甲骨文公司最新裁员约3万人的消息传出,正值该公司声称拥有5330亿美元订单需要履行之际。
截至2025年5月,该公司员工总数约为16.5万人。最新季度财报显示,甲骨文预计2026年营收将达到670亿美元,资本支出为500亿美元,这与此前的财务指导保持一致。
对于2027年,其财务指导预测营收将达到900亿美元。然而,无论是最新季度财报还是随后与金融分析师的财报电话会议,都没有透露任何员工人数变化的信息。
然而,在一篇被广泛报道的LinkedIn帖子中,甲骨文云基础设施(OCI)的AI运营负责人Micheal Shepherd转发了几位同事的消息,称他们在最新一轮裁员中被解雇。
一位甲骨文安全警报经理的帖子总结了这种情况:"许多最优秀的同事也被裁掉了。看起来裁员遵循的是高级个人贡献者和中层管理者的算法——尤其是那些拥有优秀股票期权的人。"
一位负责管理团队确保甲骨文产品和服务符合PCI-DSS(支付卡行业数据安全标准)、HIPAA(健康保险携带和责任法案)、PA-DSS(支付应用数据安全标准)和GDPR(通用数据保护条例)等标准的前员工形容此次裁员"史无前例"。
一位前首席工程师发帖说:"我有很多朋友今天被解雇了。他们都是顶尖的表现者,极其有才华,工作非常出色。他们只是被卷入了这场风暴。"
另一位自称是OCI文件存储服务创始工程师的员工表示,他在甲骨文任职期间处理了"无数次待命轮班,在压力下解决了无数问题"。
这些帖子涉及的职位包括服务运营工程师、软件开发架构师和软件开发经理等。
虽然这些LinkedIn帖子只代表了这家科技巨头裁员的一小部分,但它们说明裁员影响了高级人员,这些人员密切参与产品开发、安全和合规工作。
截至发稿时,《计算机周刊》尚未收到甲骨文关于裁员将如何影响其客户和产品开发的回应。
AI是员工减少的背后原因吗?
在3月份公司第三财季财报电话会议上,甲骨文报告云基础设施收入为49亿美元,增长84%。当时,甲骨文联席CEO Mike Sicilia谈到了AI如何帮助公司更快地交付软件。
"甲骨文内部AI编码工具的使用,使更小的工程团队能够更快地向客户提供更完整的解决方案,"他说。"我们正在使用AI构建全新的SaaS(软件即服务)产品,并将智能体直接嵌入到我们现有的应用程序套件中。"
Steve Miranda在最近参加甲骨文伦敦AI巡展活动时也表达了类似观点。在讨论人员在企业资源规划软件中的作用时,他建议AI可以替代某些任务。当时Miranda说:"没有人是为了运行ERP而做生意。我们在ERP方面为他们节省得越多,他们就越能投资于自己的业务。"
虽然其高管团队显然有雄心在以前由人类完成的角色中部署AI自动化,但Forrester首席分析师JP Gownder认为,该公司裁员的决定更多地集中在提高公司股价上。
"当AI取代员工时,组织拥有一个经过验证、已证明且已部署的AI解决方案,可以完成失业员工的工作,"他说。"也就是说,裁员前由人类完成的工作在裁员后的第二天就由AI来完成。"
"这种情况很少见;即使是大型科技公司也没有成熟的智能体能够承担被淘汰的数十种不同类型工作的无数任务。对于甲骨文来说,存在裁员的财务压力——该公司股价自2025年第三季度以来已下跌超过50%。"
这可能表明金融市场对甲骨文执行AI战略的能力更加谨慎,特别是该公司最近宣布将在2026年通过债务和股权融资相结合的方式筹集500亿美元。
Q&A
Q1:甲骨文这次裁员的规模有多大?涉及哪些岗位?
A:甲骨文此次裁员约3万人,占其16.5万员工总数的近五分之一。被裁员工主要是高级个人贡献者和中层管理者,涉及服务运营工程师、软件开发架构师、软件开发经理、安全警报经理等核心技术岗位,很多都是参与产品开发、安全和合规工作的资深员工。
Q2:甲骨文裁员是因为AI技术替代了人工吗?
A:分析师认为并非如此。虽然甲骨文高管谈到AI能帮助更小的工程团队交付更完整解决方案,但真正的AI替代需要成熟的智能体系统。目前甲骨文更多是面临财务压力,股价自2025年第三季度以来已下跌超过50%,裁员主要是为了提升股价表现。
Q3:甲骨文的业务表现如何?为什么还要大规模裁员?
A:甲骨文业务表现良好,声称拥有5330亿美元订单,预计2026年营收670亿美元,2027年达900亿美元,云基础设施收入增长84%。但公司计划2026年通过债务和股权融资筹集500亿美元,表明存在资金需求压力,金融市场对其AI战略执行能力也较为谨慎。
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。