过去18个月里，阿里巴巴、腾讯、字节跳动、百度、美团裁减了超过13万人。不是因为业绩下滑，恰恰相反——这些公司的利润在增长。AI自动化，正在改写中国科技行业的就业等式。

“利润增长，人员减少”——这一轮裁员为什么不同

2026年7月9日，一份来自多个数据来源汇总的报告揭示了一个让人不安的数字：在过去18个月里，中国最大的5家科技公司——阿里巴巴、腾讯、字节跳动、美团、百度——合计裁员超过13万人（约1.3 lakh，数据来源：媒体报告，各公司未官方集中确认）。

这本身已经是一个惊人的数字。但更让人不安的是下面这句话，来自该报告的分析：

“这一轮裁员之所以特别令人不安，是因为它发生在利润增长的同时。过去，公司裁员是为了生存；现在，他们裁员是为了优化。”

这个区分非常重要。历史上的大规模企业裁员，通常发生在营收下滑、市场萎缩、或者经济危机冲击的背景下。它们是痛苦的，但有某种”不得不为”的逻辑可以解释。

这一次不同。中国头部科技公司，在AI浪潮下，选择了主动用自动化取代人工——不是因为他们付不起工资，而是因为AI让他们有理由不必付那么多工资了。

这是结构性失业的经典模型，不是周期性的就业波动。

数字背后的细节：谁被裁了，裁了多少

让我们把这13万的数字分解，看看它的构成。

阿里巴巴：据报道，从高峰期约19.4万名员工，降至约12.8万人，降幅约34%。这是一个惊人的缩减——几乎每3个人就有1个离开了公司。阿里云、淘宝、天猫的AI优化，让大量客服、运营、数据标注等岗位被自动化替代。

百度：削减了约1万名员工。同期，百度的AI产品线扩张加速，文心一言用户量增长，但支撑这种增长所需的”人”比过去少了很多。

京东：正在计划约1.2万人的裁员，主要集中在传统电商运营和物流协调岗位——这些岗位正在被AI驱动的供应链优化系统接管。

字节跳动和腾讯：同样有大规模的优化，尤其集中在内容运营、客服、以及部分产品支持岗位。

这些数字汇总在一起，描绘了一个清晰的模式：AI自动化首先冲击的是高重复性、规则可定义的工作——数据标注、客服处理、内容审核、运营支持、基础代码编写。这些岗位，在中国科技公司里往往是体量最大的”基础劳动力”群体，也是AI能力最快实现规模替代的地方。

报告特别提到了阿里巴巴的Wukong（悟空）平台：该平台承诺可以自动化整个部门，提供电商、直播和软件开发领域的”一人公司”能力。这不是技术白皮书里的未来展望，这是2026年已经在中国电商生态里大规模部署的现实。

35岁天花板、26岁被优化：AI浪潮下的就业脆弱性

这次裁员数据之外，报告揭示了两个更令人深思的细节。

“35岁职场天花板”的提前化

在中国科技行业，”35岁危机”——即大公司倾向于在员工35岁左右终止合同、优先招聘更年轻的毕业生——是由来已久的行业现象。但AI的加速正在将这个”天花板”进一步压低。

一个35岁的内容运营，可能在过去还有几年的职业窗口；在AI能够以更低成本处理大部分内容运营工作的今天，这个窗口在缩小。一个35岁的基础数据工程师，在AI辅助编程工具大规模普及的背景下，面临着更高的被取代风险。

AI没有创造”35岁天花板”，但它正在让这道天花板更低、更硬。

“大公司光环”不再是防护网

报告引用了一个26岁字节跳动前员工的案例：在内容运营部门工作6年后被裁，他坦言，即使是”字节”这个名字写在简历上，在当前就业市场上也越来越难以转化为新工作的保障。

这个细节具有象征意义。在过去，进入顶级互联网公司不只是一份工作，它是职业资本的积累。大公司光环意味着你在市场上是可选的，是有价值的，即使某一天离开也不愁下家。

但当AI开始批量替代的恰恰是那些在大公司”量产”的内容运营、数据处理、客服支持岗位时，这类工作经验的市场价值就在系统性地稀释。大公司光环是在说”我在一个重要的地方做过事”，但如果AI已经能做这些”事”了，这个光环携带的信号就变了。

