微軟向約7%員工提供自愿退休方案，這能解決長期資本支出問題么？

工齡和年齡之和70歲，基本上你應該在50歲左右，在微軟至少工作了20年，這在我們這里這種勸退方案叫自愿離休，或者內退，放到90年代初，也能叫”買斷工齡“，當下能在微軟有這個資歷的，上下至少是個總！

從數據看，截至2025年6月，微軟在美國共有約12.5萬名員工，7%意味著約8750人可能符合該計劃的條件，但部分高級崗位或參與銷售激勵計劃的員工不在其中，這部分人是微軟核心骨干。

實際上，在我看來大型科技公司在大舉投資建設人工智能基礎設施的同時，一直不斷尋求削減成本的機會，這樣才能維系其現金流不被巨大的資本性開支所沖垮，而眾所周知，微軟目前正加速在全球建設數據中心，這塊的耗費非常巨大。

一、微軟為何年年大優化

自2023年初以來，微軟已多次進行大規模裁員，其他在AI領域投入巨大的公司，如甲骨文和Meta Platforms，在過去一年中也進行了相似的裁員性財務平衡，這個趨勢是全球性的，只不過微軟的做法比較體面，是讓你可以直接退休，比在這個時間讓你失業要好很多。

并且，從企業端來看，目前40歲以上的人群已經和AI時代完全技能錯配，這部分人員必須得到溫和優化，以壓降長期人力成本。通常這類符合 “70 規則” 的員工多為入職多年的資深人員，普遍享有高額薪資、豐厚股權激勵與頂級福利，是企業固定人力成本的核心組成部分。

而當前微軟全力押注 AI 賽道，需要將更多預算與編制向 AI 相關新業務、新技術團隊傾斜。相較于歐美市場極易引發工會抗議、法律訴訟與輿論反噬的強制裁員，自愿退休方案近年來得到很大的發展，其以市場化激勵引導員工主動退出，不太容易引發員工對抗，且不至于觸碰美國的《反就業年齡歧視法》。

同時，這次的優化，也釋放了資深員工長期占據核心崗位，給了年輕人才的晉升空間，能為適配 AI 技術棧的年輕人才、中層骨干打開上升通道，不過，這種模式一開，意味著下一次的優化，可能就會提前到”合計60“，隨著AI的進步，這種被動退休的風潮應該會被顯著提前。

不過，這種退休的方案對兩類員工的吸引力還是比較強的，一種是已臨近法定退休年齡、已有明確退休規劃的資深員工。另一類是有創業、職業轉型規劃的員工，方案提供的補償可作為平穩過渡的資金支持，這樣就無需承擔裸辭風險，是實現職業轉身的絕佳契機。

而對于仍處于職業黃金期、財務規劃未完成、對職業有強價值訴求的員工，該方案則缺乏吸引力，這類員工即便符合 “70 規則”，但仍手握核心業務權限，薪資與股權激勵仍處于高速增長期，提前退休意味著放棄高額長期收益，轉而面對未來的不確定性，但同時這樣的人才也沒有多少。

作為微軟這樣的國際巨頭，讓我覺得震驚的是居然有這么多合計70的人，這作為民營科技企業而言，已經很人文了，但資本市場顯然覺得不管是什么方式的裁員，反正裁員都是你基本面現金流和盈利能力有問題！

二、人力優化能對沖微軟的AI長期資本性支出帶來的現金流損耗么？

從短期財務視角來看，該方案能為微軟帶來有限的現金流緩沖，形成對 AI 投入的邊際補充。

首先，毫無疑問可直接壓降長期固定人力成本，釋放運營利潤，畢竟，符合 “70 規則” 的員工多為入職多年的資深人員，普遍享有高額薪資、豐厚股權激勵與頂級福利，是微軟人力成本的核心壓力點。

按照硅谷科技公司的薪酬結構，這類資深員工年度總薪酬普遍在 50 萬 - 200 萬美元區間，若該計劃最終落地 5000 人，每年可節省人力成本約 25 億 - 100 億美元，能直接改善營業利潤，為 AI 投入騰挪財務空間，但這種利潤顯然不是市場想要看到的利潤構成！

同時，自愿退休方案以市場化激勵引導員工主動退出，一次性補償支出可控，對于財務報表空間肯定是有幫助的，且主營業務投入上，也會更好看。

但從長期來看，這類人力優化舉措，根本無法對沖微軟持續高增的 AI 資本支出！

首先，根據最新財務數據，微軟 2026 財年預計總資本支出將高達 1460 億美元，同比激增約 66%，其中僅 AI 相關的算力基礎設施、數據中心建設、芯片自研投入就超過 800 億美元，單季度 AI 相關資本支出已達 375 億美元。

而此次自愿退休計劃，即便實現全額覆蓋，年度人力成本節約規模最高也僅在百億美元級別，不及全年 AI 資本開支的 1/8，甚至無法覆蓋單季度的 AI 算力投入。更關鍵的是，AI 資本開支是持續的、指數級增長的，微軟計劃未來兩年將數據中心規模翻倍，2027 年資本開支仍將維持高增速，而人力成本的節約是一次性的、有明確天花板的，不可能通過持續裁員實現長期對沖，但實際上微軟基本每年都在裁員。

其次，AI 相關投入以資本開支（CapEx）為主，核心是用于 GPU 采購、數據中心建設等長期資產的一次性大額現金流出，其成本通過折舊攤銷，可以在數年里逐步計入利潤表。而人力成本節約屬于運營支出（OpEx）的優化，僅能改善當期營業利潤與經營現金流，無法直接覆蓋資本開支帶來的巨額現金流出。

簡單來說，裁員省下的錢可以增厚 “非主營的現金流”，而 AI 投入是需要長期和剛性的 “固定資產投資”，前者只能緩解日常現金流壓力，根本無法覆蓋后者的核心支出，無非解雇一幫100萬美元的，挪到幾個1億美元薪酬的核心上去。

而且，AI 軍備競賽的剛性支出特征，決定了節流是無法解決的底層矛盾，這個游戲從開始就必須不斷擴大融資額，而且是倍數級別的周期增長。

當前科技巨頭的 AI 競爭，核心是算力軍備競賽，其成本具有極強的剛性與迭代屬性。GPU 等算力硬件成本占到 AI 總支出的 60% 以上，且隨著模型迭代，算力需求還呈現出指數級增長。

但與此同時，AI 商業化仍處于早期階段，微軟旗艦 AI 產品 Microsoft 365 Copilot 在 4.5 億總用戶中付費滲透率僅 3%，遠不及市場預期，投入與回報的錯配持續擴大。這種情況下，僅靠人力端的節流，根本無法填補算力投入的巨額缺口，更無法解決 “高投入、慢回報” 的核心矛盾。

因此，我們看到AI熱全在上游硬件和中游大模型，估值呈現金字塔式下降。

最后，人力優化的反噬風險，反而可能推高 AI 長期研發成本。畢竟裁掉1個100萬美元成本的骨干，可比裁掉1個1億美元工資的骨干，便宜的多！