杰克·多尔西（Jack Dorsey）所谓“由 AI 驱动”的裁员，与其说是一场技术革命，不如说是对企业臃肿迟来的清算。下一个可能就是你的公司。
那是一个周六，我像往常一样堵在405号公路上，缓缓驶过机场，播客里传来了 Block 的消息：多尔西宣布将公司规模缩减近一半，超过4,000个岗位在一天之内消失。这位 CEO 在致股东信和 X 上的帖子中给出的理由是：智能工具已经让一个小得多的团队能够做得更多、做得更好。盘后交易中，股价一度大涨约24%。
整个周末，各种观点满天飞。一边是末日预言者，呼应马特·舒默（Matt Shumer）那篇广为流传的文章：AI将在一到五年内、甚至更快，接手任何在屏幕上完成的工作中的很大一部分；另一边是怀疑者，认为 AI 不过是一个方便的解释，真正的原因是过度招聘和市场降温。
作为一名多年来一直在梳理品牌“意大利面条式代码”的商务架构师，我认为双方都没有抓住重点。真正的叙事并不是“AI 已经聪明到可以取代4,000名知识工作者”。真实的故事是：过去十年里，这些员工中很可能有成千上万人是被雇来充当“人肉中间件”的，他们的工作就是在脆弱的旧系统之间搭桥，弥补糟糕的架构。AI 并没有取代他们，只是以一种极其公开、令人痛苦的方式，暴露了这些岗位的徒劳。
所以，是某个大语言模型发出了4,000张解雇通知吗？
坦白说，认为 Block 在2026年2月26日这个周四突然部署了某种“会吃掉工作”的 AI，一夜之间让一半员工变得多余，这纯属企业表演。这个故事很有吸引力，华尔街显然也很买账，但对任何真正构建并上线过生产级软件的人来说，它经不起推敲。
多尔西在信中谈到了“智能工具”和服务数百万客户的“紧迫性”，并预测在未来一年内，大多数公司都会得出同样的结论，做出类似的结构性调整。这是一个大胆的说法，明显借鉴了马斯克在 Twitter 的做法。Twitter 由多尔西联合创办，他还通过把股份转入马斯克的收购交易，保留了间接持股。问题在于，技术细节明显缺席：没有提到具体的大语言模型（LLM），没有讨论新的智能体商务架构，也没有提到支撑这种效率飞跃的专有 API 或协议。我们拿到的是结论，却没有证据。
作为架构师，这是最大的危险信号。当我们部署真正能带来效率的系统时，我们会谈具体细节：数据模型、编排层、微调策略、延迟基准。我们不会只是挥挥手说一句“智能工具”。这种含糊其辞，是典型的“先做决定、后补叙事”。决定是大规模削减人员，理由则变成了 AI。
首席财务官阿姆丽塔·阿胡贾（Amrita Ahuja）表示，这次裁员能让 Block“以更小、人才密度更高、借助 AI 实现更多工作自动化的团队更快前进”，这句话很能说明问题。在我看来，这并不是 AI 替代产品经理或营销人员的故事，而是把工作流程内部的任务自动化的故事，比如交易处理、欺诈检测和客户服务咨询。这恰恰是企业最容易堆积“人肉中间件”的地方：有些员工每天的工作就是把数据从一个屏幕复制到另一个屏幕，手动升级一张支持工单，或者从一个系统导出报表再为另一个系统重新排版，只因为核心系统之间无法互通。这些岗位从来就不稳固，它们是技术债的症状，而 AI 只是最终给这笔债标上价格的审计员。
机器里的幽灵：技术规格在哪里？
如果 Block 真的在智能体商务上取得了让近一半员工变得多余的突破，那么技术发布本应和裁员本身一样重磅。我们应该看到架构图、读到白皮书、分析新的 API 文档。然而我们什么也没看到。这种沉默震耳欲聋。
一个真正由智能体驱动的商务架构会是什么样子？它肯定不是一个单一的、庞大的“AI”，而是一个由多个专用智能体协同工作、由中央协议编排的分布式系统。作为商务 AI 架构师，这就是我期望在底层看到的东西。
下面是一个简化示意，展示像 Block 这样的支付处理商，一套真正的智能体架构可能包含什么：
这不是简单地接入一个聊天机器人，而是从根本上重构请求的处理方式。编排智能体（B）像一位项目经理，接收意图智能体（C）的结构化输出（意图智能体本身借助向量数据库理解自然语言），再协调一组负责欺诈、路由和结算的专用智能体。每个智能体都是职责清晰的独立服务，通过定义良好的 API（K、M）和结构化数据源（H、I、J）进行交互。
