“裁员潮”横扫美国科技行业（环球热点）******

　　一段时间以来，“裁员潮”持续席卷美国硅谷，不少科技企业近期都宣布将执行裁员计划。专家指出，“裁员潮”反映了虚拟经济过度扩张后的收缩趋势，同时暴露了美国高通胀和利率飙升对企业收益造成的冲击。未来，随着科技革命演进、美国政府“筑墙”“断链”及强势推行产业回流政策等，美国科技行业还将持续受到影响。

　　众多企业遇寒潮

　　2023年伊始，美国科技界接连传出企业裁员消息。

　　据《华尔街日报》报道，电子商务巨头亚马逊1月4日宣布将裁员逾1.8万人，超过此前公布的裁员方案。这是美国科技行业近来规模最大的一次裁员动作。“亚马逊生鲜”“亚马逊无人超市”等零售和人力资源板块受裁员影响最大。

　　同一天，商业软件龙头Salesforce也宣布一项成本削减计划，包括裁减10%的岗位，涉及约8000名员工。在线视频平台Vimeo当日也宣布了6个月内的第二轮裁员方案，涉及裁减11%的员工。

　　另据《福布斯》杂志网站报道，1月5日，时尚电商Stitch Fix宣布将裁减约20%的正式员工。1月9日，人工智能初创公司Scale AI宣布将裁员20%。

　　在此之前，多家美国科技巨头与初创企业已公布大规模裁员计划。2022年11月，社交媒体平台脸书的母公司Meta宣布将裁员1.1万人，约占其员工总数的13%。《经济学人》杂志网站称，这是Meta成立以来的首次大规模裁员。Meta首席执行官扎克伯格表示，公司同时将减少招聘人数，除极个别岗位外，招聘冻结期延长至2023年第一季度。与Meta几乎同时，社交媒体公司Snap也表示将裁员20%，同时搁置了其无人机项目。

　　《华尔街日报》引用调查平台layoff.fyi统计称，2022年初以来，美国1000多家科技企业共裁员超过15万人，是2021年的10倍。

　　寒潮也席卷了科技股价。2022年全年，以科技股为主的纳斯达克指数累计暴跌33.1%。2023年则延续了这一态势，纳斯达克指数继续落后于标准普尔500指数和道琼斯指数。Meta、亚马逊、苹果、奈飞、特斯拉等科技股多数下跌。

　　“裁员增加、股价下跌、市值缩水，美国大型科技公司又度过了艰难的一周。”《卫报》日前报道称。

　　过度扩张引调整

　　关于裁员潮出现的原因，科技企业普遍指向前期过度扩张和宏观经济形势。

　　亚马逊公司首席执行官安迪·贾西日前在一封公开信中表示，“由于经济形势不稳定且过去几年招聘速度太快，我们不得不继续裁员。”《卫报》报道称，2020年3月，亚马逊的全球员工数约为62.8万人。而疫情期间受线上业务驱动，亚马逊员工激增至150万人。

　　Salesforce联席首席执行官马克·贝尼奥夫也在致员工的信中表示，疫情初期，公司收入激增，导致过度招聘，而现在公司正面临经济下行，客户的采购决策变得更加谨慎。

　　中国现代国际关系研究院研究员陈凤英对本报记者表示，疫情期间，美国虚拟经济过度膨胀，导致人员大量扩招、企业效率下降。后疫情时代，市场“由虚向实”作出调整，线下生产、生活开始恢复，虚拟经济开始收缩，促使科技公司进行结构性转型。

　　与此同时，美国通胀高企、美联储激进加息，导致企业融资借贷成本急剧上升，压缩了企业投资和效益空间。消费者科技支出减少、数字广告前景黯淡，也促使企业通过裁员、冻结招聘等方式削减开支。

　　中国现代国际关系研究院美国所副研究员孙立鹏接受本报记者采访时表示，当前，美国企业、机构及个人对美国宏观经济预期普遍不佳。不少国际机构下调美国经济增速预测。在经济预期走弱的大背景下，科技等经济敏感型行业可能会采取预先防范和止损措施，进行结构性裁员及业务调整。

