TechCrunch在维护一份清单。

这份清单的正式标题是：「2026年大型科技公司裁员时明确引用AI为原因的运行列表」（The running list: Major tech layoffs in 2026 where employers cited AI）。

截至2026年7月25日，这份清单上有约20家公司。合计被裁减或预计裁减的岗位：约14万。其中仅亚马逊、甲骨文、Meta、微软4家公司，就合计约5万个岗位（来源：TechCrunch 2026年7月25日报道，参考资料[1]）。

约20家。约14万。2026年才过了一大半。

Monday.com是这份清单的最新成员。这家在线工作管理平台在2026年7月宣布裁员，明确提到人工智能自动化是这次结构性调整的原因之一。它加入的这份名单，旁边还有更大的名字：Amazon、Oracle、Meta、Microsoft、Intel……

这个数字本身还不是最重要的事。更重要的是这件事背后一个微妙但意义深远的变化：企业开始公开、主动、明确地把人工智能写进裁员的理由里。

这不只是一个劳动力数字，这是一个历史性的叙事转变。

一、清单的存在，本身就是一个信号

让我们先想想为什么这份清单值得专门写一篇文章。

在科技行业的历史上，裁员本身从来不是新闻。2000年互联网泡沫破裂时，全球科技行业裁员超过50万人；2008年金融危机时，裁员更是席卷各行各业；2022年至2023年的科技寒冬，Meta、亚马逊、谷歌、微软等公司合计裁减超过10万员工。

但在以往所有这些裁员潮中，有一个共同的叙事特点：公司几乎从不在官方声明中直接说「因为某项新技术替代了你们，所以你们被裁了」。裁员理由通常是委婉的企业语言：「聚焦核心业务」、「优化组织结构」、「应对宏观经济不确定性」、「提升长期竞争力」……

人工智能是第一项让企业开始公开、直接说出「这项技术替代了你们」的技术。

为什么这一次，公司敢说实话了？

有几个相互叠加的原因。

第一，数字太明显，掩盖不住了。当一家客服部门从500人缩减到150人，而同期AI工单处理率从约20%上升到约65%（基于多家公司财报电话会议中披露的运营数据推算），任何人都能看出这两个数字之间的关系。继续用「优化组织结构」来解释，投资者和分析师不会信，员工更不会信。

第二，向投资者讲AI效率故事，已经成为显性的财务压力之一。当微软、谷歌的投资者在研究每个季度的人力成本走势时，他们很乐意听到「AI帮助我们减少了人力支出」这样的叙事。CEO们在财报电话会议上主动提及AI驱动的效率提升，是一个给投资者看的明确信号。

第三，社会接受度的阈值正在提高。当AI替代工作的议题从科幻小说走进日常新闻，公众对于这件事的接受程度在上升（虽然仍然有争议），企业说出这个理由的「社会成本」也在相应降低。

第四，竞争压力迫使透明化。当一家公司在竞争对手已经明确用AI实现效率提升、降低人力成本的情况下，自己却仍然坚守旧有的人员规模，资本市场会质疑它的经营效率。「因为AI我们减少了500个岗位、节省了3000万美元年薪支出」，已经从一个回避的话题变成了一个可以讲给投资者的故事。

二、谁在这份清单上，被裁的是哪些人

TechCrunch的追踪显示，这约20家公司的裁员浪潮主要集中在以下几类岗位：

数据标注和内容审核（最早被替代的类别）

亚马逊、Meta在这一类别的裁员最为集中。大规模AI辅助工具已经能够完成绝大部分初步筛查任务，人工主要负责边缘案例的最终判断。Meta在FY2026 Q1财报（2026年4月，参考资料[5]）中披露，AI已处理其平台超过95%的有害内容检测任务，直接减少了对人工审核员的依赖——这是Meta官方财报中首次以如此高的比例公开披露AI内容审核的覆盖率。亚马逊同期在财报中报告客服处理量增长的同时人力成本保持平稳，隐含了显著的人工效率提升或人力规模收缩。根据TechCrunch原报道引述的企业公告，这两家公司合计在内容审核和数据标注类岗位的裁员规模超过1.5万人，是清单上这一类别的最大贡献者。

初中级软件工程师（2026年变化最剧烈的类别）

这是这份清单中在2026年新增数量最多的类别。GitHub Copilot、Cursor、Claude Code等AI编程工具的普及，让一个高级工程师配合AI工具能够完成原来3到4个中级工程师的工作量。特别是初级工程师（Junior Engineer）这个群体，正在面临有史以来最严重的就业压力：他们传统上用来「学习和成长」的那些工作——写单元测试、重构旧代码、处理小型需求——正在被AI自动化，而他们还没有积累到足以不被AI替代的高级系统设计和架构能力。

