作者：星忘塵 Nebula Walker Date: 28JUL2026 創象引擎 Mythogen Engine (mythogenengine.com)
📌 裁員與破紀錄利潤同時發生。AI 不是原因，是牌照。一場退場，兩次銷售：上游賣給按按鈕的手，下游賣給按鈕底下的人。
效率陷阱・續章：你以為你贏了
序章：小林的三堂課
第一幕
前輩離職那天，辦公室安靜得反常。
小林記得，公告上寫的是「另有生涯規劃」。沒有歡送會，沒有交接文件，一個做了十四年的人，用一個下午清空了座位。
其實徵兆早就有了，只是當時沒有人願意讀懂。前輩負責的專案，半年內被逐一轉走；跨部門會議的通知名單上，他的名字悄悄消失；一次上線事故，明明決策不在他手上，檢討報告的責任欄卻寫著他的名字。他申訴過一次，然後就不再申訴了。
前輩走後一個月，小林升了職。年薪從兩百萬跳到三百萬，主管拍著他的肩膀說：「公司看好你。年輕人，這是你的時代。」
那天晚上，小林請同期吃了飯。他覺得自己贏了。他不知道的是，他坐上的那個位置，前一任的年薪是一千萬。公司用三百萬填了一個一千萬的洞，帳面上淨省七百萬——而他，是那筆節省的名字 。
第二幕
接手之後，小林才發現這個系統深不見底。
有些架構他看不懂為什麼這樣設計，文件裡沒有寫；有些故障處理紀錄只有結論，沒有過程——因為過程在前輩的腦子裡，而前輩已經不在了。他開始加班，開始失眠，開始在深夜的辦公室裡對著螢幕發呆。
季度檢討會上，主管的語氣還是溫和的：「小林，你的潛力沒有問題，只是 AI 時代，思維要跟上。」散會後，主管私下傳了一個連結給他：「你去上一下這門課吧。講師以前是我們公司的，很懂我們這一行。」
小林點開連結。課程名稱金光閃閃，早鳥價四千九百九十九元。講師的照片裡，那個人穿著剪裁合身的西裝，笑容從容——
是前輩。
他付得起。升職那一百萬，讓四千九百九十九元看起來不算什麼。
小林付了錢。線上課三個半小時，講的是提示詞、工作流、AI 時代的生存法則。內容比他想像中淺，淺到他懷疑自己是不是漏看了什麼進階章節。但他不敢說。因為留言區裡全是熟悉的頭像——他的同事、隔壁部門的窗口、甚至那位傳連結給他的主管，都按了讚。
課程最後一章，前輩對著鏡頭說：「AI 時代，最危險的不是被取代，而是拒絕改變。要擁抱改變。」
台下——如果線上課有台下的話——坐滿了他前公司的後輩。
第三幕
三年後，公司宣布被收購。
新聞稿寫得漂亮：三年來人力結構持續優化，營運成本下降三成，利潤率創歷 史新高，是「資產質量與技術團隊皆屬一流」的收購標的。收購方的執行長在記者會上說，買下的是「未來」。
交割完成後三個月，新東家啟動「組織整合」。
名單公布那天，小林在會議室外的走廊上站了很久。他的名字在第二批。人資的說法客氣而標準：業務重疊、架構調整、感謝貢獻。資遣條件按法定下限，一毛不多。
他忽然想起很多事。想起前輩清空座位的那個下午。想起主管拍在他肩上的那隻手。想起那句「公司看好你」。想起四千九百九十九元的課程裡，前輩從容的笑。
原來前輩不是在教他如何生存。
前輩是在示範自己如何生存——用他們的學費。
公司裁掉前輩，省下一千萬；前輩出來開課，賺的是留下來的人的錢；而留下來的人之所以焦慮到願意付錢，正是公司一輪又一輪的裁員教會他們的。公司、講師、平台，三方各取所需，運轉順暢，唯一持續出錢的，是每一個以為自己贏了的小林。
連那筆讓他覺得自己贏了的加薪，也有一部分，經他的手轉了一圈，流回了這條鏈上。公司多付他的錢，替公司養著讓他不敢離開的課。
走廊的窗外，天色不早了。小林拿出手機，習慣性地滑開社群。演算法推給他一則廣告：
「AI 轉職實戰班，早鳥優惠最後三天。不要被時代淘汰。」
講師的照片裡，那個人穿著剪裁合身的西裝，笑容從容。
小林盯著那張臉看了很久，然後按下了「儲存」。
棋盤上沒有敵我，只有還沒被兌換的棋子。
以上情節是虛構的。但接下來的數字，不是。
第一章：把故事拆開，裡面全是錢的流向
序章是虛構的。但如果把故事裡每一筆錢標記出來，沿著它們流動的方向走一遍，你會發現這根本不是故事——這是一張現金流量表。
第一筆錢：七百萬，以及它的乘數
公司裁掉前輩，省下一千萬年薪；提拔小林，多付一百萬。帳面上，這個位置每年淨省七百萬。
如果事情只到這裡，這不過是一次普通的成本控制。真正的關鍵在於：這七百萬不是以七百萬的價值存在的。
企業出售時，估值通常以利潤的倍數計算。以科技業常見的十到十五倍計，每一元的年度成本節省，在交易那一刻會被放大成十到十五元的估值。前輩那個位置省下的七百萬，在賣盤的談判桌上，價值七千萬到一億零五百萬。
這就是為什麼裁員的對象永遠是年薪最高的那批人——不是因為他們貢獻最少，而是因為他們的薪資在估值公式裡是最大的槓桿。裁一個千萬年薪的資深工程師，對交易價格的貢獻，超過裁十個百萬年薪的初級員工。而系統斷層、經驗流失、三年後才會引爆的技術債？那些不在公式裡。公式只計算到交割那一天。
換句話說：前輩不是被 AI 取代的。前輩是被一條估值公式兌換掉的。AI 只是兌換時使用的匯率說明。
第二筆錢：一百萬的 加薪，與一筆被記成利潤的負債
小林的年薪從兩百萬變成三百萬。他多得了一百萬，接下的，是一個名義上價值一千萬的位置。
但這裡不能簡單地說「小林交付了一千萬的勞動」。報表上的 KPI 確實一樣——專案照跑、系統照運作、指標照達成——可是他的實際能力並不一樣。前輩那一千萬的年薪，買的從來不只是工時，是幾十年累積下來的判斷力：為什麼當年這樣設計、上一次事故是怎麼救回來的、哪些地方看起來能省但絕對不能省。這些東西不在 KPI 儀表板上，因為儀表板只量度看得見的產出，而深層能力只在出事的那一刻現形。
所以那七百萬的「節省」，實際上由兩部分組成。一部分是小林真金白銀多付出的勞動——加班、頂壓、用透支去填補經驗的缺口，這是被壓榨的勞動價值。另一部分，是無論小林多努力都補不上的能力落差——這部分沒有任何人交付，卻照樣被記成節省，變成利潤，變成估值。
換句話說，公司帳上那七百萬，一半是從小林身上擠出來的，另一半根本是一筆負債——一筆被記成了利潤的負債。它不會出現在任何一季的財報上，只會在某一天以事故、以延誤、以「怎麼沒有人知道這個系統為什麼這樣寫」的形式浮現。而到那一天，站在事故現場、名字寫在檢討報告責任欄上的，會是小林——正如序章裡，前輩曾經經歷的那樣。
於是小林的「被提拔」，本質上是兩件事同時發生：他用低於價值的薪水交付勞動，資助了一場他不在受益名單上的交易；同時 替公司背起一筆看不見的負債，等它引爆的那天，充當現場的責任人。
