熊辉：AI时代的职业图谱

大家好，我是熊辉，来自香港科技大学（广州）。我曾在美国罗格斯新泽西州立大学任教，从助理教授、副教授、正教授一路任职至杰出教授。我们从事的领域有幸能做一个“旋转门”，实现学界与产业界的双向交流，也正因如此，2015年我得以加入百度担任百度研究院副院长、首席科学家，直至2020年。

今天非常高兴有机会可以给大家分享一下，人工智能时代下，人工智能的发展会对我们的教育体系、未来人才培养产生怎样的影响与冲击。

首先，我将人类通过教育所形成的智能划分为四个境界：第一重为“博闻强识”，第二重为“触类旁通”，第三重为“一叶知秋”，最高境界则是“无中生有”。

从小学、初中、高中、大学到研究生阶段的专业教育，无论是化学、计算机等任一专业，首要达成的便是“博闻强识”的境界。以我为例，作为计算机系博士，可勉强称在计算机领域实现了博闻强识。在达到这一境界后，仅有一小部分人能在专业基础上更进一步，迈入触类旁通的阶段。所谓触类旁通，举例而言，深耕人工智能领域的从业者，跨界进入金融行业后，能打造金融AI体系，便是这一境界的体现。而人类智能的进阶仍有更高维度，少数人能突破至第三重境界——一叶知秋。这一境界，意味着从业者能在自身专业领域具备精准的预测与推理能力。

人类智能的最高境界，是“无中生有”，也就是实现从0到1的创新。能抵达这一境界的人寥寥无几，爱因斯坦的相对论、牛顿的三大定律、量子纠缠理论的提出，皆是无中生有式创新的典范。

我为何要将人类智能按教育阶段划分为这四个境界？核心原因在于，基于大模型的人工智能，正对教育产业产生颠覆性的冲击。大模型人工智能的出现，直接超越了人类智能通过教育形成的前两个境界。在博闻强识层面，人类已无法与大模型人工智能相媲美。即便身为计算机系博士，我的知识储备与记忆能力，在各类大模型面前也相形见绌，人类在这一境界的能力，在AI面前显得十分有限。同样，在触类旁通的境界，AI也已将人类远远甩在身后。而在过去一年，人工智能在一叶知秋的境界，也就是推理与预测能力上，展现出了强大的进步能力，正逐步实现对人类的超越。

这便引出了一个核心问题：人类该如何应对？过去，我们的教育体系始终以博闻强识为起点，逐步向触类旁通进阶，仅有极少数人能达到一叶知秋的境界。而如今，人工智能已直接超越了博闻强识、触类旁通两大境界，在一叶知秋的领域也在快速赶超人类。那么，我们的教育该何去何从？人类在人工智能时代，又该如何定位自身？

我们还需关注的一点是，当下的时代已进入数据飞轮时代。从数据飞轮驱动技术飞轮，再由技术飞轮催生产业飞轮，这便是本次以数据为核心驱动的人工智能革命的整体逻辑。如前所述，AI已在博闻强识、触类旁通乃至一叶知秋的境界实现对人类的超越，那么人类还剩哪些核心能力？答案便是无中生有的能力，即从0到1的创新能力。基于当前Transformer架构的人工智能大模型，尚无法实现这种从0到1的创新。

在人工智能大模型时代，人类的哪些能力会变得尤为珍贵？主要有两种：提问能力与鉴赏能力。为何这么说？当下的大模型，若使用者善于提问、懂得如何提问，便能充分激发其全部能力。但事实上，绝大多数人在使用大模型的过程中，所展现的提问能力，难以激发大模型的真正价值，大模型超过50%的能力，无法被普通用户的提问所唤醒。而除了提问能力，鉴赏能力也直接决定了使用AI的效果，是另一项关键能力。

如何才能更好地运用大模型？我以自身准备演讲的经历为例。过去，从准备演讲材料到最终完成演讲，我需要耗费大量时间。但如今，借助大模型，整个过程的效率得到了极大提升。

比如，广州华南师范大学附属中学——广州顶尖的高中之一，他们校长邀请我为高三学生做百天高考动员演讲。明确受众是距离高考仅剩100天的高三学生后，我仅用几分钟便完成了演讲稿的核心构思，而这一过程正是与大模型的高效互动。我向大模型说明，我是一名人工智能领域的教授，需为高中高三学生做高考动员演讲，核心想传递三句话：第一，做伟大的事，永远不必担心开始得太晚；第二，既要努力学习，更要学会聪明地学习；第三，高考是人生中关键的学习节点，但并非学习的终点，而是培养终身学习习惯的起点。