这对中国高等教育体系培养的大量”互联网公司通用型”毕业生来说，是一个深层的职业规划冲击。

“70万岗位面临高风险”：学界如何评估规模

这不只是几家公司的裁员新闻，而是有系统性研究支撑的结构性转变。

专家估计，在中国，约7000万个工作岗位，即劳动力的约9.6%，面临被AI高度替代的风险。这个数字的来源，是对工作任务分解后的自动化可行性分析——类似于麦肯锡和布鲁金斯学会在美国市场进行的研究，将每个岗位分解为具体任务，然后评估哪些任务在未来5-10年内有较高的AI自动化可行性。

9.6%的高风险比例，在国际比较中处于较高水平，原因不难理解：中国经济中高重复性制造业和服务业工作的比重，比发达国家更高，而这类工作恰恰是AI自动化最先渗透的领域。

当然，”高风险”不等于”一定被替代”。历史上，每一次技术冲击都伴随着新工作的创造。但这里有两个关键的不确定性：

一是转型速度的匹配问题。技术替代的速度可以很快（一两年内大规模部署），而劳动力再培训和新岗位的创造是一个慢得多的过程。这个速度差距，会在过渡期创造真实的就业阵痛，即使长期来看可能是均衡的。

二是新工作的质量问题。AI创造的新工作，是否与被替代的工作在工资水平、稳定性和可获得性上可比？历史证据并不总是乐观的——很多技术冲击创造的”新工作”集中在高技能服务业，对被替代的中低技能工人来说，技能跨越的门槛很高。

政府的双重角色：赞扬升级，开始面对就业挑战

中国政府在这件事上呈现出一个内在矛盾的双重角色，这个矛盾在2026年7月变得更加清晰。

一方面，大力推进AI化：北京的”AI+行动计划”目标是到2027年实现重点行业70%的AI渗透率，到2030年达到90%。这是一个雄心勃勃的国家战略，反映了中国将AI竞争力视为与芯片自主化同等重要的战略优先项。报告批评政府”热情地赞扬AI自动化是进步的象征，却对大规模劳动力破坏保持沉默”——这个批评在某种程度上是准确的。

另一方面，开始回应就业冲击：2026年7月10日，中国政府发布了新的顶层规划举措，目标是加强AI时代的青年就业规划，确保人才培养与AI时代的真实需求接轨。这是一个重要的信号：政府已经意识到，纯粹推进AI化而不回应就业影响，在政治上是不可持续的。

但两类政策之间存在本质差异，需要清楚区分：

  • AI人才培育政策（如7月10日的规划）：投资于适应AI时代的新一代劳动力，重点是教育和职业培训
  • 被替代工人保护政策：针对那些已经失去工作的人的再培训、社会保障和过渡支持

目前，中国政府的政策重心在前者。后者——真正针对”现在已经被裁员的13万人”的具体支持措施——仍然是一个政策空白。

这个选择的政治逻辑是清楚的：AI升级是国家战略，且有竞争叙事（”不追上就被美国甩开”）为之背书；而劳动力保护政策在短期内只有成本，政治激励较弱。但这个逻辑对那些在AI浪潮中实际失去工作的人来说，并不是一个令人宽慰的答案。

中国这一次，走在了西方的前面

在全球范围内，关于”AI会替代多少工作”的讨论，主要发生在西方——美国和欧洲的研究机构、政策智库和媒体，在这个议题上产出了大量研究和讨论。

但中国正在以更快的速度，把这个问题从预测变成现实。

其中一个关键原因是企业文化的差异。中国科技公司在劳动力调整上，传统上比西方同类公司更灵活（或者说，面临的约束更少）。美国大公司裁员，通常需要几个月的周期，面临更强的社会舆论压力，且劳动法体系给予了更多的程序性保护。中国头部科技公司的人员优化，执行速度更快，社会舆论的摩擦力较小（尽管网络上的不满声音并不少）。

另一个原因是AI应用的规模部署速度。阿里巴巴的Wukong平台、字节跳动的各类AI创作工具，在中国C端和B端市场的渗透速度，比西方同等平台更快——得益于更统一的平台生态、更集中的用户基数，以及监管环境的差异。