而他為此感激。這是整個機制最精巧的部分：被兌換的人，在被兌換的當下，體驗到的是勝利。
還有最後一個環節。那個補不上的缺口，不會安靜地待在系統裡——它每天都在提醒小林：你撐不住。這種感覺有一個名字，叫焦慮；而焦慮，恰好是市場上最容易變現的情緒。小林填不上的能力落差，最終以四千九百九十九元的形式，流進了前輩的口袋——而課程教的提示詞與工作流，填不了一個由幾十年判斷力構成的洞，所以焦慮不會消失，只會累積到下一次結帳。公司記成利潤的那筆負債，轉了一圈，變成了前輩的營收。
這就是第三筆錢。
第三筆錢：四千九百九十九元，與零元的獲客成本
現在看前輩那門課。
任何做過生意的人都知道，賣課最貴的不是製作內容，而是獲客——你要花錢投廣告、養流量、建立信任，才能讓一個陌生人願意掏錢。行銷成本吃掉定價的三到五成是常態。
但前輩的獲客成本趨近於零。因為他的客戶不是廣告帶來的，是公司送來的。
公司每進行一輪裁員，就替他製造一批焦慮的潛在學員；主管每私下轉發一次課程連結，就替他完成一次精準導流；留言區裡同事的每一個讚，就替他做了一次信任背書。公司負責製造恐懼，前輩負責出售解藥，而解藥的定價可以脫離內容的實際價值——因為學員買 的從來不是那三個半小時，是「我做了點什麼，所以我暫時安全」的感覺。
三方在這裡完成了一次無需簽約的分工：公司省下了千萬年薪，還順便獲得了一批「自費進修、積極擁抱 AI」的員工；前輩把被奪走的年薪，從後輩的口袋裡一張一張賺回來；平台抽成，並把這門課推給下一個小林。
沒有人違法。沒有人說謊。每一方都只是在自己的位置上做了最理性的選擇。這正是它可怕的地方——這個結構不需要壞人，只需要每個人都理性。
還有一個細節，放在整張帳上才看得出它的精巧：小林之所以買得起這門課，正是因為公司給了他那一百萬。
一個年薪兩百萬、剛好打平生活的人，面對四千九百九十九元會猶豫；一個剛升了職、年薪三百萬的人，不會。加薪同時做了兩件事：它讓他相信自己正在上升，也讓他有了可支配的餘裕——而焦慮市場要的，恰恰是「有能力付錢的焦慮者」。沒有那一百萬，他只是一個焦慮的人；有了那一百萬，他成為一個客戶。
於是這筆錢走完了一個完整的圓：公司從這個職位上省下七百萬，撥出其中一百萬給小林，小林把其中一部分交給前輩——而前輩，正是公司省下那七百萬的來源。錢從公司出來，繞過小林的口袋，回到被公司裁掉的人手上，而公司淨賺六百萬，還額外得到一個「自費進修、積極擁抱 AI」的員工。
最關鍵的是：走完這一圈之後，小林的處境沒有任何改變。他仍然做著一千萬的工作，領著三百萬的薪水，扛著那筆補不上的能力落差。他付出去的學費，買不回任何一分他失去的議價空間。加薪、學習、進修——每一步他都做了正確的事，而每一步都讓他更深地留在原來的位置上。
第四筆錢：看不見的那一筆——公帑
故事裡沒有寫，但現實中還有第四條金流。
這類課程生態的周邊，往往環繞著各種講座、小聚、年會。名義上收費兩千元，實際上你交出個人資料就能免費入場——因為主辦方真正要的不是你的錢，是你的報名紀錄。你的電郵、你的出席、你的人頭，會變成「服務人次」，出現在政府補助的結案報告裡。
政府補貼在這個結構中扮演的是放大器：它讓主辦方能用公帑請來業界嘉賓，嘉賓的名氣建立公信力，公信力吸引更多人頭，更多人頭換來下一輪補貼。一個原本受限於私人資本規模的生意，接上公帑之後，規模上限被解除了。
於是這條金流的完整版本是：納稅人補貼了活動，活動餵養了流量，流量轉化為課程銷售，課程收入的存在反過來證明「AI 教育需求旺盛」，成為申請下一輪補助的依據。
合上帳本
現在把四筆錢放在同一張表上，問一個最簡單的問題：誰是淨流出方？
公司是淨流入：省下薪資，換得估值。原股東與管理層是淨流入：交易溢價落袋。前輩是淨流入：年薪換了形式回收。平台是淨流入：抽成與流量。政府支出了補貼，但支出的是納稅人的錢。
淨流出的只有兩種人：付了學費、貢獻了勞動差價、最後按法定下限被資遣的小林們；以及在交割之後，接手一個被掏空組織的下一批股東與員工。
金流的方向，就是權 力的方向。序章裡小林一直看不懂自己的處境，不是因為他不夠聰明，而是因為他始終站在流出端往上看——從那個角度，每一筆流出去的錢，看起來都像機會。
接下來，我們把鏡頭從虛構的小林，轉向真實的數字。2026 年上半年，十五萬個小林。
第二章：十五萬個小林——當裁員與破紀錄出現在同一份財報
在進入數字之前，必須先誠實面對一個方法上的質疑。
序章與第一章把六個環節串成了一條鏈：企業裁貴請平、以「自然流失」掩飾迫走、能力斷層被記成利潤、焦慮被課程變現、公帑放大整個市場、最終服務於一場交易。如果這六環只是推論，那麼整條鏈就是一個滑坡謬誤——第一環成立，並不代表第二環必然發生。故事寫得再流暢，也不能代替證明。
所以本文接下來要做的，是把每一個環節單獨拿出來，釘上可查證的公開證據：財報、監管文件、具名的調查研究。這條鏈不是推出來的，是一環一環驗出來的。
第一環：裁員與破紀錄利潤同時發生——這不是推論，是財報
先看總量。
根據科技招聘平台 TrueUp 的追蹤數據，截至 2026 年六月中，全球科技業共發生 363 宗裁員事件，波及接近十五萬名工作者——平均每天 974 人，比去年同期快了 44%。而這只是上半年。
單看數字，你可能以為這是一場衰退。但 2026 年這一波與過去每一次裁員潮的根本分別在於：這些公司沒有虧錢。它們之中許多正在創造歷史最佳業績。
幾個例子，全部來自公開財報與主流媒體報導：
網路基礎設施公司 Cloudflare 在同一場財報會議上，宣布裁減 1,100 人（佔總人力兩成），同時公布破紀錄的季度營收 6.398 億美元，按年增長 34%。執行長 Matthew Prince 特別強調：這不是成本削減。該公司內部的 AI 使用量，三個月內成長了六倍。
企業軟體巨頭 Salesforce 分兩輪裁減約五千個客戶服務崗位。執行長 Marc Benioff 的原話是他「需要更少的人頭」，而同一時間，該公司的 AI 客服產品 Agentforce 已在處理一百五十萬宗客戶對話。被裁的，正是入門級職位。
甲骨文（Oracle）在過去十二個月內裁減約 21,000 人，並公開將裁員歸因於 AI 投資，同時預告 AI 將帶來更多削減。亞馬遜（Amazon）數月內砍掉三萬個企業職位。Meta 在公布營收大幅增長的同一季，裁員八千人，同時把數以百億美元計的資本開支投向 AI 基礎建設。思科（Cisco）一邊公布破紀錄的 158 億美元季度營收，一邊裁減四千個職位。
