通用汽车的IT大换血：600人被裁，AI原生开发者被急聘，这不是裁员，是重写劳动力的DNA
通用汽车的IT大换血：600人被裁，AI原生开发者被急聘，这不是裁员，是重写劳动力的DNA
底特律的一个信号
2026年5月11日，彭博新闻率先报道，通用汽车（General Motors）已经裁减其IT部门超过10%的员工——约600名受薪员工。TechCrunch随后得到GM的官方确认。
但这次裁员的内涵，远比数字本身更深刻，也与过去两年我们见过的大多数”AI相关裁员”有着本质区别。
GM在发给TechCrunch的官方声明中用了一句话来解释：”GM正在转型其信息技术组织，以更好地为公司的未来做准备。”这句话听起来像是标准的企业公关辞令——直到一个知情人士向TechCrunch透露的细节，才让这次裁员的性质变得异常清晰：GM并没有在整体上缩减IT部门规模，而是在同步招聘——招聘的岗位，与被裁撤的岗位的技能要求几乎完全不同。
GM正在急迫地寻找具备以下能力的人才：AI原生开发（AI-native development）、数据工程与分析、云基础架构工程、AI Agent与模型开发、提示工程（prompt engineering），以及全新的AI工作流设计。
这不是在寻找会使用AI工具的人，而是在寻找能够从零开始用AI重建整个系统的工程师——设计AI系统架构、训练领域模型、构建自动化数据管道，而不只是在现有流程上”叠加AI功能”。这是一次劳动力在DNA层面的技能替换，而不仅仅是人员流动或效率优化。用硅谷VC圈的话来说：GM不是在给旧马车装一个新引擎，而是在造一辆新车型，需要的工程师根本就不同。
不是第一次，但是不同的这一次
对于GM来说，裁员并不陌生。在过去18个月里，公司已经在多个部门进行了白领员工裁减，以集中资源于高优先级项目——其中包括AI转型。
最值得对比的历史数据点是2024年8月：GM裁减了约1000名软件工程师。那一次的裁员逻辑是”优先保障软件质量和AI项目”，但剩余员工的技能结构基本未变。两年后的2026年5月裁员，逻辑完全不同：不只是缩减头部，而是主动替换技能集。
GM IT部门劳动力结构的根本改变，始于2025年5月一个关键人物的入职：Sterling Anderson。这位Aurora自动驾驶卡车公司的联合创始人、自动驾驶行业老兵，以首席产品官（CPO）的身份加入GM，立即开始推动将GM分散的技术业务整合为一个统一组织。
Anderson入职后的人事动荡记录了GM转型的激烈程度。2025年11月，3位顶级软件高管离职：软件与服务产品管理高级副总裁Baris Cetinok、软件与服务工程高级副总裁Dave Richardson，以及仅在岗9个月的首席AI官Barak Turovsky（前Cisco VP）。与此同时，GM开始引进新的AI核心人才：2025年10月，来自苹果的Behrad Toghi以AI负责人身份入职；随后，在Cruise（GM旗下曾经的自动驾驶公司）担任了5年AI和机器人负责人的Rashed Haq，以自动驾驶部门VP身份归队。
这些人事变化构成了一幅清晰的技术路线图：GM正在将过去偏向”软件服务集成”的IT思维，替换为”AI原生系统构建”的技术思维。2026年5月的600人裁员，是这个转型最新也是最明确的外部可见指标。
它与科技公司裁员的根本区别
理解GM案例的重要性，需要将其与过去18个月大量的科技公司AI相关裁员区分开来。
科技公司（谷歌、Meta、微软、Salesforce等）的AI相关裁员，通常遵循一个相似的逻辑：公司宣称AI提高了生产力，因此可以用更少的人完成同样甚至更多的工作——这是”AI作为效率工具”导致的人员压缩。这类裁员的对象通常是非技术岗位（客服、内容审核、行政）或技术岗位中处于”AI可替代”边缘的工种。
GM的案例代表了一种完全不同的逻辑：”AI作为新的基础技术栈”导致的技能替换。GM裁减的是那些会用传统IT技术（遗留系统维护、传统数据库管理、传统系统集成）的员工，招聘的是能够用AI技术重建这些系统的工程师。
这不是因为AI让这些工作变得更容易完成，而是因为GM认为企业IT的基础架构本身需要被重写——从基于传统数据库、API集成、人工配置的体系，转向基于AI Agent、自然语言交互、自动化数据管道的新体系。前者需要传统IT工程师，后者需要AI原生开发者。
