自从小龙虾(OpenClaw)爆火以来,关于AI导致裁员的讨论就愈发频繁。
这些消息真真假假,难以分辨。例如Meta(原Facebook)宣布裁员20%(约1.6万人),Block(原Square)裁员40%(约4000人),这些都是已经发生的真实案例。而像上周末传出的“飞书关闭武汉”,以及这两天热传的“网易裁撤所有外包”,则被证实为谣言。
一个有趣的现象是:海外的裁员消息往往为真,而我们这边的则常被“辟谣”。个中缘由,大家不妨自己琢磨,这似乎也“符合常识”。

眼下可能还不会出现大规模的“AI裁员”公告,但这绝不代表它不会发生。如果你还在问“AI裁员何时会轮到中国”,那可能意味着你离AI技术的实际影响还有点远,尚未看清它对生产力带来的巨大变革。
“何时轮到中国”本身或许就是个伪命题,因为这一进程早已开始,只是表现形式和节奏与美国有所不同。硅谷的裁员,更像是一种“预算挪移”,核心目的是将资金集中投入到算力采购和数据中心建设上。同时,为了维持财报的利润率,必须削减非核心业务(如招聘、中层管理、实验性项目)的人力成本,从而为AI基础设施腾出资金。
而在国内,情况则更偏向于实实在在的“降本增效”。AI在某些领域(如游戏美术、广告设计)已经能够有效替代人力,其应用势头甚至比美国更为迅猛。因此,与其在听到每一次AI裁员“辟谣”后长舒一口气,陷入隐形的焦虑,不如冷静下来,审视一下自己当前的工作是否具有高度的“机械化”或“标准化”特性,并为此提前做好打算。
聊到这里,我们不妨来看一道与「字节跳动」相关的算法题,它出现在许多技术面试中。
题目描述
平台:LeetCode
题号:969
给你一个整数数组 arr,请使用煎饼翻转完成对数组的排序。
一次煎饼翻转的执行过程如下:
- 选择一个整数
k,
- 反转子数组
arr[0...k-1](下标从 0 开始)
例如,arr = [3,2,1,4],选择 k = 3 进行一次煎饼翻转,反转子数组 [3,2,1] ,得到 arr = [1,2,3,4] 。
以数组形式返回能使 arr 有序的煎饼翻转操作所对应的 k 值序列。任何将数组排序且翻转次数在 10 * arr.length 范围内的有效答案都将被判断为正确。
示例 1:
输入:[3,2,4,1]
输出:[4,2,4,3]
解释:
我们执行 4 次煎饼翻转,k 值分别为 4,2,4,和 3。
初始状态 arr = [3, 2, 4, 1]
第一次翻转后(k = 4):arr = [1, 4, 2, 3]
第二次翻转后(k = 2):arr = [4, 1, 2, 3]
第三次翻转后(k = 4):arr = [3, 2, 1, 4]
第四次翻转后(k = 3):arr = [1, 2, 3, 4],此时已完成排序。
示例 2:
输入:[1,2,3]
输出:[]
解释:
输入已经排序,因此不需要翻转任何内容。
请注意,其他可能的答案,如 [3,3] ,也将被判断为正确。
提示:
1 <= arr.length <= 100
1 <= arr[i] <= arr.length
arr 中的所有整数互不相同(即 arr 是从 1 到 arr.length 整数的一个排列)
冒泡排序思路
由于每次操作都是对「某段前缀」进行整体翻转,并且题目规定了在合理范围内的翻转方案均为有效,同时数组 arr 又是 1 到 arr.length 的一个排列。
我们可以很自然地联想到「冒泡排序」的思路:每次确定未排序部分最右端的元素(即当前最大值)。
具体来说,假设下标 [i + 1, n - 1] 部分已经有序,如果我们希望当前最大值 i+1 (数值为 i+1 的元素) 出现在位置 i 上,可以进行的操作如下:
- 如果当前值已在位置
i 上,则无须进行任何操作。
- 如果当前值不在位置
i 上,则根据其当前位置进行分情况讨论:
- 当前值在数组头部(下标为
0):直接将 [0...i] 部分进行翻转(将 i+1 加入答案中),即可将该值放到位置 i 上。
- 当前值不在数组头部,而是在位置
idx 上:需要先将 [0...idx] 部分进行翻转(将 idx+1 加入答案中),这样使得当前值被翻转到数组头部(下标为 0);然后再将 [0...i] 部分进行翻转(将 i+1 加入答案中),即可将该值放到位置 i 上。
而翻转某个前缀的操作可以使用「双指针」轻松实现,复杂度为 O(n)。
Java 代码:
class Solution {
public List<Integer> pancakeSort(int[] arr) {
int n = arr.length;
int[] idxs = new int[n + 10];
for (int i = 0; i < n; i++) idxs[arr[i]] = i;
List<Integer> ans = new ArrayList<>();
for (int i = n; i >= 1; i--) {
int idx = idxs[i];
if (idx == i - 1) continue;
if (idx != 0) {
ans.add(idx + 1);