把這些放在一起，模式清晰得近乎粗暴：破紀錄的營收、破紀錄的利潤、破紀錄的資本開支——以及裁員。錢沒有消失。根據多家媒體統計，幾大科技巨頭 2026 年投向 AI 基礎建設的資本開支承諾合計約七千億美元。裁人省下的薪資，轉身變成了晶片、資料中心與模型訓練的預算。
錢還去了另一個地方：股東的口袋。標普道瓊指數公司的官方數據顯示，標普五百企業的股票回購在截至 2025 年九月的十二個月內首次突破一兆美元，創歷史紀錄；2026 年的回購速度仍在紀錄水平之上運行，全年預期再創新高。回購的機制值得說明一次：公司買回自己的股票、註銷股數，每股盈利（EPS）就會在總盈利完全不變的情況下上升——這是管理層薪酬與股價最直接的燃料。裁員省下的成本與回購推高的每股盈利，在同一份財報上互相成就。
什麼樣的裁員是合理的
在繼續之前，必須先把最強的反方論證講完整，否則後面的一切都站不住。
反方的論證是這樣的，而且它相當有力：企業精簡人力，很多時候是真正的架構改良，與 AI、與財技都無關。
以硬體業為例。一間公司過去用「機海戰術」，同時養三十條產品線，每一條有自己的硬體團隊、自己的驅動、自己的測試、自己的供應鏈窗口。這三十條線之間有大量重複——同一個功能被寫了三十次，同一個問題被解決了三十次，同一份文件被維護了三十份。當公司決定收斂成兩個共用平台，把差異化留在最外層，重複的工作就真正消失了。這時候需要的人確實變少，而且不是「用更少的人做同樣的事」，是「要做的事本身變少了」。
這種精簡是對的。它不但省成本，還會讓產品變好——因為分散在三十條線上的力量，終於集中到兩條線上。軟體業有等價的版本：把十五套自建工具換成一套標準平台；把每個團隊各自維護的部署腳本收斂成統一的基礎設施。這些都是真實的效率提升，而伴隨而來的人力減少，是合理的結果。
所以問題從來不是「裁員是不是一定錯」。裁員可以是對的。問題是：怎麼分辨哪一種？
有一個檢驗，簡單到近乎粗糙，但很難被造假：看工作量有沒有真的變少，以及走的是誰。
真正的架構收斂，有兩個必然特徵。第一，留下來的人，工作量應該持平甚至下降——因為重複的部分被消滅了。如果收斂之後留下來的人反而要加班、要一人扛三份、要在深夜處理原本三個團隊分擔的事，那麼重複並沒有被消滅，只是被轉移到了個人身上。工作沒有變少，只是承擔的人變少了。
第二，也是更難偽造的一項：設計一個能覆蓋三十種情況的平台，需要的資深判斷力，比維護三十條各自為政的產品線更多，不是更少。 要把三十條線收成兩條，你必須有人知道那三十條線各自為什麼那樣做、哪些差異是本質的、哪些是歷史包袱、砍掉哪一個會在兩年後爆炸。這種知識只存在於待得夠久的人腦子裡。所以一次真正的架構收斂，最該留下的恰恰是最資深、最貴的那批人；被精簡掉的，應該是被重複的那部分中階與初階工作。
於是檢驗就變得很清楚了。
如果一間公司宣布架構精簡，然後留下資深架構師、裁掉重複的執行層、剩下的人工作量下降、兩年後系統確實更穩定——那是真的收斂，本文的批評與它無關。
如果一間公司宣布架構精簡，然後最先消失的是薪資最高、年資最深的那批人，留下的人工作量不減反增，而且新的「平台」在兩年內因為沒有人知道當初為什麼那樣設計而反覆出事——那麼發生的不是收斂，是替換。精簡只是它使用的語言。
第三章會看到，這個檢驗在真實數據上得出的是哪一個答案：在強制到勤與「自然流失」的政策下，離開的並不是被重複的執行層，而是資深員工、高技能者與高階管理者——正是架構收斂最需要留下的那批人。
一句話總結這一節：要做的事變少，是效率；要做的事沒變、做的人變便宜，是套利。 兩者在新聞稿裡用的是同一組詞彙，在財報上進的是同一個科目，但在三年後的系統裡，會留下完全不同的東西。
第三種可能：工作沒有消失，只是搬出了報表
上一節分了兩類：真效率，與套利。但實務上最常見的，其實是第三類，而且它最難被戳穿——因為它在財報上幾乎不留痕跡。
那就是：自研轉外包。
操作很簡單。原本由公司內部團隊做的事——驅動開發、測試驗證、維運、客服、部分軟體模組——改為交給外部供應商、ODM、離岸團隊或約聘人力。內部編制因此大幅下降，而且下降得很好看。
關鍵在於這兩件事進的是不同的科目。
正職員工的薪酬計在人事費用，而且「員工人數」本身是一個投資人會盯著看的公開數字，年報要揭露，媒體會比較，裁掉一成就是一個可以拿去講的成績。外包費用不一樣：它進的是營業成本或營業費用裡的委外服務、專業服務、採購項目，混在一大堆其他支出裡，沒有一個獨立的欄位叫「我們把這些工作搬出去了」。
於是同一件事有了兩種說法。對內對外的說法是：我們導入 AI 與自動化，用更精簡的組織達成同樣的產出，人力效率提升三成。實際發生的是：工作量一點沒少，只是執行者從編制內換到了編制外，成本從一個科目換到了另一個科目。AI 什麼都沒做，但功勞記在它頭上——因為這個時間點宣布 AI 成效，股價會漲；宣布「我們把研發外包了」，股價不會。
這件事有沒有辦法驗證？有，而且不需要內部消息。
翻開同一份年報，把員工人數的變化，和委外／專業服務／採購支出的變化，放在同一張圖上。如果人數大幅下降，而委外支出以接近的幅度上升，那麼「AI 帶來的效率」就需要重新計算——真正的效率提升，應該是兩條線一起往下走，而不是一條下、一條上。這個對照做起來很枯燥，所以很少有人做；但它是公開資料，任何人都查得到。
而外包的代價，會在比套利更晚的地方浮現，也更難逆轉。
用便宜的人替換貴的人，能力斷層至少還留在公司內部，理論上補得回來。外包則是把知識整個搬到牆外：三年之後，沒有任何一個在編的人知道那個模組為什麼那樣寫；供應商漲價，你沒有議價能力，因為換一家的轉換成本高到不可行；想收回來自研，會發現公司裡已經沒有能接手的人，連判斷供應商報價合不合理的能力都失去了。你省下的是薪資，賣掉的是選擇權。
這一點會在第五章重新出現。因為一間把核心能力外包出去、帳面看起來極度精簡的公司，正是一個完美的收購標的——直到買家發現，他買到的不是一支團隊，是一疊合約。
第二環：「裁貴請平」——高價出，低價入，有數據可查
第一章假設公司會用便宜的人填補昂貴的位置。這一環的證據來自勞動市場兩端。
