在Oracle宣布过去12个月裁员2.1万人的同一天，The Register发布了一份更宏观的数据报告，把这个事件放进了一个令人不安的大背景中。

2026年，截至6月下旬，美国已发生247次科技、金融和医疗行业的裁员事件，共有约18.4万名工作者因此失业。折算下来，每个工作日平均有1115个岗位消失。这个速度，是2025年同期的两倍。

这些数字不是恐慌性预测，而是已经发生的事实。而更令人警觉的，是这波裁员的性质正在发生根本性变化——从企业定期的效率优化和成本控制，变成一种更深层的、以人工智能应用为驱动力的结构性岗位重组。

周期性裁员之后岗位会回来，结构性替代之后岗位不会回来。2026年上半年的裁员，越来越多地属于后者。

一、Oracle的SEC年报：一份历史性的法律文件

理解这波裁员加速，必须从Oracle的年报开始。

2026年6月，Oracle在提交给美国证监会的年度报告中，用简洁但历史性的语言写下了这段话：

“我们内部AI技术的部署已经导致，并可能继续导致我们劳动力的减少。随着我们的云和AI业务增长，我们将持续平衡资源，重组开发团队，确保我们拥有合适的人员为客户提供最好的云和AI产品。”

这是大型科技公司第一次在具有法律约束力的监管文件中，如此直白地将裁员归因于AI技术的内部应用。这份文件的每一句话都经过法律部门审查，必须准确陈述公司的真实情况。这意味着Oracle不只是在使用AI节省成本，而是在官方法律文件中承认：AI正在不可逆地替代人类岗位，而且这个过程将继续。

Oracle的数据是具体而清晰的。过去12个月内，员工总数从16.2万降至14.1万，减少2.1万人，降幅13%。美国员工减少9000人，国际员工减少1.2万人。重组费用达18.4亿美元，比上年增长近400%。而同一时期，Oracle宣布了557亿美元的数据中心投资计划。人越来越少，机器越来越多。这个方程的含义，不需要太多想象。

Oracle的发言人回应The Register的采访时说，公司表示将”继续”这样的重组——不是”可能会”，而是”将继续”。这个措辞选择，意味着这不是一次性的成本削减，而是持续进行的结构性转型。

二、247次裁员，18.4万受影响者：全行业的真实图景

Oracle只是这波浪潮中最显眼的一朵浪花。The Register的数据勾勒出了更宏观的行业图景。

科技行业是这波裁员的主力。从大型软件公司到中型科技服务企业，裁员理由越来越明确：引入了AI工具之后，这部分工作不再需要这么多人了。这不再是模糊的”效率优化”，而是具体的岗位消失。数据显示，2026年上半年科技行业裁员占247次事件中的约55%。值得注意的是，这个数字并不包含那些将AI驱动的重组包装成”战略转型”或”业务聚焦”的裁员——如果将这些隐性的AI驱动裁员也计算在内，科技行业的实际占比以及总体受影响人数，将显著高于The Register的统计数字。这意味着18.4万人可能是保守估计。

金融行业的裁员则更多集中在后台和中台。AI在法律文件审查、合规报告、风险建模和客户服务上的规模化应用，削减了大量依赖人工重复工作的岗位。摩根大通此前公开表示，其内部AI工具在某类法律文件审查工作上节省了原来需要36万小时人工的时间。这36万小时对应的是多少个全职岗位？按每人年工作2000小时计算，约180个全职分析师的工作量。这只是一家公司、一类任务的数据点。当同样的逻辑在数百家金融机构中、在数十类任务上同时展开时，18.4万人这个数字就有了具体而清晰的来源。值得注意的是，金融行业的裁员往往不以AI为官方理由，而是以效率优化、组织精简或业务模式调整为表述，这使得实际的AI相关裁员数字可能显著高于媒体能够统计到的数字，247次裁员事件这个数字本身很可能是大幅低估的。