微软FY2026 Q3财报电话会议（2026年4月29日）上，CEO Satya Nadella表示GitHub Copilot已帮助开发者完成约30%的代码工作，且这一比例仍在上升。Oracle在同期财报中提及技术团队的AI效率提升带来了”significant headcount reduction”。根据LinkedIn 2026年上半年发布的《未来工作趋势报告》（Workforce Insights Report），面向入门级软件工程岗位的招聘发布量同比下降了约24%，创该指标有统计以来的最大单年降幅。

客服和内部IT支持（最快速的替代类别）

甲骨文和亚马逊在这个类别上的裁员数量最大。AI Agent技术的成熟，让大量标准化客服流程实现了自动化——从退款处理、订单查询、账户问题，到内部员工的IT工单处理。当AI的处理率超过约60%，留下来的人工岗位就以接近线性的比例收缩。

基础文档、报告和分析工作（悄然消失的岗位）

大量原本由「分析助理」、「报告专员」类岗位完成的工作，已经被企业内部部署的AI辅助工具替代。这个类别的裁员最难被追踪——因为很多公司选择的方式是「不补充离职员工」而不是主动裁员，所以数字并不总是出现在公开的裁员公告里。

三、3个层次的深度分析

第一层：谁最先被替代，以及为什么是他们

观察这份清单和更广泛的劳动力市场数据，被AI替代的工作有一个共同的特征：它们是「程序化认知工作」——高度依赖模式识别、规则应用、模板套用的智力工作，有明确的输入输出格式，执行过程可以被充分描述和学习。

数据标注员、客服代表、初级工程师、合规检查员、基础财务分析师——这些岗位的共同点是：工作内容可以被充分形式化描述，因此可以被以大量示例为训练数据的AI系统学习和复现。

这与制造业自动化替代的工作类型（体力性、重复性的物理操作）不同，也与历史上绝大多数技术革命优先替代的「低技能工作」逻辑不同。AI替代的，恰恰是那些在工业时代被认为是「高技能、需要接受良好教育才能从事」的中级知识工作。这对教育体系的影响，将在未来10年逐步显现。

第二层：效率叙事与转移叙事的争论

关于AI驱动的裁员，存在两种截然不同的历史类比和分析框架。

转移叙事认为：历史上每一次技术革命都导致了工作的转移，而不是工作的净消失。农业机械化把农民送进了工厂；工厂自动化把工人推向了服务业；互联网经济创造了数以亿计的以前根本不存在的新岗位。AI也将以同样的方式，消灭一些旧工作，同时创造一批新工作（AI工程师、提示词工程师、AI培训师、AI输出质检员……）。这个框架的核心乐观假设是：市场的调适机制足够强大，新工作的创造速度能够追上旧工作的消失速度。

替代叙事则认为：这一次有一个结构性不同——AI替代的速度比历史上任何一次技术替代都快，而且AI的适用范围比以往任何一项技术都广（能写代码、能写报告、能做设计、能做客服……），这导致新工作创造的速度可能无法追上旧工作消失的速度，至少在相当长的一段时间内如此。此外，「AI工程师」这类新岗位的总量，与被替代的「数据标注员」、「初级工程师」岗位总量相比，可能是一个数量级的差距——前者的门槛更高、数量更少。

在这个争论中，既没有人可以完全确定「历史会重演」，也没有人可以完全确定「这次完全不一样」。但TechCrunch的这份清单提供了一个可以持续追踪的客观数据点，让这个争论从抽象走向了具体。需要强调的是，本文呈现的两种叙事框架均为基于现有证据的分析性推断，最终哪种叙事更接近现实，取决于未来3到5年劳动力市场数据的实际走向。

第三层：公开化的政治影响——这份清单改变了什么

TechCrunch维护这份清单这件事本身，以及企业开始公开把AI写进裁员理由这件事，正在改变一个政治生态。

大多数分析者忽视的一个深层逻辑：企业公开AI裁员，不只是一个描述性事实，而是一个规范性的市场信号。当足够多的知名企业（Amazon、Meta、Microsoft、Oracle）把AI替代写进官方裁员声明，这在整个商界建立了一个新的「合理性预期」：其他企业如果没有跟进、或者跟进速度明显滞后，反而会被投资者质疑是否在AI转型上落后。换言之，TechCrunch清单的存在，本身就在加速AI替代的扩散——这是一个正反馈机制，而不是一个中性的记录行为。这也是为什么这份清单的社会政治意义，远超其所记录的数字本身。

