最近一轮科技行业裁员潮，很容易让人产生一种直觉：AI 正在加速取代人类劳动力。
比如，Meta 上周在内部备忘录中宣布，将裁掉约 10% 员工（约 8000 人），同时取消 6000 个尚未填补的招聘岗位。官方给出的理由是：提升运营效率，并为其他重点投资（很大程度上就是 AI）腾出预算空间。另一边，微软也推出了史上最大规模的员工“自愿买断”计划，数千人被鼓励“拿钱走人”。
看起来，一切都在指向一个结论：AI 正在替代人类工作——但事情，没那么简单。
“算力成本远超人工”，来自一线高管的真实反馈
近日，来自英伟达的应用深度学习副总裁Bryan Catanzaro 直言：“对我的团队来说，算力成本远远高于员工成本。”
这句话，其实揭示了一个被忽视的关键问题：AI 的主要开销，并不是“人”，而是“算力”。也就是说，你用 AI 省下来的工资，很可能还不够付 GPU 和电费。
如果你觉得这只是个例，那学术研究给出了更系统的答案。MIT 在 2024 年对“AI 替代人类的经济可行性”做过一次量化分析，结果相当直接——大多数工作，用 AI 反而更烧钱：
● 仅有 23% 的视觉类岗位，AI 自动化是经济上可行的
● 在剩余 77% 的场景中，人类更便宜
除了成本问题，目前AI 的可靠性也存在明显短板，各种 Agent “暴走删库”的案例不断发生。所以，很多企业的真实情况是：不是“用 AI 替代人”，而是“用 AI + 人一起干活”。而这，显然进一步推高了成本。
企业自己也有些“顶不住”了
于是，矛盾就在这里出现了：AI 并没有明显降低成本，但科技公司还在疯狂加码 AI 投入。
根据 Morgan Stanley 调研数据，2026 年至今，全球科技公司 AI 资本支出已达 7400 亿美元。相比 2025 年暴涨了 69%。
与此同时，裁员却在同步发生。Layoffs.fyi 数据显示，2026 年至今科技行业裁员超过 9.2 万人，涉及近 100 家公司，已明显超过去年同期节奏（2025 全年约 12 万人） 。
表面来看，裁员是因为“AI 取代了人类”，但底层逻辑更像是：为了给 AI 腾预算才裁员。甚至，这种狂投 AI 的“烧钱速度”，连企业自己都有些顶不住了。
Uber CTO Praveen Neppalli Naga 就公开表示：“我需要重新做预算，因为原本预估的成本已经被彻底打爆了。”——原因之一，是 Uber 正在转向 Claude Code 等 AI 编程工具。
本质问题：AI 经济模型正在“失衡”
对此，来自瑞士 AI 研究机构的学者 Keith Lee 给出了一个更本质的解释：
当前的 AI 产业，正处在一种“短期错配”中。
至于为什么会错配，核心原因有三个：
（1）硬件 + 能源成本太高
AI 的成本，主要由三部分构成：GPU/芯片、数据中心和电力消耗。根据 McKinsey & Company 预测：到 2030 年，AI 总支出可能达到 5.2 万亿美元，其中数据中心支出 1.6 万亿，IT 设备支出 3.3 万亿。
（2）定价模式不合理
目前很多 AI 产品采用“订阅制”，但有一个明显漏洞：轻度用户在补贴重度用户，而重度用户的消耗成本远超订阅费用。结果，反而是公司在“亏钱提供服务”。
（3）软件价格还在上涨
支出管理公司 Tropic 指出：过去一年 AI 软件价格上涨了 20%~37%。
不过，虽然现阶段 AI 成本失衡，但行业普遍认为：拐点一定会来。不少人指出，有几个关键变量正在发生变化。
首先是推理成本暴跌，Gartner 预测未来 4 年万亿参数大模型的推理成本将下降 90%+，这将直接改变 AI 的成本结构。其次是基础设施逐步成熟，包括更高效的数据中心、更强的芯片供给和更优化的模型结构。再就是定价模式的转变，未来很可能从“固定订阅”转向“按调用量/Token 使用量计费”，让成本与使用强度更匹配。
最后，也是最关键的一点：可靠性的提升。AI 要真正替代人类，必须做到：更少幻觉、更低错误率、更少人工介入，能稳定嵌入企业系统，否则即使便宜，也没人敢用。
正如 Keith Lee 所说：“问题不只是 AI 是否比人类更便宜，而是它能否在大规模应用中，同时做到更便宜、且更可预测。”——在那之前，对于绝大多数开发者和公司来说：AI 更像是一个昂贵但强大的“外挂”，而不是可以完全接管工作的“替身”。