关键在于，这样的系统不只是把工作自动化，而是消除了那些仅仅因为架构缺口才存在的整类工作。你不再需要有人逐笔审核被标记的交易，因为欺诈检测智能体（D）拥有更精细、数据驱动的模型；你也不需要一个团队手动对账，因为结算智能体（F）和账本（L）之间始终保持自动通信。
Block 构建了这样的系统吗？也许。但如果构建了，他们也一直秘而不宣。更有可能的情况是，他们只有其中部分组件的初级版本，而管理层看到了其中的潜力，于是在技术完全成熟之前就决定裁员。他们押注的是建筑蓝图，而不是已经建好的房子。
“AI 效率”是新的“协同效应”：技术债的遮羞布
在洛杉矶的商务品牌中，从服装区的快时尚玩家到威尼斯海滩的健康品牌，同样的模式屡见不鲜：前端是光鲜的 Shopify 或 Magento，营销、分析和客服用着十几个 SaaS 工具，ERP 还是十年前上线的。把这一切连在一起的“结缔组织”是什么？是人，而且是几十个人。
他们是组织里的“人肉 API”：营销专员每周花大量时间从三个平台手动导出 CSV，只为拼出一个活动人群；客服团队回答一句“我的订单在哪里？”要同时打开五个标签页，因为履约数据没有接入 CRM；财务团队淹没在电子表格里，因为支付处理商的报表和银行的对不上。
以目前的形态，AI 恰好是这个问题的出色审计员。当你尝试部署哪怕一个简单的 AI 智能体时，它的第一个问题是：“这个功能的 API 在哪里？”第二个问题是：“数据是结构化的吗？”如果答案是“会计部有个同事负责导出那份报表”或者“你得登录另一个系统”，AI 就无法运转。就在这一刻，技术债的成本暴露无遗：它就是那个专职为失败的集成项目打补丁的人的薪水。
我猜 Block 发生的正是这样的事。多尔西提到的“智能工具”，很可能暴露了在一万多人的工资单里，有多少人是在修补这些架构漏洞。他没有启动一个历时多年、政治上充满风险的重构项目，而是借鉴了马斯克的打法：先砍掉人肉中间件，再逼剩下的团队为了生存去构建自动化。这很残酷，但很有效。盘后约24%的股价涨幅，已经说明了市场看重什么。这与革命性技术无关，而是对运营效率毫不留情的执着。
智能体架构与人肉中间件：一个对比
我们来具体看一下。设想一个常见却暗藏复杂性的商务场景：一位住在西好莱坞的顾客在梅尔罗斯大道的一家店买了一条裙子，收到时发现有破损，希望把替换品寄到其在洛杉矶市中心的办公室，同时为这次麻烦获得部分退款。
下面是这件事在两种不同组织结构中的处理方式（示例中的时间和金额仅为演示）。
| 流程步骤 | “人肉中间件”架构（臃肿的品牌） | 智能体商务架构（精简的品牌） |
|---|---|---|
| 发起 | 顾客发来一封带照片的愤怒邮件。 | 顾客打开聊天窗口。意图智能体解析请求：“商品破损、需要替换、新地址、询问部分退款”。 |
| 核实 | 一线客服打开邮件，在 Shopify 里找到订单，再打开 CRM 查看顾客历史，然后请顾客重新发送更高分辨率的同样照片。 | 核实智能体读取照片，运行图像分析模型确认破损，并将订单号与发货记录交叉比对，几秒内完成。 |
| 库存查询 | 客服让顾客稍等，打开另一个库存系统（或一张 Google 表格）查看本地履约中心是否有替换品。数据是12小时前的。 | 库存智能体实时调用仓储管理系统的 API，确认有货并预留一件。 |
| 地址变更 | 客服把新的市中心地址手动输入订单备注，明知这经常导致发货出错。 | 编排智能体通过邮政服务 API 校验新地址，更新顾客档案，并将其标记给替换订单使用。 |
| 退款/折扣 | 客服告诉顾客退款需要“上报经理”。这会生成一张新工单，经理会在24–48小时内处理。 | 政策智能体查询规则引擎：“若商品价值 > 100美元且破损已核实，自动批准15%退款。”并通过支付处理商的 API 执行退款。 |