出的一端：勞動力分析公司 Revelio Labs 的數據顯示，在 2025 年底轉換工作的白領當中，四成接受了超過一成的減薪——這是至少十年來的最高比例，研究者稱之為「工資疤痕」（wage scarring）：一旦以低價重新入場，未來的薪酬會長期錨定在被壓低的水平。求職平台 ZipRecruiter 的季度調查同樣發現，超過四分之一的新入職者薪酬低於前一份工作，而願意議價的人跌至三成。
入的一端更直接：Meta 在 2022 至 2023 年裁減四分之一人力後，被媒體證實重新聘用部分被裁員工——以更低的薪酬，公司甚至為此設立了「校友入口」讓前員工重新申請。同一個人、同一種技能，裁一次，價格就重設一次。而這套操作甚至不是 AI 時代的發明：早在 2007 年，美國電子零售連鎖 Circuit City 就公開宣布裁掉三千四百名「薪酬高於市場」的店員，並邀請他們在十週後以更低的工資重新應徵原職。當年這樣做要上頭條、被抵制；今天同樣的邏輯，包裝成「組織轉型」，就成了股價的利好。
這裡必須說清楚一件事：本文不否認 AI 帶來的真實生產力變化。問題不在於 AI 有沒有用，而在於「AI」這個詞在財報語言中的功能已經改變了。
過去，裁員需要理由：經濟衰退、疫情調整、業務收縮。這些理由是負面的，公司要承擔輿論壓力，股價通常下跌。而現在，一句「AI 轉型」，裁員從壞消息變成了好消息——它證明公司走在時代前沿，證明管理層有魄力，股價不跌反升。
AI 不是裁員的原因。AI 是裁員的牌照。
還有一個藏在總量底下、更值得警惕的分佈問題：這一波裁員不是平均落下的。初級職位承受了最重的打擊。史丹佛大學以人為本人工智慧研究院（Stanford HAI）的數據顯示，26 歲以下軟體開發者的就業人數自 2024 年以來下跌了接近兩成。加密貨幣交易平台 Coinbase 在重組中直接取消「純管理職」，改組為由資深工程師直接指揮 AI 代理的小組——這種結構裡，沒有留給需要指導、需要時間成長的新人的位置。
把這件事放回序章的邏輯裡，你會看到一個更長的時間炸彈：小林至少還有機會坐上那個位置。下一代的小林，連入場的門票都沒有了。今天沒有人聘用初級工程師，十年後就沒有資深工程師——但正如第一章所說，十年後不在估值公式裡。公式只計算到交割那一天。
第三章：「自然流失」——財報上最乾淨的詞
如果你細讀這些公司的財報，會發現一個有趣的現象：許多公司從頭到尾沒有使用「裁員」（layoff）這個詞。
取而代之的是一組更乾淨的詞彙：「員工重組」（employee reorganization）、「限制外部招聘」、「組織優化」，以及最優雅的一個——「自然流失」（attrition）。
「自然流失」聽起來像一種天氣現象：員工像水分一樣自然蒸發，公司只是恰好不再補充。沒有裁員公告，沒有遣散費支出，沒有媒體標題，統計上甚至不算裁員。年復一年，人力就這樣安靜地少了一成。
但任何在大型企業待過的人都知道，「自然」二字 底下，往往埋著大量並不自然的工程。
這一環最容易被質疑是陰謀論，所以恰好是證據最扎實的一環——因為承認的人，是企業高層自己。
人力資源軟體公司 BambooHR 在一項針對逾一千五百名美國管理者的調查中發現：四分之一的高階主管承認，推行重返辦公室（RTO）政策時，希望藉此促成員工「自願離職」；五分之一的人資專業人員承認，公司的到辦公室規定本來就是為了讓人辭職而設；接近四成的管理者相信，公司後來進行正式裁員，是因為在 RTO 之下辭職的人不夠多。報告的結論用了一個直白的說法：RTO 是「偽裝的裁員」。這不是媒體的指控，是當事人的自述。連美國聯邦儲備系統的褐皮書都記錄過：有僱主使用重返辦公室規定來「鼓勵流失」，作為刻意的人力削減策略。另一項 2025 年針對逾一千一百名企業領導者的調查顯示，逾半數美國企業承認使用「安靜解僱」手法——拖延加薪、增加到勤要求、削減福利——以促使員工自行離開。
而這套手法趕走的是誰？匹茲堡大學學者馬克·馬（Mark Ma）團隊分析數百萬名專業人士的職涯數據後發現：在強制到勤政策下離開的，不是低績效者，而是最頂尖的人才——資深員工、高技能者與高階管理者的離職率上升至百分之十八到十九。換句話說，「鼓勵流失」這把篩子，篩走的恰恰是最貴、也最有市場選擇權的那批人。這與第一章的估值邏輯完全吻合：要走的，本來就是薪資槓桿最大的人。
具體到個人層面的操作，序章第一幕已經寫過了：專案被逐一轉走、會議名單上的名字消失、不屬於你的責任落在你頭上。這些手法有一個共同特徵——每一件事單獨看都可以解釋，合起來卻構成一個明確的訊息：這裡不再需要你。目標對象通常會在尊嚴耗盡之前自己 遞出辭呈，於是公司省下遣散費，統計表上多了一筆「自然流失」，一切合法，一切乾淨。
而執行這些操作的，往往不是人資部門，是想上位的下一代——在上級的默許甚至指導下，去架空、去孤立、去接收前輩的位置。
這裡有一個值得所有身在其中的人冷靜計算的問題：這條上位的路，賺得長嗎？
答案藏在時間線裡。回頭看第二章的數據：這些公司的人力削減不是一次性的，是每年一輪、持續進行的滾動式壓縮。這意味著，今年配合擠走前輩的人，明年就在被壓縮的基數裡。他已經向公司證明了兩件事：第一，他的價錢比前輩便宜得多；第二，他願意配合做這種事。第一件事讓他成為下一輪估值優化的目標，第二件事讓公司毫無心理負擔——因為同樣的手法，換一個更年輕更便宜的人來執行就可以了。
他以為自己坐上了直升機。實際上他坐上的，是一張有時限的椅子，而時限不由他決定。
隔壁組的老周
以下是虛構的。
小林隔壁組有一個人，大家叫他老周。老周不是什麼明星員工，是那種你不會注意到、但系統少了他會出問題的人。他負責的模組，文件裡寫不清楚的部分，全靠他記著；出了事，半夜被叫起來的是他。他在公司十二年，薪水在部門裡排前段。
變化是慢慢發生的。
先是專案。老周負責了三年的核心模組，在一次「架構優化」中被移交給另一個小組。理由合理：跨部門整合。老周被安排到一個新項目，範圍模糊，交付標準沒有人說得清楚。
然後是會議。老周發現自己不再被邀請參加某些例會——不是被通知「你不用來了」，是會議連結從某一天起，就不再出現在他的日曆裡。他問過一次，得到的回答是：「哦，那是系統的問題，我幫你加回去。」下一週，連結再次消失。他沒有再問。
然後是績效。季度考核，老周收到的評語裡出現了一個他從未見過的詞：「協作待加強」。他去找主管，主管語氣溫和：「這不是我一個人的意見，是多方回饋。」老周問是誰的回饋，主管說：「這個我不方便透露，但你可以想想最近跨部門合作有沒有什麼摩擦。」
老周想了很久。他想不到。但他開始懷疑自己是不是真的漏掉了什麼。
