招聘模式
本文件回答什么
本文档专门记录招聘端和保留/增强端信号，避免招聘证据被埋在单公司案例的后半部分。
招聘端分析回答：
- 裁员后公司还在招什么、保留什么或转岗什么？
- 哪些岗位族被保留或增强？
- 招聘变化是否和 AI、自动化、云、数据中心、芯片、制造或销售商业化有关？
- 招聘证据是否足够支持“组织重配”判断？
当前判断
招聘端最重要的发现是：AI 时代组织调整经常不是单纯收缩，而是减少和增加同时发生。公司在减少部分岗位、层级或流程的同时，仍会保留、招聘或培养 AI、基础设施、技术销售、实施交付、安全、机器人、制造自动化和客户成功等能力。
Amazon、Meta、Microsoft、Salesforce 的新增配置端最明显：它们都有 AI/云/平台、AI 商业化或技术人才信号。Nvidia 是扩张端对照，直接显示 AI 需求可以拉动技术人才增长。Intel 是弱新增配置对照，说明经营压力下的公司即使有 AI 市场战略，也可能限制招聘。Apple 和 Tesla 则体现硬件/制造企业的再配置：更多是项目转向、内部培养、AI 计算、机器人或制造产能，而不是单纯公开招聘扩张。
需要谨慎的是初级岗位招聘。外部研究提示早期职业通道可能承压，但当前公司案例没有足够的资历层级、校园招聘或招聘岗位时间序列数据，不能把它写成公司样本中的强结论。
证据如何指向该判断
Amazon 官方说会继续在关键战略领域招聘，并把 AI/ML 基础设施与员工增加联系起来；Meta 在裁员后员工规模增长，并明确 2026 年费用增长来自技术人才和 AI 优先岗位招聘；Microsoft 成立 CoreAI，同时维持大规模 R&D、数据中心运营，并据报向技术解决方案工程转向；Salesforce 在支持流程压缩的同时增加 Agentforce 销售、专业服务、客户成功和商业化能力。
Nvidia 进一步提供扩张对照：员工数、R&D 员工数、技术岗位密度和员工推荐驱动招聘都在增强。Intel 则形成边界：它限制招聘，但仍保留技术人才和内部培养。这个组合说明，招聘端必须按岗位族和能力看，不能只看公司是否“还在招人”。
需要跟踪的岗位族
| 岗位族 | 为什么重要 | 典型信号 |
|---|---|---|
| AI/ML | 直接观察 AI 能力建设 | ML engineer、research scientist、applied AI、AI product |
| AI 基础设施/云 | 观察资本和工程能力转向 | distributed systems、GPU infrastructure、data center software、cloud capacity |
| 数据中心/硬件/芯片 | 观察 AI 物理基础设施 | data center operations、silicon、networking、power、thermal |
| 机器人/制造自动化 | 观察制造企业的 AI/自动化路径 | robotics、factory automation、controls、process engineering |
| 企业销售/实施交付 | 观察 AI 产品商业化 | AI product sales、solution architect、AI 产品客户成功 |
| 安全/合规 | 观察 AI 扩张后的控制需求 | AI safety、cloud security、model governance、compliance |
| 支持/运营 | 观察被压缩或重构的流程岗位 | customer support、sales support、operations、QA、content |
| 管理/协调 | 观察去层级化后的岗位变化 | manager roles、program management、product operations |
证据矩阵：当前公司信号
| 公司 | 已发现的招聘端证据 | 最强新增配置端信号 | 证据缺口 | 证据锚点 | 置信度 |
|---|---|---|---|---|---|