这两类人才的市场供给是不对称的：AI原生开发者极度稀缺，且需求正在爆炸性增长；传统IT工程师市场过剩，且价值在持续稀释。GM的裁员，是这种市场不对称的企业级响应。
一个行业级别的样本
GM的举动为什么值得如此重视？因为它是一个非科技行业的大型企业做出这个决策——这是至关重要的。
在科技公司做AI相关重组，不稀奇。这些公司本来就有大量AI原生工程师，转型摩擦相对较小。但GM是一家有百年历史的传统汽车制造商，其IT部门的核心职责是支撑汽车设计、制造、供应链和销售体系——这些系统积累了几十年的技术债务，与AI原生架构的距离远比任何科技公司的遗留系统都大。
如果GM愿意接受替换其IT部门10%员工的短期痛苦，以换取AI原生能力的长期优势，这意味着传统行业的”AI时代觉醒”已经越过了某个临界点。
Gartner 2026年5月的研究数据（来源：Fortune，2026-05-11）提供了背景：调查显示，80%的试点了AI/自动化技术的年收入超过100亿美元的全球企业，都在不管技术是否产生了真实回报的情况下进行了裁员。这个数字揭示了一个令人担忧的趋势：很多企业是在技术价值尚未验证的情况下，就已经做出了裁员决策。
GM的案例与这个趋势略有不同：它的重点不是因为AI就裁员，而是因为要构建AI原生能力就需要不同的人。但在外部观察者看来，两种逻辑的结果是一样的——数百名员工失业。
被裁员的那600人，去哪里？
这是整个AI时代劳动力转型叙事中，最少被讨论但最重要的问题。
被GM裁减的600名IT员工，他们的技能——传统系统集成、遗留系统维护、数据库管理、IT项目管理——在AI时代是否还有价值？
答案是”目前有，但时间窗口在关闭”。全球仍有大量中型企业运行着需要传统IT技能来维护的遗留系统。在未来3-5年内，这些技能仍然有市场。但趋势的方向是明确的：随着更多企业完成向AI原生架构的迁移，传统IT技能的市场将持续收缩。
对这600名员工来说，他们有两个选择：转型，或者迁移到那些还没有进行AI转型的企业。但这两条路都有时间限制——AI原生技能的学习曲线相对陡峭，而”还没有进行AI转型的企业”的数量正在快速减少。
这个困境不是GM独有的，而是整个企业IT行业在AI转型期的系统性现象。GM的600人，只是这个数以百万计的全球规模劳动力转型的一个可见样本。这一样本之所以重要，是因为它来自一个如此传统和有代表性的大型制造企业，而不是习惯了快速变化的科技公司。
下一步：谁是下一个GM？
从GM的案例，可以推演出几个值得关注的后续趋势。
制造业IT转型将加速。 GM在汽车行业的示范效应不可忽视。福特、丰田、大众等主要竞争对手的IT主管，都会仔细研究GM这次转型的时间线和结果。如果GM的AI原生IT团队在未来12到18个月内展现出可量化的生产力提升，竞争压力将迫使同行加速类似的转型。在制造业，第一个完成AI原生化的公司将获得显著的速度优势——更快的产品研发周期、更高效的供应链响应、更低的质量控制成本。这些优势一旦形成，将直接影响市场竞争格局。
AI原生人才的供需失衡将加剧。 GM招聘的岗位（AI Agent开发、模型工程、提示工程）在市场上本来就极度稀缺。随着更多传统行业巨头加入这场人才竞争，这类人才的薪酬溢价将进一步扩大。大型制造企业需要正视一个不舒服的现实：在与科技巨头的AI人才竞争中，它们在薪酬、股权激励和工作环境方面处于系统性的劣势。解决这一问题，需要的不只是提高薪酬，还需要改变这些公司给AI工程师提供的工作内容和影响力空间。
企业AI工具公司将受益。 GM的转型方向——构建AI原生工作流和数据管道——对Salesforce的Agentforce、ServiceNow的自主工作平台、AWS的AI开发工具链等企业AI工具公司是直接利好信号。这些公司的大型企业销售团队，将把GM的案例作为最有说服力的行业参照，向福特、宝马、西门子等类似的大型传统制造企业推进AI转型合同。
在整个人工智能产业的叙事中，技术突破和融资新闻占据了最多的版面。GM的这600个岗位，可能是更真实的信号：AI时代的企业转型，已经从”战略层面的讨论”进入了”HR层面的操作”。这才是真正不可逆的转折点。
