四月趋势｜裁员扩散到平台级、开源能力超越、资本军备竞赛、监管实操落地

趋势判断：裁员线扩散到平台级公司、开源线从生态推进到能力超越、资本线从投入升级为军备竞赛、监管线从方向选择进入实操落地。

本月节点

趋势解读

4 月的职业轴出现两个标志性变化：AI 裁员扩散到平台级公司，再培训从英美扩展到发展中国家。

Snap 和 Meta：平台级公司的 AI 裁员。 4 月 15 日，Snap 宣布裁约 1000 人、约占 16%，CEO Evan Spiegel 在备忘录中称“AI 的快速进步使小团队也能完成同样工作量”，公司逾 65% 的新代码由 AI 生成。^[1]海峡时报报道[EB/OL]. 访问日期：2026-07-08。 4 月 23 日，Meta 向全球员工发出内部备忘录，宣布裁约 10%、约 8000 个岗位，并冻结 6000 个空缺职位，称此举是为“提高运营效率并抵消在人工智能上的巨额投入”。^[2]Bloomberg 报道[EB/OL]. 访问日期：2026-07-08。

这两起裁员与 2 月 Block、3 月 Atlassian 的区别在于公司体量。Block 和 Atlassian 是细分领域的上市公司，Snap 和 Meta 是用户数以亿计的平台级公司。当平台级公司开始以 AI 效率为由裁员，信号意义远大于中小企业案例：这不是个别公司的战略选择，而是行业级的结构性调整。

Snap 的“65% 新代码由 AI 生成”是一个值得关注的硬数据。它把“AI 替代软件开发岗位”从预测变成了可量化的事实。当超过一半的新代码由 AI 生成，软件工程团队的人力结构必然收缩。

再培训从英美扩展到发展中国家。 4 月 3 日，巴基斯坦启动总理免费 AI 培训计划，为 100 万青年提供生成式 AI、机器学习和提示工程课程。^[3]旁遮普大学官方新闻[EB/OL]. 访问日期：2026-07-08。 4 月 15 日，迪拜数字局启动 AI+ 政府劳动力转型计划，为 5 万名政府雇员提供 AI 技能培训。^[4]迪拜媒体办公室[EB/OL]. 访问日期：2026-07-08。

1 月和 2 月的培训计划集中在英美发达国家，4 月扩展到巴基斯坦和阿联酋。这说明 AI 技能培训正在从发达国家的“竞争力维护”变成发展中国家的“生存准备”。巴基斯坦的模式是面向青年的大规模基础培训，迪拜的模式是面向政府雇员的岗位级转型培训，两种模式分别对应不同的发展阶段和制度环境。

两条线的关联在于： Snap 和 Meta 的裁员说明 AI 替代正在加速，巴基斯坦和迪拜的培训说明应对措施正在扩散，但两条线的速度差在扩大。平台级公司的裁员决策可以在数周内执行，国家级培训计划从启动到产出人才需要数年。替代速度持续快于培训速度，这个剪刀差是 2026 上半年职业轴的核心矛盾。

趋势状态

裁员的归因之争：加速扩散。 从中小企业扩散到平台级公司，Snap 的 65% AI 代码生成是量化里程碑。

白领认知工作的渗透进度：加速。 软件开发岗位的 AI 渗透已从“辅助”推进到“65% 新代码由 AI 生成”。

技能溢价的重新洗牌：延续扩散。 从英美扩展到巴基斯坦和迪拜，但培训速度仍落后于替代速度。

决策准备

1. 平台级公司员工： Snap 和 Meta 的裁员说明平台级公司不再是“安全港”。65% 新代码由 AI 生成意味着软件工程师需要从“写代码”全面转向“审代码和设计架构”。
2. 发展中国家政府： 巴基斯坦和迪拜的模式可以参考，但需根据本国产业结构定制。巴基斯坦面向青年的基础培训适合人口年轻化的国家，迪拜面向政府雇员的岗位级培训适合公共部门庞大的国家。
3. 投资者： Meta 裁员 8000 人并冻结 6000 个空缺，省下的成本将投向 AI 基础设施。短期利好 Meta 的 AI 投资能力，但需关注裁员对产品创新能力的长期影响。

本月节点

趋势解读

4 月的产业轴打出两组重拳：中国开源模型的能力超越，美国四巨头的资本军备竞赛。

开源从生态规模到能力超越。 4 月 24 日，DeepSeek 发布 V4 开源预览版，NIST CAISI 评估确认其接近前沿模型能力。^[5]NIST CAISI 评估报告[EB/OL]. 访问日期：2026-07-08。 同日，智谱 AI 发布 GLM-5.1 开源旗舰模型（7440 亿参数 MoE 架构），在 SWE-Bench Pro 这个“真实世界编程能力”基准上超越 Anthropic 最强闭源模型 Claude Opus 4.6，且支持 8 小时长程任务自主执行。^[6]财新报道[EB/OL]. 访问日期：2026-07-08。

1 月千问 20 万衍生模型标志着开源生态规模的网络效应，4 月 DeepSeek V4 和 GLM-5.1 标志着开源在特定垂直领域实现了对美国闭源前沿的局部超越。从“生态规模”到“能力超越”，开源逼近前沿的趋势线在 4 月完成了质变。GLM-5.1 超越 Claude Opus 的意义不在于一个基准的排名，而在于它证明了中国开源模型可以通过“开源加垂直优化”路径，在企业最需要的编程自动化场景打穿闭源壁垒。

资本支出从投入到军备竞赛。 4 月 29 日，Amazon、Microsoft、Google、Meta 公布 Q1 2026 财报，四家合计资本支出 1306 亿美元，全年预测上调至 7250 至 7500 亿美元，比 2025 年 4100 亿美元增长 77%。^[7]Business Insider 报道[EB/OL]. 访问日期：2026-07-08。 其中 Microsoft 全年上调至 1900 亿美元，Meta 上调至 1250 至 1450 亿美元。