　　科技创新转型的需求，也进一步驱动美国科技企业人员结构调整。陈凤英表示，互联网经过数十年高速发展，已经出现增长放缓、创新乏力现象。美国许多互联网企业遭遇发展瓶颈，迫切需要技术创新来寻找新的增长点。Meta公司开拓元宇宙业务、马斯克的Neuralink公司开发脑机技术等均代表了这一趋势。而在企业调整业务部门的过程中，裁员必然会成为选项之一。

　　长期变化需观察

　　科技行业一直被视为拉动美国经济的“马车”之一，而“裁员潮”的出现，令不少舆论对美国宏观经济危机产生担忧。

　　“‘裁员潮’令人联想到本世纪初的互联网泡沫。”路透社报道称，2000年到2003年期间，廉价资金、高投资者预期和充裕现金流催生了科技行业巨大泡沫。如今，“危险可能再次出现。”

　　“裁员潮”是否指向美国经济衰退？受访专家表示，目前作出这样的判断或许为时尚早。

　　中国外汇投资研究院独立经济学家谭雅玲对本报记者表示，2022年12月美国失业率降低0.2个百分点至3.5%，维持在历史低位。科技行业“裁员潮”更多反映了企业对劳动力情况进行的局部数量性调整，是企业优化就业人员技能、提升专业化程度的体现。

　　“从2008年华尔街金融风暴至今，美国经济增长率有高有低，但美国经济总规模却在扩大，这是美联储调整货币政策的重要背景与逻辑。在关注美国经济波动性的同时，也要关注经济现实全貌。”谭雅玲说。

　　“目前，美国互联网裁员并没有影响到美国就业指标，裁员潮更多是虚拟经济膨胀过度后的收缩。预计美国科技股板块的调整将会持续。具体美国科技行业走势如何，还要观察美国货币政策调整、通胀的抑制情况及美国2023年上半年经济走势。”陈凤英说。

　　但“裁员潮”对美国乃至全球科技产业而言并非没有隐忧。

　　孙立鹏指出，美联储加息对企业投资和扩张的抑制作用已经逐步显现。在全球供应链仍然面临多重挑战的背景下，美国政府执意推进产业链回流、打造“小院高墙”、针对中国科技等行业进行打压、强化对外投资审查等，“回火效应”会对美国科技企业的海外投资布局、出口及经营情况造成持久影响。

　　“美国政府近年来强化产业回流政策，出台《两党基础设施建设法案》《芯片与科学法案》《通胀削减法案》及《国家先进制造业战略》等，通过大规模补贴帮助本国科技产业获取竞争优势，这将给科技变革及全球科技产业带来怎样的变化，还需要密切观察。”陈凤英说。林子涵

你的隐私，大数据怎知道？我们又该如何自我保护？******

　　在网络上，每个人都会或多或少，或主动或被动地泄露某些碎片信息。这些信息被大数据挖掘，就存在隐私泄露的风险，引发信息安全问题。面对汹涌而来的5G时代，大众对自己的隐私保护感到越来越迷茫，甚至有点不知所措。那么，你的隐私，大数据是怎么知道的呢？大家又该如何自我保护呢？

　　1.“已知、未知”大数据都知道

　　大数据时代，每个人都有可能成为安徒生童话中那个“穿新衣”的皇帝。在大数据面前，你说过什么话，它知道；你做过什么事，它知道；你有什么爱好，它知道；你生过什么病，它知道；你家住哪里，它知道；你的亲朋好友都有谁，它也知道……总之，你自己知道的，它几乎都知道，或者说它都能够知道，至少可以说，它迟早会知道！

　　甚至，连你自己都不知道的事情，大数据也可能知道。例如，它能够发现你的许多潜意识习惯：集体照相时你喜欢站哪里呀，跨门槛时喜欢先迈左脚还是右脚呀，你喜欢与什么样的人打交道呀，你的性格特点都有什么呀，哪位朋友与你的观点不相同呀……

