2026年6月1日，Sam Altman接受CNBC Power Lunch专访。记者问他如何看待AI导致的大规模裁员。

Altman的回答出乎很多人的预料：「最常谈裁员的公司，实际上是最少使用AI的。」

这句话在当天没有引发太多讨论。但放在三天后的Forbes报道背景下，它的分量变得很不一样。

Forbes那篇报道的标题是：《2026年科技行业已裁员149,935人，AI是被引用最多的理由》。报道援引的数据显示，Uber在四个月内耗尽了全年AI编码预算之后，裁减了23%的人力资源部门。Oracle正在推进2万到3万人的裁员，用节省下来的80到100亿美元投入AI基础设施。

两份信息源，两种截然不同的叙事，描述的却是同一个现象：AI正在改变企业的用人逻辑。

Altman在说什么：反直觉命题的内在逻辑

要理解Altman这句话，需要先理解他在区分什么。

企业界有一种叙事是这样运作的：一家公司在董事会宣布未来几年将大规模使用AI来提升效率，同时宣布裁员10%到20%来体现「AI时代的组织精简」。这个叙事在2024年到2026年间被不断重复，以至于「拥抱AI」和「裁员增效」在许多企业的对外传播中被绑定为同一个故事。

Altman的命题，恰恰是对这个叙事的挑战：真正深度使用AI、从AI中获得实质性生产率提升的企业，往往不是靠「大规模裁员+AI投资承诺」来维持增长的，而是靠AI帮助有限的人力做更多事情，从而在不需要增加人力的情况下扩大业务规模。在这些企业里，AI降低的是「每单位产出的人力成本」，而不是「总人力数量」。

他还补充了一个具体观察：编码模型是AI需求最大的驱动力。这不是一个抽象的AI战略陈述，而是一个关于「哪类企业已经在深度使用AI」的具体描述。在编码领域，AI的生产率提升已经被量化：Anthropic内部数据显示工程师代码产出在Claude加持下提升了8倍；超过80%合并到Anthropic代码库的代码由Claude编写。在这类深度使用AI的企业里，裁员不是首要议题，因为人力本来就已经被用于更高层级的工作，没有「多余」可以被AI替代。

这就是Altman的命题：不是「用了AI就不裁员」，而是「真正用了AI的企业，裁员的逻辑和那些把AI当叙事工具的企业完全不同」。

Uber：AI编码预算耗尽之后，HR部门成了成本

Uber的案例，是理解「路径A」的最清晰例证。

2026年，Uber将大量技术开发工作交给了AI编码工具，在短短四个月内消耗了全年的AI编码预算。这个消耗速度本身说明了什么：Uber的工程师团队在可以使用AI辅助编码的情况下，大幅提升了代码生产速度，以至于按季度规划的预算在一个季度内就被用完了。

然后，Uber宣布裁减23%的人力资源部门。

这里有一个值得细读的因果逻辑：不是Uber决定用AI取代HR，而是Uber在快速使用AI提升工程产出之后，发现整体人力结构中某些支持性职能的规模需要与新的业务状态重新匹配。当技术团队借助AI能够以更少的人力完成更多工作，支持这个技术团队运作的HR体系的规模，也相应需要调整。

这不是一个「AI直接淘汰HR」的故事，而是一个「AI提升了核心生产力，进而触发了组织结构重新校准」的故事。Altman所说的「真正用了AI的公司」，Uber或许是一个很好的注脚：它的裁员，是深度AI使用之后组织结构调整的结果，而非用「AI叙事」包装的纯成本削减。

但Uber的案例里还有一个值得关注的细节：「在四个月内耗尽全年AI编码预算」。这意味着Uber对AI工具的实际使用速度，超出了预算规划者的预期。这种预期差，在更广泛的意义上揭示了企业AI采购管理正在面临的新挑战：当AI工具的使用强度是弹性的、使用率会因效果而自我强化时，按传统软件订阅模式规划的预算框架就会失效。这是Ramp等AI支出管理工具在2026年快速增长的底层原因之一。

Oracle：裁员3万人，却在建设更大的AI基础设施

Oracle的案例呈现了一种截然不同的路径，也是Altman命题的另一个维度的注解。

Oracle正在推进2万到3万人的裁员，这是近年来企业界规模最大的单次裁员行动之一。与此同时，Oracle公布了将这些裁员节省下来的80到100亿美元用于AI基础设施投资的计划，四大超级云厂商在2026年合计约7,000亿美元的AI基础设施投入，Oracle的这笔是其中的一部分。