Q1 数据证伪了“回报不明”论：Azure 增长 40%、Google Cloud 暴涨 63%、AWS 增长 28% 创 15 季新高，且四家在 beat 预期后继续上调全年 capex 指引，说明需求端仍然供给受限。真正的信号是：算力短缺比资金短缺更致命，谁先建成基础设施谁就锁定未来十年的 cloud 和 AI 市场份额。资本支出从“投入”升级为“军备竞赛”。

两组事件的关联在于： 开源能力超越和资本军备竞赛看似矛盾，实则相互推动。开源模型逼近前沿意味着闭源模型的护城河在收窄，这迫使美国巨头加速投入基础设施以维持算力优势。反过来，巨头的基础设施投入越大，推理算力供给越充裕，开源模型的部署成本越低，开源生态扩张越快。

趋势状态

开源逼近前沿的进度：加速质变。 从生态规模推进到能力超越，GLM-5.1 超越 Claude Opus 是标志性节点。

AI 资本支出的回报拷问：加速升级。 从“投入”升级为“军备竞赛”，四巨头全年 7250 亿美元 capex 是历史级别。

决策准备

1. 企业 AI 决策者： GLM-5.1 在编程能力上超越 Claude Opus 意味着开源模型已可在特定场景替代闭源。需重新评估是否需要为所有场景付费使用闭源 API，还是可以在编程等场景切换到开源。
2. 闭源模型提供商： 开源在编程场景的超越是预警。护城河正在从“通用能力领先”收窄为“特定场景领先”，需要在 agent、长程任务等开源尚未追上的领域加速创新。
3. 投资者： 四巨头 7250 亿美元 capex 意味着算力基础设施的供给将大幅扩张，但短期内仍供给受限。算力短缺比资金短缺更致命的逻辑意味着，先建成基础设施的公司将锁定市场份额。

本月节点

趋势解读

4 月的地缘轴三条节点分别从算力、监管和市场三个维度推进。

主权算力的中东节点。 4 月 8 日，彭博报道阿布扎比科技集团 G42 正推进在阿联酋建设容量约 5 吉瓦的超大规模 AI 数据中心园区 Stargate，预计为 OpenAI 等多家硅谷公司提供训练和推理算力。^[8]Bloomberg 报道[EB/OL]. 访问日期：2026-07-08。 G42 已与 Microsoft 合作宣布 200 兆瓦数据中心扩建计划，并获得大批最新 AI 芯片进口许可。

G42 规划 5 吉瓦级别的 Stargate 园区并引入 OpenAI 等美国实验室，本质是在把“主权云”变成全球 AI 基础设施网中的关键节点。对于希望绕开美国国内政治和能源约束的前沿实验室而言，阿联酋提供的是一套“算力在外、伙伴在美”的配置。这将使未来前沿模型的训练地理分布更加分散，也给欧盟和英国的主权算力战略施加竞争压力。

中国监管从通用到细分。 4 月 10 日，中国发布“人工智能拟人化互动服务管理暂行办法”，规定自 7 月 15 日起正式施行。^[9]Reuters 报道[EB/OL]. 访问日期：2026-07-08。 该办法由网信办、发改委、工信部、公安部、市监总局五部委联合出台，单列虚拟伴侣和情感互动服务监管，禁止向未成年人提供虚拟伴侣服务。

这是中国将 AI 治理从“内容安全”扩展到“心理和行为安全”的分水岭。与美国强调言论自由和平台自律的路径形成鲜明对比。3 月美国选择轻监管，中国选择细分监管，两条路径在 4 月进入实操阶段。

软件股暴跌：市场对 AI 监管和替代的定价。 4 月 23 日，软件股因 AI 恐慌暴跌。^[10]CNBC 报道[EB/OL]. 访问日期：2026-07-08。 这与 2 月 5 日的 SaaS 暴跌一脉相承，但 4 月的暴跌发生在更广泛的宏观背景下：投资者开始系统性重新评估 AI 对传统软件商业模式的替代风险。市场不再把 AI 视为单一技术的突破，而是开始定价 AI 对整个软件行业的结构性冲击。

趋势状态

算力民族主义：加速。 G42 的 5 吉瓦 Stargate 是主权算力从政策走向超大规模基础设施的标志。

AI 监管的全球分歧：确认并实操。 中国拟人化 AI 监管新规和软件股暴跌分别从监管端和市场端确认了全球监管分歧的实际影响。

决策准备

1. 前沿 AI 实验室： G42 的 Stargate 园区提供了绕开美国国内能源约束的算力选项。但需评估在阿联酋训练模型的数据合规和知识产权保护风险。
2. 在中国运营的 AI 公司： 拟人化互动新规 7 月 15 日生效，虚拟伴侣和情感聊天产品需在生效前完成合规改造。未成年人保护条款是硬性红线。
3. 软件行业投资者： 软件股的反复暴跌说明市场正在重新定价 AI 替代风险。需区分“AI 能自动生成核心功能”的 SaaS 公司和“AI 无法替代核心价值”的 SaaS 公司，前者的估值压力会持续。

4 月的核心信号是“质变扩散”。 1 月定调格局，2 月从理论进入实操，3 月方向定型，4 月则是各条趋势线完成质变并加速扩散。AI 裁员从中小企业扩散到平台级公司，开源从生态规模推进到能力超越，资本支出从投入升级为军备竞赛，主权算力从政策走向超大规模基础设施。这些质变在 5 月和 6 月将进一步深化，但方向已经锁定。