接下來幾個月，模式重複：他的名字從一份又一份文件的審核名單上消失——不是被劃掉，是新版本的名單裡「忘了」加上他。有一次，一個他從未參與的決定出了問題，檢討報告裡出現了他的名字。他去查會議紀錄，發現那場會他根本沒有被邀請。他拿著證據去找主管，主管看了，說：「我理解你的感受，但現在重要的是怎麼解決問題，而不是追究誰的責任。」
老周注意到一件事：做這些事的不是一個人。會議連結消失的時候，主管不知情——或者說，表現得不知情。名單「忘了」加他的時候，負責的人真誠地道歉。績效的「多方回饋」來自不同部門，每一個人單獨問都說「我只是如實反映」。沒有人在撒謊。沒有人承認在配合。但每一件事合起來，指向同一個方向。
他開始失眠。他開始在週日晚上感到恐懼。他開始反覆檢查自己的郵件，確認自己沒有遺漏什麼。他去看了醫生，醫生說是焦慮症，開了藥。他沒有告訴任何同事，因為他不確定自己是不是想多了——畢竟，每一件事單獨看都有合理的解釋。
三個月後，老周遞了辭呈。
公告上寫的是「另有生涯規劃」。和序章裡前輩的公告，用的是同一個句式。
小林在茶水間聽到消息的時候，說了一句：「老周人挺好的，可惜了。」然後繼續沖咖啡。
以上是虛構的。
但如果你在一間正在「優化人力結構」的公司裡待過，你可能會覺得這段文字有一種不舒服的熟悉感。如果你覺得不舒服——請認真對待那個感覺。
「自然流失」在財報上是最乾淨的詞。而乾淨的詞底下，有時候埋著的不只是一個人的職位，是一個人的完整性——他對自己判斷力的信任、他對世界基本公平的信念、他作為一個正常人正常生活的能力。當這些東西被一層一層剝掉，而每一層的剝離都有一個「合理的解釋」，受害者最後懷疑的不是系統，是自己。
還有一個數字上的破綻，一旦看見就無法假裝沒看見。
「自然流失」，顧名思義，應該是自然的——員工因為個人原因、家庭、健康、轉行、退休，以一個大致穩定的速率離開。一間千人的公司，正常年份的自然流失率大約在百分之八到十二之間（視行業而異）。這個數字不會因為公司的財務目標而改變，正如下雨不會因為你需要晴天就停。
但翻開這些正在「優化人力結構」的公司的數據，你會發現一件不可能的事：「自然流失」的速率，恰好在公司需要削減人力的年份，急劇加速了。原本每年走一成的，忽然變成走兩成、三成。而且加速的時間點，精確地對齊了財報的需求——不早不晚，就在成本目標需要被達成的那幾個季度。
自然現象不會配合你的預算週期。雨不會因為你明天要辦婚禮就停；員工不會因為公司下季要交一份漂亮的利潤率就恰好集體決定離開。
如果「自然流失」的速率在公司需要它加速的時候加速了，那它就不是自然的。而如果它不是自然的 ，那麼財報上用「自然流失」這四個字所記錄的，就不是事實——它是一個用正確的名詞包裝的不正確的描述。乾淨的詞，髒的來源。
沒有人會因為這個矛盾被追究。因為「自然流失率上升」有無數個解釋——市場好、競爭對手挖人、世代觀念改變——每一個都合理，每一個都足以擋住任何追問。但你只需要問一條問題：這些解釋裡，有哪一個能說明為什麼流失率的峰值，精確地落在公司需要裁員卻不想叫它裁員的那個季度？
而最後一句話，留給每一個讀到這裡的人：
這段虛構的故事，和你見過的現實之間，距離有多遠？如果答案是「不遠」——那麼財報上那個乾淨的數字背後，站著的是什麼？而那個數字加速的季度裡，有多少個老周？
第四章：解藥市場——當焦慮成為最好賣的商品
被兌換出局的人去了哪裡？
一部分轉行，一部分沉默，還有一部分——出來開課。
這不難理解。一個被裁的資深工程師要維持收入，而市場上恰好有一群最精準的買家：仍在職、目睹了一輪又一輪裁員、深怕自己是下一個的人。恐懼是企業免費製造的，講師只需要出售解藥。於是一條完整的食物鏈成形了：企業用 AI 做理由裁人，被裁的人出來教 AI，在職的人自費去學——勞動者掏錢訓練自己的替代品，而企業一毛錢培訓費都不用出。
這條食物鏈的每一段，都有具名的調查數據支撐。
恐懼端：人力資源顧問公司 美世（Mercer）對全球一萬二千名工作者的調查顯示，2026 年有四成員工害怕被 AI 取代——兩年前這個數字是 28%。KPMG 對逾二千一百名美國員工的調查更高：52% 擔心自己的工作終將被 AI 取代，比一年前接近翻倍。恐懼不是本文的修辭，是被反覆量度出來的集體狀態。
自費端：人力資源集團任仕達（Randstad Digital）在 2025 年底對二萬七千名數位工作者與一千二百多家僱主的調查發現：約半數科技從業者正在自掏腰包購買 AI 培訓，原因是僱主不為他們提供準備。線上教育平台 edX 的調查顯示，四分之三的科技工作者認為自己必須在六個月內完成技能升級才能保住工作；過半數受訪者計劃當年自費超過一千美元於進修。
而最能說明問題的，是企業端的反向數據：同一時期，僱主在企業 AI 工具上的支出約三百二十億美元，投入員工培訓的不足四十億——八比一。研究機構 Gartner 發現企業培訓預算在 2025 年下半年平均削減 18%，同期 AI 工具支出增加 23%；LinkedIn 的職場學習報告顯示，提供正式 AI 培訓的企業比例不升反跌。買機器的錢在加碼，教人的錢在退場——缺口留給員工自己填，而員工果然自己填了。這就是「勞動者自費訓練自己的替代品」的完整證據鏈：企業製造恐懼、撤走培訓、員工掏錢——三個數據集，一個閉環。
但在把所有賣課的人打成一類之前，必須先畫一條線。因為這個市場實際上是一個光譜。
光譜的一端，是真材實料的課。我自己付過一千元，上過一門教小商戶搭建 AI 客服機器人的線上課：三小時內容，三個月回看期，範例是真實可用的範例，講師甚至考慮到學員的成本壓力，教了如何使用低價的 API 方案。它不完美——普及性與長期成本的討論不夠深入——但學完之後，你手上多了一件真的 做得出來的工具。
光譜的另一端，是五千元的三個半小時，教你用提示詞生成 AI 虛擬人像，附贈一個「提示詞工具」。學完之後，你手上多了什麼？一批 AI 生成的照片，和一種「我做了點什麼」的感覺。
問題在於：從行銷頁面上，你分不出這兩端。金光閃閃的視覺、「實戰班」的命名、倒數計時的早鳥價、講師的頭銜與經歷——兩端使用的語言一模一樣。講師的履歷甚至都是真的：名校碩士、大廠工程師、業界認證。履歷的真實性在這裡不是能力的證明，而是銷售的包裝——它的功能是讓你在付款頁面上按下確認。
