可怕！亚马逊再裁员，3万白领岗位没了！理科生也正被AI抢饭碗……

10 月 28 日，据路透社报道，亚马逊计划裁掉 3 万个白领岗位，占其全球办公室员工总数（35 万）的 10%。

相当于每十个大厂打工人，就有一人怒提大礼包。

裁员原因包括削减开支、弥补疫情期间的过度招聘，以及——为公司广泛采用 AI 技术做准备。

早在今年 6 月，亚马逊 CEO 安迪・贾西就曾预言：AI 会让一部分岗位自然消失。尤其是数据处理、客户支持和运营管理等领域正在加速自动化。

图源：路透社

看到这消息，估计不少人心里一紧：裁的都是啥岗位？热门理工科专业 CS 和 DS 毕业生的 “铁饭碗” 还稳吗？当 AI 开始写代码、做分析，我们未来的路该怎么走？

裁员风暴席卷，技术岗并非“安全岛”

▼

普遍认为亚马逊这波裁员主砍职能岗，技术岗影响不大。但亚马逊向华盛顿州提交的裁员文件（WARN Act）揭示了残酷真相：技术岗位也在劫难逃。

图源：华盛顿州就业保障部官网

文件显示，在当地计划被裁的 2303 名员工中，软件开发工程师（SDE）相关岗位约 664 人，占比约 29%，是所有岗位中被裁人数最多的，其中刚毕业的初级工程师（SDE I）首当其冲。而 HR 相关岗位被裁人数约 206 人。

图源：华盛顿州就业保障部官网

从上述数据可见，本轮调整虽以职能部门为主，但技术岗位同样受到实质性波及，甚至在部分地方属于“裁员重灾区”。

这印证了亚马逊 CEO 安迪·贾西关于“AI 正在重新定义工作模式”的预言——当 AI 能高效完成基础编码和数据处理，从事重复性工作的技术岗位，其价值被迅速稀释。

根据追踪科技行业失业数据的网站 Layoffs.fyi 统计，2025 年已累计有 218 家科技公司裁员超 11.2 万人（是的，在亚马逊宣布裁员之前，这个数据还是 9.8w+。亚马逊目前已经裁了 1.4w，剩下的预计过了黑五明年 1 月继续），技术岗位的“绝对避风港”逻辑正在坍塌。企业正从“你会写什么代码”转向“你能否利用 AI 解决复杂业务问题”。

CS：基础岗被挤压，AI岗位“求贤若渴”

▼

很多同学当初选 CS，就是觉得 “好就业、薪资高”，但现在看来，不是所有 CS 岗位都能 “躺赢”。

01

初级码农易被AI替代

最明显的是传统初级码农岗不吃香了。

基础开发、前端、测试、数据库等环节，正被 Coding AI （如 Cursor、Windsurf）与自动化快速覆盖；入门级岗位坑位少且竞争激烈，企业更偏向有实绩的 senior 级别候选人。

02

懂AI的人才供不应求

虽然计算机这几年的就业形势跟十年前无法相提并论，但是要放眼所有的专业赛道，把文科、商科、其他的理工科全部归进来，整体看下来，计算机依然算是好就业的专业。

而且，虽然入门级别的码工现在不太好找工作，但是 AI 相关的职位依然是非常的火热。

根据 LinkedIn 收集的数据，22-24 年期间，AI Engineer 被 15 个国家列为高速增长的工作岗位，其中在美国、英国、新加坡和荷兰的增长速度位列榜首。

图源：LinkedIn

2024 年硅谷生成式 AI 与大模型优化的招聘需求较 2023 年显著上升，ML/DL/GenAI/LLM Infra 等方向缺口相对较大。

薪酬方面，海外 AI Engineer 中高阶岗位薪酬上限极高，年薪可以直逼百万美元；国内智能汽车/自动驾驶团队也在加速吸纳算法与系统人才。比如，华为、比亚迪的自动驾驶团队，今年招 CS 背景的算法工程师，给应届生开的年薪可以到 40 万+。

图源：Boss 直聘

03

如何破局？

CS 这几年就业形势不太好，目前最好的破局方式就是不要裸着简历去找工作。

一定要在毕业之前多刷经历，比如参加创业公司、导师课题组、开源项目、竞赛（如 Kaggle、Leetcode 比赛）、毕业设计项目等。

其次是建议聚焦一些细分方向，比如 GenAI、ML、DL、AI Infra/Agent 等等。

选择学校时，优先强 AI 实验室与产业合作的，比如斯坦福的 AI Lab、麻省理工的 CSAIL 实验室，这些地方能接触到最前沿的技术，还能跟着大牛做项目。

DS：拥抱“DS+行业”，实现逆袭

▼

前十年 DS 在全球范围内快速发展，然而近些年，随着 AI 技术的进步，同其他专业一样，DS 就业形势走低，但并不意味着这个专业彻底没落了，只不过会接受时代的升级改造。

01

DS入门门槛低

相比 CS，DS 更偏向应用与工程落地。尽管两者在 AI 方向存在交叉，但 CS 仍包含侧重硬件交互与软件适配的研究方向，如计算机图形学、并行计算等；而 DS 的入门门槛相对较低，更注重模型应用。

现阶段，大模型已可胜任大量常规模型与分析任务，纯“跑模型/做看板”的岗位价值被压缩。

同时，也正因为门槛相对友好，通过 DS 方向进入 AI 领域，成了很多非 CS 背景同学的首选路径。这也导致该领域的竞争日益激烈。

02

高阶岗位与“DS+行业”更吃香

首先是 DS 的高阶岗位仍有旺盛需求，像数据策略、预测建模、数据工程等。

其次 “DS+行业” 是另一个突破口。无论是医疗、金融还是电商，都急需既懂数据又懂业务的复合型人才。例如，用 DS 分析基因数据实现精准医疗，或分析用户行为赋能电商运营。这类人才正是企业高薪争抢的对象。

03

如何破局？

未来 DS 就业的破局之法和 CS 类似，以下两条建议可以参考：

第一是向高阶转型。不要满足于基础的数据清洗和分析，要掌握 AI、机器学习、深度学习等高阶技能。并争取在科技公司或大厂实习，一方面积累实战经验；另一方面也能更早接触工业界需求，加深理解。

第二是绑定行业深耕。利用好选修课程，打造交叉学科优势。正如一位棕榈学员所说：“我本科是 DS，但选修了金融课，求职面就从拥挤的科技公司拓宽到了金融领域。”

对于想深造申请 DS 的同学，如果本科是学生物、金融、医疗的，别浪费原有背景——比如学生物的可以做 “DS+生物信息”，学金融的可以做 “DS+量化分析”，建议往交叉学科人才的方向发展，而不是盲目“跳船”。

写在最后

技术迭代飞速，专业焦虑在所难免。在高速变化的时代，如何保持竞争力？

首先是练好基本功。无论是为兴趣还是就业，扎实的基础知识都是你最硬的底牌。

其次是保持终身学习。养成关注前沿的习惯。比如，每天花少量时间浏览 arXiv 论文/Papers with Code/行业报告，了解新技术和市场需求，保持敏锐。

请记住：真正的竞争力，不是不被变化影响，而是在变化中扎根的能力。把工具当助推器，用 AI 放大你在领域内的洞察与落地能力。