三個數據,在同一週落地,三者之間根本對不上。
微軟、Alphabet、Amazon、Meta 在 4 月 27 日那一週打完 Q1 財報,2026 年合計 AI 資本支出指引落在 7250 億美元——比 2025 年創紀錄的 4100 億年增 +77%。彭博 4 月 30 日先把數字推上 7000 億門檻;到週日共識落在 7250 億,因為 Meta 全年指引上修到 1250–1450 億,Amazon 到 2000 億,微軟到約 1900 億,Alphabet 到 1800–1900 億。
到週日,裁員追蹤器累計 2026 年至今 95,878 人、249 起事件、每天 864 人。另一家追蹤平台已經過了 11.3 萬。Tom’s Hardware 指出,Q1 受影響職位中有近 50% 是公司明確以「AI / 自動化」為由裁掉的,Q1 總裁員基數大約 8.1 萬人。
第三個數字,把前兩個之間的關係徹底搞亂的那個——2026 年 1 月,光是美國就有 27.5 萬個明確要求 AI 技能的招聘職缺掛在那兒,全球 AI 人才需求/供給比是 3.2 : 1。
Invezz 5 月 4 日把這個問題框成:「大廠 7250 億美元的 AI 燒錢大戲,是不是靠裁員埋單?」 答案是部分肯定,部分比這更有意思——更有意思的那一半,是頭條數字底下那個勞動力市場的錯配。
7250 億在買什麼
四家公司的資本支出堆疊,買的不是 2024 年那一摞東西了。2026 年的支出裡,大約 75% 可識別為「AI 專用」:GPU 叢集、自研晶片(TPU、MTIA、Trainium、Maia)、低延遲網路架構、AI 最佳化的伺服器機架,以及裹著這些機架的資料中心電力系統。
這條線項,正是「人頭成本」最直接被替換的地方。一位全成本 40 萬美元/年的資深平台工程師,在 P&L 影響上,大致等於一顆 H200 GPU 滿載跑一年(含電費)。一刀砍掉 1000 個工程師,大約等於 6000 顆 GPU 跑一年,夠訓一個前沿模型。
這就是 5 月 1 日 Mag-4 那篇 和 Workman 那位 Tesla 前 HR 的 LinkedIn 長文 在算的同一筆帳。CFO 們一般不會說「被裁的人是被 AI 取代了」。他們說的是「AI 資本支出總得有人付,而人力成本是唯一能砍得夠快的那條線」。
5 月 1 日那篇覆蓋的是同一季度 6500 億的同時點裁員巧合。5 月 4 日變成 7250 億,是因為 Meta 和 Amazon 在打完 Q1 之後把數字都上修了。算式只變難了,沒變好。
95,878 人是被怎麼裁的
《華盛頓郵報》5 月 1 日對同一組數據的解讀 說裁員不全是 AI 取代,這話對——大約一半是疫情超招回調、緊縮模式下的成本紀律、或資本支出再分配。5 月 3 日 AOL/CEOWORLD 說這是「AI 漂白」(AI washing) 也部分對——新聞稿裡 AI 的份額被誇大了,因為這樣在投資人面前更好看。
但這兩個框架都沒解釋:到底裁的是誰,招的又是誰。 比起總人數,被裁的人和被招的人的「成分」更要命。
被裁的那一頭,集中在:
- 客服營運。Salesforce 的客服人頭數,Benioff 自己講,從 9000 砍到 5000。
- 資深產品和平台工程。微軟 8750 人買斷方案鎖定的就是「年齡+年資≥70」的資深批次。
- 招募、HR、企業傳播。Meta 8000 裁員中有 35–40% 集中在這三個職能。
- 行銷和內容生產。Disney 1000 人合併行銷組重組,以及 4 月 15 日 Snap 那 1000 人明確點了 AI 名字的裁員。
- 舊版資料庫管理員、地端部署支援工程師。 Oracle 3 萬人主要砍在這裡。
而 27.5 萬個 AI 技能職缺,集中在:
- 機器學習/AI 研究工程師(年薪 30–70 萬美元 base)。
- AI 基礎設施 / GPU 系統工程師(25–50 萬美元)。
- AI 安全和 AI 治理專家(光這一類 職缺發布量年增 +150%)。
- 基礎模型評測、RLHF、後訓練的應用科學家(Meta、Anthropic、OpenAI 在留人獎金上互相加價的就是這批人)。
- 機器人資料 / 具身智慧標註工程師(兩年前這都不是一個獨立的職缺類目)。
這兩批人不是同一批人。一位幹了 22 年 Oracle 地端部署的 DBA,不會因為參加六週訓練營,就能轉去做 RLHF 後訓練。AI 治理職要的工具棧,跟那個被砍掉的招募職,完全不在同一個平面上。微軟 8750 人買斷池,按結構(70 法則)設計就是資深批次,而資深批次的專長正是 「AI 取代什麼」 那一頭,不是 「AI 需要什麼」 那一頭。