从表面看，Oracle的叙事是典型的「AI驱动组织精简+AI基础设施投资」组合，与很多企业的标准剧本相似。

但Oracle案例里有一个结构性特征值得注意：Oracle是一家传统的企业软件和数据库公司，其核心产品在AI时代面临的替代压力来自多个方向——云原生数据库（Snowflake、Databricks）、AI原生应用（可以直接查询数据而不需要传统数据库中间层），以及大型语言模型对传统BI报表需求的部分替代。

在这个背景下，Oracle的裁员，有相当部分是面对AI时代竞争格局变化的结构性组织调整，而非「AI提升了自身生产率因此不需要那么多人」。这更接近于MIT教授Marc Andreessen所描述的「AI洗白叙事」的灰色地带——不是纯粹的遮羞布，但也不是像Uber那样清晰的「因为深度用了AI而触发的组织重新校准」。

Oracle的案例提醒我们：「AI裁员」这个标签，可以覆盖非常不同的底层逻辑，从「AI帮助企业提升了生产率因此不需要同等规模的人力」到「企业正在应对AI时代的竞争压力而进行组织收缩」，再到「企业用AI叙事为财务驱动的成本削减提供叙事包装」，三者在公开报道中往往难以区分。

149,935人背后的三层现实

Forbes报道的2026年科技行业裁员149,935人，AI是最常被引用的理由，这个数字背后实际上包含了至少三层不同的现实。

第一层是真实的生产率提升带来的组织结构调整。像Uber这样，因为深度使用AI工具真正提升了核心产出，进而触发了支持性职能规模的重新校准，AI确实是组织变化的直接原因，且这个变化是企业变得更有效率的结果。这类裁员，在某种程度上是健康的产业升级信号。

第二层是竞争格局变化倒逼的结构性收缩。像Oracle这样，面对AI时代竞争者的挑战，传统业务的增长空间收窄，企业不得不收缩人力规模以维持盈利能力。这类裁员，AI是外部竞争变化的原因，而非企业内部效率提升的结果。

第三层是财务压力主导的成本削减，用AI叙事提供合理化包装。MIT教授在研究中指出，这种「AI洗白」裁员的历史至少可以追溯到上世纪90年代的互联网泡沫时期，企业会用当时最具公众关注度的技术趋势来包装财务驱动的裁员决定。在2026年，「因为AI」是最好用的叙事工具之一。

这三层现实并不总是能从公开报道中清晰区分。这也是为什么，用「AI裁员149,935人」这一个数字来概括当前劳动力市场的变化，是一种高度简化的描述，它可能同时高估了AI对就业的真实替代效应（把第三层裁员也算进去），也可能低估了AI对生产组织的真实改造深度（第一层的变化往往比裁员人数呈现的更深）。

Altman的命题，在这个框架下有了更清晰的含义：真正深度使用AI的企业，是第一层的玩家，他们的「裁员」（如果发生）是效率提升的附产品，而非以AI为名的成本削减。而最常在公开场合谈论AI裁员必要性的企业，往往是第三层的玩家，用AI叙事包装与技术本身关系不大的财务决策。

这不是说第三层的企业在道德上有问题——任何企业都需要管理成本。这只是说，当我们读到「AI裁员」的新闻时，我们需要有更细致的判断标准，而不是把所有发生在AI时代的裁员都归因于AI的替代效应。

编码模型是AI劳动力变革的最前线

Altman在专访中特别提到「编码模型是AI需求最大的驱动力」，这不是一个随意的观察，而是一个有具体数据支撑的产业信号。

2026年，AI编码工具已经渗透到了大量软件开发工作流程的深处。Claude Code的用户中，只有20%是职业程序员，其余80%是用AI辅助完成各类数字工作的知识工作者。Anthropic自身超过80%的代码库代码由Claude编写，工程师的角色正在从「写代码」转变为「指导和审查AI产出」。

在这个转变中，人力市场的影响是非线性的：不是「一个AI工具替代N个程序员」，而是「人与AI的协作方式重组了每个工程师的工作内容，以至于相同数量的工程师可以完成原来3到8倍的开发工作量」。

