全球科技裁员半年破10万人，业绩越好的公司裁得越狠——为什么？

封面图片

前言

2026年刚过去五个月，全球科技行业裁员人数已经突破10万，逼近2025年全年12.4万的总量。更反直觉的是，动刀最狠的不是那些亏损的公司，而是利润创下历史新高的巨头——甲骨文净利润同比涨了95%，转头就宣布裁员2到3万人；微软、Meta、亚马逊季报一个比一个好看，裁员通知也一封接一封地发。

钱去哪儿了？答案很明确：从工资单流向了GPU集群。

这篇文章试图还原“利润越涨、裁员越狠”这一反常现象背后的资本逻辑，用具体数据拆解AI基础设施投入如何系统性替代人力预算，以及测试、研发从业者该怎么在这场资金大迁移中重新定位自己。

目录

一、数据摆在这里：2026裁员全景 二、利润与裁员同涨的资本逻辑 三、钱从人头流向算力：一张资金迁移图 四、被替代的不是“人”，是“旧流程” 五、研发与测试从业者的生存策略 六、写在最后

一、数据摆在这里：2026裁员全景

先看几个硬数字，不做解读，只摆事实：

这张表里最刺眼的一行是甲骨文。一家公司利润接近翻倍，同时裁掉接近五分之一的员工，这在传统商业逻辑里几乎不可能发生。以前裁员要么是因为亏损收缩，要么是合并重复部门，但现在这些公司的裁员理由出奇一致：“将资源重新配置到AI优先领域”。

翻译成大白话就是——你的工资，要变成英伟达的营收了。

二、利润与裁员同涨的资本逻辑

华尔街过去评估科技公司，核心指标是“人均营收”和“营收增长率”。但从2025年下半年开始，分析师问得最多的问题变了，变成了：“你们的AI资本开支计划是多少？”

这背后的逻辑链条非常清晰：

1. 资本市场认定AI基础设施投入=未来竞争力。微软2026财年资本开支预算超800亿美元，其中超过60%指向AI数据中心。谷歌、Meta、亚马逊的数字也在同一量级。
2. 这笔钱必须从某个地方来。利润再高，现金流也有上限。既然AI基建是“必须花的钱”，那其他支出就变成了“可以省的钱”。
3. 人力成本是最大的可压缩项。对多数科技公司来说，人力占运营成本的40%~60%。AI工具让同样的产出可以用更少的人完成，这笔账CFO算得过来。

简单说，这不是“赚不到钱所以裁员”，而是“赚到的钱要换个地方花”。这是一次资金的系统性再分配，而不是传统意义上的降本增效。

甲骨文CEO拉里·埃里森在2026年Q1财报电话会上说得很直接：“我们正在把传统运维和支持岗位的预算，转移到OCI（Oracle Cloud Infrastructure）的AI算力扩展上。”——利润涨了95%还不够花，因为一个H200集群的采购价格就能抵掉几百个工程师一年的薪水。

三、钱从人头流向算力：一张资金迁移图

下面这张图展示了科技巨头资金从传统人力预算向AI基础设施迁移的路径：

传统人力预算（占运营成本40~60%）季度营业利润（同比增长22~95%）裁员释放现金流测试/运维/支持岗优先利润再投资资本开支预算提升50%+AI工具替代人工环节代码生成/自动化测试/运维GPU集群 & AI数据中心H200/B200/自研芯片AI平台与模型训练大模型/Agent/MCPAI驱动的新营收Cloud AI服务/Copilot订阅AI新营收反哺利润池（正向循环）图例：资金来源资金转化路径AI基础设施投向营收回流

资金流向的核心逻辑：人力预算和利润池被拆分成三条路径——裁员释放现金、利润直接再投资、AI工具替代人工——最终汇入GPU集群和AI平台建设。而AI新营收（如Azure AI、AWS Bedrock、Meta的广告AI引擎）又会反哺利润池，形成正向飞轮。

四、被替代的不是“人”，是“旧流程”

很多人看到裁员新闻的第一反应是焦虑：“AI要取代程序员了。”但仔细看裁员的岗位分布，被砍的主要不是核心研发，而是那些流程性、重复性较强的岗位。

以软件开发和测试领域为例，2025到2026年间发生了几个关键变化：

代码生成环节：GitHub Copilot在2025年的企业版渗透率已超过40%。2026年Claude Code、Cursor等AI编码工具进一步将“需求→可运行代码”的周期从天压缩到小时。直接后果是——同样的功能开发任务，原来需要3个人写两周，现在1个人配AI工具一周能搞定。

自动化测试环节：传统的手工测试和脚本维护岗位受冲击最大。AI Agent可以根据代码变更自动生成测试用例、执行回归测试、分析失败原因并给出修复建议。2026年已经有不少团队将测试人员与开发人员的配比从1:2调整到了1:5甚至更低。

运维环节：AIOps在2026年已经不是概念了。日志分析、告警聚合、根因定位、自动扩缩容——这些原来需要值班工程师盯着的活，现在大部分被AI运维平台接管了。

下面这张图展示了传统研发流程与AI增强流程的对比：

SVG 内联图 2

对比非常直观：同一条研发流水线，AI增强流程的人力需求缩减了60%到70%，交付周期压缩了一半以上。这就是CFO裁员的底气——不是拍脑袋砍人，而是流程本身变了。

五、研发与测试从业者的生存策略

说完宏观面，聊点实在的。作为还在写代码、做测试的从业者，到底该怎么办？

第一，别和AI拼手速，要拼判断力。AI能写代码，但不知道该写什么代码。需求理解、架构决策、技术选型——这些需要对业务上下文有深度理解的工作，短期内AI做不了。2026年最吃香的工程师不是代码写得最快的，而是最能把模糊需求翻译成明确技术方案的。

第二，学会“驾驭”AI工具，而不是“使用”AI工具。会用Copilot补全代码已经不是加分项了，那是基本功。真正的差异化在于：你能不能用AI Agent编排一整条CI/CD流水线？能不能用MCP（Model Context Protocol）把AI工具串进你的开发工作流？能不能写出好的Prompt让AI生成高质量的测试策略而不只是测试用例？

第三，测试从业者尤其要注意——转型质量工程师。纯手工测试和简单脚本维护的岗位确实在快速萎缩。但“质量”本身的重要性没有下降，反而因为AI生成代码的不确定性在上升。能做AI输出质量评估、能设计AI系统的测试策略、能搭建AI驱动的质量门禁体系——这些是新的稀缺技能。

第四，关注AI基础设施层的机会。裁员的同时，招聘也在发生。看看各大厂2026年的JD，清一色在招：AI平台工程师、MLOps工程师、GPU集群运维、大模型微调工程师。资金从人力预算流向AI基建，意味着AI基建领域的人力需求在逆势增长。

六、写在最后

“利润越涨，裁员越狠”这件事，本质上不是公司变坏了，而是游戏规则变了。

过去二十年，科技公司的核心资产是人——招到最好的工程师，就能做出最好的产品。但2026年的逻辑正在变成：拥有最强AI基础设施的公司，能让更少的人产出更大的价值。人依然重要，但“人”的定义正在从“写代码的人”变成“驾驭AI写代码的人”。

这场资金大迁移不会停下来。据各大厂公开的资本开支计划，2026到2028年全球科技巨头在AI基础设施上的累计投入将超过万亿美元。这笔钱总得从某个地方挤出来。

对从业者来说，与其焦虑“会不会被裁”，不如想清楚一个问题：在资金从工资单流向GPU集群的过程中，你是被替代的那部分成本，还是驾驭这些GPU的那个人？

答案不同，结局就不同。