　　再进一步说，今后将要发生的事情，大数据还是有可能知道。例如，根据你“饮食多、运动少”等信息，它就能够推测出，你可能会“三高”。当你与许多人都在独立地购买感冒药时，大数据就知道：流感即将暴发了！其实，大数据已经成功地预测了包括世界杯比赛结果、股票的波动、物价趋势、用户行为、交通情况等。

　　当然，这里的“你”并非仅仅指“你个人”，包括但不限于，你的家庭，你的单位，你的民族，甚至你的国家等。至于这些你知道的、不知道的或今后才知道的隐私信息，将会把你塑造成什么，是英雄还是狗熊？这却难以预知。

　　2.数据挖掘就像“垃圾处理”

　　什么是大数据？形象地说，所谓大数据，就是由许多千奇百怪的数据，杂乱无章地堆积在一起。例如，你在网上说的话、发的微信、收发的电子邮件等，都是大数据的组成部分。在不知道的情况下被采集的众多信息，例如被马路摄像头获取的视频、手机定位系统留下的路线图、驾车的导航信号等被动信息，也都是大数据的组成部分。还有，各种传感器设备自动采集的有关温度、湿度、速度等万物信息，仍然是大数据的组成部分。总之，每个人、每种通信和控制类设备，无论它是软件还是硬件，其实都是大数据之源。

　　大数据利用了一种名叫“大数据挖掘”的技术，采用诸如神经网络、遗传算法、决策树、粗糙集、覆盖正例排斥反例、统计分析、模糊集等方法挖掘信息。大数据挖掘的过程，可以分为数据收集、数据集成、数据规约、数据清理、数据变换、挖掘分析、模式评估、知识表示等八大步骤。

　　不过，这些听起来高大上的大数据产业，几乎等同于垃圾处理和废品回收。

　　这并不是在开玩笑。废品收购和垃圾收集，可算作“数据收集”；将废品和垃圾送往集中处理场所，可算作“数据集成”；将废品和垃圾初步分类，可算作“数据规约”；将废品和垃圾适当清洁和整理，可算作“数据清理”；将破沙发拆成木、铁、布等原料，可算作“数据变换”；认真分析如何将这些原料卖个好价钱，可算作“数据分析”；不断总结经验，选择并固定上下游卖家和买家，可算作“模式评估”；最后，把这些技巧整理成口诀，可算作“知识表示”。

　　再看原料结构。大数据具有异构特性，就像垃圾一样千奇百怪。如果非要在垃圾和大数据之间找出本质差别的话，那就在于垃圾是有实体的，再利用的次数有限；而大数据是虚拟的，可以反复处理，反复利用。例如，大数据专家能将数据(废品)中挖掘出的旅客出行规律交给航空公司，将某群体的消费习惯卖给百货商店等。总之，大数据专家完全可以“一菜多吃”，反复利用，而且时间越久，价值越大。换句话说，大数据是很值钱的“垃圾”。

　　3.大数据挖掘永远没有尽头

　　大数据挖掘，虽然能从正面创造价值，但是也有其负面影响，即存在泄露隐私的风险。隐私是如何被泄露的呢？这其实很简单，我们先来分解一下“人肉搜索”是如何侵犯隐私的吧！

　　一大群网友，出于某种目的，利用自己的一切资源渠道，尽可能多地收集当事人或物的所有信息；然后，将这些信息按照自己的目的提炼成新信息，反馈到网上与别人分享。这就完成了第一次“人肉迭代”。

　　接着，大家又在第一次人肉迭代的基础上，互相取经，再接再厉，交叉重复进行信息的收集、加工、整理等工作，于是，便诞生了第二次“人肉迭代”。如此循环往复，经过多次不懈迭代后，当事人或物的画像就跃然纸上了。如果构成“满意画像”的素材确实已经证实，至少主体是事实，“人肉搜索”就成功了。