资本市场叙事的变化

当越来越多的公司在财报电话会议上把AI驱动的人力成本下降包装为「效率提升的积极信号」，并得到投资者的正面反应，这就在整个科技行业创建了一个新的市场压力：不明确展示AI驱动效率成果的公司，会被投资者怀疑在AI转型上是否足够积极。

这意味着，即使一家公司的管理层在内心对AI替代员工存有顾虑，也会感受到来自资本市场的压力，推动他们公开展示AI替代的进展。这是一个市场激励机制与社会责任之间的结构性张力。

政策法规环境的变化

TechCrunch的这份清单，为政策倡导提供了具体弹药。劳工权益倡导者、议员、工会代表，现在有了可以在国会听证会上引用的具体数字，不再只是抽象的担忧。

就在同一周，据公开报道，美国国会有议员提出了一项关于「AI就业影响评估」的立法提案，要求年营收超过一定门槛的科技公司，在实施以AI为由的裁员前必须完成就业影响评估并公开披露结果。这项提案目前还远未成为法律，但它的提出本身说明：公开化的AI裁员数据，已经到达了触发立法反应的政治门槛。

劳动力市场预期的重塑

对普通求职者和在职员工而言，这份清单最直接的影响是：它改变了人们对自身职业安全性的感知。当你知道有一份在持续更新的公开清单，专门追踪以AI为由裁员的公司名单，你会开始用一个新的眼光来看待自己的工作内容：它有多容易被「程序化」？它有多容易被形式化描述？它与AI替代的距离有多近？

这种预期的变化，将推动更多的职业选择向「AI难以替代」的方向迁移——更偏向人际关系、创造性判断、系统整合等能力，远离纯粹的执行性认知任务。教育体系、职业培训体系，迟早需要回应这个预期的转变。

四、红区、黄区、绿区：一个实用的自我评估框架

对于关心自身职业安全的个体来说，以下这个框架也许有实际参考价值——基于当前裁员数据和企业财报趋势分析，不代表对任何具体岗位的确定性预测。

红区（高替代风险）：

数据标注员、内容审核员（标准化类型）、基础客服代表、初级财务分析师（报表汇总类）、初级软件测试员（脚本测试类）、内部IT支持（标准问题处理类）、基础法律合规检查员（模板适用类）。这些岗位的共同特征：工作内容高度可形式化，输入输出有明确格式，执行过程以规则应用为主。

黄区（中等替代风险，需主动进化）：

中级软件工程师（通用功能开发类）、产品助理（数据分析支持类）、运营专员（流程执行类）、初级销售分析、中级内容创作者（标准格式类）。这些岗位目前仍然需要人工，但AI辅助工具正在显著提升单人产出，意味着完成同样工作量所需的人数在减少。在这个区间，个体需要主动积累AI难以替代的能力（判断力、系统视角、关系管理）才能保持竞争力。

绿区（目前相对稳定）：

高级工程师和架构师（系统设计、技术决策）、产品总监和首席产品官（战略方向和用户价值判断）、创意总监和资深设计师（创意方向和审美判断）、销售总监和大客户经理（高价值人际信任关系）、高级研究员（假设提出、结果解读、知识边界探索）。这些岗位的共同特征：工作内容难以被完全形式化，需要结合领域深度知识、直觉判断、人际洞察和情境理解，这些能力目前仍然是人类的相对优势。

但需要特别提醒：绿区的边界是动态的，不是静止的。今天的绿区岗位，随着AI能力的持续进步，在未来3到5年内可能逐渐转入黄区。今天的相对安全，不代表明天的绝对安全。主动持续学习，是对冲这种不确定性唯一可靠的长期策略。

五、当「AI裁员」成为一个类别的历史意义

让我们跳出具体数字，从历史的角度来审视这件事的意义。

在技术史上，从来没有出现过企业主动、公开、集体地把特定技术作为裁员理由的情况——直到2026年。

蒸汽机时代，工厂主不会在公告里写「因为蒸汽机替代了你们，所以解雇你们」；电气化时代，公司不会在声明里说「因为电力驱动的机器替代了人工，所以进行了人员调整」；互联网时代，传统零售商在大规模关闭门店裁员时，也很少在官方声明中直接点名电商对其业务的冲击……