这意味着，中国正在比西方更早、更集中地经历AI浪潮的就业冲击。西方的政策制定者，如果想了解AI大规模替代的早期真实图景，中国现在发生的事情，是一个值得认真研究的案例。

这意味着什么

让我们回到最初的问题：一个”利润增长+人员减少”的科技行业，对中国社会意味着什么？

对被裁员工：这是真实的、即时的痛苦。13万不是一个抽象的数字，它是13万个家庭的收入损失、职业转型、以及对未来的不确定感。在一个”35岁天花板”普遍存在的劳动力市场里，这些人中的很多，将面临比这场裁员更长期的就业压力。

对中国的年轻一代：这是一个警告信号，尤其是对于那些在传统互联网公司就业路径上进行规划的人。”进大厂、稳就业”的经验模型正在快速过时。未来的职业安全，越来越依赖于一个人是否有能力在AI工具之上创造差异化价值，而不是简单地执行可被自动化的工作流。

对中国社会的整体性：这个问题的答案最难预测。如果AI带来的生产率提升能够被足够广泛地分配——通过更低价格的服务、新的就业机会、以及政府的社会转移机制——那么这次冲击可能是过渡性的。如果收益主要积累在少数企业和投资者手中，而就业冲击被分散在数千万普通工人身上，那么这是一个中国社会结构压力的潜在增长点。

对全球的借鉴：中国正在实时上演的这场就业结构转型，将成为未来十年全球劳动力市场研究的重要数据来源。任何认真讨论AI就业影响的政策制定者，都应该仔细看这份13万人的数据，以及它背后更大的结构性图景。

参考资料：

  • Telangana Today: “China tech firms reduce workforce by 1.3 lakh amid AI transition” (2026-07-09)
  • The Star: “China moves to bolster youth employment for the AI era” (2026-07-10)
  • Daily Mirror (Sri Lanka, cited in report): 阿里巴巴、百度、JD.com裁员数据
  • Bloomberg: “ByteDance, Alibaba Pull AI Companions as Beijing Tightens Rules” (2026-07-06)
  • China’s AI Plus Action Plan policy documents (2025-2026)

对其他国家的具体启示

中国这一轮AI就业冲击，为其他国家的政策制定者和企业领导者提供了几个具体的早期经验教训：

对政策制定者：不要等到AI替代完成后再制定保护政策。一旦形成规模性替代的”既成事实”，再干预的成本极高。现在是建立”先行转型支持”机制的窗口期——比如：AI置换风险行业的提前预警系统、职业培训券制度、过渡期基本收入补贴试点。美国一些州（尤其是加州和华盛顿州）已经开始讨论类似的政策框架，中国的数据可以为这些讨论提供真实的基准。

对企业领导者：在”利润增长+人员减少”的AI转型中，员工关系管理和社会责任成本不容忽视。中国头部科技公司的裁员，在国内引发了相当的舆论不满，部分公司的品牌形象受到了可见的损伤。如何在AI效率提升和员工过渡支持之间找到可持续的平衡，是企业需要提前规划而不是事后应急的课题。

为什么这次AI就业冲击与历史不同：速度、范围和可见性

历史上每一次重大技术革命都伴随着就业破坏。工业革命消灭了大量手工业岗位，电气化时代取代了燃气灯工人和大量体力劳动，计算机时代取代了数以万计的账本员工和打字员。这些历史先例都支持”技术革命最终创造更多工作”的乐观叙事。

但中国2026年的这波AI就业冲击，有几个历史上前所未有的特征：

速度：工业革命花了几十年才在劳动力市场产生规模影响；电气化花了20-30年重塑就业结构。AI在特定职类（数据处理、内容运营、基础代码）上的大规模替代，可能在3-5年内完成。阿里巴巴从194k员工降至128k，发生在不到两年内。这个速度，是任何历史上的劳动力再培训体系都没有准备好应对的速度。

覆盖范围：农业自动化影响农业工人；工厂自动化影响制造业工人；这两者有相对清晰的边界。AI自动化影响的是”可规则化的信息处理”——这是一个横跨几乎所有白领行业的共同特征。客服、内容运营、数据分析、报告写作、基础法律研究、基础财务分析——这些不是一个行业的岗位，它们在每个行业都有大量从业者。这种广度，在历史上没有先例。

