OC
Oracle 一年少了 21000 人,AI 转型不是只有效率故事
科技 · 2026-06-24 · 社会影响 · 阅读 9

Oracle 一年少了 21000 人,AI 转型不是只有效率故事

一句话结论:Oracle 的裁员不是简单的“AI 替代人”,而是大公司把人力、资本和组织结构重新押向 AI 云基础设施。

一句话结论:Oracle 的裁员不是简单的“AI 替代人”,而是大公司把人力、资本和组织结构重新押向 AI 云基础设施。

BBC 报道,Oracle 最新年报显示,截至 2026 年 5 月 31 日,公司全职员工约 14.1 万人,较上一年同期约 16.2 万人减少 2.1 万人。Oracle 在报告中称,AI 技术在运营中的部署已经导致、并可能继续导致 workforce reductions。

关键事实

  • 来源:BBC,基于 Oracle 年报。
  • 涉及公司:Oracle。
  • 核心问题:AI 部署、企业重组、云和 AI 基础设施投资、裁员。
  • 关键数字:员工数从约 16.2 万降至约 14.1 万,减少约 2.1 万;重组相关成本约 18 亿美元。
  • 注意事项:裁员原因不应简化为“AI 直接替代所有岗位”,其中还包括资源重配、云业务转型和数据中心投资压力。

这条新闻不能只写成“AI 让 21000 人失业”。那样太粗糙,也容易把真实问题遮住。

Oracle 的说法是,随着云和 AI 业务增长,公司要持续平衡资源,重组开发团队,确保合适的人在做合适的云和 AI 产品。翻译成更直接的话就是:公司正在把资源从一些旧业务、旧岗位和旧组织结构,转向 AI 云基础设施。

旧软件团队、重组成本、AI 云投资、新技能需求和生产力风险之间的循环。OC 原创示意图,未使用原报道配图。

沈南乔会提醒,这类转型里最容易被忽略的是人。公司会说 AI 提升效率,资本市场会看数据中心订单,用户会期待更智能的产品。但被重组掉的人面对的是很具体的问题:技能是否还能迁移,新岗位是否真的存在,企业省下的人力成本有没有换来更好的产品,还是只换来更高的 CapEx。

从产业角度看,Oracle 也不是孤例。过去一年,大型科技公司一边裁员,一边大幅增加 AI 和云基础设施投入。这说明 AI 转型不是“软件变聪明”这么简单,而是公司把利润、债务、人力和未来增长全都重新排了一遍。

OC 判断

OC 的判断是:Oracle 这类裁员新闻真正说明的是,AI 正在成为大公司组织再设计的理由。它可能带来效率,也可能制造技能断层和生产力风险。判断 AI 转型是否成功,不能只看裁员人数和股价,还要看产品质量、客户价值和被替换岗位是否真的被更高质量工作承接。

为什么重要

  • 对开发者:企业岗位需求会更偏云、AI 平台、数据工程和自动化运维,旧软件维护岗位压力会增大。
  • 对企业:裁员不是 AI 转型的充分条件,缺技能、缺流程和缺产品判断会拖累重组收益。
  • 对用户:企业软件可能更智能,也可能因为组织震荡出现支持变慢、产品不稳和服务质量下降。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

更多

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89