　　几乎可以断定，只要参与“人肉搜索”的网友足够多，时间足够长，大家的毅力足够强，那么任何人都可能无处遁形。

　　其实，所谓的大数据挖掘，在某种意义上说，就是由机器自动完成的特殊“人肉搜索”而已。只不过，这种搜索的目的，不再限于抹黑或颂扬某人，而是有更加广泛的目的，例如，为商品销售者寻找最佳买家、为某类数据寻找规律、为某些事物之间寻找关联等。总之，只要目的明确，那么，大数据挖掘就会有用武之地。

　　如果将“人肉搜索”与大数据挖掘相比，网友被电脑所替代；网友们收集的信息，被数据库中的海量异构数据所替代；网友寻找各种人物关联的技巧，被相应的智能算法替代；网友们相互借鉴、彼此启发的做法，被各种同步运算所替代。

　　各次迭代过程仍然照例进行，只不过机器的迭代次数更多，速度更快，每次迭代其实就是机器的一次“学习”过程。网友们的最终“满意画像”，被暂时的挖掘结果所替代。之所以说是暂时，那是因为对大数据挖掘来说，永远没有尽头，结果会越来越精准，智慧程度会越来越高，用户只需根据自己的标准，随时选择满意的结果就行了。

　　当然，除了相似性外，“人肉搜索”与“大数据挖掘”肯定也有许多重大的区别。例如，机器不会累，它们收集的数据会更多、更快，数据的渠道来源会更广泛。总之，网友的“人肉搜索”，最终将输给机器的“大数据挖掘”。

　　4.隐私保护与数据挖掘“危”“机”并存

　　必须承认，就当前的现实情况来说，大数据隐私挖掘的“杀伤力”，已经远远超过了大数据隐私保护的能力；换句话说，在大数据挖掘面前，当前人类有点不知所措。这确实是一种意外。自互联网诞生以后，在过去几十年，人们都不遗余力地将碎片信息永远留在网上。其中的每个碎片虽然都完全无害，可谁也不曾意识到，至少没有刻意去关注，当众多无害碎片融合起来，竟然后患无穷！

　　不过，大家也没必要过于担心。在人类历史上，类似的被动局面已经出现过不止一次了。从以往的经验来看，隐私保护与数据挖掘之间总是像“走马灯”一样轮换的——人类通过对隐私的“挖掘”，获得空前好处，产生了更多需要保护的“隐私”，于是，不得不再回过头来，认真研究如何保护这些隐私。当隐私积累得越来越多时，“挖掘”它们就会变得越来越有利可图，于是，新一轮的“挖掘”又开始了。历史地来看，人类在自身隐私保护方面，整体处于优势地位，在网络大数据挖掘之前，“隐私泄露”并不是一个突出的问题。

　　但是，现在人类需要面对一个棘手的问题——对过去遗留在网上的海量碎片信息，如何进行隐私保护呢？单靠技术，显然不行，甚至还会越“保护”，就越“泄露隐私”。

　　因此，必须多管齐下。例如从法律上，禁止以“人肉搜索”为目的的大数据挖掘行为；从管理角度，发现恶意的大数据搜索行为，对其进行必要的监督和管控。另外，在必要的时候，还需要重塑“隐私”概念，毕竟“隐私”本身就是一个与时间、地点、民族、文化等有关的约定俗成的概念。

　　对于个人的网络行为而言，在大数据时代，应该如何保护隐私呢？或者说，至少不要把过多包含个人隐私的碎片信息遗留在网上呢？答案只有两个字：匿名！只要做好匿名工作，就能在一定程度上，保护好隐私了。也就是说，在大数据技术出现之前，隐私就是把“私”藏起来，个人身份可公开，而大数据时代，隐私保护则是把“私”公开(实际上是没法不公开)，而把个人身份隐藏起来，即匿名。

　　(作者：杨义先、钮心忻，均为北京邮电大学教授)