科技巨头的裁员风暴
最近科技巨头裁人的新闻非常密集。这不是普通的周期性调整，而是一场结构性变革的前奏。
Tokenmaxxing：一场新型内卷
但另一边，科技圈最近还有个新风尚——大厂慷慨发Token，比拼谁烧Token烧得狠。
"未来顶尖工程师的薪酬里，还会再加上相当于年薪一半价值的Token，这样他们的产出就能够被放大10倍。"
—— 英伟达CEO黄仁勋在GTC大会
简单理解就是给员工发算力使用额度。国内大厂立即跟随，腾讯、阿里都在给员工发自家平台的Token，鼓励员工多用AI工具。
在硅谷的Tokenmaxxing风尚里，大厂员工都在拼命证明自己有多努力烧Token搞AI，证明自己不是被AI淘汰的那个人：
- OpenAI一名员工一周消耗了2100亿个tokens，全司之最，足以把整个维基百科填满33遍
- Anthropic一位Claude Code用户一个月就产生超15万美元的账单
- Meta、OpenAI这些科技公司内部都有排行榜，显示员工们消耗多少Token，有些大厂还会纳入绩效考核，不使用的要被惩罚
裁员的新逻辑
以前裁员的逻辑是：公司亏钱撑不住，减人降本。但这一轮不是。
这一轮是利润和裁员同时创新高。不是公司活不下去，只是公司不想要你了。新的生产方式底下，这些人全部成为了负担。
比如国内裁前端：以前移动互联网跑马圈地，天天要开发新应用、新页面。现在流量到了瓶颈，需求断崖式下跌，再来一个AI代码生成工具，直接把前端开发的门槛极大拉低。
包括通用产品运营、中台这些中间层的岗位都在快速萎缩。在不久的将来，这些岗位就永久消失了。
AI产业链的商业逻辑
大厂原本付给成千上万名普通工程师的人力成本，现在就被置换为下一个AI时代更有价值的GPU、算力集群、数据中心。
靠这些算力去锁住他们最需要的顶尖AI工程师人才，投资这些聪明大脑的生产力。
给员工发Token，边际成本极低。反正GPU已经买了，机房已经建了，多跑几个请求能多多少钱？
更关键的是，这笔支出回报可能更丰厚——员工的使用行为本身就是训练数据。员工用Token做内部开发，等于免费做了模型的压力测试和数据收集。
员工不知道自己在训练下一个时刻准备替代自己的大模型吗？也知道的。只是没有人能和趋势做对抗。
就像黄仁勋敢大声说"给工程师发Token"，因为发出去的每一个Token，最终都要回到英伟达这里来买他的GPU。所以他说英伟达是"AI工厂"。
但大厂们敢不跟吗？对手跟了怎么办？
产业链的残酷真相
AI产业链现在的商业逻辑，比两年前更清晰一些了：
只是训练和推理成本极高，竞争激烈。OpenAI到现在还在亏损。应用层就更难：上面被模型卡脖子，下面被用户压价。今天是差异化，明天可能就标配了。
所以整个产业链里面，算力才是硬通货，才是最昂贵、最中心化的生产资料。
大厂发Token，也是想告诉工程师们：我在给你发下一个时代的门票和弹药。你有海量的Token，你就有资本去跑自己的实验，训练自己的微调模型，甚至在业余时间孵化下一个超级应用。
很明显这不是工程师可以单打独斗就能拥有的。不是过去程序员靠一台电脑就能写出改变世界的代码那个时代了。
未来相对安全的三种岗位
现在相对安全的位置，其实也不是最会用AI的人。毕竟今天你比同事多会用Cursor是优势，能做得更快、赚得更多。但是到明年这可能只是入门要求。
工具的掌握，很难作为长期护城河不可替代的。未来可能有三种：
身体在场型
比如家政、护理、装修这些工作，机器人短期内无法普及。物理世界的复杂性和不确定性，是AI短期内难以攻克的堡垒。
关系信任型
和个人隐私长期相关的医生、律师、财税规划、心理咨询、保姆。AI在这方面只能是辅助给建议，无法替代人与人之间的信任纽带。
责任判断型
需要判断力和责任的关键岗位。毕竟需要最终决策人，要背锅的时候也能找到人。AI无法承担法律责任和道德责任。
结语：重新定义价值
所以当算力开始替代人力，大多数人真正要面对的，是一次更底层的重新思考：
在这种新生产关系里，自己的价值还能怎么重新定义？
这个问题，或许比裁员本身更值得深思。