而這個市場無法自我修正，原因藏在買家的心理裡：買了空氣課的人，極少公開說出來。說出來等於承認自己被收割了。沉沒成本讓受害者選擇沉默，甚至反過來成為擁護者——「課程還是有啟發的」。於是劣質課的差評永遠稀少，行銷頁上永遠好評如潮，下一個小林看到的永遠是一片繁榮。
一段對話
我手上有一段真實的紀錄，跨度九個月，對象是一個化名阿堡的人。三十歲，科技大學畢業，非本科出身，沒有業界經驗，想進 AI 領域。以下是我們之間發生的事。
我們是這樣認識的。生成式 AI 還沒有成熟的那段時間，我在網上斷斷續續免費回答一些 Python 的問題——沒有任何目的，單純是有人問，而我剛好答得到。阿堡就是這樣加上我的，他想要一條學習路線。
我給他的第一個建議，不是任何一門課，是一句話：先搞清楚你想做什麼。
這句話背後的判斷是這樣的：AI 與軟體是一個極寬的光譜——資料工程、模型訓練、應用開發 、系統整合、產品設計、自動化流程，每一條路需要的能力、適合的性格、能走多遠，都完全不同。而他不是本科出身，沒有在任何一條路上待過。在這種狀態下最不該做的事，就是先花錢報一門課，然後讓那門課替他決定方向——因為課程賣的是它有的東西，不是他需要的東西。
所以我告訴他：先找方向，再找方法。方向要靠試，而試的成本可以接近於零。
2024 年 9 月，他問我怎麼入行。我花了一整段訊息告訴他：不要以 AI 開發為核心，從應用切入，先了解自己的業務困難，用最簡單的 AI 解決最具體的問題。我發了三條連結給他：吳恩達的 DeepLearning.ai（免費課程，業界最高品質）、W3Schools（免費技術基礎）、以及 Hugging Face 上的開源模型庫。每一條都是免費的，每一條都是業界公認的頂級資源。
五個月後，2025 年 2 月，阿堡回來找我。他的近況是：考了 Google 證照，正在拼一張機構頒發的生成式 AI 能力認證。他問我有沒有在找課程。
我告訴他：五十美金租 cloud GPU，二十六分鐘就能重訓一個自家模型；Hugging Face 上有大量開源模型可以直接取用；硬技術基礎在免費資源裡全部找得到。
他的回覆是：了解。然後問我有沒有考證照。
我盯著那句話看了一會。
那一刻發生的事，比整段對話任何一句都更能說明這個市場的狀態：我正在教他的時候，他在用我沒有的那張紙，衡量我夠不夠格教。
這不是無禮。他甚至可能是關心——「你也去考一張吧」。真正的問題在於，他手上只剩下這一把尺。技術判斷、實作路徑、對工具生態的理解，這些東西他沒有辦法評估，因為評估它們需要的正是他還沒有的能力。而證照他評估得了：有，或沒有。當一個人只有一把尺，他就會用那把尺去量所有 東西，包括量那些尺量不到的東西。
於是出現一個奇怪的結果：一個花了幾個月免費給他業界頂級資源的人，在他的認知裡是「還沒準備好」的；而一套通識型的初階認證，是「準備好了」的證明。
我不怪阿堡。而且必須說清楚：他的選擇，在他的處境裡，是合理的。
一個三十歲、沒有經驗、沒有人脈的人，最缺的不是知識——我給他的三條連結裡裝著他需要的一切。他最缺的是一張門票：一個 HR 打開履歷時認得出的信號。證照給了他這個信號。考完之後，他從「什麼都沒有」變成「有認證」，起薪可以從兩百萬叫到兩百五甚至三百，企業願意給他面試機會。他的價值，確實因為那張紙上升了。系統在起步的那一刻，對他是正的。
但同一張紙，放到光譜另一端，做的是相反的事。
一個有十幾年經驗的工程師，如果也去考同一張認證，HR 的搜尋系統會把他和阿堡放在同一個欄位裡——同一個剔，同一個篩選結果。十幾年的判斷力在那個欄位裡是不可見的，因為欄位只裝得下「有」或「沒有」。於是他的議價空間被壓到和所有持證者同級；不考，連欄位都進不了；考了，價值被攤平。
同一張認證，對沒有經驗的人是提升，對有經驗的人是壓縮。兩邊的力同時作用，效果是把一個本來有價差的市場壓成公價市場——而公價永遠向下靠，因為認證的設計是量產：通過率超過七成，報考資格是「所有人」，目標不是篩選，是供應。供應越大，每一張紙的稀缺性越低，企業的出價越有底氣壓下去。
所以阿堡得到的東西是真的。但他得到的同時，另一些人正在失去——而且失去的方式，恰恰是阿堡的存在本身：他是一個帶著標籤的、更便宜的替代選項。他不知道自己在這條鏈裡的角色，正如序章 裡的小林不知道自己坐的是一張一千萬的椅子。
甜與苦溶在同一杯裡，分不開。這個結構不需要壞人，只需要每個人都做了最合理的選擇——而合理選擇的累積效果，是整個市場的定價權從經驗者手上轉移到一張通過率七成的考卷上。
而我給阿堡的那些連結——免費的、頂級的、足夠他從零走到能獨立工作的資源——在他的世界裡，等同於不存在。不是因為他看不見，是因為它們沒有價錢牌。沒有價錢牌的東西，在一個用標籤分類一切的市場裡，無法被辨識為有價值。
滅火器有了價錢牌。而真正能滅火的水，因為免費，所以不算。
最後，把第一章第四筆錢接回來：這個解藥市場的周邊生態——用自己人帳號填充活躍度的社群、互相掛名站台的講師網絡、以個人資料換取免費入場的聚會——正在被公帑放大。這一環同樣不必推論：補貼機制是公開的制度。以台灣為例，勞動部的產業人才投資方案，為在職勞工補助八成課程費用，特定對象全額補助；各部會推動 AI 相關的講座、研習與產業活動，亦以「服務人次」作為成果指標——這正是報名紀錄與人頭之所以有價的制度根源。政府補貼的原意是推動產業學習，實際效果是替這部焦慮變現的機器解除了規模上限。納稅人出錢，機器加速。
第二次銷售：把敘事賣回給決策者
到這裡為止，這個市場賣的都是給員工的解藥。但它還有一層樓，價格更高，交付更難驗證，而且買家坐在會議室的另一端。
我最近讀 到一篇廣為流傳的產業分析。論點是這樣的：AI 的第一幕是模型之戰，第二幕是代理人之戰，第三幕將是部署之戰；當模型逐漸商品化，價值會從「誰的模型最強」下沉到「誰能把運算做得又便宜又能塞進裝置」；而這個方向，恰好沉到某某地方最擅長的位置上。
平心而論，這篇文章的大方向是有洞察力的。價值從模型層往部署層移動，這個判斷我認同。但把它拆開來檢查，會發現一個結構：前四步的推論扎實，最後兩步——「運算下沉」到「本地產業因此受益」——是跳過去的。中間缺了一整段論證：掌握製造，不等於掌握平台；能把東西做出來，不等於能捕獲價值。那些真正賺到錢的公司，護城河從來不只是硬體，是硬體加上開發者生態、加上軟體堆疊、加上分發管道。而這篇文章對最關鍵的一層——模型之上、硬體之下，那個負責調度、記憶、工具、權限的系統層——幾乎沒有著墨。
那麼問題來了：一篇論證有缺口的文章，為什麼會廣為流傳？
