英伟达赚1100亿，Oracle裁21000人，背后是同一件事

Exponential View 上周发了一份报告，说全球 AI 经济过去十二个月产生了 1100 亿美元营收。年化增速是互联网和移动浪潮同等阶段的 3 倍。报告发布四天后，Oracle 的年报显示他们在同一时期裁掉了 21000 人。

这两个数字同时出现的时候，画面很撕裂。

一边是前所未有的财富创造速度——AI 用三年走完了互联网十年走的路。另一边是前所未有的就业冲击速度——一家公司一年消失两万多个岗位，且公司在 SEC 文件里直接点名 AI 是原因之一。

直觉会告诉你，这是一个零和故事：AI 赚得越多，人丢得越多。但真实的经济逻辑，比这个残酷得多，也复杂得多。

1100 亿是怎么算出来的，以及它说明了什么

先说清楚这 1100 亿的含金量。

Exponential View 用的不是加法，是减法。他们追踪终端客户花的每一块钱——一个用户在 Anthropic 上花了 1 美元，Anthropic 又在 AWS 上花了 0.5 美元，他们只计 1 美元，不重复计算。这个去重后的数字是 1100 亿美元。如果算当前年化 run-rate，已经超过 1750 亿。

这个方法论很重要。过去几年你看到的 AI 市场规模数据，大多数是”上下游加总”，一份算力被转手三次就计了三次。1100 亿是第一个自下而上、去重后的真实需求侧计量。

它说明一件事：AI 的钱是真实的花出去的，不是 PPT 上的预期。

但报告同时揭示了一个让投资人不安的事实：超大规模计算商的 AI 营收，勉强够覆盖 GPU 折旧。注意，是折旧，不是运营成本。电费、冷却、网络、土地、人力——这些还没算。也就是说，1100 亿的营收，在当前的基础设施投资强度下，连硬件损耗都只是”刚好回本”。

这跟就业有什么关系？关系很大。营收快速增长但利润被基础设施吞噬，企业唯一的杠杆就是砍人力成本。Oracle 不是第一个，也不会是最后一个。

Token 越便宜，总账单越贵

这是理解整个 AI 经济最关键的一组数据，也是大多数人搞反的地方。

Exponential View 的报告里有一行不起眼的表格：当 token 价格下降 10%，token 消费量增长 12% 到 18%。这意味着需求是弹性的——降价不仅没有减少总支出，反而增加了总支出。

Fortune 在六月中旬的一篇报道里给这组数据配了一个经济学名字：Jevons 悖论。1865 年，威廉·斯坦利·杰文斯发现瓦特蒸汽机让煤炭使用效率大幅提升后，英国的煤炭消费量不降反升。效率越高，单价越低，使用量增长的速度超过了单价下降的速度，总消耗量飙升。

token 就是 2026 年的煤炭。

自 2023 年以来，token 单价跌了超过 90%。但同期大模型支出翻了一倍。Apollo 首席经济学家 Torsten Slok 给出的解释很直接：token 越便宜，企业不是花得越少，而是跑更多的 AI agent、自动化更多工作流、生成更多代码，总支出不降反升。

Uber 是一个活生生的例子。他们今年前四个月就烧完了全年 AI 预算，主要因为 Claude Code 的使用量暴涨，之后不得不给每个员工设了每月 1500 美元的 AI 支出上限。英伟达应用深度学习副总裁 Bryan Catanzaro 说的更直白：对他团队来说，计算成本已经远远超过了员工成本。

这组数据拆穿了一个流行叙事：AI 降价 = AI 普惠 = 对普通人是好事。对消费者可能是。但对劳动者不是。因为 token 降价刺激的不是”更多人用 AI”，而是”每个企业用更多 AI 替代更多人”。Jevons 悖论在 token 经济里的含义是——AI 越便宜，它替代的人就越多。

Oracle 的 21000 人，和 Intuit 的 3000 人，是同一件事

过去一年，科技行业因 AI 裁员已经不是一个新闻事件，而是一个持续的趋势。

Oracle 从 162000 人降到 141000 人，裁减幅度 13%，在 SEC 年报中直接提及 AI 部署。在此之前，Intuit 裁员 3000 人时也提到了 AI 驱动的组织重构。如果把视角拉到整个行业，Meta、谷歌、亚马逊、Salesforce 都在用不同的方式做同一件事——不招新人替代离职者，用 AI 填补空缺。

