富士通公司宣布实施自愿离职计划,将在英国市场裁减近10%的员工。
这家陷入困境的供应商告知员工,如果自愿离职人数未达到目标,可能需要进行强制性裁员。
自从富士通在邮政局丑闻中的作用成为主流新闻后,其英国业务一直处于动荡状态。此后,该公司在其传统优势领域公共部门失去了大量业务,政府在压力下试图与这家供应商保持距离。
一位消息人士告诉《计算机周刊》,富士通不仅在现有供应商业务中失去客户,在预期能够赢得的投标工作中也屡屡落败,包括私营部门的业务。
英国区负责人安温·欧文发送的消息称:"我认识到这可能令人不安。我们在转型之旅的开始就采取这一步骤,以便能够继续投资于客户最需要的业务领域,建设一个更简单、更可靠的公司,为长期发展奠定最佳基础。"
根据发送给员工的沟通文件,富士通目标在其称为"自愿退出计划"中减少425个英国职位。
此次裁员将影响整个业务的员工,其中英国交付部门受到最大冲击,将有270个职位被取消。
这家日本IT巨头将在英国支持职能部门减少75名员工,销售支持部门将减少20个职位。其公共和私营部门业务也在寻求削减。
截至本文发表时,富士通尚未回应置评请求。
今年1月,《计算机周刊》报道称,该公司要求其首席运营官削减10%的成本,这将使工作岗位面临风险。
2024年,在ITV播出邮政局丑闻剧集后,富士通自我施加了禁令,在丑闻公开调查完成之前不参与新的公共部门业务投标。调查的主要报告预计要到今年晚些时候才能发布,具体日期尚未确定。
合同损失
最近失去的价值2.45亿英镑的英国税务海关总署贸易商支持服务合同影响了多达100名富士通员工,据一位消息人士称,员工将通过TUPE转移到替代供应商Netcompany,并预计会有裁员。
与此同时,富士通因尚未承诺为这一丑闻的成本贡献多少资金而受到议员们的严厉批评,这一丑闻已经花费了纳税人数十亿英镑。
在商业和贸易特别委员会听证会上,主席利亚姆·伯恩形容富士通是英国政府的"寄生虫"。
2025年10月,活动家贵族詹姆斯·阿巴思诺特要求富士通临时支付7亿英镑。他说:"富士通对数千人造成了极大伤害,应该支付大量资金来补偿这一点。"
阿巴思诺特说:"确实,其他人也有责任——邮政局管理人员、法律系统、会计师和政府。但Horizon系统是富士通的,正是富士通在背后篡改分邮局长的账户,却声称没有这样做。富士通随后与邮政局串通,确保了错误的司法判决。"
邮政局丑闻最初于2009年被《计算机周刊》曝光,揭露了七名分邮局长的故事以及他们因富士通Horizon会计软件而遭受的问题。
Q&A
Q1:富士通为什么要裁员,裁员规模有多大?
A:富士通因邮政局丑闻影响失去大量公共部门业务,公司陷入困境。计划通过自愿离职方式裁减英国员工近10%,目标减少425个职位,其中英国交付部门受冲击最大,将取消270个职位。
Q2:邮政局丑闻对富士通造成了什么影响?
A:丑闻成为主流新闻后,富士通英国业务陷入动荡。不仅在传统优势的公共部门失去大量业务,在投标工作中也屡屡落败,包括私营部门业务。公司还自我禁止参与新的公共部门业务投标。
Q3:富士通在邮政局丑闻中扮演什么角色?
A:富士通的Horizon会计软件存在问题,该公司在背后篡改分邮局长的账户却声称没有这样做,随后与邮政局串通确保了错误的司法判决,对数千人造成极大伤害,这一丑闻花费纳税人数十亿英镑。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。