Block与40%裁员：当人工智能不再是工具而是运营架构
Block Inc.，作为Square和Cash App背后的金融科技公司，于2026年2月26日宣布裁减超过4000个职位，接近全球全职员工（截至2025年12月有10,205人）的40%。这一裁员预计将在2026财年第二季度末执行。在公告中，理由不言而喻：人工智能已经使得更小的团队能够承担“重要的工作量”，首席财务官兼首席运营官Amrita Ahuja在专访中如是说。Block的首席执行官Jack Dorsey则稍作调整，称更小且更扁平的团队实现了另一种构建和运作公司的方式。
市场对此反应热烈，股价在盘后交易中上涨超过23%。但这种价格跳动并不能解释真实的机制。如果把业务看作一种结构，这次裁员并非“费用调整”；它实际上是劳动负担的重新设计：哪个工作维系着哪个产品，人才的密度和经常性成本如何。Block表示，新的支柱是人工智能——包括自家模型“goose”，并且可以用更少的人工支柱支撑起整个架构。
决策的理由不是叙述，而是可用能力
Ahuja将这一转折点归因于18个月的人工智能能力飞跃，由此点出关键是“信任”：相信更小的团队可以执行重要工作。在组织架构的术语中，这意味着Block相信自己已经将一部分原本需要大量协调、撰写、支持、分析、测试和开发的工作转变为软件的可用能力。
另一方面，Dorsey将此次裁员定义为一次性干预，以避免反复裁员对士气、专注和信任造成侵蚀。这一点非常重要，因为它揭示了工程学思维：如果要重新计算架构，更倾向于全面重设计，而不是“替换补丁”留下不稳定区域。他还表示，会保持开放的沟通渠道（电子邮件和Slack），为被裁员工提供沟通的机会，还将与员工进行一次视频会议。这不仅是个小细节，这表明即使在追求效率的裁员中，人与人之间的摩擦依然存在，并且被视为系统的一部分。
最有趣的是“现在为什么”的明示。Block在2025年已经裁掉931个职位（8%的劳动力），当时解释是出于业绩和战略考虑，而非由人工智能取代。到了2026年，信息变得不同：人工智能由承诺转向重塑工作的引擎。这种语言的转变，本身是内部成熟的一个标志：当一个组织准备围绕自动化重新设计角色、团队和层级时，它不再谈论实验，而是谈及员工。
大规模裁员也是对盈利模式摩擦的坦白
Block报告表示，2025年其毛利润超过100亿美元，同比增长17%。毛利润增长却依然进行接近40%的裁员，传递出一个操作信息：问题不在于需求，而在于规模转化为利润率。简报中提到，Block在盈利能力上“落后”于同行如Visa、Mastercard和Shopify，其毛利率不到一半。在没有进行不量化对比的情况下，方向是明确的：市场不再奖励“更多人获取更多成交”；而是每个结构单元的更高利润。
在这里，人工智能发挥了两个同时进行的杠杆作用。首先，降低了直接和间接的人工成本。简报中引用的估算指出，裁掉4000个平均薪资为10万美元的职位，可能每年回收大约4亿美元的人力成本，尽管自身分析警告称人工智能的成本（数据中心、推理令牌、运营、训练等）可能会占用相当一部分的节省。正确的理解不是“人工智能替代”，而是“人工智能改变了成本的边界”：部分原本的固定人力成本转变为了可以以不同方式扩展的技术成本，但并非没有代价。
其次，更重要的是，人工智能减少了一个不太显眼的成本：协调。在快速成长的企业中，组织架构通常通过管理层、审核、依赖关系和流程逐步膨胀。Dorsey谈到“更扁平的团队”；这通常指的是消除不直接产生产品、销售或韧性的层级。如果人工智能真的缩短了产出和文档的时间，也就减少了中介的必要。而当中介减少时，一个组织可以尝试以更少的“走廊”和更多的“连通的房间”进行运营。
战略问题——不需要以问题的形式提出——是Block是在重新设计过程还是单纯缩减员工。Josh Bersin在简报中被引用，他强调人工智能鲜少在没有重新工程的情况下裁员；它提升了个体的生产率，但裁员是在系统重新配置时发生的。至少从其通信来看，Block声称自己确实已经重新配置到足够的程度，以实施此次裁员。
关键在于协同：人工智能、产品和渠道需对齐，否则大厦摇摇欲坠
