Oracle最新报告揭示AI裁员与基建投入并存全球科技业因AI裁员超12万人。AI投入规模已超财务核算范畴企业面临成本归集难题。AI成本特征与现有会计科目不匹配导致预算审批困难。裁员节省的人力成本正转向算力基建和AI岗位招聘。财务团队能获取AI支出数据的企业AI投入增加概率更高。企业需建立可验证回报机制以获得持续AI投入批准。Oracle全球老牌的软件公司本周在监管文件里率先公开了一个重要的信息AI的采用和部署已经在压缩员工规模。同期它正为AI基建筹集500亿美元。数据显示2026年全球因AI裁掉的科技岗位已超过12万人69%的企业已经因AI裁了员。每裁掉一个人省下来的预算去了哪AI到底花了多少、换回了什么——这两个问题在同时被追问。本周的数据量出了一个变化AI投入的规模已经跑到了财务核算的视野外面。一边在回钱承诺花的钱跑得更快。 AI季度收入250亿首超折旧成本210亿。同时全球云产业未来租赁承诺累计8,500亿。花出去的钱没有对应科目护栏先到了。 60%企业已主动加设AI支出的审批门槛。省下来的人头费换了方向。 2026年科技业AI裁员超12万人。Oracle同一份文件里既写了裁员又写了筹500亿建基建。AI成本没有会计科目AI季度收入250亿第一次超过了折旧成本210亿。同一份报告同时指出全球云产业未来的数据中心租赁承诺累计达8500亿美元。CloudZero对260名财务高管的调研把这层矛盾拉到了执行面上。78%的人无法将AI支出与业务成果挂钩。66%的董事会已经把可验证回报设为下一轮追加拨款的条件。问题不是数据没被看到是企业现有的会计科目表从设计第一天起就没有给AI成本留过位置。AI成本的特征企业现有的三类归集科目装不进去的原因装进去之后发生的事变动成本按调用量计费CAPEX固定资产无实物形态不能折旧超额消耗被记为超支而非投入增加共享成本跨部门使用OPEX人力成本无单一岗位对应无费用归属线做多少事与花多少钱走两套评估对不拢时砍预算弹性成本无固定单价软件许可/服务合同无年度合约成本按天波动超出合同额即触发审批不再自动追加← 左右滑动查看完整表格 →Uber是一个已经踩进这个坑里的案例。公司一季度花光了全年AI预算。原因不是乱花钱。Token消耗按使用量计费使用量随内部推广逐月暴增而预算审批周期是年度固定的。两条时间轴从一开始就没有对齐过。CFO翻开损益表问AI花了多少没有人能指到一个具体科目。塞进哪个科目就按哪个科目的规则被审计而这三类科目的审计标准没有一个按使用量×单价的逻辑设计。78%说不清是因为这个成本类型出现在会计科目表被发明之后。同一笔预算换了方向Oracle在监管文件里同时披露了裁员和基建筹资。同一笔钱记了两次账。过去列在运营开支里的薪酬正在被重新定义为资本开支里的算力基建。高盛最新预测生成式AI在十年周期将替代美国6%-7%的劳动力约1500万个岗位。同一份预测同时指出AI全面普及有望推动发达市场劳动生产率提升约15%。裁的岗位在变。 2023-2025年裁员集中在非核心职能目标是降本。2026年起仍在运转的传统技术岗位开始被列入——不是因为没人做是因为同一笔工资预算换成AI算力回报预期更高。省下来的钱在换方向。 过去裁员省钱后回流利润。现在省下来的人头费直接进了算力基建和AI岗招聘。决策的前提被换了。 过去问这个岗位还能不能再省一点。现在问这笔钱放哪边回报更高。如果你的公司裁掉的已经不限于边缘职能省下来的预算不再回流利润而是转向算力——变化已经发生了。拿到数字的人正在拿到更多预算CloudZero调研里有一组数据被讨论得最少能当日获取AI支出数据的财务团队大幅增加AI投入的概率是按月度核算团队的2倍。敢定AI支出同比增幅超过50%的概率是后者的4倍。看到数字的人不是在控制预算他们的目标是加码。 看不到数字的人不是不想投入是在等一个能被写进预算里经得起追问的数字。过去企业评估AI投入的逻辑是不投可能落后。那条链不需要数字恐惧就够了。但66%的公司已经把规则换掉了。没有可验证的回报不追加拨款。规则换了之后企业间的差距多了一条新的维度——不是谁先上了AI是谁先有能力让董事会继续批准AI。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取