，不会因为采购一套大模型，突然变得高效有序。它只会把原有矛盾转移：人裁了，业务兜不住，外包补位；外包不稳定，服务质量下滑，客户流失。最后管理层还会得出一个荒谬结论：AI 还不够强，继续加码算力，继续压缩人力。
这就是当下最讽刺的循环。 有些 CEO 沉迷一个极简幻想：依靠 AI，绕开麻烦的组织治理、漫长的团队磨合、复杂的人才培养，甩掉员工，单独依靠算力改变企业，甚至改变世界。 他们低估了两件事：第一，现阶段 AI 离不开人的兜底；第二，企业的根基永远是协作的人，而不是模型参数。
AI 是很好的效率工具，但不是一剂裁员神药。 健康的数字化转型，是让 AI 托举人；而病态的 AI 狂热，是拿 AI 当借口抛弃人。 资本已经开始重新算账，打工人早就看懂了这套剧本。剩下的悬念，留给那些还沉浸幻想的 CEO：当影子人力越来越多、团队人人自保、业务隐性风险持续堆积的时候，靠裁员和 AI 故事撑起来的漂亮财报，要拿什么去接住反噬。