医疗行业的替代进程相对特殊。医疗编码员是一个典型案例——这个职业需要将医生的诊断笔记转化成国际疾病分类代码和现行程序术语代码，以用于医疗保险报销。这项工作需要专业认证，但高度规律化。2025年底，美国医疗编码员的全职岗位数量比2023年减少了约15%，而主要医院的AI编码准确率已经超过95%。这些岗位的替代，在2024年还是小规模试点，到2026年上半年已经开始规模化落地，直接推高了医疗行业的裁员事件统计数字。

三、速度翻倍的深层机制：滞后效应与加速循环

从2025年同期的每天560人到2026年的1115人，速度翻倍这件事本身就值得仔细分析。

从企业引入AI工具，到AI工具真正产生可以量化的替代效应，通常需要12到24个月的落地周期。这个周期包括：工具采购和授权（1到2个月）、技术集成和系统对接（3到6个月）、员工培训和流程重建（3到6个月）、效果验证和规模扩展（3到6个月）、以及最终的组织结构调整（3到6个月）。

2024年是企业AI工具大规模部署的高峰期——据多家市场研究机构的数据，全球企业AI软件采购在2024年保持了高速增长（各方估计增速在40%-70%区间，具体数字因统计口径不同而有所差异），数以万计的中大型企业在这一年完成了AI工具的首次规模化部署。按照12到24个月的滞后周期计算，2024年的部署高峰，正好在2026年上半年产生替代效应的峰值释放。这就是为什么2026年的裁员速度是2025年的两倍。

而2025年的企业AI工具部署量，又比2024年增长了约40%。按同样的滞后逻辑，这批部署产生的替代效应，将在2027年到来。这意味着，除非AI工具的企业采购在近期大幅放缓（没有任何市场信号表明会发生这一点），2026年的1115/天不是峰值，而是一个上升通道中的数据点。

这是一个正在加速运转的齿轮系统：AI能力提升吸引更多企业部署，更多部署产生更多替代效应，更多替代效应推高裁员数字。每一个齿轮的转动都在驱动下一个齿轮加速，而整个系统的刹车机制——政策调整、就业保护立法、企业的社会责任约束——都明显跟不上系统本身的运转速度。

四、不同于历史先例的结构性特征

要理解这波裁员的真实严重性，需要区分两种性质完全不同的就业冲击。

周期性裁员发生于经济下行期，经济复苏后岗位通常会回来，因为需求的消失是暂时的。2000年互联网泡沫破裂和2008年金融危机之后的裁员，本质上都是周期性的——经济复苏后，这些行业的就业需求基本恢复到甚至超过危机前的水平。

结构性替代则是技术进步使某类工作本身不再需要人来做，需求的消失是永久性的。工业革命中纺织工人被机械替代、20世纪银行出纳员被ATM替代、会计基础工作被ERP软件替代——这些都是结构性替代。被替代的工人即使在经济复苏后，也很难找回类似岗位。

2026年的AI驱动裁员，越来越明显地具有结构性替代的特征。Oracle年报里那句”AI部署已经导致，并可能继续导致劳动力减少”——注意”继续”这个词——明确表达了这不是周期性的。被替代的岗位大多是文档处理、数据分析、内容生成、代码辅助等认知性重复工作。这类工作AI已经可以可靠完成，而且随着AI推理能力的持续提升，这个范围还会继续向上延伸，覆盖越来越复杂的认知任务。

五、就业市场的极化：谁在失去，谁在获得

在裁员浪潮背后，劳动力市场正在经历一场深刻的极化重组。

受冲击最大的是所谓的认知性中间层：具备一定专业技能、但承担重复性认知任务的白领工作者。初级数据分析师、法律助理、内容创作者（标准化内容领域）、初级代码审查工程师、医疗编码员、处理标准化问题的客服代表——这些岗位的共同特征是有技术含量但高度规律化，正好是当前AI最擅长替代的任务类型。这个群体在过去被视为相对安全的白领中产阶层，恰恰是这波AI冲击中受到最直接打击的群体，而不是人们通常担心的蓝领体力劳动者。