因為它的結構，完美適配另一種用途。
「第一幕、第二幕、第三幕」是投影片的骨架。「模型商品化」是一頁圖表。「價值下沉」是一個向下的箭頭。「本地產業的機會」是結尾那張讓所有人點頭的收束頁。這篇文章最容易產生的產品，不是任何一件實際部署的 AI 系統，而是一系列課程：《AI 第三幕：部署時代的產業機會》、《AI 代理人時代，企業如何轉型》、《企業 AI 戰略：從概念驗證到規模化》。然後是顧問服務、企業內訓、政府補助案的計畫書。
這就是解藥市場的升級版。以前賣的是「教你用 AI」，單價四千九，買家是害怕被裁員的員工；現在賣的是「教你理解 AI 產業的下一個十年」，單價高一個數量級，買家是害怕做錯決策的高階主管。 後者更高級，也更好賣——因為它的交付物是「認知」，而認知無法被驗收。一個員工上完課，至少可以檢查自己做不做得出那個工具；一個主管聽完趨勢演講，要如何證明自己「理解」了或沒理解？
而這裡有一個閉環，值得停下來看清楚。
第二章講過，「AI 轉型」這個敘事的功能，是把裁員從壞消息變成好消息——它是裁員的牌照。現在請注意這張牌照是從哪裡來的：它來自趨勢分析、產業論壇、顧問簡報、主管培訓課程。也就是說，同一批人，先把「AI 正在重塑一切，你必須轉型」這個故事賣給決策者——決策者拿著這個故事去執行裁員；然後再把「AI 時代你必須升級技能」這個故事賣給被裁的和害怕被裁的人。
一場裁員，兩次銷售。上游賣給按下按鈕的手，下游賣給按鈕底下的人。而兩邊買的，是同一個故事的兩面。
我不認為做這件事的人有意識地在設計這個閉環。趨勢分析者真心相信自己的判斷，講師真心想幫人，主管真心以為自己在做正確的轉型決策。但真誠不改變結構：當一個敘事同時是決策的理由和商品的內容，說故事的人就同時是這場交易的顧問和受益者——而沒有任何規則要求他揭露這一點。
所以那篇文章最可能被成功部署的地方，不是任何一條產線、任何一台邊緣裝置。是企業主管的投影片。
這也解釋了為什麼在這個市場裡，有洞察力的文章不一定跑得贏、論證嚴謹的分析不一定被看見。因為市場真正在採購的，從來不是「準確」，是「可以拿去講的東西」。準確的分析往往充滿限制條件、無法一句話收束、結尾不能給人力量；而可以拿去講的東西，必須有三幕結構、有向下的箭頭、有一個讓所有人點頭的結論。
在一個敘事本身就是商品的市場裡，最高效的產品從來不是 AI，是關於 AI 的故事。
第五章：終局——這一切為了一場交易
現在回答整篇文章最根本的問題：企業為什麼要這樣做？
裁掉最有經驗的人、讓系統累積隱性斷層、把團隊士氣消耗殆盡——任何真心想長期經營的管理層，都不會系統性地做這些事。除非，長期經營從來不是目標。
目標是一場交易。
而說得更完整一點：目標是退場。 而退場只有兩條路。
第一條是套現。老闆年紀到了，第二代不想接，或者接了也撐不住；本業的市場在縮，回報一年比一年薄；繼續投資看不到回收期。這時候最理性的選擇不是振興，是把公司打扮好，賣掉。所有壓縮成本、美化利潤率的動作，都是為了同一場交易，前面已經算過那條估值公式。
第二條是轉營。不賣公司，但把本業當成提款機——不再投資、不再培養人、不再更新設備與架構，把本業擠出來的現金移去做新的東西：地產、投資、代理、另一個賽道的新事業。舊業務不是被經營，是被收割；它的功能從「創造價值」變成「產生現金流以供轉移」。
這兩條路，從外面看起來完全一樣：人力持續下降、利潤率上升、投資縮減、資深的人一批批離開、留下的人做三個人的事。從裡面看也一樣——沒有人會宣布「我們決定不玩了」，員工只會感覺到資源越來越緊、決策越來越短視、問「三年後的規劃是什麼」得不到答案。
而香港與台灣，對這兩條路都不陌生。
過 去幾十年，我們看過太多次同一齣戲：工廠北移、生產外包、本業掏空、資產轉去房地產或金融投資；老牌製造業的招牌還在，但招牌後面已經換了生意。也看過大量家族企業因為二代不接班而選擇出售，或者維持一個不再投資的軀殼直到賣得出去為止。這些故事的共同點是：真正的決定早在幾年前就做完了，而員工是最後才知道的一群人。
每一次，這個決定都需要一個對外的說法。而每個年代提供的說法不一樣：九十年代是「產業西進、成本結構調整」；金融海嘯後是「全球需求疲弱、必須精實」；後來是「數位轉型」；再後來是「疫情之後的新常態」。
這一次，說法叫 AI。
而 AI 之所以比前幾個說法都好用，原因在於它們的性質不同：成本壓力、需求疲弱、全球衰退，全部是壞消息——公司要承擔輿論，股價通常下跌。只有這一個是好消息。說你在轉型，股價會漲。一間決定退場的公司，本來就會裁人、本來就會停止投資、本來就會讓資深的人先走；AI 沒有製造這個劇本，它只是第一個讓執行這個劇本看起來像進步的理由。
這也解釋了一件否則說不通的事：為什麼裁員的公司，很多同時在創紀錄地賺錢。一間真的因為 AI 而變得更有效率的公司，應該把省下來的錢投回去——請更多人做更多事，擴大戰場。而一間正在退場的公司，會把省下來的錢拿去回購股票、提高股息、美化下一季的每股盈利。前面第二章的數據裡，實際發生的是哪一種，讀者可以自己判斷。
把時間軸拉長到五至十年，整套操作的邏輯立刻清晰：持續壓縮人力成本，利潤率逐年上升；「AI 轉型」的敘事讓削減顯得像進步；回購股票與提高股息推升股價；財報上每一項指標都在為同一件事服務——把公司打扮成一個完美的收購標的。第一章算過那條公式：每省一元年度成本，在交易桌上值十到十五元。三年的「優化」，換一次性的溢價套現。至於三年後才引爆的技術債與能力斷層？交割之後，那是買家的問題。
先釘上這一環的前提：那筆「被記成利潤的負債」，真的會爆嗎？管理學研究的答案相當一致。哈佛商學院的研究總結指出，裁員帶來的短期成本節省，往往被知識流失、員工投入度下降、自願離職率上升與創新力下滑所抵銷，長期反而損害利潤；《管理學刊》2022 年刊出的研究發現，經歷裁員的公司在其後一年的專利申請量下跌三成。而到了 AI 裁員時代，這個規律以更快的速度重演：2026 年的多項企業調查匯總顯示，在以 AI 為由大幅裁員的公司當中，約 55% 事後承認後悔——品質劣化、機構知識無法重建、重新招聘的成本超過了當初的節省。負債會爆，是有紀錄的規律；只是引爆的時間，設計成落在交割之後。
但故事還有下半場，因為買家也不蠢。