汽车行业的AI赌注：从软件定义汽车到AI定义制造
要理解GM这次IT重组的战略逻辑，需要把它放在整个汽车行业AI转型的大背景中。
过去5年，汽车行业经历了”软件定义汽车”（Software Defined Vehicle，SDV）浪潮：特斯拉通过OTA远程升级重新定义了汽车的使用周期，传统车企争相追赶，纷纷投入巨资构建车载软件栈。GM投入了Cruise自动驾驶项目（后因安全事故而停止），并在2023年建立了OnStar Vehicle Intelligence平台。这一阶段的IT能力需求，是传统软件工程师——他们构建可靠的系统、管理复杂的集成、维护大规模的基础设施。
但2025年至2026年的AI浪潮，改变了需求的定义。汽车行业开始从”软件定义汽车”向”AI定义制造运营”转变。
这个转变的核心不是汽车的驾驶辅助功能，而是整个汽车制造体系——从产品设计到生产排程到供应链管理到售后服务——的AI化运营。当一条汽车生产线上出现质量问题，AI系统能否在几秒内分析视觉检测数据、定位异常、追溯原因并给出调整建议？当供应商交期延误信号出现，AI能否自动评估备选方案并调整生产计划？当一辆已售车辆的传感器数据显示潜在故障，AI能否主动联系车主并自动安排维修预约？
这些都需要懂得如何设计AI Agent、如何训练领域模型、如何工程化复杂的数据管道的工程师——而不是只会维护Oracle数据库、管理SAP实施或编写传统API集成的IT人员。
这正是GM在招聘清单里明确列出的：AI Agent与模型开发、AI原生工作流、数据工程与分析。这个招聘清单，是GM对整个IT基础架构方向的一次公开表态。
AI人才稀缺性的量化现实
GM招聘的难度，在现实中是真实存在的。
AI工程相关岗位（AI Agent开发者、机器学习工程师、提示工程师）是当前市场上需求增长最快、但合格候选人供应最为紧缺的技能集之一。大学本科的AI教育体系通常需要4年才能更新一代人才，而行业的需求变化是以季度为单位的。结果是一个严重的结构性供需失衡：每个懂得如何端到端构建和运维AI系统的工程师背后，对应着数十个试图招聘他们的岗位。
特别是”AI原生开发者”这个技能集，在市场上几乎是一个全新的概念。传统计算机科学专业培养的是会编写传统软件、理解数据结构和算法的工程师；而”AI原生开发者”需要额外具备：理解大语言模型的工作原理、设计有效的提示工程策略、构建Agent编排系统（orchestration）、评估AI系统的可靠性和安全性。这些技能在2023年前几乎不存在于正式教育体系中。
GM以一个非科技行业的传统制造企业身份，与谷歌、Anthropic、OpenAI、微软等科技巨头竞争这批稀缺人才，这在薪酬和工作环境的竞争力上都面临巨大挑战。传统汽车制造商给工程师的工资包通常无法与硅谷科技公司的股权激励匹敌，而底特律地区的科技生态和创新氛围，与旧金山湾区的差距是真实存在的。这就是为什么这次重组的规模（600人裁减并同步招聘AI原生人才）如此引人注意：GM愿意接受短期的运营摩擦和人才招聘挑战，说明管理层对这个方向的判断已经超越了”我们应该考虑AI”的阶段，进入了”这是不可逆转的生存需求”的阶段。换言之，GM不是在尝试，而是在赌注。
传统IT技能的黄昏时刻
被GM裁减的600名IT员工，代表的不只是600个个体命运，而是一个更大问题的缩影：传统IT工程技能，在AI时代还有多少寿命？
坦率地说，这个问题没有让人完全放心的答案。
传统IT技能——遗留系统维护、传统数据库管理（Oracle、SQL Server）、系统集成（SOAP/REST API）、IT项目管理（ITIL、PMP）——目前仍然有大量需求。全球的大量中型企业和政府机构还在运行依赖这些技能的基础设施，短期内无法完成AI化转型。这意味着被GM裁减的员工，在市场上仍然能够找到工作——但可能是在更小的企业、更低的薪酬水平，或者是在承接传统系统维护外包项目的IT服务公司。
但中期趋势是不乐观的。随着AI工具使这些工作变得更容易被自动化，以及越来越多的企业加快AI原生系统的迁移，传统IT的可寻址市场将系统性地萎缩。对那些无法快速完成技能转型的传统IT工程师来说，这个窗口期可能只有5到10年。
