工龄和年龄之和70岁，基本上你应该在50岁左右，在微软至少工作了20年，这在我们这里这种劝退方案叫自愿离休，或者内退，放到90年代初，也能叫”买断工龄“，当下能在微软有这个资历的，上下至少是个总！
从数据看，截至2025年6月，微软在美国共有约12.5万名员工，7%意味着约8750人可能符合该计划的条件，但部分高级岗位或参与销售激励计划的员工不在其中，这部分人是微软核心骨干。
实际上，在我看来大型科技公司在大举投资建设人工智能基础设施的同时，一直不断寻求削减成本的机会，这样才能维系其现金流不被巨大的资本性开支所冲垮，而众所周知，微软目前正加速在全球建设数据中心，这块的耗费非常巨大。
一、微软为何年年大优化
自2023年初以来，微软已多次进行大规模裁员，其他在AI领域投入巨大的公司，如甲骨文和Meta Platforms，在过去一年中也进行了相似的裁员性财务平衡，这个趋势是全球性的，只不过微软的做法比较体面，是让你可以直接退休，比在这个时间让你失业要好很多。
并且，从企业端来看，目前40岁以上的人群已经和AI时代完全技能错配，这部分人员必须得到温和优化，以压降长期人力成本。通常这类符合 “70 规则” 的员工多为入职多年的资深人员，普遍享有高额薪资、丰厚股权激励与顶级福利，是企业固定人力成本的核心组成部分。
而当前微软全力押注 AI 赛道，需要将更多预算与编制向 AI 相关新业务、新技术团队倾斜。相较于欧美市场极易引发工会抗议、法律诉讼与舆论反噬的强制裁员，自愿退休方案近年来得到很大的发展，其以市场化激励引导员工主动退出，不太容易引发员工对抗，且不至于触碰美国的《反就业年龄歧视法》。
同时，这次的优化，也释放了资深员工长期占据核心岗位，给了年轻人才的晋升空间，能为适配 AI 技术栈的年轻人才、中层骨干打开上升通道，不过，这种模式一开，意味着下一次的优化，可能就会提前到”合计60“，随着AI的进步，这种被动退休的风潮应该会被显著提前。
不过，这种退休的方案对两类员工的吸引力还是比较强的，一种是已临近法定退休年龄、已有明确退休规划的资深员工。另一类是有创业、职业转型规划的员工，方案提供的补偿可作为平稳过渡的资金支持，这样就无需承担裸辞风险，是实现职业转身的绝佳契机。
而对于仍处于职业黄金期、财务规划未完成、对职业有强价值诉求的员工，该方案则缺乏吸引力，这类员工即便符合 “70 规则”，但仍手握核心业务权限，薪资与股权激励仍处于高速增长期，提前退休意味着放弃高额长期收益，转而面对未来的不确定性，但同时这样的人才也没有多少。
作为微软这样的国际巨头，让我觉得震惊的是居然有这么多合计70的人，这作为民营科技企业而言，已经很人文了，但资本市场显然觉得不管是什么方式的裁员，反正裁员都是你基本面现金流和盈利能力有问题！
二、人力优化能对冲微软的AI长期资本性支出带来的现金流损耗么？
从短期财务视角来看，该方案能为微软带来有限的现金流缓冲，形成对 AI 投入的边际补充。
首先，毫无疑问可直接压降长期固定人力成本，释放运营利润，毕竟，符合 “70 规则” 的员工多为入职多年的资深人员，普遍享有高额薪资、丰厚股权激励与顶级福利，是微软人力成本的核心压力点。
按照硅谷科技公司的薪酬结构，这类资深员工年度总薪酬普遍在 50 万 - 200 万美元区间，若该计划最终落地 5000 人，每年可节省人力成本约 25 亿 - 100 亿美元，能直接改善营业利润，为 AI 投入腾挪财务空间，但这种利润显然不是市场想要看到的利润构成！
同时，自愿退休方案以市场化激励引导员工主动退出，一次性补偿支出可控，对于财务报表空间肯定是有帮助的，且主营业务投入上，也会更好看。
但从长期来看，这类人力优化举措，根本无法对冲微软持续高增的 AI 资本支出！
首先，根据最新财务数据，微软 2026 财年预计总资本支出将高达 1460 亿美元，同比激增约 66%，其中仅 AI 相关的算力基础设施、数据中心建设、芯片自研投入就超过 800 亿美元，单季度 AI 相关资本支出已达 375 亿美元。
而此次自愿退休计划，即便实现全额覆盖，年度人力成本节约规模最高也仅在百亿美元级别，不及全年 AI 资本开支的 1/8，甚至无法覆盖单季度的 AI 算力投入。更关键的是，AI 资本开支是持续的、指数级增长的，微软计划未来两年将数据中心规模翻倍，2027 年资本开支仍将维持高增速，而人力成本的节约是一次性的、有明确天花板的，不可能通过持续裁员实现长期对冲，但实际上微软基本每年都在裁员。
其次，AI 相关投入以资本开支（CapEx）为主，核心是用于 GPU 采购、数据中心建设等长期资产的一次性大额现金流出，其成本通过折旧摊销，可以在数年里逐步计入利润表。而人力成本节约属于运营支出（OpEx）的优化，仅能改善当期营业利润与经营现金流，无法直接覆盖资本开支带来的巨额现金流出。
简单来说，裁员省下的钱可以增厚 “非主营的现金流”，而 AI 投入是需要长期和刚性的 “固定资产投资”，前者只能缓解日常现金流压力，根本无法覆盖后者的核心支出，无非解雇一帮100万美元的，挪到几个1亿美元薪酬的核心上去。
而且，AI 军备竞赛的刚性支出特征，决定了节流是无法解决的底层矛盾，这个游戏从开始就必须不断扩大融资额，而且是倍数级别的周期增长。
当前科技巨头的 AI 竞争，核心是算力军备竞赛，其成本具有极强的刚性与迭代属性。GPU 等算力硬件成本占到 AI 总支出的 60% 以上，且随着模型迭代，算力需求还呈现出指数级增长。
但与此同时，AI 商业化仍处于早期阶段，微软旗舰 AI 产品 Microsoft 365 Copilot 在 4.5 亿总用户中付费渗透率仅 3%，远不及市场预期，投入与回报的错配持续扩大。这种情况下，仅靠人力端的节流，根本无法填补算力投入的巨额缺口，更无法解决 “高投入、慢回报” 的核心矛盾。
因此，我们看到AI热全在上游硬件和中游大模型，估值呈现金字塔式下降。
最后，人力优化的反噬风险，反而可能推高 AI 长期研发成本。毕竟裁掉1个100万美元成本的骨干，可比裁掉1个1亿美元工资的骨干，便宜的多！
热门跟贴