这种生产率的倍数提升，是Altman说「最常谈裁员的公司是最少用AI的」这句话背后的具体机制：在编码工具AI化最彻底的企业里，工程师不是被替代的，而是被解放的——从重复性的代码实现中解放出来，用于更高价值的架构决策、系统设计和业务逻辑判断。这类企业不需要靠裁员来体现AI带来的「效率」，因为效率的提升已经通过扩大业务产出而非缩减人力成本来体现了。

Altman的反直觉命题，是一个邀请企业界重新思考的提问：你的AI投资，是在真正提升人与AI协作的生产率，还是在为裁员决定寻找叙事包装？

答案的不同，决定了企业在AI时代竞争格局中的真实位置。

参考资料

  1. CNBC Exclusive: OpenAI CEO Sam Altman on AI Layoffs, Coding Models — CNBC, 2026-06-01 https://www.cnbc.com/2026/06/01/cnbc-exclusive-transcript-openai-ceo-sam-altman-speaks-with-cnbcs-david-faber-on-power-lunch-today.html

  2. Tech Industry Loses 123,000 Jobs This Year, AI Is the Most Cited Reason for Layoffs — Forbes, 2026-06-04 https://www.forbes.com/sites/maryroeloffs/2026/06/04/tech-industry-loses-123000-jobs-this-year-ai-is-the-most-cited-reason-for-layoffs/

  3. AI Is Now the Leading Reason Companies Give for Cutting Jobs — CNBC, 2026-06-05 https://www.cnbc.com/2026/06/05/ai-is-now-the-leading-reason-companies-give-for-cutting-jobs-says-new-report-what-that-means-for-workers.html

  4. 当「AI」成为解雇通知书上的理由：Challenger报告揭示的职场新常态 — Jason Xue Blog, 2026-06-06 /2026/06/06/ai-leading-layoff-reason-87714-challenger-report-workforce-disruption/

  5. Anthropic When AI Builds Itself: Recursive Self-Improvement Report — Anthropic Institute, 2026-06-09 https://www.anthropic.com/institute/recursive-self-improvement

对普通从业者的启示：如何判断自己所在的是哪一层

对于任何一个在科技行业工作的人，理解自己所在的企业属于上述三层中的哪一层，比关注宏观的「AI裁员总数」更有实际意义。

一些可以用于自我判断的问题：你的企业在使用AI工具方面，是否有具体的生产率提升数据，还是只有战略承诺？你的日常工作内容，因为AI工具的引入已经产生了实质性的变化，还是仍然与两年前大致相同？你的团队在引入AI工具之后，是否在相同规模下处理了更多的业务量，还是只是在相同的业务量下减少了人员？

如果答案偏向后者，你的企业可能处于Altman所描述的「最少使用AI」的区间，而不是正在深度AI化的区间。这不一定意味着近期会有裁员——企业有很多原因选择不深度采用AI——但它意味着，如果竞争对手正在深度AI化而你们没有，竞争力差距正在以一种不显眼但真实的方式积累。

对于个人而言，无论所在企业属于哪一层，主动理解和学习AI工具的使用，始终是降低自身被外部风险冲击的最有效策略——不是因为「学会了AI就安全」，而是因为深度AI使用者在劳动力市场上的稀缺性，正在随着第一层企业的扩张而持续上升。

Altman的反直觉命题，最终指向的是同一个方向：在AI时代，焦虑而不行动，比行动更危险。

数字之外：Anthropic内部数据提供的基准

有一组来自Anthropic自身的内部数据，可以为Altman的命题提供一个具体的锚点。

Anthropic「When AI builds itself」研究报告（2026年6月9日发布）披露了一些关于深度AI使用对组织形态影响的内部数据：截至2026年5月，超过80%合并到Anthropic代码库的代码由Claude编写；工程师每日代码产出较2024年增长8倍；内部130名员工调查显示，中位数估计使用Claude Mythos Preview后产出增加4倍；已有工程师表示「过去5个月未自己写过任何代码」。

这些数字代表的是Altman所说的「真正深度使用AI」的一端——一家AI公司对自己的工具的最极限使用场景。但Anthropic在这组数据之后没有大规模宣布裁员，原因是：生产率的8倍提升被用于加速产品开发速度，而非削减团队规模。当AI使增量产出变得极其廉价时，企业有两种反应：要么收缩人力（裁员），要么用同等人力做更多事（扩大产出）。

选择后者的企业，是Altman命题的注脚：他们是「真正用了AI的」，但他们不在裁员149,935人的统计数字里。