商学院观察

韩践、郭景豪 / 文

2025 年，从科技巨头到传统制造业，从金融行业到消费品领域，一场规模空前的裁员潮正在全球蔓延。这股裁员潮究竟是被 AI" 抢走了饭碗 "，还是全球经济放缓和调整的结果？当亚马逊、微软、UPS、雀巢、Verizon 等跨国巨头相继传出裁员消息，背后的真正推手是什么？

美国无疑是 2025 年裁员浪潮最为集中的地区。Challenger 数据显示，2025 年 10 月，美国企业宣布裁员 153074 人，为 20 多年来 " 最糟糕的十月 " 之一；截至 2025 年 11 月底，全年累计裁员约 117 万人，达到 2020 年新冠疫情以来的最高年度水平。

但综合其经济数据来看，这波裁员并非源于经济恶化，而是由多种因素引发，如高利率带来的成本与盈利压力、劳动力市场化程度高、劳动保护相对薄弱，以及企业在数字化与 AI 转型中的战略性重组需求。

Salesforce、亚马逊、IBM 等公司都直接提及 "AI 取代部分岗位 "。Challenger 数据也显示，年度裁员中约 5.4 — 5.5 万人的裁员被企业在公告中明确标注为由 AI/ 自动化驱动，涉及客服、后台文员、人力资源支持与部分技术岗位。从整体占比看，因 AI 裁员仅占美国年度裁员规模的约 4% — 5%。这表明，尽管 AI 确实正在改变企业的人力结构，但推动美国裁员大潮的核心因素仍是经济放缓、成本压力上升与企业战略性重组。

在欧洲，许多公司宣布裁员或冻结招聘，相关企业公告中给出的理由多为成本控制、利润压力、业务重组与数字化提效。汽车与制造业承受的压力尤为明显，大陆集团、博世和戴姆勒卡车等汽车和制造企业相继缩减岗位，保险、光伏、银行和服务业的企业也都在通过裁员与重组来应对增长放缓、竞争压力和盈利下滑。

相比美欧，中国并未形成以 "AI 因素 " 作为明确统计口径的全国裁员数据。整体而言，中国 2025 年的裁员与就业压力主要源于宏观与结构性调整。国家统计局数据显示，截至 2025 年 11 月，16 — 24 岁（不含在校生）失业率为 16.9%，虽较 10 月的 17.3% 略有下降，但仍处于高位；25 — 29 岁失业率为 7.2%，显示青年就业压力持续存在。房地产进入长期调整期、互联网和科技行业增长放缓、制造业外迁以及消费需求走弱，共同构成了当前就业压力的基础背景。

同时，中国企业的裁员也与企业业务重组和技术升级密切相关。

以阿里巴巴为例，其员工规模在 2022 年达到高点后持续回落，这一变化并非单一裁员所致，主要源于资产剥离与战略聚焦。其中，阿里巴巴逐步退出高鑫零售等业务板块，相关业务本身拥有数万名员工，员工规模随之出表；与此同时，集团收缩非核心投入、推进技术与组织效率提升，也带来了内部岗位调整。百度在 2025 年对部分非核心业务和支持性部门进行人员优化，裁员比例约为 20% — 30%，重点集中在与主业关联度较低的板块。

在光伏行业，结构性收缩更为集中。隆基绿能、通威股份、天合光能、晶科能源、晶澳太阳能等头部企业，在 2024 年底至 2025 年行业下行周期中，因产能严重过剩和价格大幅下跌，累计缩减员工规模约 8 万至 9 万人，涉及一线制造工人、工程技术人员和部分研发岗位，整体减员比例约三成。

总体来看，中国企业的裁员更多由经济增速放缓、行业周期下行以及企业自身结构调整所主导。AI 与数字化主要作为提效和重组的工具，而非推动裁员的核心要素。

综合欧洲、美国和中国的相关数据可以看出，2025 年的裁员潮并非由单一因素驱动，而是经济周期压力、企业战略调整与 AI 技术进展共同作用的结果。

AI 确实正在重塑岗位结构，并逐渐成为一项相对独立且日益重要的裁员动因，尤其体现在客服、后台支持以及部分软件测试等白领和支持性岗位上。

但从裁员的规模和占比来看，需求疲软、高利率环境、战略再聚焦和业务重组仍是更普遍、更具决定性的动因。

换言之，AI 正在改变企业的用工方式，却未必是这一轮裁员潮的真正 " 主角 "。同时，AI 在企业决策中的角色也呈现出多重性：它既是推动生产力变革的重要力量，也在一定程度上被企业用作结构性调整的叙事框架。

面向未来，大规模裁员是否会持续，AI 又将如何改变企业用工结构？从历史经验看，宏观经济和行业周期决定裁员是否集中发生，而技术进步则更多决定 " 裁哪些岗位、如何裁 "。

相关学术研究通常并不直接统计企业 " 裁了多少人 "，而是关注技术使用的强度，例如一个地区部署了多少工业机器人，或企业在信息技术（ICT）上的投入水平，并据此分析这些变化对整体就业规模和工资水平的影响。