我要求大模型围绕这三句话，每句话各生成10个中外典故、诗歌与笑话。生成内容后，考验的便是我的鉴赏能力：我需要结合高三学生的特点，同时依托自身的知识储备，筛选出既符合受众特征、又为自己所熟知的内容，最终为每句话各挑选了三个素材。将这些素材与核心观点重新整合，一篇演讲稿便快速成型。这种创作方式，既融入了我自身的思想与核心观点，那三句核心话语是我自主构思的；又体现了我的鉴赏能力，筛选出的案例、诗歌、故事与笑话，均适配演讲场景，反映了个人的品味。整个过程，正是人机融合创新能力的体现。

人工智能时代，人类面临着巨大的挑战。作为一名教育工作者，我对此深感焦虑，因为人与人之间的差距，正通过学习力被远远拉大。掌握了利用人工智能开展工作与学习的人，其学习能力呈指数级增长；而大多数人的学习曲线，最多仅能实现线性提升。在这个时代，若无法借助人工智能工具提升工作效率、助力自主学习，便难以实现学习能力的指数级成长。即便付出极大的努力，也只是线性的进步，而他人凭借AI实现指数级成长，可能仅用4小时的学习与工作，便能超越他人十几个小时的付出。

当前的核心挑战在于，真正能够掌握人工智能工具、借此提升工作效率与学习能力的人，数量极少。尤其是在认知层面，无论是小学、初中、高中，甚至大学的老师，都普遍缺乏相关的认知与能力。

从自身的体验来看，人工智能浪潮的到来，让我的工作效率与学习能力均实现了指数级增长。这是我人生中第一次感受到，自己的生产效率与学习能力得到了质的提升，一年所能完成的工作，相当于过去五年甚至七八年的工作量。

受时间所限，我举一个具体的例子，谈谈阅读方式的改变。过去阅读一篇学术论文，我需要从头至尾逐字研读，往往要耗费数天时间，尤其是遇到复杂的数学公式与理论推理时，难度会更高。而现在，借助大模型，阅读效率得到了极大提升。我会直接将论文交给大模型，核心依靠精准的提问完成研读：对于复杂的理论证明，我会先让大模型以非专业人士的视角，用通俗的故事与常识进行讲解，帮助我建立基础认知；再让其以半专业的视角，进行更深入的解读；最后以专业视角，完成完整的阐释。如此一来，过去需要数天才能理解的论文，现在半小时甚至更短时间便能吃透。

阅读书籍的效率也发生了翻天覆地的变化。过去，即便我十分热爱阅读，一年能读完十几本书已属不易；而现在，一年读完100本书也并非难事。甚至在机场候机的一小时里，我便能读完一本书。当然，这里所说的是现代书籍，古籍仍需要逐字斟酌、细细品味。阅读现代书籍时，我会将PDF文件交给大模型，要求其总结出10句核心内容。我先通过这10句话进行筛选，找出那些对我有认知触动、或是我尚未理解的内容。若仅有一句话能引发我的思考，我便会让大模型将这句话展开为10句详细解读，再次筛选出有价值的内容。经过几轮这样的交互，最终聚焦到一两句核心观点，再让大模型标注出这些观点对应的章节与页码，我只需针对性地阅读这些内容即可。

这种阅读方式的改变，不仅适用于专业阅读，也同样适用于闲暇时的日常阅读，彻底重塑了我的学习方式与学习能力。如今，即便面对一个大学科，我只需将相关论文整合后交给大模型，便能得到简洁的总结，快速实现对整个行业的了解。

学习力的差距，会让人与人之间的差距不断扩大。这也是我作为教育工作者深感焦虑的原因：我们需要让所有人学会利用人工智能开展工作、助力学习，让每个人的学习力都能进入指数增长的赛道。

基于此，我对人类学习与人才培养的核心方向进行了总结。以香港科技大学（广州）为例，我所建立的人工智能学域，核心培养目标便是人机协同的新型劳动体。何为人机协同的新型劳动体？我常对学生说，去大厂面试时，要告诉用人单位：“我并非独自工作，而是带着n台机器一同作战。”而面试的核心，便是向用人单位证明自己能“驱动”多少台机器：能驱动10台机器，便值得5个人的薪资；能驱动100台机器，便值得50个人的薪资。这便是新型劳动体时代的核心逻辑。

