微軟裁不停!官方證實Xbox部門將大幅裁員:AI落地元年,科技業逾7.5萬人喝西北風
微軟裁不停!官方證實Xbox部門將大幅裁員:AI落地元年,科技業逾7.5萬人喝西北風

(2025/06/25 11:00更新)
重點一 :Microsoft (微軟) 計劃進行新一輪數千人規模的裁員,主要衝擊銷售部門,預計於七月初正式宣布。

重點二 :此次裁員行動,是在今年五月已針對產品與工程部門裁減六千名員工之後,再次進行的人力精簡計畫。

重點三 :微軟25日宣布將於下週在Xbox 遊戲部門進行新一輪大規模裁員,為該部門過去18個月來的第四波裁員,旨在提升部門利潤。

據《彭博社》日前報導,微軟正在規劃新一輪大規模裁員,預計影響人數將達數千人之多,而銷售團隊將是此次人力精簡的重災區。這項計畫預計在微軟會計年度結束後的七月初對外公布。

據報導,已是繼五月份裁員後,短期內第二波大規模的人力調整;消息來源亦指出,儘管銷售部門是主要目標,但裁員範圍不僅限於此,最終確切時間仍有變動可能。

根據6月25日最新消息,微軟證實將於下週對Xbox 遊戲部門進行新一輪重大裁員,這將是該部門在過去18個月內第四次面臨人力精簡。據報導,Xbox內部的管理階層預期這波裁員規模將「相當可觀」,遍及整個團隊。

樽節開支:平衡AI巨額投資

微軟高層先前已向華爾街及公司內部預告,隨著公司在伺服器與資料中心投入數百億美元(約合新台幣數千億至近兆元)的鉅資以擴展AI基礎建設,勢必將嚴格控管其他領域的支出。本次裁員行動正是此策略下的具體實踐。微軟當時表示,定期重新評估組織架構是為了確保能將資源投注於最具成長潛力的領域。

為了進一步優化銷售效率,微軟在今年四月便已告知員工,計劃將更多針對中小型客戶的軟體銷售業務,轉交由第三方公司負責,顯示其組織調整早有佈局。

年度組織重組:延續五月裁員浪潮

在微軟,於六月底的會計年度結束前後進行組織重組與人事變動已是慣例。然而,今年的調整幅度顯得格外劇烈。就在上個月,微軟才剛完成一波針對產品與工程部門的裁員,約有六千名員工受到影響,當時的裁員計畫很大程度上避開了如銷售與行銷等直接面對客戶的職位。

根據最新資料,截至2024年6月底,微軟全球員工人數為22.8萬人,其中銷售與行銷人員約佔4.5萬人。新一輪以銷售人員為主的裁員,不僅是對先前組織調整的延續,也反映了在AI浪潮下,科技巨擘正迅速重塑其核心業務與人力配置的策略方向。

2025年至今,科技業裁了多少人?

根據Challenger, Gray & Christmas上週發布的報告,截至 5 月底,美國科技業已宣布將在 2025 年裁員近 75,000 人,而 2024 年同期的裁員人數約為 55,000 人,增幅達35%。而根據金融服務公司RationalFX的一份研究報告在全球範圍內,科技業裁員總數已超過90,000人

2025科技業裁員人數.jpeg
截至2025年5月底,美國科技業已宣布將裁員近75,000人。
圖/ Perplexity生成

Intel:裁員規模最大

Intel是2025年裁員規模最大的科技公司,保守估計可能削減約20,000至25,000個職位,這個數字包括了4月份宣布的裁員總員工人數20%,以及6月份最新一波裁員主要集中在晶片製造部門,佔該部門員工的15%至20%。值得注意的是,英特爾在2024年已裁員超過15,000人。

Panasonic:全球重組

日本電子巨頭Panasonic宣布在全球裁員10,000人,其中日本國內5,000人,海外5,000人。這項重組計劃預計將為公司節省1,500億日圓的成本,主要影響銷售和間接部門。

Microsoft:AI投資壓力下的調整

Microsoft才於5月份宣布裁員約6,000人,約佔其全球員工總數的3%,加上6月份的數千人,保守估計裁員7000人。儘管該公司第三季度營收達700億美元,但分析師指出,Microsoft每年在AI領域的800億美元投資導致折舊成本上升和毛利率下降,迫使公司透過裁員來抵消這些成本。

Meta:績效導向裁員

Meta今年初進行了約3,600至3,700人的裁員,主要針對低績效員工,佔其員工總數的5%。該公司將用機器學習工程師來取代部分被裁員工。

Google/Alphabet - 自願離職計劃

Google向超過1,000名美國員工提供自願離職協議,主要集中在廣告和搜索團隊,以重新分配資源投入AI領域。該公司2025年計劃投資高達750億美元用於AI基礎建設。

1,000人以下裁員規模案例

CrowdStrike :這家先前導致微軟全球大當機的資安公司裁員約500人,佔全球員工總數的5%,CEO直接表示AI技術提升了內部營運效率,使部分職位變得多餘。

Match Group :約會應用程式巨頭Match Group裁員 13%,這是重組計劃的一部分,旨在降低成本、提高利潤率並精簡組織結構,影響約325人。

Chegg :這家線上教育平台,受AI工具如ChatGPT衝擊,裁員248人,佔員工總數的22%,並關閉美國和加拿大辦公室。

Amazon :在設備和服務部門裁員約100人,涉及Alexa、Echo、Ring和Zoox等部門。

延伸閱讀:AI落地效應來了!全球科技業近6.3萬人喝西北風:什麼是人工智殘?被裁員都是因為AI?

責任編輯:李先泰

資料來源:TechChurchChallenger, Gray & ChristmasCNBCcapacitymedia彭博社

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