以 Acemoglu 和 Restrepo 对美国的研究为例，他们发现，机器人应用越广泛的地区，就业人数和平均工资往往越低。与此同时，德国等国家的研究也表明，技术虽然会替代一部分岗位，但同时也会催生或转化出新的岗位。技术对就业的影响，最终取决于当地产业结构是否足够多元、企业适应转型的能力以及劳动者的能力提升和匹配情况。

从长期来看，技术进步并不必然导致持续性的 " 大规模裁员 "，但会加速岗位的重新分配，并对特定岗位、地区和技能群体形成更集中的冲击。

企业引入自动化、云计算或共享服务中心后，往往可以用更少的人完成同样的工作，因此人员调整多以 " 业务重组 "" 效率提升 " 的形式出现。

OECD 的企业案例研究显示，AI 落地后，更常见的是岗位结构和工作内容的变化，而非立即出现大规模净裁撤。重复性、可被标准化的岗位受到的冲击最大，这类岗位在裁员后再就业和收入恢复更为困难。同时，重组后的组织对新技能的需求会更加明显。

总体而言，大规模裁员是否发生主要由经济环境决定，技术更多塑造的是岗位结构变化，其长期影响表现为不同职业、技能和地区之间的差距扩大，而非整体失业率的持续上升。

结合当前全球裁员浪潮的实际情况，可以看出 AI 对用工的影响正从理论走向现实。

近期大量裁员公告表明，被裁撤的人员从事的多是重复性、规则清晰、信息处理密集的工作，例如客服支持、基础内容编辑、标准化报告撰写、数据录入整理，以及一些传统测试、维护性编码和流水线式开发岗位。

AI 在这些领域展现出效率、成本、稳定性与规模化的综合优势。这类岗位由于流程标准、判断边界清晰，一旦 AI 和自动化工具成熟，就容易被替代或重塑。

当然，目前大谈 "AI 取代人 " 还为时过早。AI 更可能重构组织和分工，例如全职与外包角色的分配、前台与中台的职责梳理，以及整体的组织结构。

Klarna 也许是个有代表性的案例。这家瑞典金融科技公司与 OpenAI 合作开发的 AI 助手在第一个月内就处理了 230 万次客户对话，接管了约三分之二的互动。随着自动化程度的提高，Klarna 在 2024 年裁减了约 700 个支持岗位，但在 2025 年下半年，又重新招聘部分人员，以处理复杂和高价值的工作项目，最终形成一种混合工作模式：AI 处理常规任务，人类负责细致的判断和客户信任。

另一方面，AI 又创造了新的人才需求。由美国思科公司（Cisco）牵头发起的 AI Workforce Consortium 发布的 2025 年报告中指出，与 AI 相关的招聘信息同比增长了约 78%，而人才库却仅增长了约 24%，这正说明了转型过程中新型人才结构性短缺。

未来职场竞争的核心不再是 " 懂不懂 AI"，而是 " 能否把 AI 变成自己的劳动生产率 "。越来越多的岗位，包括市场、公关、项目管理、运营甚至高管助理岗位，都在招聘时明确提出 " 会用 AI 工具 "" 能够用 AI 重设计流程 "" 具备跨技术与业务沟通能力 " 等要求。

在咨询和 IT 服务行业，Accenture 一边推进重组裁员，一边披露 AI 相关订单规模已达数十亿美元，并提出通过系统化再培训，将 77 万名员工塑造成 " 再创造者（Reinventors）"。安永、毕马威和淡马锡等机构在 2025 年的报告也指出，如果企业只买 AI、却不重构人才结构与技能体系，那么其最多只能释放 40% — 60% 的潜在生产力。

换句话说，真正的竞争不再是 " 谁拥有 AI 技术 "，而是 " 谁拥有能把 AI 转化为组织能力的人 "。

当重复性工作一旦被剥离，留下来的人需要具备什么能力？换言之，在 AI 时代，人的不可替代性究竟在哪里？

麦肯锡、BCG 和普华永道（PwC）等机构的全球调研共识是：未来最稳定的竞争力不再来源于单一具体工具，而是 " 能持续学习和适应新工具 + 深刻理解业务 + 强协作与问题解决能力 " 的元能力组合。

在 AI 采用加速和经济压力加剧的背景下，这些元技能不仅帮助个人抵御工作重新设计的影响，还支撑着企业 AI 投资的回报和真正生产力的释放。

AI 时代，主导职场的将是跨界与智力密集型能力组合型人才。

其一是具备硬核技术能力的 AI 专业人才，包括机器学习、数据工程、MLOps、云计算与算力基础设施、AI 安全与治理等方向。这些人才的需求将成为企业竞争格局中的战略稀缺资源。

其二是贴近业务与客户的高价值 " 人本角色 "，他们不一定是编程专家，但懂业务、懂客户、懂流程，能够把 AI 嵌入真实工作流、推动流程再设计、提升服务体验并引导组织变革，是连接技术能力与商业价值的关键环节。