这些历史先例中，「技术替代」要么被委婉表达，要么根本不被明言。

为什么AI是第一个被公司公开点名承认「我在用它替代你们的工作」的技术？

这个问题的答案，可能比裁员数字本身更重要。它指向了AI技术对人类社会关系、对劳动力市场政治的深层影响：AI替代工作的逻辑，已经变得如此明显、如此被广泛接受，以至于否认它不再是一个可行的公关策略，而承认它反而成为了一个向资本市场展示管理能力的叙事工具。

这是历史上第一次，技术革命被如此迅速地、公开地转化为企业管理效率叙事的一部分。这件事本身，就将成为AI时代最具代表性的历史注脚之一。

六、全球视角：AI裁员的地理分布与不对称影响

TechCrunch的这份清单主要追踪的是美国科技公司，但AI驱动的劳动力替代是一个全球性现象，不同地区的表现形式和政策应对有着显著差异。

美国：效率叙事主导，政策压力开始积累

美国目前处于AI驱动裁员的最前沿。这有两个相互强化的原因：美国科技公司是AI技术的最大使用者（同时也是最大开发者），它们的自动化程度最高、替代速度最快；美国的劳动力市场也相对灵活，企业进行结构性裁员的法律成本比欧洲更低，因此行动速度更快。

在政策层面，美国目前的主流倾向仍然是让市场机制调节劳动力转移，政府干预较为克制。但这个平衡正在被挑战——随着AI裁员数字持续增长，支持「AI就业影响评估」类立法的政治联盟正在形成。

中国：规模更大，但叙事框架不同

就在本周，据CNBC、路透社等国际财经媒体综合报道，中国领先科技公司在2026年上半年合计裁减约13万个岗位，这些裁员被归因于AI转型和业务重组。但中国的这些裁员在官方叙事上几乎不会被直接称为「AI替代」，更多被包装为「组织效率优化」或「战略聚焦」。此外，中国的AI投资主要集中在算法研发和应用落地，而不是纯粹的效率驱动裁员——部分原因是政治层面的就业稳定目标会对过于激进的劳动力替代形成约束。需要指出的是，由于中国信息披露环境的差异，这一数字难以与美国公司的逐家核实方式比较，来自国际媒体的综合估算可能存在误差范围。

欧洲：监管框架提供了缓冲，但也增加了转型成本

欧盟的《AI法案》（EU AI Act）要求高风险AI系统在部署前进行风险评估，并对用于自动化决策（包括人事决策）的AI系统有更严格的透明度要求。这在一定程度上减缓了欧洲企业用AI替代工人的速度——不是因为技术不可行，而是因为合规成本更高。欧洲劳动法对裁员的保护（更长的通知期、更高的遣散费、更严格的集体协商要求）也是重要的制度缓冲。

但这种缓冲是有代价的：它也使欧洲企业在与美国同行的竞争中处于效率劣势。在AI时代，「效率劣势」的累积效应，可能在5到10年的维度上影响欧洲科技行业的全球竞争力。这一判断基于当前趋势的推断，实际结果将取决于欧洲在AI研发投入、人才培养和产业政策上的综合表现。

新兴市场：最大规模的受影响人群，最小的政策应对能力

AI裁员的全球影响中，最被忽视的一环是新兴市场的劳动力。印度、菲律宾、东欧等地区的大量服务业工作者（数据标注、客服外包、内容审核外包、基础软件开发外包），是美国和欧洲科技公司「转移」给低成本地区的工作。当这些工作被AI自动化，受影响的不只是美国的工人，还有依赖外包经济的新兴市场——而这些地区的政策应对能力、社会保障体系和职业转型资源，往往比美国弱得多。

七、企业如何应对「AI裁员」的舆论与法律压力

随着AI裁员成为公开议题，管理层面临的不只是一个战略选择，还有一套越来越复杂的舆论和法律压力管理挑战。

舆论管理：谁能把「裁员」叙事变成「转型」叙事

做得最好的公司，通常把AI驱动的人员调整与再培训承诺同步公告：「我们将减少X个传统岗位，同时投入Y亿美元进行员工AI技能再培训，预计创造Z个新类型岗位。」这种叙事框架能够有效化解「企业只顾效率、不顾员工」的舆论批评，同时向投资者展示了管理层对未来劳动力模型的积极规划。