這不是技能 「缺口」(gap)。缺口是可以搭橋跨過的。這是一道 技能 「鴻溝」(chasm)。
Q1 生產力數據救不了你
BLS 2026 Q1 非農生產力增速大致符合 2010 年後的趨勢,並不像 AI 大規模取代該有的那種增速。5 月 4 日 AOL/CEOWORLD 的論點就靠這條數據,說 AI 不是這次裁員的原因。
落後是真的。1990 年代「每張辦公桌一台電腦」的取代,直到 1995 年才在 BLS 生產力數據裡顯形,距離它在職場的廣泛採用已經過了 9 年。2026 Q1 這個數字,要讀出 AI 訊號還太早。
沒有落後 的、能在數據裡乾淨顯形的,是 職業組成的位移。2026 Q1 軟體開發員人頭數 年減 -3.5%,而經濟整體在成長。客服代表的人頭數下降得更快。招募和 HR 協調員下降得最快。同時,ML 工程師職缺發布量是 BLS 職業就業統計有史以來錄得的、單一職業最高年增速。
生產力統計把這兩個加在一起、互相抵消。真正在動的是組成位移,勞動力市場實際正在做的,就是這件事。
財務上的問題,以及對不上的那個答案
Invezz 那個標題 「7250 億美元是不是靠裁員埋單?」 提的不是對的問題。對的問題是:這 7250 億,是不是靠 「對的」 那批裁員埋單。
Mag-4 在 2026 年可用於 AI 資本支出的自由現金流,共識估計大約 4000–4500 億美元。資本支出是 7250 億。差額大約 2750–3250 億,透過三條路融資:
- 營業利潤率擴張。 這就是裁員的角色——人力是彈性成本,AI 資本支出是固定成本,CFO 用前者換後者。
- 發行債券。 Q1 微軟、Alphabet、Amazon 都在有利的利差下發了投資級債券。
- 再投資 AI 收入。Anthropic 在 Mag-4 報表內部貢獻 300–400 億美元年化營運率;Azure 的 AI 收入在微軟那頭年化大約 370 億。這些都迴流到資本支出裡。
三者之中,第一條——靠裁員埋單的那一條——產生的政治和勞動力市場外部性最大。這個外部性不是「裁了多少人」這個總量。外部性是:被裁的人和新增 AI 職缺需求,根本不是同一批人,這兩群人之間的鴻溝,正是那部分「在生產力統計裡顯示不出來」的殘餘失業的來源。
這就是 Falk-Tsoukalas 庇古稅的論點 換種語言說一遍:7250 億資本支出流量、95,878 個被取代的工人、27.5 萬個填不上的職缺——給四家公司帶來了私人收益(經營槓桿),卻沒把公共成本(摩擦性失業、再訓練缺口、被取代隊列的「失去的十年」收入)內部化。
未來 30 天,LostJobs 在盯什麼
- 微軟 5 月 7 日的買斷細節揭露。 這是財報後第一筆可讀的數據點:8750 人裡有多少接受了 offer、年資中位數是多少、資遣包結構怎樣、最關鍵的是,接受買斷的人 下一份工作去了哪裡。
- Meta 5 月 20 日的裁員日。 這是經過「AI 漂白」週日財經版週期之後,框架第一次接受真實新聞稿的檢驗。如果 Meta 走出 AI 效率敘事,是一個訊號;如果它繼續靠它,是另一個訊號。
- 2027 財年 H1B 的配額數據。 專門職業 H1B 是美國 AI 研究工程師的主要管道。Q3 配額申請數據夏中下來,如果 Mag-4 占比超過 40%,勞動力市場的解讀就是:美國 AI 技能供給靠的是外部輸入,不是被裁隊列。
- 2026 年秋季大學 CS 學程的招生數。哈佛 77% 雇主對應屆縮招的研究 和 高盛 1.6 萬 Z 世代雇用暫停 都暗示:入門級管道在塌縮,塌縮速度比 AI 技能管道形成的速度快。秋季招生數是「鴻溝會變寬還是穩定」的領先指標。
旱碼尾聲
2026 年 AI 資本支出:7250 億美元,年增 +77%。 2026 年裁員數:95,878,以每天 864 的速度還在漲。 2026 年光美國未填的 AI 技能職缺:27.5 萬,還在漲。
把資本支出均攤到被裁工人頭上,每人 756 萬美元。把空缺職缺均攤到被裁工人頭上,每人有 2.87 個空職可以投。兩個算法都不是真實在發生的事——因為這兩群人根本不是同一批人,空職也不是被裁的人能幹的活。
頭條不是「大廠在裁員埋 AI 單」——這部分《華盛頓郵報》寫對了。頭條是:大廠在裁的是「錯的那批人」來給 AI 埋單,而「對的那批人」目前供給還遠遠不夠;這兩件事之間的鴻溝,目前是美國勞動力市場自 2008 年金融危機以來最大的單一錯配。
這個鴻溝的形狀,我們要等到年底才知道。 但我們現在已經知道了那個問題的形狀。