这不是全球首次出现的劳动力技能替换现象。互联网的兴起淘汰了大量传统媒体排版工、打字员和分类广告销售员；智能手机的普及淘汰了大量数字相机工程师和GPS设备制造商的团队。AI的冲击将更广泛，但模式是相似的：技术变革总是快于劳动力适应的速度。
GM裁减的600名员工，不是AI时代劳动力转型的终点，而是起点的可见标志。
GM的案例将如何影响政策与培训体系？
还有一个很少被技术分析师关注但至关重要的维度：GM这类大型企业的公开表态，会对劳动力政策和教育培训体系产生什么影响？
当一家美国历史最悠久、工会传统最深厚的制造商之一公开表示”我们正在以AI技能为标准重建IT部门”，这对美国劳工组织（包括IT工人工会化运动）和联邦劳工政策都是一个重要信号。AI时代的工人培训再就业项目，目前在全球各个经济体都还处于起步阶段，速度远远跟不上企业IT转型的节奏，这是一个正在扩大的社会裂缝。
更深层的挑战在于：传统职业培训体系的设计逻辑，是帮助工人从一个已知技能迁移到另一个已知技能（比如从卡车司机转型为叉车操作员）。但”从传统IT工程师转型为AI原生开发者”，更接近于从一个范式跳到另一个完全不同的范式，所需的不只是技能叠加，而是思维方式的根本转变。这种转变能否通过6个月的在线课程完成，目前没有充分的证据支持。
在中国，类似的压力也在积聚。随着中国科技公司加速AI原生化转型，大量从事传统IT维护和软件开发的工程师面临相似的技能替换压力。国内职业教育体系是否能够以足够的速度更新，是一个影响数十万人职业命运的政策问题。
GM的600人，只是全球这个更大故事的一个具体节点。它的价值不只是一次企业IT重组事件，而是一次关于”AI时代，我们应该如何理解工作的本质”的实验——实验结果，将在未来12到18个月陆续显现。在整个人工智能产业的叙事中，技术突破和融资新闻占据了最多的版面。GM的这600个岗位，可能是更真实的信号：AI时代的企业转型，已经从”战略层面的讨论”进入了”HR层面的操作”。这才是真正不可逆的转折点。从大型传统制造商到中型制造企业再到政府机构，越来越多的组织将面临同样的选择：是用AI重建自己，还是等待竞争对手先做？等待的代价，将比大多数管理层预期的更高、更快地到来。
参考资料
- TechCrunch, “GM just laid off hundreds of IT workers to hire those with stronger AI skills,” 2026-05-11. https://techcrunch.com/2026/05/11/gm-just-laid-off-hundreds-of-it-workers-to-hire-those-with-stronger-ai-skills/
- Bloomberg News, “GM to Cut Hundreds of White-Collar Workers in Push to Trim Costs,” 2026-05-11.
- Fortune, “AI-Driven Layoffs Aren’t Delivering Expected Returns (Gartner Study),” 2026-05-11. https://fortune.com/2026/05/11/ai-automation-layoffs-gartner-study-roi/
- TechCrunch, “GM cuts 1,000 software jobs as it prioritizes quality and AI,” 2024-08-19. https://techcrunch.com/2024/08/19/gm-cuts-1000-software-jobs-as-it-prioritizes-quality-and-ai/
- TechCrunch, “GM taps Aurora co-founder for new chief product officer role,” 2025-05-12. https://techcrunch.com/2025/05/12/gm-taps-aurora-co-founder-for-new-chief-product-officer-role/