受冲击最小的，是两类群体。一类是真正的高端创意者和战略决策者：涉及领导力、复杂判断、深度创意和人际信任的工作，AI短期内无法替代。另一类是高技能的AI工具使用者：能够有效使用AI工具、对AI输出进行质量控制和方向引导的工作者，他们的生产效率显著高于同行，市场需求旺盛，薪酬水涨船高。

这就是为什么，在裁员率上升的同时，某些岗位的薪酬却在快速增长。AI产品经理、企业AI架构师、AI安全专家、具备AI工具熟练度的高级分析师——这些岗位在2025到2026年的薪酬增长了30%到60%，而供给远低于需求。就业市场不是在整体收缩，而是在加速极化：中间层萎缩，两端分化，高端向上扩张，大量中间层工作者面临向哪个方向走、能否走得动的现实压力。这是一场无声的就业结构重组，没有宣言，没有明确的受害者，但数字已经清晰地记录着它正在发生。

六、政策与社会的集体滞后

面对这个趋势，政策和社会层面的反应速度明显跟不上技术变化的节奏。

各国政府在AI就业冲击上的政策应对，仍然缺乏清晰度和紧迫感。美国的AI行政令聚焦于国家安全和技术创新促进，对就业结构保护几乎没有具体措施。欧盟AI法案关注的是高风险AI系统的治理合规，而不是就业结构调整的社会政策。美国参议院在2026年上半年举行了多场关于AI就业影响的听证会，但尚未产生任何具体立法。在这种政策真空期，企业在重组节奏和规模上享有极大的自由裁量权，没有外部约束机制来放缓这个过程。

传统劳工组织在这个议题上准备不足。历史上代表制造业工人的工会，积累了数十年应对机械化和外包的经验，但白领认知工作者的集体化程度极低。受AI冲击最大的岗位群体——数据分析师、内容创作者、医疗编码员——几乎没有工会覆盖，缺乏集体谈判和集体行动的工具。

教育和再培训体系的响应速度，同样跟不上技术变化。高校课程的更新周期通常是三到五年，而AI工具的主要能力每十二到十八个月就会出现新的跃升。一个今天刚开始学习数据分析的学生，毕业时将发现市场的要求已经不只是分析能力，而是能够驾驭AI分析工具的高阶能力——而这种能力的培养，仍然需要大量的实践积累和对专业领域的深度理解，不是靠短期培训能够快速获得的。这个追赶游戏，对于传统教育体系来说极其被动，因为游戏规则正在被改写的速度远超教育体系的调适速度。

七、大多数人没看到的：速度差才是真正的危机所在

历史上的技术替代浪潮——工业革命、电气化、计算机化——通常跨越数十年，这给了社会足够的时间进行调适：一代人的工作消失了，但下一代人已经在新的岗位结构里完成了教育和职业准备。这种跨代际的缓冲，是社会在历次技术革命中避免大规模持续性失业的关键机制。

AI驱动的就业重组，这个时间尺度可能根本不同。从大型语言模型的第一次实用化突破（2022年底）到如今能够处理复杂认知任务的推理模型，不过三年多时间。而从人们进入教育体系、选择专业方向、完成学习、进入职场，通常需要十到十五年。当技术替代的速度以年为单位，而社会调适的速度以代际为单位，这之间的速度差，本身就是一个结构性危机的来源。

1115/天，这个数字在2026年是一个警示灯，它的价值不在于数字本身，而在于它所揭示的方向：一个技术替代速度系统性快于社会调适速度的时代，已经到来。政策制定者、教育机构、企业和个人，面对的核心挑战不是”AI会不会替代我”，而是”面对这个速度差，我能做什么，以及我还有多少时间”。