在像Square和Cash App这样的大规模金融科技公司进行如此规模的裁员，引发了一种紧张感：用更少的人保持创新速度。从结构层面看，风险不在于“做得少”，而是使一项基础工作失去支持：客户服务、安全性、合规性、支付的完整性、防欺诈、产品可靠性。在付款过程中，错误并不是小故障；而是损失、索赔、制裁和客户流失。
因此，自家模型“goose”的细节显得比看上去重要。不是因为名字，而是因其意图：当一家公司开发或调整一个模型时，目标是让人工智能适应其背景、数据、流程和政策。在机械上，这试图制造一个定制零件，而不是简单地安装一个通用组件。即便如此，风险依旧转移过来：不再仅仅是“人类能力”，而是模型的治理、质量控制、训练、监控、安全性和操作偏见。一个大型语言模型（LLM）不是员工；它是一个需要维护、测试、设定界限和审计的机器。
简报中提到另一个相关点：运行先进人工智能的成本可能接近人力成本的相当部分。这使得结果不再取决于“是否拥有人工智能”，而在于将其应用于哪里。应用于高-volume和低模糊度的任务上的人工智能，往往能产生明确的回报。相反，应用于“高背景和非线性”工程上的人工智能，如Bersin所警告，能够加速工作的某些部分，但并不能消除判断、架构、测试和问责的必要。如果Block在不重新设计按工作类型分配人工智能的情况下进行裁员，就有可能在员工中产生疲劳区域：面对更少的人来吸收事件、启动和技术债。
从冷静的角度看，Block所尝试的实际上是一种内部原子化：更小的团队有着更明确的任务，借助于人工智能，避免“所有人都为所有人服务”的模式。当这种模式运行良好时，能在两项硬指标上得以体现：更短的交付周期而不降低质量，以及在不影响留存率和不增加欺诈损失的前提下改善的营业利润。当效果不理想时，同样迅速反应：更多的中断、升级和事件成本，以及组织需要重新招聘来填补空缺。
市场信号：员工不再是雄心的衡量标准
股价在公告后的跳涨23%显示出对效率的渴求。但是将股市反应与模型健康混淆是一种常见错误：价格对期望做出反应，而非确认的执行。执行的实际结果将在下一个季度评估，尤其是在于持续性：保持毛利润增长并提升盈利能力的能力，而不降低产品质量。
Dorsey将此举解释为一种避免反复裁员及其损害信任的方式。这是治理的决策，而不仅仅是财务。多次裁员通常相当于在使用不完整的蓝图进行运作：每一次干预都意味着初步计算的不足。一次性进行大规模裁员是一种更激进的重新设计；它为组织减少了未来的不确定性，但提高了误撤一根支柱的风险。
在该行业，Block并非孤立。简报提到技术公司的裁员背景以及亚马逊在2026年1月削减层级的案例。有一个模式：以“招聘来增长”的逻辑成长的企业，正在转向“用更少人创造更多”，受到利润压力的推动以及将人工智能应用于办公室工作的可用性推动。值得提出的是，并非所有公司都有相同类型的工作。金融科技结合了软件、合规和交易风险。利润并非单凭更快代码的行数而获得；而是依靠控制和信任。
如果Block能够使其人工智能吸收重复性工作、文档、内部支持、工单分析、部分开发和测试，它就可以释放出高级人才用于产品和安全决策。如果未能实现这种再分配，裁员则使人工智能变成会计借口，而余下的团队只能作为突发事件的缓冲。
操作论点是简单而苛刻的：人工智能不能仅仅是表面装饰；必须转变成结构，拥有流程和限度，否则企业就只是将人力成本转变为混乱成本。
这一机制将决定Block是赢了还是仅仅瘦身
Block的公告有一个严峻的解读：公司声称已经能够用更少的人运作，因为其人工智能——包括“goose”——有效提升了生产效率，从而能够以更小的团队保持重要工作。同时也有更深的解读：Block正在尝试将其组织转变为一个摩擦更小、层级更少、更多“直接指向产品”的系统，因为其盈利能力尚未达到毛利润的规模水平。
成功的衡量并不是裁员的数量，而是在去除部分员工后结构的稳固程度。如果结构经过合理计算，那么将在提高利润率和持续创新中体现，而不会降低操作风险。如果结构计算不当，便会出现裂缝：更多的故障、更隐藏的成本，以及重新招聘的循环，使得节省的假设失效。
企业并非因缺乏创意而失败，而是因为其商业模型——价值主张、成本、团队和执行——的各个环节未能精准契合，从而未能创造出可衡量的价值和可持续的现金流。