来自职业平台的数据显示，约 45% 的高管职位招聘中已经出现了 AI 技能的要求，并迅速扩展到财务、运营、设计、销售和其他非技术型岗位，这表明 AI 技能正在成为跨职能岗位的核心能力。

此外，随着 AI 在更多领域落地，软技能与高级认知能力变得更加重要。沟通、协调、领导变革、跨部门协作等人际能力，是 AI 难以替代的，同时也是企业在结构重组中保持竞争力的关键人才标准。此外，理解 AI 模型的潜在偏差、伦理与合规风险、具备治理视角的岗位需求也在上升。

在企业层面，AI 不仅是一项技术工具，更是一项 " 资本工程 "。真正要把 AI 从概念变成生产力，企业必须投入巨额资金建设数字基础设施、算力平台与数据能力，包括云计算、数据治理平台、私有化大模型部署、MLOps 系统以及安全与合规框架，这些都是长周期、重资本的大型工程。

为了在财务结构上腾挪空间，企业往往需要在用工端做出调整，通过减少部分人力成本，为算力与数字能力建设提供资金来源。

Statista 的数据显示，仅在 2025 年，Meta、Alphabet、亚马逊和微软预计将花费约 3500 亿至 4000 亿美元的资本支出，其中大部分用于 AI 驱动的数据中心、计算资源和基础设施。字节跳动计划在 2025 — 2026 年投资约 1600 亿元人民币（约 230 亿美元），其中约一半用于英伟达 H200 等先进 AI 芯片和计算基础设施。

IDC 预测，到 2028 年，全球 AI 基础设施支出将超过 2000 亿美元，而全球云基础设施支出在 2025 年第三季度达到 1026 亿美元，同比增长 25%。

这并不是简单的 " 机器替代人 "，而是一种更复杂的资源重构：企业在重新组织资本的同时，也将重新组织人力——挤压中间层、分解工作流、将更多活动推向平台和外包。能够妥善规划和管理这个重组过程的骨干，将是企业不可或缺的关键人才。

在转型与 AI 加速落地的背景下，企业究竟应该大规模裁员再招人，还是持续投入员工技能再培训？这个问题并没有简单的答案。

大样本研究与统计报告给出的答案是：裁员往往在短期内见效更快，能迅速降低成本、改善财务报表，但资本市场的反应并不稳定，企业品牌声誉和员工信心也会受到负面影响。

相比之下，大规模再培训和内部人才流动的短期成本更高、见效更慢，但更有利于企业中长期的生产率提升，以及企业和员工对技术变革的适应能力。

组织研究和历史经验反复验证，持续投资员工技能的企业，在创新能力、雇主品牌和长期竞争力方面表现更稳健，这也许是得益于组织内部特殊经验的留存和员工对于企业的信任。

领先企业很少只靠 " 减人 " 应对变革，而是通过 " 换能力、重组织 "，化解短期压力，提升组织长期增长的动力。

尽管 IBM、AT&T、西门子、埃森哲、亚马逊和微软等公司在不同阶段都进行过裁员，但它们的共同点并不仅是 " 减人 "，而是长期、大规模投入员工的技能升级。

AT&T 曾投资 10 亿美元为 10 万余名员工提供再培训。亚马逊推出 "2025 技能提升计划 "，帮助员工转向更高价值岗位。IBM 将培训重点从传统 IT 转向云计算和 AI。西门子与埃森哲也在提效的同时，持续建设系统化的学习与再技能基础设施。

越来越多的企业实践表明，如果领导者只是把 AI 当作压缩成本的手段，带来的往往只是裁员数字的变化，而非生产率和创新能力的实质提升。企业的梯队培养规划需要把技术理解、组织变革与人才战略深度融合，才能培养让企业创造长期价值的领导者。

提到具体的技能升级，下一代领导者必须具备流程重设计与组织重构的能力。

BCG 的研究指出，若只是将 AI 简单叠加到原有流程中，企业只能获得零散收益；只有重塑流程，让 " 人 " 和 " 模型 " 各司其职，才能真正释放生产力潜力。同时，BCG 强调，管理教育与培训还应更加重视心理安全、学习型组织和伦理治理。PwC 的研究显示，允许试错、提供学习支持、避免以恐惧驱动变革，是实现 AI 可持续落地的关键。

还有一个关键点是，AI 时代需要重新理解 " 人效 "。如果所谓 " 人效提升 " 只是为了裁掉几个人，其价值十分有限。

真正成熟的人效管理，不是 " 淘汰 "，而是 " 释放 " ——通过流程优化、技能升级和技术赋能，把被效率释放出来的人投入到更高价值的创新和增长活动中。

管理学中的精益理念和动态能力理论都表明，高绩效企业并非依靠持续减少劳动力取得成功，而是通过不断重组技能结构，将人才配置到更具价值的岗位。

因此，对裁员的讨论不应仅仅关注新闻头条，而应放在人才战略和组织进化周期中理解：单纯依赖裁员提效，往往会削弱长期竞争力。领先企业很少选择 " 只削减、不建设 " 的路径，而是在减少低价值岗位的同时，持续培育高价值能力。