但这里有一个容易被忽略的细节：这些裁员并不是”AI 比人做得好所以不需要人了”。更多时候是”AI 让一个高级员工能干三个初级员工的活，所以初级岗位消失了”。

Bain 的分析师预测，未来企业的运营支出结构将从几乎 100% 人力成本，转向大约 70% 人力、30% token。30% 听起来不多，但这 30% 是凭空出现的——三年前这个数字是零。每多一个百分点的 token 支出，背后都是某个岗位上某个工作量的迁移。

关键在于迁移的方向。AI 替代的不是”工作”，而是”任务”。一个岗位由十几个任务组成，AI 能做其中三四个，这个岗位不会消失，但需要的人会减少，或者需要的技能会改变。这就是为什么就业数据看起来矛盾——总就业人数可能没怎么降，但岗位结构在剧烈重写。

Fortune 的报道里有一个反直觉的数据：菲律宾客服行业，AI 理论上能自动化 86% 的任务，但过去十年就业人数不降反升，接近翻倍。美国放射科医生也是如此，被预言会被 AI 取代，结果十年间数量增长了 10%。

这不矛盾。Jevons 悖论同样适用于劳动力市场：当客服成本降低，企业会开设更多客服渠道、服务更多客户、进入更多市场。AI 降低了单次交互的成本，总交互量暴涨，需要的人反而更多——但每个人做的事情变了。

真正消失的，不是某个职业，而是某个职业里的某个层级。

真正的问题不是”AI 抢不抢饭碗”

把上面的逻辑串起来，你会发现”AI 会不会抢我的工作”根本不是一个正确的问题。

正确的问题是：当 token 成为一种新的生产要素，和人力、资本并列，你在组织里的价值锚点是什么？

Oracle 裁掉的 21000 人，大部分是中后台和重复性职能岗位——这些岗位的价值锚点是”执行成本”。当 token 的执行成本低于人的执行成本，这个锚点就失效了。不是人变差了，是计价单位变了。

这跟工业革命的本质一模一样。蒸汽机没有消灭工人，它消灭的是”以肌肉力量为定价基础的岗位”，同时创造了”以操作机器能力为定价基础的新岗位”。AI 做的是同一件事，只是这一次被重新定价的是认知劳动而非体力劳动。

区别在于速度。互联网用了十年改变零售业，AI 可能在三年内重写白领岗位结构。Exponential View 报告里那个”3 倍增速”不只是营收数字，它是整个经济重构的时间压缩。BCG 的调查显示，半数 CEO 认为自己的饭碗取决于能否搞对 AI。当 CEO 自己都感到焦虑，说明这场重写的深度远超一般预期。

营收和就业不是两个故事

回到开头那个撕裂的画面。

1100 亿美元营收和 21000 个消失的岗位，不是两个平行的事件。它们是同一个经济过程的两端：token 降价 → 用量暴涨 → 营收飙升 → 企业对 AI 的基础设施投资加码 → 为了覆盖折旧成本必须压低人力成本 → 裁员。同时，token 降价也让 AI 能触及更多任务 → 更多岗位被重新定价 → 就业结构加速重写。

这是一个正反馈循环。AI 越成功，这个循环转得越快。

Fortune 引用 Bain 分析师的那句话值得反复读：从人力到 token 的运营支出转移，不是一个预算问题，是一场结构性转型。

所以与其问 AI 会不会抢你的饭碗，不如问一个更实际的问题——在你的行业里，token 正在替代哪些任务？你的工作里有多少比例是 token 已经能做的事？如果答案超过三成，你需要认真思考的不是”怎么防 AI”，而是”怎么让自己在新的价值锚点上变得不可替代”。

1100 亿是起点，不是终点。真正值得关注的，是这个数字背后的齿轮——token 经济学——正在以大多数人感知不到的方式，重新定价每一份劳动。