撤掉超市押注AI！亞馬遜再裁員1.6萬人，大砍管理層替3.9兆元AI資本支出挪資金|數位時代 BusinessNext

撤掉超市押注AI！亞馬遜再裁員1.6萬人，大砍管理層替3.9兆元AI資本支出挪資金

亞馬遜宣布新一輪裁員計劃，預計裁減約1.6萬名企業與技術員工，這是繼去年10月大裁員後的第二波行動。

兩波共裁 3 萬人，企業與技術人力砍掉一成

根據公司對內對外說明，這一輪約 1.6 萬人的裁員，鎖定的是企業與技術職位，是去年 10 月裁撤 1.4 萬人後的延續動作。亞馬遜整體員工數約 158 萬人，多數是倉儲與物流一線人力，本輪調整主要集中在總部與白領職位。

若把去年 10 月以來的兩波裁員加總，約有 3 萬名員工離開亞馬遜，相當於企業與技術人力約 10%。公司高層先前曾預告，2026 年仍可能視情況持續調整組織，尋找「可以再少一層管理」的部門。

Beth Galetti 在公司部落格中強調，管理團隊並非刻意建立「每幾個月就大裁一次」的新節奏，但各團隊會持續檢視自身的組織結構、決策速度與創新能力，「在必要時做出調整」，不排除未來仍有零星或局部裁員。

賈西要把亞馬遜變成「世界上最大的新創公司」

亞馬遜自 2022 年以來一路縮編。2022 至 2023 年，公司已裁撤超過 2.7 萬名員工，2024 年各事業群也陸續進行規模較小的裁員與重組。這些動作背後，除了疫情紅利退潮、電商與雲端成長趨緩之外，更關鍵的是 CEO 安迪·賈西（Andy Jassy）希望重塑企業文化。

賈西上任後多次對內表示，希望亞馬遜能「像全球最大的創業公司一樣運作」，而不是一個層級繁多、溝通緩慢的龐然大物。為了達成這個目標，他設定了內部砍層級的 KPI，並設立「no bureaucracy」專用信箱，鼓勵員工直接回報流程卡關與官僚問題，藉此加速決策和產品迭代。

在這次裁員說明中，公司也再次把「減少管理層級、提高所有權（ownership）、去除官僚」視為關鍵字。實務上，這意味著中階主管層會承受相當壓力，團隊規模縮小、分工被整併，個別員工的職責範圍可能被擴大，需負擔更多產品線或市場成果。

砍成本換 AI 預算，配合 1,250 億資本支出計畫

在人事與組織瘦身的同時，亞馬遜正把資源大舉移往 AI 與基礎設施。公司近年積極擴建資料中心，以支撐雲端運算與生成式 AI 需求。去年 10 月，亞馬遜對外釋出訊息，預期 2026 年資本支出可達 1,250 億美元（約為新台幣3.91兆元），成為幾家科技巨頭中資本支出規模最大的公司之一，市場普遍解讀這筆投資多半與 AI 基礎設施直接相關。

為了替龐大的資本支出騰出空間，亞馬遜過去幾季持續在周邊業務上「止損」。本週稍早，公司宣布關閉經過多年試驗的 Amazon Fresh 與 Amazon Go 兩個實體超市與便利店品牌，顯示在零售創新上願意收縮戰線，把現金與管理注意力轉移到回報更高、成長更快的雲端與 AI 服務。

賈西先前也公開表示，隨著 AI 帶來效率提升，亞馬遜的企業人力結構將同步改變。他坦言，未來「會有部分目前由人力負責的工作被 AI 取代」，但同時也會創造更多全新職務，圍繞在 AI 模型訓練、產品化與基礎設施維運等領域。此次裁員與組織重整，被視為這種「人力結構再平衡」的具體開端之一。

整體來看，亞馬遜這輪以「去官僚化」為名的人力調整，一方面延續疫後去槓桿與成本控管路線，另一方面也明確釋出訊號：在 AI 與雲端基礎設施進入高資本支出期之際，公司願意用裁員與收縮非核心業務，換取更大的投資彈性與組織運作效率。

資料來源：Amazon、CNBC

本文初稿為AI編撰，整理．編輯/ 李先泰

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。