AI教母剛說“沒人被替代”，然后甲骨文裁了2.1萬人 | 硬核觀察

一刻 talks | 硬核觀察室

同一周，三條消息砸在桌面上——每一條單獨看都夠寫一篇文章，但放在一起，它們講的是同一件事。

第一條，李飛飛在播客里說：“工業革命并沒有自動化勞動，它讓勞動更高效，擴大了勞動的規模，也確實改變了勞動力市場，但它沒有自動化勞動。”

她說AI也不會。

第二條，甲骨文向SEC提交年報：過去12個月裁員21,000人，占全球員工的13%。CEO明確說AI是原因。

遣散費花了18.4億美元——折合人民幣125億。同一周，數據追蹤網站Layoffs.fyi顯示2026年已有196家科技公司宣布裁員，超過11萬人受影響。

第三條，2026年春招數據出爐：AI相關崗位占新經濟招聘總量的26%，同比暴漲14倍。

AI科學家年薪150到300萬，7家公司搶1個高性能計算工程師。

看起來自相矛盾，她說沒人在被替代，現實是甲骨文用AI替掉了2.1萬人，但全中國的HR又在為AI崗位搶破了頭。

但如果你把李飛飛的訪談聽完，聽到杠鈴模型、聽到三種陷阱、聽到增強邏輯，你會發現這三件事不是矛盾，這是同一張地圖的三個圖層。

三個數字，三張面孔，一個趨勢

先不急著上結論。把三組數字擺在一起看。

裁的那一面：

甲骨文：裁2.1萬人（13%），在營收增長6%的年份，省下的錢砸進了AI數據中心。

埃森哲：半年內裁2.2萬人（8%），全球最大的IT咨詢公司，客戶最多的時候，人不需要那么多了。

IBM、Salesforce、Meta、微軟、Atlassian、SAP……名單還在變長，196家公司，11萬+人。

共同特征：都在賺錢，都在用AI砍人。

搶的那一面：

AI崗位月薪6萬，供需比0.97——職位比人多。AI訓練師、提示詞工程師、AI應用落地工程師，零基礎可以上崗。

“會用AI”已經從簡歷上的加分項變成了最基本的篩選條件。不會用AI工具，簡歷不會被打開——不是HR在篩你，是算法已經把你濾掉了。

中間那條線：

傳統開發崗、初級測試崗、基礎運營崗——供需比接近2:1，人比職位多一倍。

這三組數字不是三個不同的故事，它們是同一個故事。一個正在同時往上拉和往下拽的就業市場。有人在扶梯往上走的那一截，有人站在往下走的那一截。

關鍵不在于你在第幾層，關鍵是你站在哪一截。

李飛飛的杠鈴，完美解釋了這一切

李飛飛在訪談里同意了一個判斷，來自MasterClass創始人羅吉爾。他說未來職場的結構是一個杠鈴。

杠鈴左端：前1%的頂尖專家。

AI科學家憑什么拿150萬年薪？不是因為他比你會寫代碼，是因為他十年前就開始寫這行代碼了。

AI幫他們篩掉90%的重復工作，把精力集中在最需要人類判斷力的那10%。甲骨文裁掉了2.1萬傳統運維，但同一張報表里，它在大量招聘AI云架構師和機器學習工程師，這不是巧合——裁和招，是同一筆賬的兩面。

