超过半数美国公司正在削减员工薪酬以释放资金用于人工智能投资
ResumeBuilder.com最新调查显示,超过半数美国公司正在削减或计划削减员工薪酬,以便为人工智能投资腾出资金。
调查结果显示,到年底,54%的公司将削减员工薪酬,26%的公司将裁员以资助AI项目。薪酬削减不仅限于基本工资,还影响奖金、股权或股票奖励、加薪和福利。该公司共调查了866名美国企业领导者。
ResumeBuilder首席职业顾问斯泰西·哈勒在报告新闻稿中表示:"企业正在做出明确的权衡:AI投资是优先事项,而员工薪酬将成为预算来源。这不仅仅是裁员。奖金、加薪、股权、福利和基本工资都在各行业同时被削减。"
这项研究发布之际,人们对AI对劳动力影响的担忧日益增长。
据职业介绍公司Challenger, Gray & Christmas数据显示,自2023年以来,AI已在91,753起美国裁员通报中被提及,约占同期所有裁员的3%。
3月11日,软件公司Atlassian宣布削减10%的员工,称AI投资是这一决定的关键驱动因素。
该公司在证券文件中表示:"这些行动旨在重新平衡公司,以加速构建AI时代团队合作的未来。这包括自筹资金进一步投资关键战略重点,如AI和企业销售,重组团队以在Atlassian工作系统中更加专注和快速地行动,并优化长期运营效率和可持续性。"
另一个最近的例子是,数字支付公司Block上月表示,计划将员工人数从10,000人缩减至6,000人出头,同时依靠AI来替代被裁员工。
据ResumeBuilder.com调查,担心落后于竞争对手是公司削减职位和薪酬来资助AI投资的主要原因。75%的受访者表示AI将给他们带来竞争优势,74%的人表示这将带来收入增长。超过半数(56%)的受访者提到了董事会或投资者采用该技术的压力。
哈勒表示:"董事会和投资者正在就AI战略提出尖锐问题,领导者们觉得他们不能置身事外。落后的风险被视为比失去人才的风险更加紧迫。这是一种短视的权衡。当就业市场重新转向有利于员工时,这些公司将发现吸引和留住所需人才变得更加困难。"
安永最近的一份报告描绘了AI对劳动力影响的更乐观图景。在该安永研究中,超过三分之二的CEO表示,尽管有AI投资,他们预计在2026年维持或增加员工数量,而预期减少员工人数的比例在12月份降至24%,低于2025年初的46%。许多受访者表达了这样的观点:AI将重塑角色而非完全消除工作,使员工从日常任务转向更高价值的工作。
安永全球副主席安德烈亚·格尔佐尼在安永报告中表示:"这反映了CEO们对在近期许多AI应用案例中需要增加新技能和保持人工监督采取了现实和务实的观点。"
Q&A
Q1:为什么美国企业要削减员工薪酬来投资AI?
A:调查显示,75%的企业认为AI将带来竞争优势,74%认为会促进收入增长。同时,56%的企业面临董事会或投资者采用AI技术的压力。企业担心在AI竞赛中落后于竞争对手,因此将AI投资视为优先事项。
Q2:企业削减薪酬的具体范围有哪些?
A:薪酬削减不仅限于基本工资,还包括奖金、股权或股票奖励、加薪和福利等各个方面。到年底,54%的公司将削减员工薪酬,26%将进行裁员,这些削减措施正在各行业同时进行。
Q3:AI对就业市场的长期影响如何?
A:专家观点存在分歧。一些人担心这种做法短视,认为当就业市场重新转向有利于员工时,企业将难以吸引人才。但安永研究显示,超过三分之二的CEO预计维持或增加员工数量,认为AI将重塑工作角色而非完全消除工作。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。