可见性：从前的就业替代，经常在相对漫长的时期内悄悄发生，没有单一事件可以锚定它。AI替代是可见的、可追溯到具体公司决策的。当阿里巴巴从19.4万降到12.8万，当百度裁1万人，这些数字是实时可追踪的，成为媒体报道和政策讨论的具体锚点。这种可见性，增加了政治压力，但也增加了社会应对的可能性。

这三个特征的组合，使得”历史证明技术革命最终会好”的论据，需要被非常谨慎地对待。它可能是对的，但它可能对的时间尺度（20-50年）远超过了当下被替代工人的职业窗口（5-15年）。

这不是说AI是坏的。这是说，如果我们关心的不只是”长期均衡”而是”当下的真实人的命运”，我们需要比历史先例更快速、更针对性的政策响应。

写在最后：一个正在发生的历史

13万这个数字，在全球AI就业冲击的讨论中，应该被写成一个里程碑事件，而不是被淹没在”中国科技行业常规人员优化”的叙事框架里。

它是一个信号：AI驱动的就业替代，已经从学术预测进入了现实的大规模发生阶段。而中国的速度，比大多数人预料的都快。

在接下来的几年里，随着AI能力的继续提升，这个数字还会增长。如何管理这个转型，让其收益被更广泛分享、让其痛苦被更公平分担，是政策制定者、企业领导者和整个社会需要认真面对的问题。

时间窗口正在关闭。

两个数字的对话：13万裁员和1.5亿AI工具用户

这场讨论有一个容易被遗漏的背景数字：在中国头部科技公司裁员13万的同时，这些公司的AI产品用户基础正在爆炸式增长。

以阿里巴巴为例：它从19.4万员工缩减到12.8万，同期通义千问的月活用户超过了1亿。这不是偶然的——同样的公司，在减少”人的工时”的同时，在积累”AI的工时”。

百度文心一言、字节豆包、腾讯元宝……这些AI产品在2025-2026年的用户增长，与这些公司的裁员规模几乎是正相关的。这个现象有一个令人不安的解读：公司是在用AI工具增长的商业成果，为裁员提供了财务上的正当性。

利润和市值都在增长，裁员也在增长。这是一个以前很少同时发生的组合。它意味着，技术进步的红利，在这一轮AI转型中，被非常不均衡地分配了——更多流向了资本和技术精英，更少留给了被替代的普通劳动力。

这个问题不只是中国的问题。但中国在2026年的规模和速度，使它成为全球劳动力转型议题上最无法忽视的参照系。

AI红利分配的根本问题：谁在受益，谁在付出代价

这是一个需要被正面回答的问题，而不是一个可以用”长远来看AI创造更多工作”来回避的问题。

短期来看：被裁的13万人，他们中的大多数不会在6个月内找到一个质量相当的替代工作。”AI创造新工作”的承诺，通常落在高技能的AI工程师、产品经理、AI应用开发者这些群体上——而不是那些做了5年内容运营的26岁字节员工，或者在阿里电商部门做了8年运营的35岁员工。

中期来看：技能转型是真实可能的，但门槛很高。从内容运营到”AI提示工程师”，不是一步之遥，是一个需要学习能力、经济缓冲、社会资本和运气的跨越。对于那些缺乏这些条件的工人来说，转型可能需要3-5年而不是3-6个月。

长期来看：历史上确实每次技术革命最终都创造了更多工作。蒸汽机、电力、计算机——都是如此。但历史上的技术革命通常有几十年的过渡期，而AI在某些特定职类（重复性脑力劳动）上的替代速度，可能比任何先前的技术都快。这使得”长远会好”的历史论证，在帮助今天被替代的工人上，有一定的局限性。

承认这个分配不均，不是在反对技术进步。技术进步是真实的、可能是不可逆的。但承认它是迈向更好分配政策的第一步——从企业的社会责任角度，从政府的政策设计角度，以及从劳动力自身的准备角度。

只有正视了代价，才能设计出真正有效的应对方案。