出高價買殼的人，從一開始就沒打算經營這盤生意。他買的是這間公司的 IP、客戶名單、歷史數據、品牌形象——以及最重要的，一個現成的上市地位。交割完成後，第二輪拆骨開始：有價值的資產被逐步移轉——客戶合約轉往關聯公司、IP 授權給自己人、核心團隊「自然流失」；同時，這個殼被用作融資與配股的平台，或反向注入買家自己的生意，完成借殼上市。名義上是「業務重組」與「戰略轉型」，實際上是把殼裡剩餘的價值搬空。
「買家買的不是生意，是可以榨取的資產」——這一環聽起來最像陰謀論，所以用一個全程有公開紀錄的案例作結。2023 年底，晶片巨頭博通（Broadcom）以六百一十億美元完成對虛擬化軟體公司 VMware 的收購。其後的操作全部 見諸財報與主流科技媒體：員工人數削減逾一萬九千人，超過收購前的一半；終止永久授權，強制客戶轉為訂閱制；客戶端錄得的價格升幅，低則一倍半到三倍，雲端服務商一端的投訴高達八至十五倍——美國電訊巨頭 AT&T 甚至為此提告，指控獲報價的加幅超過十倍（其後和解）。結果呢？博通基礎設施軟體部門的營運利潤率，從收購前 VMware 自營時期的一到兩成，升至 77%。而代價同樣有公開預測：Gartner 估計 VMware 的市場佔有率將從 2024 年的七成跌至 2029 年的四成，客戶調查顯示絕大多數用戶正在使用、規劃或考慮替代方案。翻譯成本文的語言：買家沒有經營這門生意，買家在結算這門生意——把幾十年累積的客戶鎖定與技術護城河，在它貶值之前，以最快速度兌換成利潤率。這不是失敗的收購。以買家的目標而言，這是一次極其成功的收購。
於是完整的收割一共三輪：第一輪，原管理層裁人做帳，賣盤套現；第二輪，買家拆骨搬資產，榨取存量價值套現；第三輪——沒有第三輪的收割者，只有第三輪的承受者：殼裡剩下的員工，和接了最後一手的小股東與客戶。
如果你覺得這套劇本眼熟，那不是巧合。我在《資本遊戲玩家》系列中，以真實的科技與遊戲產業案例，完整拆解過這套資本的標準作業流程：人事替換、收購稀釋、定向裁員、AI 敘事包裝——四個步驟，在不同的公司、不同的產業反覆上演，連順序都很少改變。那個系列寫的是這套劇本如何吞掉一間又一間公司；而這篇文章寫的，是同一套劇本落在一個具體的人身上時，他所看到的風景——也就是序章裡，小林在走廊上站著的那個下午。
寫在終章之前：AI 不是假的
讀到這裡，如果你的感覺是「所以他在說 AI 是騙局」——請在這裡停一下，因為那不是本文的意思。
AI 的能力是真的。它真的能讓一個人做到以前三個人的產出；真的能把寫程式、做分析、處理文件的時間壓縮到原來的幾分之一；真的正在改變每一個行業的工作方式。這篇文章的分析過程本身就用了 AI——如果我不認為它有真實的生產力，我不會每天用它。
而且，每一個人都應該學會使用它。這一點沒有任何保留。AI 是這個時代最強的個人生產力工具，不學，就是放棄一個巨大的槓桿。這不是課程廣告的話術，這是事實。
所以問題出在哪？
問題不在 AI，在四個方向上的錯位。
企業用錯了。 真正的效率提升，應該是用 AI 讓留下來的人做得更好、做得更多、做出新的東西——然後把省下來的時間投資在下一代產品與能力上。但很多企業做的，是用 AI 的名義裁人，把省下的錢派給股東，然後宣稱這是轉型。第二章的數據已經顯示，七千億的資本開支買的是 GPU 和資料中心，不是員工的未來。
政府補貼用錯了。 補貼的目的是降低學習門檻、填補市場失靈。但當補貼機制以「服務人次」為成果指標，它獎勵的就是量產，不是品質。一個認證通過率七成、報考資格是「所有人」的考試，製造的不是人才，是標籤——而標籤的效果是壓平整個市場的定價。
課程產業用錯了。 AI 真的值得教，但市場上最暢銷的課程，賣的往往不是 AI 的能力，而是對被淘汰的恐懼。恐懼驅動的購買，不會在乎課程教了什麼，只在乎「我買 了」這個動作本身帶來的安心感。所以劣質課和優質課用同一套行銷語言，而市場無法自我修正。
媒體用錯了。 AI 是一個真實的好故事，但好故事太好用了。它被用來包裝裁員、包裝轉型、包裝退場決定，甚至被用來同時賣兩次——上游賣給按下按鈕的決策者，下游賣給按鈕底下的人。媒體不是在說謊，它只是在重複一個既是事實又是商品的敘事，而沒有區分兩者。
所以本文批評的從來不是 AI。本文批評的是：一項真實的技術進步，正在被系統性地挪用為一組與技術無關的決定的掩護。而最讓人難以反駁的地方在於——掩護之所以有效，正是因為它包裹的那顆核心是真的。
如果 AI 是假的，這一切反而簡單——戳穿它就好了。正因為 AI 是真的，你才需要更仔細地分辨：你被推著去做的那件事，是在學習一項真實的工具，還是在配合一場與你無關的退場？
答案有時候是前者。有時候是後者。有時候是兩者同時。而分辨它們的方法，前面五章已經給了。
終章：最大的盲點
寫到這裡，必須誠實面對一個問題：以上這些，真的沒有人看見嗎？
不。很多人看見了。身在其中的人，感受比任何旁觀者都清楚。
真正的盲點不在於看不見，而在於看見之後的那個結論。大多數人的結論是：規則是別人定的，我改變不了，那麼唯一理性的選擇就是加入——報那門課、進那個圈子、學那套話術，必要時，配合擠走自己的前輩。
而這個結論，正是整部機器最重要的零件。
它不需要你真心相信，只需要 你覺得別無選擇。當足夠多的人加入，不加入的人就會被自動歸類：跟不上時代的、酸的、輸了才說規則不公平的。批評的聲音不需要被反駁，只需要被分類——分類完成，聲音就失效了。於是機器獲得了最好的防護：它的受害者，同時是它的辯護人。
這篇文章不提供解藥。市場上賣解藥的人已經夠多了，而且你已經知道解藥是怎麼定價的。
它只想在你下一次看到「破紀錄營收」與「組織優化」出現在同一份財報時、下一次收到主管私下轉發的課程連結時、下一次覺得自己終於被看見被提拔時——留下一道可以自己驗算的算式：
錢從哪裡來，到哪裡去。誰是淨流入方，誰是淨流出方。
然後問那個小林在走廊上想通的問題，但要在走到走廊之前問：
你現在在這條鏈的哪一環——和你以為自己在哪一環？
本文為〈效率陷阱〉續章。關於資本拆骨劇本的完整案例分析，見《資本遊戲玩家》系列。
姊妹篇〈異常報告裡的讀者——當真話與垃圾走同一條通道入場〉記錄的是另一半的故事：當你試圖把這些寫出來，這些文字在平台上會遭遇什麼。兩篇合起來，才是完整的一張圖。
📚 效率陷阱與認知侵蝕五部曲
- [認知與判斷——AI 時代人類最後的不可取代性](./認知與判斷——AI 時代人類最後的不可取代性.md)
- 環境如何令人變蠢——認知與判斷（後記）
- 效率陷阱：當所有人都在學AI，誰在創造新需求？
- 殺死創新的標準作業程序
- 效率陷阱・續章：你以為 你贏了