这个问题，在2026年6月，没有一个令人满意的现成答案。但不问这个问题，代价会更大。

八、个体层面能做什么：在结构性浪潮中的个人选择

面对以上这些宏观趋势，聚焦到个体层面：普通的职场工作者，在这种环境下能做什么？

首先，识别自己所在岗位在替代风险谱系中的位置。以下是一个粗略但有实用价值的自测框架：你的工作中，有多大比例是”给定明确输入，产出规律化的文档、分析或代码”？如果这个比例超过50%，这部分工作在未来三年内面临被AI工具显著替代的风险，无论你现在的岗位名称有多高级。这不是说你的岗位会整体消失，但这部分工作量的减少，可能导致同类岗位的需求数量下降。

其次，主动向”AI熟练度”方向投资。会使用AI工具和真正能驾驭AI工具，是完全不同的能力级别。真正有价值的AI熟练度，不是会用ChatGPT写邮件，而是能判断AI输出的质量边界在哪里、能设计有效的AI工作流来处理复杂任务、能对AI输出进行专业域的质量验证和修正。这类能力的培养，既需要大量实践，也需要对所在专业领域有足够深的理解——这恰好是纯算法和纯AI工具本身无法替代的部分。

第三，重新评估”稳定岗位”的价值判断。传统意义上的”铁饭碗”——标准化考试通过获得资格认证，然后在体制内重复执行规律化任务——在AI时代的稳定性预期需要重新审视。医疗编码、标准化法律文书、基础会计、行政报表——这些以往被认为有门槛、较稳定的岗位，正是AI替代能力最强的领域之一。持续学习和能力升级，在未来职业生涯中将是一个比以往任何时代都更重要的日常习惯，而不是偶发的进修活动。

这三个建议不是万能药。结构性就业冲击的根本解决，需要政策层面、教育体系层面和企业社会责任层面的系统性应对，而这需要时间。但在等待系统性解决方案出现的过程中，个体的主动适应和能力建设，是目前能够掌握在自己手中的事情。

1115/天，这个数字告诉我们时间紧迫，但也还没有结束。认识到问题的存在、了解自己所处的位置、主动向能够持续创造价值的方向投资——现在开始，还不晚。这是每一个面对这场变革的普通工作者，在宏观力量之外仍然可以做出的选择。

九、数字背后的人：几个典型从业者的应对路径

抽象的统计数字之外，理解这场变革的影响，需要看到几个具体的人如何在这种环境中找到自己的路径。

Priya，前数据分析师，现AI分析协调员。Priya在一家医疗保险公司担任中级数据分析师三年，主要工作是生成标准化的月度运营报告。2025年，公司引入了一套AI分析工具，90%的标准报告工作可以由系统自动完成。与其等待岗位被裁撤，Priya主动申请参与AI工具的推广项目，成为团队中负责培训同事使用新工具、验证AI报告质量、处理复杂非标准分析请求的协调人。她的岗位名称变了，工作内容变了，但她的就业是安全的——而且薪酬比以前高了18%。她的经验告诉我们：同样的职场环境下，主动靠近变革的人和被动等待的人，结局可能截然不同。

Marcus，前初级合同审查律师，现法律AI专员。Marcus在律所完成了一年实习后，发现自己的大量工作——初步审查标准合同条款、标注风险点——正在被AI合同分析工具替代。他选择了一条主动路径：参加了一个专注于AI在法律服务中应用的在线课程，考取了相关认证，然后向律所提出创建一个专门负责评估和监督AI法律工具输出质量的岗位。律所接受了这个提议，因为他们确实需要有人为AI的法律判断承担专业责任。Marcus的案例说明了一个关键逻辑：AI不能独自承担法律或道德责任，而能够与AI协作并为AI的专业判断承担最终责任的人，在这个AI深度介入专业服务的时代反而有独特而难以被替代的价值——因为责任需要主体，而当前的AI系统还不能成为法律意义上的责任主体。这个逻辑不只适用于法律行业，在医疗、金融、工程等任何专业服务领域都同样成立。

