10 月 22 日，IT之家援引微软 2026 财年数据：员工总数降至约 22.3 万人，十年来首次出现下降；同期营收上涨 18%，达到 3318 亿美元；仅 6 月所在季度，资本支出就达到 410 亿美元。
同一天，TechCrunch 报道的一项调查给出了另一面：超过 50% 的管理者表示，采用 AI 之后，评估员工的工作变得更加困难。
一边是人变少、收入变高，一边是管理者看不懂谁在干活。这两件事放在一起，才是这轮 AI 办公真正的题目。
我的判断是：企业软件卖了几十年的「人头」，正在失去计量单位。
先校正三个口径
第一，员工总数下降不等于大规模裁员。22.3 万是财年末口径，里面包含自然流失、招聘冻结和组织调整。微软没有公布按业务线拆分的增减，把它直接读成「AI 替代了多少人」，是不严谨的。
第二，18% 的营收增长主要来自云与 AI 业务，不能简单归因于「人少了所以效率高了」。这是业务结构变化和市场需求共同作用的结果。
第三，410 亿美元的单季资本支出是投入，不是当期费用。它会以折旧的形式，在未来几年逐步进入利润表。用资本开支替换人力成本，本质是把 opex 搬到 capex，再把账单摊到未来。
财务账：这是一次成本结构的迁移
人力成本是 opex，当月发生、当月计入。资本开支是 capex，先形成资产，再逐年折旧。
这个迁移在报表上的效果很直接：短期利润率变好，因为人力费用被替换成了折旧；长期压力后移，因为折旧是刚性的，不会因为业务淡季而减少。
所以「AI 替代人」在财务上从来不是省钱的同义词，它只是把成本的形状改了。省不省钱，取决于两件事：算力利用率够不够高，以及被替代的岗位是不是真的不需要人。
微软能这么做，是因为它有足够的现金流和业务规模来承接这笔资本开支。中小企业没有这个条件，它们更可能走另一条路：不建算力，买 AI 服务，把 capex 再转回 opex。这也是为什么 AI 办公的订阅生意，反而在中小企业里跑得更快。
算一个人均就更清楚：3318 亿美元营收、22.3 万人，人均营收大约 149 万美元。这个数字放在传统软件时代是不可想象的，它说明微软卖出去的东西，越来越不依赖「每个人多干一点」，而是依赖「每个客户多用一点云和 AI」。
但这也意味着，员工数不再是衡量一家软件公司的好指标。真正该看的是人均营收、单位算力产出和客户续费率。这三个指标，恰好是大多数公司财报里不披露的。
管理账：为什么评估变难了
过去的工作可以按「件」计量：写了多少行代码、关了多少工单、拜访了多少客户。指标粗糙，但至少可归因。
AI 介入之后，一个人可以产出过去三倍的量。问题是，你不知道哪部分是人的判断，哪部分是模型的默认输出。一个销售用 AI 生成了 50 封邮件，回复率上升了，这算他的能力，还是算工具的功劳？
更麻烦的是责任。AI 给的方案出了问题，签字的是人，但决策过程无法复盘——你很难证明自己「审过」，因为审查这个动作本身没有留下痕迹。
于是绩效评估从「看你做了什么」，变成「看你审了什么」。而审查质量，恰恰是最难量化的东西。
先被这件事击中的，是中层。高层看结果，基层看任务，中层原本的职责是「把目标拆成任务、把任务分给人、再判断做得好不好」。AI 接手了拆分和分派，中层剩下的只有判断，而判断是最难被考核的部分。
这也解释了为什么很多企业的 AI 办公项目，用起来很热闹，算账时却说不清价值。工具提升了单点效率，但没有改变考核方式。考核不变，行为就不会变，最后大家只是用 AI 把旧流程跑得更快。
这也解释了为什么 Asana 要上线 30 多个预置 AI 队友，ServiceNow 要联合英伟达做多层实时安全检查。前者在解决「活谁干」，后者在解决「权限谁管」。两个问题不解决，管理者只能靠感觉判断，而感觉无法写进绩效表。
软件账：席位定价走到尽头
SaaS 最经典的模型是按人头卖席位：公司越大，席位越多，收入越高。这套模型成立了二十年，因为它和人头强绑定。
现在两头同时松动。企业的人变少了，AI 变多了；而 AI 不需要席位，它需要调用量、需要并发、需要权限。
所以厂商都在往「按用量」或「按结果」迁移。但「结果」比「用量」难定义得多：一次客服对话可以按次计费，那解决率怎么算？一次代码提交可以按次计费，那引入的 bug 谁背？
这就是为什么很多产品开始卖「AI 队友」而不是「AI 功能」。队友是一个可以被分配任务、被考核、被替换的单位——它在试图用「数字同事」这个概念，把人头席位的旧账本续上。
但账本能不能续上，取决于客户认不认。如果客户发现十个 AI 队友干的活，还不如两个熟手加一套好工具，续费就会断。
大盘并不差。IBM 前三季度软件板块营收 226.17 亿美元，同比增长 8.1%，是四大板块里最快的；SAP 第三季度营收首次突破百亿欧元，还上调了全年指引。这说明企业对软件的钱没少花，只是花的方向变了——从「买席位」转向「买能直接交付结果的模块」。
国内也一样。三季度 AI 办公活跃用户达到 1.42 亿，腾讯 WorkBuddy 领跑，百度和阿里在追。用户规模已经不是瓶颈，下一步拼的是谁能把活跃用户变成付费企业，以及谁能说清楚付费买到的到底是什么。
风险与边界
要承认三个不确定。
其一，AI 产出质量不稳定时，企业会回到「人加 AI」的双轨制，成本不降反升。这不是过渡期的阵痛，可能是长期状态。
其二，如果监管要求 AI 决策可解释、可审计，审计成本会吃掉相当一部分人力节省。金融、医疗、政务这些行业，已经在往这个方向走。
其三，微软的样本不可复制。它的资本开支能力、云业务规模和客户结构，都不是一般企业能比的。把它的员工数变化当成行业趋势，会得出错误结论。
还有一个时间差要注意。资本开支今天发生，效率提升要两三年后才体现在组织上。中间这段时间，企业会同时承担旧的人力和新的算力成本，利润表会很难看。能熬过这段双轨期的公司，才有资格谈「AI 替代」。熬不过去的，会先被自己的资产负债表教育一遍。
结论：下一轮卖的是计量单位
企业软件过去卖的是「让人干活更有效率」，计量单位是人。下一轮卖的是「让工作可被定义、分配、验收」，计量单位是任务。
谁定义了任务的标准，谁就拿到了定价权。模型厂商定义不了，因为它不知道客户的业务流程；咨询公司定义不了，因为它不做产品。这个机会，落在既懂流程又能做系统的企业软件厂商手里。
这也是中国企服公司少有的、可以和国际巨头站在同一条起跑线上的赛道。因为「怎么衡量一份 AI 完成的工作」，全球都还没有标准答案。
谁先把这个标准做进产品，谁就能在下一轮续费谈判里，坐着说话。
当产出无法归因到个人，按人头收费的企业软件就失去了计量单位。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
