Coinbase 最近宣布了一轮大规模裁员，理由是"拥抱 AI"。这并非孤例——从杰克·多西裁掉 Square 40% 员工开始，硅谷正在经历一波以 AI 为名义的人事地震。
一位身处风暴中心的技术管理者写下了这篇内部视角的观察。他所在的公司正拟定一份 8000 人的裁员名单，而他本人有 10% 的概率在名单上。5 月 20 日，他将知道答案。
备受吹捧的"AI 生产力"与难以捉摸的证据
AI 真的让我们更高效了吗？这个问题在科技公司内部引发了激烈争论。
不可否认的事实是：AI 使用量正在火箭式飙升。即便是最保守的公司，员工也在偷偷用 Gemini 或 Copilot 编辑文档。而那些积极拥抱 AI 的企业——比如 Uber 和 Shopify——AI 用量更是陷入疯狂：90% 到 100% 的代码由 AI 生成，每周代码审查数量暴增 2 到 5 倍，上亿美元的年度 AI 预算在几个月内消耗殆尽。
然而，质疑者会问一个直击灵魂的问题：既然如此，为什么这些公司的收入没有实现 2 到 5 倍增长？
如果 AI 真的那么高产，终端用户为什么毫无察觉？多写了 5 倍代码，App 看起来却和半年前一模一样——这些代码到底有什么意义？
投入、产出与成果
要理解这个悖论，需要回到商业本质。
资深 CEO 和咨询顾问都会强调三个词：投入（Input）、产出（Output）、成果（Outcome）。
- 代码，仅仅是投入
- 功能，才是产出
- 用户心甘情愿掏钱，才是成果
AI 产品（如 Claude 企业版）本质上是 B2B SaaS。如果一个产品能直接改变"成果"，它的定价模式通常是从"成果"中抽成。想象一下："我们的工具让您促成销售线索的速度提升 36%，只需支付销售额 5% 的服务费。"
但 Claude 的 Token 计费模式完全不是这样。如果工程师每天生成 1 亿个 Token，公司就要为每个工程师每天掏 100 美元——无论这些代码是否跑通、是否引发故障、是否只是给内部工具换了个皮。
因为代码只是"投入"。当你在一夜之间把投入放大了 5 倍，这条"投入→产出→成果"的传导链条就不一定成立了。新增的投入可能完全偏离预期的产出和成果。
到底是什么在阻碍我们？
过去，当 CEO 或产品经理想做 10 件事时，开发团队总说只能搞定最重要的 2 件，剩下 8 件没时间做。理由是：写代码不是过家家，开发复杂软件需要大量时间。
现在代码几乎是免费的了。为什么还是没做那剩下的 8 件事？
答案有两个：
第一，那 8 个想法可能根本就不靠谱。
CEO 脑海里的 10 个念头，不代表都能转化为业务成果。以前开发资源有限，这种"摩擦力"逼迫团队激烈争论，在糟糕想法消耗过多资源之前毙掉它们。现在写代码又快又便宜，争论显得毫无意义——CEO 或产品经理转身就能自己向 Claude 提需求。
第二，让所有人"对齐"太痛苦了。
首先要让所有利益相关者对"为什么"达成共识；接着讨论"做什么"；最后拉扯"怎么做"。团队越多，卡在"对齐地狱"里的项目就越多。
以前写代码慢，这个问题被掩盖了。现在"做什么"一旦拍板，立刻就有人通宵搞出 MVP，第二天发现另一个团队也偷偷搞了个 MVP，而且逻辑完全相反。
手握无限 Claude Token 的团队，才懒得坐下来慢慢磨。你会毫不犹豫地让 Claude 按照你的方式重新实现一遍——而 Claude 只会乖巧地回一句："您说得太对了！"
裁员到底能解决什么问题？
如果 AI 并没有一对一替换掉 30% 的员工（它在某些任务上比初级白领强，在另一些任务上又不如人类），裁员的逻辑在哪？
作者认为，裁员能立竿见影地解决两个短期问题：
1. 抵消"AI 支出"
这是最基础的现金流算术。如果工程师每天在 Claude 上挥霍 100 美元（每月 2500 美元，每年 3 万美元），这笔钱在印度抵得上一个软件工程师的全部薪水，在欧洲能抵半个，在美国也能抵四分之一个。
如果做一个简单粗暴的计算：假设所有员工都是软件工程师，为了维持现有工资支出总额（包括购买 Token 的花销），必须裁掉 50%（印度）、33%（欧洲）或 20%（美国）的员工。
AI 使用量正在无视一切地疯狂增长，而公司收入却没有相应增长。如果不裁员，资产负债表就会崩溃。
2. 削减"对齐税"
任何大公司的体量，都远远超出了单纯为了"生存"所需的规模。大型组织注定会堆积"组织脂肪"——这是组织架构设计的必然结果。
在很多大厂，你甚至可以安心休半年产假，负责的项目依旧安然无恙。这说明：裁掉一部分人，公司绝不会立刻瘫痪。
相反，在经历了最初几周的阵痛后，运转速度甚至会变快。还记得前面提到的那两个僵持不下的团队吗？很简单，裁掉其中一个，让留下的团队熬几个通宵把活干完——他们就再也不用和任何人"对齐"了。
大企业不可避免地会积累"组织债务"，就像积累技术债务一样。今天裁掉 10%，也无法阻止两年后老毛病复发。但当你看到所有人吹嘘自己多提交了 5 倍代码，却因为被其他团队卡脖子而迟迟无法上线时，最直接粗暴的解药就是：裁掉一些人，这样就没人互相卡脖子了。
这就是 AI 裁员，哪怕 AI 并没有直接取代你的位子
你的工号被虚拟机上运行的一个 Claude 实例取代了吗？并非如此。
但公司里是不是有许多曾经需要你在 VS Code、Figma、Canva 或 Google Docs 里敲敲键盘、点点鼠标才能完成的工作流程，如今变成了别人直接冲着大语言模型吼一嗓子写个提示词，再也懒得来找你帮忙了？这也是不争的事实。
这些裁员到底算不算"AI 洗白"（企业借着拥抱 AI 的名义掩盖其他商业失败）？某种程度上说得通。
但如果你把所有 CEO 的裁员邮件收集起来，会发现它们如出一辙："AI 原生小组"、"写代码的管理者"、"增加管理跨度"、"扁平化架构"、"管理 AI 智能体团队"……简直像是给 GPT 喂了同一段提示词。
但真相是，即使这些裁员夹杂着"AI 洗白"的成分，它们归根结底依然是因为 AI 引起的。而且，这场裁员潮将一直持续，直到我们真正学会如何使用 AI。
直到我们学会如何将海量的 AI Token 转化为实打实的商业成果，而不仅仅是代码投入；直到我们学会让组织间的"对齐"速度跟上全新世代的编码速度；直到我们弄明白，在原本那 2 个好点子和 8 个馊主意之外，如何利用多出来的生产力去追逐另外 10 个充满潜力的新想法。
在真正搞清楚 AI 究竟如何推动全球 GDP 增长之前，为了填补那高达 700 亿美元（OpenAI 与 Anthropic 企业级营收总和）的年度 Token 开销，企业只能通过削减员工薪水来"拆东墙补西墙"。
而在学会如何更高效地疏通团队间互相卡脖子的现象之前，解决问题的办法永远只有一个——直接把我们从组织架构图上抹掉。