在这样的时代，学习的内容也将发生根本性的改变。我刚才说了，人工智能已在博闻强识阶段完全超越人类，那么人类学习的核心重点应放在何处？对此，我们学校的核心思路是，为学生培养四种核心能力。

第一种能力，是跨学科的人工智能应用能力。无论学生身处化学、物理、生物等理工学科，还是艺术、美术等人文艺术类学科，都需要学习人工智能知识，掌握运用人工智能解决本领域问题的能力。

第二种能力，是与机器形成差异化的能力。人类的知识可分为两类：一类是可言传的知识，这类知识已转化为数据、记载于书本，能被AI学习与吸收；另一类是可意会不可言传的知识，这类知识尚未被转化为可描述的数据，因此人工智能目前无法习得。人工智能的发展依赖数据的“喂养”，当可意会不可言传的能力无法转化为数据时，便成为了人类独有的核心能力。而培养这种差异化能力的方法，可总结为八个字：寓教于做，知行合一。让学生在实践的过程中，掌握这类可意会不可言传的能力。

具体而言，我们会安排学生进入企业实习、参与横向课题研究，将企业的实际问题引入学校，让学生在解决真实问题的过程中，培养这种独有的能力，也就是实际解决问题的能力。此外，我们还会鼓励学生创业，在创业的过程中解决前沿、现实的真实问题，这也是培养与机器差异化能力的重要途径。

第三种能力，是人与机器的协同创新能力。正如刚才我举的例子，学会与AI协作完成设计、撰写演讲文稿等工作，便是这种能力的体现。

最后，我们必须培养学生养成从0到1的创新习惯。从0到1的创新难度极大，但我们要让学生从小建立这种意识。而培养0到1的创新能力，核心在于培养学生的提问能力、鉴赏能力，让其能够发现差异化的问题，并将其转化为具体的研究与实践课题。

当下，人类的核心要求与过去相比已发生根本性变化：人类的工作重心正不断向思考层面转移，执行层面的工作则越来越多地被机器替代。因此，我常对学生说，未来大家只需做好三件事：发现问题、形成问题、分解问题。当发现一个问题后，将其转化为具体的数学问题，再分解为若干可执行的模块，后续的执行工作，便可由AI完成。这便是我们在人工智能时代，培养学生成为人机协同新型劳动体的核心思路。

在人工智能时代，人类仍有诸多软性技能是AI难以替代的，核心原因同样在于数据。根植于人类的感知、情感、同理心与创造力，都是AI的短板。因为这类能力对应的相关数据，极难被收集，缺乏数据支撑，AI便无法习得这些能力。换句话说，人类仍在诸多方面拥有绝对优势：我们具备系统型思维与全局观，拥有将人与机器整合的领导力与远见；我们能协调人与人、团队与团队之间的关系；更重要的是，人类具备适应环境动态变化的能力，拥有持续的学习力与适应力，能快速适应新环境，并在新环境中发展出解决问题的能力。而机器的学习依赖人类的“数据喂养”，必须由人类先完成实践、生成数据，机器才能习得相应能力，这是人类与机器的重要区别。

很多学生和家长都会问我一个问题：人工智能对行业、产业与工作产生了如此深远的影响，学生未来该选择何种行业、向哪个方向发展？对此，我给学生与家长的建议是，选择未来的行业需遵循三个原则：兴趣原则、朝阳性原则、复杂性原则。

第一个原则是兴趣原则，这是首要原则。无论何时，都应选择自己发自内心感兴趣的领域。因为一个人能在某个领域走多远、钻研得多深，最终由内心的兴趣驱动。当对一件事充满兴趣时，便能够全身心投入，即便通宵达旦、全力以赴也不觉疲惫。

第二个原则是朝阳性原则，第三个原则是复杂性原则。如何判断一个行业在人工智能时代是否属于朝阳产业、是否具备足够的复杂性？有一个简单的判断标准，那就是数据。具体来看，需关注行业数据的质量，而数据质量主要体现在数据覆盖度与数据广度两个维度。如果一个行业的数据质量极高，那么其在人工智能时代便容易成为夕阳产业。

