科技業狂裁12.4萬人！連Meta前員工都遭酸「剩菜」？灣區人資親揭「有毒職場」現況|數位時代 BusinessNext

科技業狂裁12.4萬人！連Meta前員工都遭酸「剩菜」？灣區人資親揭「有毒職場」現況

近期科技公司裁員風暴不斷，2024年裁員人數達12萬4000人，而這些被解僱者並非人人都能轉職順利，有些人甚至被企業視為餐桌剩菜，遭受異樣眼光對待。

受到異樣眼光！企業貼負面標籤，被解僱員工難轉職

灣區人才招募顧問林郁智（Ken Lin）告訴中央社，也有不少企業因追求股價裁員。他觀察到部分需要足夠能力和經驗的工作也罕見地改以約聘條件徵才。

科技公司密集的加州舊金山灣區，儘管AI、電動車、綠能產業釋出不少機會，但裁員消息也從未間斷，社交求職平台經常看到有人分享遭公司解雇的近況。

舊金山媒體SFGate報導，被解雇員工重新求職時遭受到異樣眼光，例如面試被草草結束，或是被面試官議論紛紛，有人模糊自己被裁員狀況後才找到工作。

專為科技業招聘人才的克里利（Brian Creely）表示，許多公司高層沒有認知到遭到解雇與員工表現無關，因此會對那些人貼標籤，這種微妙的偏見比想像中更加普遍。他曾經聽過一名汽車科技公司主管將被裁員者視為「損壞物」。

克里利再舉例指出，2022年後，Meta進行一連串裁員，對招募人員來說，這是科技業擴充人才庫的潛在機會，但一間行銷科技公司主管在聽到「前Meta員工」時便直接拒用，認為他們是別人「餐桌上的剩菜」，讓他感到十分無奈。

林郁智接受中央社訪問時則表示，他觀察到即便從同一間公司被解雇，但學歷、年資、及在公司內曾執行過的案子，對求職還是會有一定程度的影響。

林郁智以接觸過的2名前Meta員工為例，1名博士畢業、累積10多年工作資歷、從事消費者研究的朋友，在離職超過半年、領完資遣費後便順利轉入新創；另1名大學畢業、在不同公司累積6年經驗、從事產品設計的朋友便沒有那麼順利。

林郁智也指出，在這段期間，某些公司出現有毒的職場文化，好比在績效考核當中直接提高淘汰的比例，員工缺乏穩定感，工作士氣低落；另外，他也看過一些大公司，會直接讓實習生練習提交裁員計畫，各式各樣的現象都會發生。

林郁智認為，以目前情況來看，科技公司短期內不會補充人才庫，因此不僅外國學生要留在美國可能變得較不易，某些大公司也直接暫停幫員工申辦綠卡。

克里利對被解雇後重新求職者的建議是，儘管有些雇主存有偏見，但做為求職者，「我們也該像公司面試我們一樣，同樣對公司進行面試」，並且保持積極態度，畢竟會對遭裁員者貼標籤的雇主較欠缺同理心，也不適合為其效力。

本文授權轉載自：《中央社》

責任編輯：蘇柔瑋

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。