Aiko，AI辅助电影剧本开发助理。Aiko的案例来自创意产业。她原本是一家中等规模制作公司的剧本开发助理，主要工作是阅读大量投稿剧本，写初步意见。AI剧本分析工具出现后，这部分工作的效率大幅提高。但Aiko发现，AI工具擅长识别结构性问题（情节漏洞、人物前后一致性、节奏问题），但在判断”这个故事有没有值得讲述的核心”上，仍然需要人的文化直觉和情感判断。她将自己的工作重心转向了”AI分析报告的创意解读”——把AI的结构分析与自己对故事和观众心理的深度理解结合，形成更有价值的开发建议。公司保留了她，并给她涨薪，因为这个结合是机器暂时无法完成的。她的故事告诉我们：在创意和专业判断密集的领域，AI工具最有价值的使用方式，往往不是替代人的判断，而是把人从繁琐的初步筛选中解放出来，让人的直觉和经验能够聚焦在真正需要人来回答的核心问题上。

十、从Oracle年报到全球劳动市场：几个值得追踪的前瞻指标

最后，对于想要持续追踪这个趋势的观察者，以下是几个值得关注的前瞻性指标：

一，主要经济体的劳工统计数据中的AI相关分类。美国劳工统计局（BLS）已经在2026年开始更新其职业展望数据，首次纳入了”受AI自动化影响”的风险评估维度。跟踪这些数据的更新，可以看到AI替代在不同职业类别中的进展速度。

二，大型企业年报中的AI相关裁员表述。Oracle是第一个在年报中明确提及AI导致裁员的大型公司，但它不会是最后一个。随着SEC和其他监管机构越来越关注AI对企业运营的实质影响，更多公司的年报和季报中将出现类似的表述。这些具有法律约束力的监管文件中的语言变化，是判断AI替代就业从早期阶段向规模化阶段演进的重要而可靠的信号。

三，AI工具使用率与实际业务价值的相关性数据。当前大量AI工具的采购是基于预期而非已验证的ROI。随着工具部署时间延长，企业开始有了足够的内部数据来评估：”我们在AI工具上花的每一美元，实际产生了多少可量化的业务价值？”这些数据的出现和公开，将决定接下来2-3年企业AI投入的节奏是继续加速还是出现选择性收缩。

追踪这三个指标，将帮助我们在噪声中识别AI就业冲击真实进展的清晰信号，而不只是被单一的数字（无论是1115还是其他任何数字）驱动情绪性的判断。这场变革已经开始，比大多数人意识到的更早，也比大多数人担心的更快，但它也远比末日论者描述的更有人的行动空间。数字是警示，而行动——无论是个体的职业投资还是社会的政策建设——才是真正的回应。

来源参考:

  • The Register, “21,000 Oracle jobs vanish amid Big Red’s big bets on AI”, 2026-06-23, https://www.theregister.com/databases/2026/06/23/21000-oracle-jobs-vanish-amid-big-reds-big-bets-on-ai/5260086
  • Oracle Annual Report (10-K) FY2026, filed June 2026, https://d18rn0p25nwr6d.cloudfront.net/CIK-0001341439/0723dfa7-be5f-4227-9da6-eff3cce376a8.pdf
  • Oracle Annual Report (10-K) FY2025, https://d18rn0p25nwr6d.cloudfront.net/CIK-0001341439/7455eba6-bb80-41d3-96b7-12111eae648c.pdf
  • TechCrunch, “The running list: major tech layoffs in 2026 where employers cited AI”, 2026-06-22, https://techcrunch.com/2026/06/22/the-running-list-major-tech-layoffs-in-2026-where-employers-cited-ai/
  • Challenger, Gray & Christmas, Monthly Job Cuts Report, June 2026, https://www.challengergray.com/
  • JPMorgan Chase, AI tools hours saved disclosure, Annual Report 2025（摩根大通年报中AI节省工时的公开陈述）