| 解决 | 两天后，经过4封邮件和3名员工，顾客才收到通知：新商品已发货，退款已处理。 | 两分钟后，顾客收到一条消息：“很抱歉商品有破损。我们已退款25美元，替换品正在寄往您市中心的办公室，明天送达。” |
臃肿税的真实样貌
左边一栏是许多 DTC 品牌的现实：缓慢、昂贵、容易出错。成本不只是三名相关员工的薪水，还有顾客流失、差评和巨大的运营拖累。这就是“臃肿税”，为每一个被雇来掩盖架构裂缝的人所付出的代价。看到多尔西的举动后，投资人很可能会追问自己投资组合里的每一个品牌：为什么还在交这笔税？
为智能体时代做准备：结构化数据不可妥协
右边一栏并不是魔法。它代表的是一个建立在面向 AI 搜索的结构化数据和可执行能力之上的系统。智能体之所以能运转，是因为商品数据、顾客数据、库存数据和订单数据干净、可访问且实时更新。通往智能体时代的旅程并不是从招聘提示词工程师开始，而是从招聘数据架构师、坚持不懈地清理数据开始。这正是决定智能体店面就绪度的那份不起眼却至关重要的工作。没有它，任何 AI 投资都只是在为技术债博物馆修建新的展厅。
这对你的品牌意味着什么：一次 AI 就绪度审计
如果你是商务负责人，Block 这次激进举动传递的信息并不是明天就裁掉一半员工，而是要弄清楚：你的员工中有多少人在充当人肉中间件。因为他们的岗位其实已经过时，只是市场还没有逼你出手。不要恐慌性地采购一个“AI 平台”，先做一次审计。
梳理你的“人肉 API”
把团队召集到一个房间里，花一周时间。选一个关键流程，比如上面的退货示例、供应商入驻或营销活动创建，在白板上画出每一个步骤。针对每一步问：“这个人是在做创造性或战略性的决策，还是在把数据从系统 A 搬到系统 B？”
每当答案是“搬数据”，就在这一步周围画一个红框。这些就是你的人肉 API，就是你的架构债，就是你的薄弱环节。未来12个月的目标，应当是消除每一个红框：不是靠解雇这个人，而是靠构建让手动工作变得多余的 API 或数据管道，让他们腾出手来做更有价值的事。
现在就启动你的 AI 体验实验室
等待这项技术成熟，无异于坐以待毙。你需要现在就开始学习，而且不需要巨额预算。组建一个 AI 体验实验室（AI Experience Lab）：一个小型跨职能团队，由一名工程师、一名产品人员和一名数据分析师组成。他们的任务是运用智能体的思路，构建能解决真实业务问题的小型可运行原型。
不要一上来就做面向顾客的聊天机器人，先从内部工作流开始。能不能构建一个自动完成库存对账的智能体？能不能做一个用视觉模型自动为新商品照片打标签的工具？如果你是服装品牌，能不能做一个AI 虚拟试穿原型？不是为了上线给顾客，而是作为一次练习，看看你的商品数据和 API 哪里不足。实验室的目标不是交付生产代码，而是积累组织层面的认知：要让 AI 在你那套具体而杂乱的系统上运转，究竟需要什么。这正是构建稳健的商务 AI 架构的核心。
真正的 AI 末日是一场消耗战
人们都在谈论“AI 就业末日”，仿佛它会像 Block 这样，是一次突发的灾难性事件。他们错了。对大多数公司来说，这不会是一场突然的清洗，而是一段缓慢、安静而痛苦的衰退。
忽视架构债的品牌会发现自己无法竞争。当它们因为需要三个部门手动协调而花一周时间上线一次促销时，更精简的竞争对手已经有一个智能体能在一小时内完成。当它们不断增聘客服来应对上涨的工单量时，竞争对手的智能体已经在即时解决问题，提升顾客忠诚度。
这不是某家公司拥有“更聪明的 AI”的问题，而是某家公司拥有更敏捷、以数据为中心的基础。这让它们迭代更快、利润率更高，也更能吸引优秀人才。背负着人肉中间件的品牌，将在每一条战线上落败。
它们落败，不是因为竞争对手买到了更聪明的 AI，而是因为竞争对手先修好了自己的架构。现在就该开始修你的了。
来源：Block 致股东信（SEC 8-K 附件99.1，2026年2月26日）；CNBC，2026年2月26日；马特·舒默《Something Big Is Happening》（Fortune，2026年2月11日）；杰克·多尔西关于 Twitter 的 Schedule 13D（2022年10月）。