Snapchat的母公司Snap Inc周三通过内部备忘录告知员工,公司计划裁减约1000人,占员工总数的16%,并将此次裁员归因于"人工智能的快速发展"。这一举措是过去一年科技行业裁员潮的缩影,众多企业纷纷将裁员责任推向AI。
此次裁员发生在激进投资者Irenic Capital Management施压一个月之后。该机构的投资组合经理曾致信Snap首席执行官埃文·斯皮格尔,要求其削减成本、压缩人员规模,并对公司现行战略提出批评。斯皮格尔在发给员工的备忘录中表示,此次裁员将推动Snap走向盈利,并暗示人工智能可以弥补人力减少带来的缺口。
斯皮格尔在备忘录中写道:"尽管这些变化对于实现Snap的长期潜力是必要的,但我们相信,人工智能的快速进步将帮助团队减少重复性工作、提升效率,并更好地服务我们的社区、合作伙伴和广告主。"
Snap旗下拥有图片和视频分享应用Snapchat,此次裁员使其加入了在AI浪潮中实施大规模裁员的科技公司行列。微软、亚马逊、甲骨文,以及杰克·多西旗下的金融服务公司Block等企业,已相继裁减数万名员工,同时积极拥抱AI工具,声称这一技术能让企业以更少的人力创造更大的价值。
尽管斯皮格尔在备忘录中声称公司已从AI应用中获得生产力提升,但许多专家和从业者认为,AI带来实际收益的前景远比描述的更为模糊。部分前员工乃至支持AI的高管也曾指控企业以AI为幌子进行"AI洗白式裁员",意在向投资者和市场展示姿态。风险投资人、AI支持者马克·安德森近期同样表示,AI相关裁员不过是企业为过度招聘寻找的借口。
随着公众对AI的不满情绪持续升温,以及对AI冲击劳动力市场的担忧日益加剧,OpenAI和Anthropic等头部AI公司也越来越意识到自身的形象问题,并开始在政治层面发起公关攻势,试图化解AI对劳动力市场潜在负面影响所带来的舆论压力。OpenAI本月早些时候发布了一系列政策建议,提出企业可推行每周四天工作制,并建议政府设立公共财富基金,将AI创造的利润回馈给普通民众。
受裁员消息影响,Snap股价在周三早盘一度上涨约6%,部分弥补了年初至今超过30%的跌幅。根据监管文件,这家成立于2011年的公司截至去年12月共有约5200名员工。斯皮格尔还告知员工,此前已发布的约300个招聘职位将不再填补。
Q&A
Q1:Snap公司这次裁员的主要原因是什么?
A:Snap公司官方将此次裁员归因于"人工智能的快速发展",称AI能帮助团队减少重复性工作并提升效率。但与此同时,激进投资者Irenic Capital Management也在裁员前向CEO施压,要求削减成本和人员规模。部分专家和前员工则质疑,这是企业以AI为借口进行的"AI洗白式裁员",实为讨好投资者。
Q2:科技行业以AI为由裁员是普遍现象吗?
A:是的,这已成为近一年科技行业的普遍趋势。微软、亚马逊、甲骨文、Block等大型企业均在拥抱AI工具的同时裁减了大量员工,声称AI可以让企业以更少人力完成更多工作。风险投资人马克·安德森也指出,AI裁员在一定程度上是企业为过度招聘寻找的掩护说辞。
Q3:OpenAI等AI公司如何回应外界对AI抢走工作机会的担忧?
A:面对公众对AI冲击就业市场的担忧,OpenAI和Anthropic等头部AI公司开始积极进行政治公关。OpenAI本月发布政策建议,提议推行每周四天工作制,并建议政府设立公共财富基金,将AI产生的利润分配给普通民众,以此缓解社会对AI取代人类工作的焦虑情绪。
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。