杠鈴右端：高主動性的通才。

AI訓練師零基礎可以上崗，提示詞工程師不需要碩士學歷，這些崗位的共同特征不是技術門檻低，是“先動手”。

他們不是被安排去學AI的——是自己上手試出來的，自己造工具，自己定義工作流。

李飛飛補了一句關鍵的：“創業者”這個詞，在很大程度上就是“主動性”的同義詞。

中間層在消失——而且消失的速度比漲出來的新崗位快。

甲骨文裁掉的2.1萬人，不是“沒技能”的人。是數據庫管理員、ERP實施顧問、基礎技術支持。

他們的工作被寫成了SOP——部署、配置、巡檢、打補丁、做升級，每一步都有操作手冊。

AI最擅長吃的，就是有SOP的東西。

埃森哲裁掉的2.2萬人，是初級咨詢顧問和手動測試工程師，他們的日常工作——整理需求文檔、做競品分析、跑回歸測試——AI半天做完，加一個高級顧問審閱。

不是“低級”，是“可以被標準化”。這兩個詞之間的區別，就是你未來十年還在不在這張杠鈴上的區別。

三種陷阱，全中了

李飛飛在訪談里拆了三種“自動化思維”的慣性。每一刀，都能在現實里找到對號入座的公司。

第一種：把AI當人頭替代器。

甲骨文就是標本。裁2.1萬人，省下的錢去買GPU，這是一個ROI問題，不是道德問題。

但同一個工具，同一個事實，取決于部署它的人怎么理解。你可以裁兩個人，也可以把兩個人的時間釋放出來做更難的事。

區別不在工具上——在人的假設上：

你是覺得人貴了，還是覺得人還可以做更貴的事？

第二種：把“上工具了”當“做對了”。

“會用AI”從加分項變成基本篩選條件——這不是好消息，它意味著門檻在降，不是你的天花板在升。

全公司都會寫prompt的那天，你的prompt不會讓你比別人貴。羅吉爾在訪談里演示了真正的高手是怎么做的：他自己用AI建了他的CEO工具棧，他不是在秀技術——他是演示了一個區別：

AI時代優秀的人，不是“更會執行任務的人”，是“更會設計工作系統的人”。

第三種：以為“全面部署AI”是一個技術指令。

發通知說“公司要全面部署AI”——員工聽到的是“要砍人了”。坐下來跟他說“來看看你能用AI做什么以前做不了的事”——員工聽到的是“可以變得更強”。

同一個工具，同一個預算，同一個人。前提不同，結果完全不同。2026年上半年，AI安全與倫理工程師的招聘量同比暴漲150%，增速超過任何其他技術崗。

這不是諷刺——這是剎車。造船的人已經在造救生艇了。

增強：不是一廂情愿，是科學判斷

有人會問：萬一技術再往前走，人類的判斷力、創造力、情感智能全都被自動化了呢？

李飛飛給了一個進化論層面的回答，進化花了超過5億年才讓空間智能成熟起來，語言智能花的時間比這短得多。

今天AI真正能加速的，是語言層面的任務——寫報告、查資料、寫代碼。它讓人有更多時間去判斷、創造、共情、在模糊地帶做決策、在各種信號矛盾的時候盯住最重要的那一個。

增強不是一種愿望，不是一種價值觀選擇。它是技術發展現階段的一個科學判斷：人還有大把AI追不上的東西，問題是——你有嗎？

甲骨文裁了21,000個可以被SOP化的人

但同一周，它在招的人，全是沒有SOP可以照著做的

你自己的位置

你不該問“我的崗位安全嗎”？這個問題問錯了。

你該問的是：我的日常工作里，有多少比例已經被寫成了別人看得懂的SOP？

如果你的早上是打開三個系統→拉數據→按模板填表→發給五個人，你不需要等HR通知你，你已經在靶子上了。

但如果你每天的工作里有相當一部分是“這個客戶到底在擔心什么”“這個方案為什么上次行這次不行”“這段對話里哪句話是關鍵信號”。

這部分，AI吃不動。不是不夠聰明，是因為這些判斷需要的不是計算力，是你作為一個人的全部生活經驗壓縮成的直覺。

李飛飛在訪談最后說了一句話：

“我們教孩子們怎么用火、用刀，再到用互聯網。現在，作為一個物種，一個社會，我們必須學會怎么用AI這件事。”

關鍵詞不是“學會”，是“我們”。

甲骨文裁的不是人，是崗位說明書。你的崗位說明書如果AI可以照著執行——不是你在被替代，是那本說明書該重寫了。

關注「一刻talks」

我們不幫你寫簡歷，我們幫你看清楚

你的簡歷上哪一行，AI已經會寫了