事件背景
2026年6月，联发科宣布扩大招聘规模以支撑向人工智能与数据中心业务的转向。这不是孤立的人事公告，而是整个科技产业在AI浪潮中的缩影——从英伟达、到OpenAI、到本地芯片厂商，无一例外地在宣传「招聘」作为战略信心的指标。
表面上看，扩招是为了「支持新业务」。但经济学家会问一个更深的问题：为什么联发科不直接说「我们预计数据中心营收会增长300%」？为什么要通过招聘这种「贵」的方式来表达信心？
信号理论的视角
经济学家迈克尔·斯宾塞（Michael Spence）在1973年提出信号理论：在信息不对称的市场中，发送方无法直接证明自己的能力，只能通过「代价高昂、难以模仿」的行为来发出信号。雇主不知道求职者是否真的聪慧，但求职者完成大学教育的成本足够高——这证明了能力。
联发科的「扩大招聘」正是类似逻辑：
1. 成本高昂性：招聘、培训、薪酬投入是长期支出。如果联发科对数据中心业务的前景不真诚，这笔钱就是浪费。 2. 难以造假：你可以吹嘘营收预测，但你无法一夜之间招来1000名工程师却没有实际工作岗位——这会立即在企业文化中暴露。 3. 可逆性低：相比广告支出可以下月停止，招聘团队一旦组建就很难解散——这锁定了长期承诺。
对手为何相信这个信号
联发科的股东、供应商、甚至竞争对手，在听到「扩大招聘」时的反应，比听到「预计数据中心营收200亿」时更强烈。原因是后者可以轻松调整预测，前者改不了。
相比之下，英伟达多次调整指引，但从未宣布过「缩减研发团队」——这更强化了市场信心：他们对芯片需求的信心没有动摇。
历史类比
- **1990年代互联网泡沫**：那些在泡沫顶峰仍在疯狂招聘（Pets.com、Webvan）的公司，后来都成了反面教材。但当时外界无法区分真实信心与虚伪吹嘘，直到现金烧尽。
- **特斯拉2010年代扩张**：马斯克每次宣布新工厂都同步宣布大规模招聘目标，这让分析师能看到「话语与行动的一致性」，比单纯的营收指引更可信。
- **Meta AI团队扩张**：扎克伯格对AI的长期投入最有力的证明不是财报，而是年复一年从全球顶级AI实验室挖人。
信号何时失效
但信号理论有个关键前提：发送方必须真的在乎成本。如果联发科已经现金充裕到「花钱如流水」，招聘信号的说服力就减弱了。类似地，如果行业普遍都在扩招（all-in on AI），那么「联发科也扩招」就不再是差异化信号，而是同行压力下的被动跟风。
市场对信号的错误反应
媒体和投资者在报道这则新闻时，往往忽视一个陷阱：招聘规模本身不等于执行力。思科在2000年互联网泡沫破裂前也曾大规模招聘，结果在需求崩溃时陷入裁员地狱。联发科对「数据中心订单可见度良好」的乐观判断，可能基于现有客户的短期承诺，而这些承诺在18个月后就可能反转。
真正重要的不是招聘的绝对数字，而是： 1. 这些新员工在12个月后的留任率（反映组织是否真的为他们准备了工作） 2. 新员工的成本（高价挖角 vs 校园招聘，信号意义不同） 3. 已有业务线的招聘是否同步缩减（资源重配置 vs 无底线烧钱）
反思
联发科的扩招宣言，反映了AI时代的一个微妙现象：企业无法直接让市场相信自己的战略眼光，所以改为通过「成本高昂的行为」来背书。这既是诚实信号，也是一种压力——一旦招聘规模曝光，失败的代价就变得可见且难以否认。