reverse(arr, 0, idx, idxs);
}
ans.add(i);
reverse(arr, 0, i - 1, idxs);
}
return ans;
}
void reverse(int[] arr, int i, int j, int[] idxs) {
while (i < j) {
idxs[arr[i]] = j; idxs[arr[j]] = i;
int c = arr[i];
arr[i++] = arr[j];
arr[j--] = c;
}
}
}
C++ 代码:
class Solution {
public:
vector<int> pancakeSort(vector<int>& arr) {
int n = arr.size();
vector<int> idxs(n + 10);
for (int i = 0; i < n; i++) idxs[arr[i]] = i;
vector<int> ans;
for (int i = n; i >= 1; i--) {
int idx = idxs[i];
if (idx == i - 1) continue;
if (idx != 0) {
ans.push_back(idx + 1);
reverse(arr, 0, idx, idxs);
}
ans.push_back(i);
reverse(arr, 0, i - 1, idxs);
}
return ans;
}
void reverse(vector<int>& arr, int i, int j, vector<int>& idxs) {
while (i < j) {
idxs[arr[i]] = j; idxs[arr[j]] = i;
int c = arr[i];
arr[i++] = arr[j];
arr[j--] = c;
}
}
};
Python 代码:
class Solution:
def pancakeSort(self, arr: List[int]) -> List[int]:
n = len(arr)
idxs = [0] * (n + 10)
for i in range(n):
idxs[arr[i]] = i
ans = []
for i in range(n, 0, -1):
idx = idxs[i]
if idx == i - 1:
continue
if idx != 0:
ans.append(idx + 1)
self.reverse(arr, 0, idx, idxs)
ans.append(i)
self.reverse(arr, 0, i - 1, idxs)
return ans
def reverse(self, arr: list[int], i: int, j: int, idxs: list[int]) -> None:
while i < j:
idxs[arr[i]], idxs[arr[j]] = j, i
c = arr[i]
arr[i], arr[j] = arr[j], c
i, j = i + 1, j - 1
TypeScript 代码:
function reverse(arr: number[], i: number, j: number, idxs: number[]): void {
while (i < j) {
idxs[arr[i]] = j;
idxs[arr[j]] = i;
const c = arr[i];
arr[i++] = arr[j];
arr[j--] = c;
}
}
function pancakeSort(arr: number[]): number[] {
const n = arr.length;
const idxs = Array.from({ length: n }, () => 0);
for (let i = 0; i < n; i++) idxs[arr[i]] = i;
const ans = [];
for (let i = n; i >= 1; i--) {
const idx: number = idxs[i];
if (idx === i - 1) continue;
if (idx !== 0) {
ans.push(idx + 1);
reverse(arr, 0, idx, idxs);
}
ans.push(i);
reverse(arr, 0, i - 1, idxs);
}
return ans;
};
- 时间复杂度:需要对
n 个元素进行排序,每个元素最多触发两次翻转,每次翻转的复杂度为 O(n)。整体复杂度为 O(n²)。
- 空间复杂度:
O(n),用于存储索引数组。
最后
无论是面对AI带来的职业变局,还是在技术面试中应对算法挑战,持续学习和深入理解核心原理总是关键。这道“煎饼排序”题很好地考察了我们对基础算法的理解和灵活应用能力。如果你对这类面试求职中的算法问题感兴趣,或者想与更多开发者交流技术心得,欢迎来云栈社区一起探讨。