| Amazon | 官方称会继续在关键战略领域招聘；Jassy 称 AI 会让部分现有岗位需要更少人，但其他岗位类型需要更多人；年报称 Amazon 正为 AI/ML 增加基础设施和员工 | AI/云基础设施、芯片、机器人和智能体产品 | 需要 2025 年 10 月之后按岗位族拆分的招聘岗位数据 | E057-E060 | 中到高 |
| Meta | 员工规模增长 6%；有补招报道；2026 年展望明确提到技术人才投资和 AI 优先岗位招聘 | AI 技术人才、基础设施、产品工程和补招 | 需要区分替代性补招和新增战略招聘，并观察招聘岗位组合 | E084-E088 | 中到高 |
| Microsoft | CoreAI 组织；8 万名产品 R&D 员工，以及庞大的数据中心/支持/咨询运营基础；据报出现技术销售转向 | AI 平台、Copilot、Azure AI 和解决方案工程 | 需要 2025 年裁员后的岗位级招聘数据，以及 CoreAI 员工规模拆分 | E020, E061-E065 | 中到高 |
| Salesforce | 据报一边裁员，一边招聘 Agentforce 销售；据报员工被重新配置到专业服务、销售和客户成功；官方披露 Agentforce 商业增长 | AI 产品销售、实施交付/客户成功和支持自动化 | 需要岗位族招聘岗位数量和内部员工规模拆分 | E022, E025-E027, E052-E055, E108 | 中到高 |
| Intel | 官方在 2025 年限制招聘；仍强调为制程技术和产品路线图吸引/保留技术人才；保留培训、轮岗和技术指导 | 选择性保留技术岗位并建设内部能力，而不是广泛招聘扩张 | 需要岗位级招聘数据，并更清楚地区分 Intel 核心业务与剥离业务 | E079-E081 | 低到中 |
| Nvidia | 员工数大幅上升；R&D 员工 3.1 万人；80% 以上为技术岗位；FY2026 超过 40% 新员工来自员工推荐 | AI 芯片 R&D、技术人才和商业化扩张 | 需要按岗位族拆分的招聘岗位组合 | E066-E069, E104 | 高 |
| Tesla | 员工基础保留在 134,785 人；有内部流动/培训数据；Cortex/Cortex 2 AI 计算；2026 年汽车、Bots、储能和电池产线爬坡 | FSD、Robotaxi、Optimus、AI 计算、制造自动化、服务/充电基础设施 | 需要按岗位族拆分的外部招聘/招聘岗位数量 | E074-E078 | 中 |
| Apple | FTE 小幅升至 166,000；R&D 费用增长由员工规模和基础设施驱动；部分汽车项目人才据报转向生成式 AI | 项目取消后的 AI 人才再配置、R&D/基础设施建设、供应链杠杆 | 需要 AI 招聘/招聘岗位数据和内部岗位组合 | E045, E051, E070-E073, E109 | 中 |
研究报告校准
外部研究支持把招聘端写成“任务能力和岗位族变化”，而不是只看公司总招聘数：
- Claude 和 Copilot 使用中，编码、办公/行政、销售沟通等任务族更常出现。证据：E098, E111, E112
- API 使用更偏工作和自动化，适合校准企业软件、支持、运营和办公流程场景。证据：E113, E114
- 成功率随任务复杂度下降，招聘端仍需要能验证、集成、判断和负责复杂任务的人。证据：E116, E118
- 早期职业阶段可能受到招聘通道影响，但当前公司案例不能直接证明初级岗位招聘被系统性压缩。证据：E092, E096, E097
解读规则
- 把招聘视为优先级信号；除非有员工数或官方披露确认，否则不要直接当作实际员工规模变化。
- 区分替代性补招和净新增招聘。
- 区分公司整体招聘和岗位族招聘。
- 单个招聘岗位不能支撑公司级结论。
- 当招聘端证据与不同岗位族的裁员，以及 CapEx、产品、内部工具或管理层表述相互校准时，证据强度最高。
- 内部流动、再配置和培训也算新增配置端信号，但弱于经过验证的岗位族员工规模增长。
判断边界
- 招聘是优先级信号，不总是经过验证的净员工规模变化。
- 必须区分替代性补招和净新增战略招聘。
- 内部再配置和培训弱于经过验证的岗位族员工规模增长，但仍然重要。
- 当前公司样本中，初级岗位招聘压缩的证据仍然较弱，不应夸大。