做得不好的公司，往往只公告裁员数字而没有相应的再培训计划，或者再培训承诺与裁员规模明显不成比例，导致公关危机和员工信任危机叠加。

法律应对：美国与欧盟框架的差异

在美国，企业在以AI为由裁员时，目前主要面临的法律风险是：若裁员决策通过算法或AI工具做出，且影响到受保护群体（基于种族、性别、年龄等的歧视），则可能违反《职业机会平等法》（EEOC相关法规）。纽约市已于2023年率先要求使用AI工具做出招聘和晋升决策的企业进行算法偏差审计，类似规定可能在更多城市和州层面推广。

在欧盟，《AI法案》将用于就业决策（包括裁员决定）的AI系统列为高风险类别，要求进行透明度评估和人工监督。这将在未来2到3年内对欧洲企业的裁员决策流程产生实质性影响。

内部文化：如何维持留任员工的信任

被裁员的员工所遭受的影响是直接的，但留任员工同样面临深刻的心理冲击：这轮裁员后，下一轮什么时候来？我的岗位是否也在被AI评估中？这种「等待另一只靴子落地」的焦虑，如果不被管理层积极应对，将导致整个组织的心理安全感下降、人才自发性流失加剧、以及工作投入度降低。

成功管理这一挑战的企业，通常采取主动透明的沟通策略：向留任员工清楚解释哪些职能将继续保留、哪些职能将继续受到AI影响、公司如何支持员工进行技能升级，以及AI工具如何帮助他们提升工作质量而非只是威胁他们的岗位。这种积极透明的内部沟通，是保持组织凝聚力的关键。

结语：这份清单会更长，也会更真实

这份清单还在更新。约20家公司，约14万岗位，这是2026年7月的数字，不是终点。

Monday.com刚刚加入，下一个是谁？科技公司已经在大规模使用AI替代工作了，传统行业（金融、医疗、保险、法律、咨询）才刚刚开始这个进程——根据当前趋势推断，他们的裁员规模将在未来2到3年显现，而且数量可能远超当前的科技行业。

当这份清单上的数字变成50家公司、50万岗位——这是基于当前增长趋势的推测性情景，而非确定性预测——它将真正进入公众政治视野的核心，触发更广泛的立法干预和社会政策辩论。

历史上从来没有一次技术革命，在走完一半的时候，就已经开始维护自己替代记录的追踪清单。这一次不一样。只是我们还不知道，「不一样」的最终章，是什么故事。

但有一件事是清楚的：TechCrunch的这份清单，正在成为我们这个时代最重要的社会经济文献之一。它记录的，不只是被裁减的工作，而是一个文明正在经历的深刻转变——以公司名称、裁员人数、以及「原因：AI」这几个字的形式，被永久地写入历史。

对于每一个正在被这份清单波及、或者有可能被这份清单未来版本波及的个体来说，最重要的不是抱怨，而是行动：在今天还有余地的时候，主动理解你的工作中哪些部分是「程序化认知」，哪些部分是真正难以被形式化的判断力、创造力和人际智慧，然后有意识地向后者投入更多的时间和精力。技术浪潮不会因为个人的准备或不准备而减速，但准备充分的人，总是比毫无准备的人更有可能找到新浪潮中的立足之地。

参考资料

  1. TechCrunch, “The running list: Major tech layoffs in 2026 where employers cited AI.” techcrunch.com, 2026-07-25. URL: https://techcrunch.com/2026/07/25/the-running-list-major-tech-layoffs-in-2026-where-employers-cited-ai/ （本文引用数据基于2026年7月25日版本；该清单持续更新。）

  2. LinkedIn Workforce Insights Report, “Future of Work Trends H1 2026: Entry-Level Tech Hiring Data.” linkedin.com/pulse/workforce-insights, 2026-H1.

  3. Microsoft FY2026 Q3 Earnings Call Transcript, Satya Nadella remarks on Copilot adoption. microsoft.com/investor, 2026-04-29.

  4. Oracle FY2026 Q4 Earnings Call Transcript, CEO remarks on AI efficiency and workforce. oracle.com/investor, 2026-06.

  5. Meta FY2026 Q1 Earnings Report: AI content moderation coverage statistics. investor.fb.com, 2026-04.

  6. Amazon FY2026 Q1 Earnings Report. ir.aboutamazon.com, 2026-04.

  7. US Congress, “AI Employment Impact Transparency Act” proposed legislation, 2026-07. congress.gov.

  8. GitHub, “Copilot Enterprise Adoption Statistics.” github.blog, 2026-Q2.

  9. Anthropic, “Claude Opus 5: Enterprise Productivity Features.” anthropic.com/news, 2026-07-24.

  10. CNBC/Reuters, Reports on China tech sector workforce reductions attributed to AI transformation. CNBC, Reuters, 2026-07.