以程序员行业为例，我本身也是程序员出身。程序员群体的一大特点，是自己贡献了大量优质的开源代码，而这一行为也带来了一个结果：AI大模型首先让普通程序员的工作面临挑战，而善于运用AI的程序员，工作效率则得到了极大提升。为何大模型的代码编写能力如此强大？正是因为程序员群体提供了高质量、高覆盖度、高精度的代码数据，大模型在这样的“优质养料”滋养下，自然能输出高质量的代码产品。从这一角度来看，程序员行业已成为相对的夕阳产业。

因此，我们应选择那些数据基础薄弱的行业，这类行业往往是人工智能时代的朝阳产业。但仅仅具备朝阳性还不够，有些行业虽然目前数据基础薄弱，但数据收集的难度低、速度快，一旦数据快速积累，便也容易沦为夕阳产业。所以，我们还需选择具备足够复杂性的行业——即数据难以收集，或收集成本极高的行业。

以具身智能行业为例，这一行业便是兼具朝阳性与复杂性的典型。原因很简单，比如设计一个机械臂完成拿水杯的动作，水杯的材质（纸杯、玻璃杯、钢杯）、重量，机械臂的制作材料、电机参数等，都会影响最终的执行效果。一旦更换水杯、机械臂或电机，所有相关数据都需要重新采集。物理世界的复杂性，让这类行业的数据采集工作极具挑战性，也因此具备了持续的发展潜力。

当下的时代，正从人口红利、工程师红利，向人物红利时代转型。这里的“人物”，也可被称作科学家创客、金头脑，或是复合型人才。如今，国家之间、城市之间、行业之间的竞争，正逐步进入人物引领的阶段。而我对“人物”的定义是：在科学技术化、技术产品化、产品产业化、产业资本化、资本科学化的循环过程中，能够做平台、建系统、定标准、创品牌的人。

以埃隆·马斯克为例，他在电动车行业打造了独有的平台、系统、标准与品牌，便是典型的“人物”。当然，并非所有人都要向马斯克这样的规模看齐，在各个细分行业，都能培养出这样的“人物”。比如广州的希音，重塑了快消服装行业的格局，其核心也是做平台、建系统、定标准、创品牌。这便是当下时代所需要的“人物”。

从人口红利、工程师红利到人物红利，高校、城市与国家，都需要培养、发掘并吸引这样的“人物”。而“人物”与“人才”的核心区别是什么？人才的能力结构呈“T”字型，一方面拥有专业领域的深度，比如专业的博士，在本领域具备扎实的专业功底；另一方面，作为终身学习者，拥有知识的广度，比如跨界掌握金融、人力资源管理等领域的知识。而“人物”是从人才中成长而来的，在“T”字型能力结构的基础上，多了一项核心能力——领导力。简单来说，“人物”是能带领人才去打仗的金头脑，而“人才”则是具备专业能力的金手指。金头脑与金手指相结合，才能共同完成做平台、建系统、定标准、创品牌的目标。

人物的领导力，体现在格局、团队管理与团队建设能力上，核心是能够将优秀的人才凝聚在一起。同时，当下的时代发展节奏快、精准度高、竞争激烈——掌握了数据与未来预测能力，便能快速抢占市场先机。在如今的任何一个行业，头部企业往往能占据90%的市场份额，这就要求“人物”具备极强的风险控制意识与能力。因为时代发展迅速，带领的又是高智商的人才团队，若缺乏风险控制能力，将团队引入发展误区，人才会迅速离开。

因此，当下我们的核心培养目标是“人物”，而金头脑式的人物，都是从金手指式的人才中成长而来，其核心区别便在于领导力。

我们正身处一个创新的时代。回顾历史，美国的崛起、中国改革开放的成功，尤其是从大湾区兴起的改革开放浪潮，核心驱动力都是创新。这一切的实现，依靠的是拓荒的勇气、包容的胸怀，最终成就了创新的灵魂。中国未来的创新发展，依然要依靠敢为人先的拓荒之勇、海纳百川的包容之量，最终实现超越的创新之魂。

因此，我们要培养创新型人才，而创新型人才需要具备极强的提问能力、观察能力与社交能力，最终能将想法落地，做到知行合一。这便是构建创新人才培养体系的核心逻辑。

最后，我始终喜欢用三重境界来解读对世界、技术与发展的理解，人类对事物的认知，从来都逃不开这三重境界：第一重，看山是山，看水是水；第二重，看山不是山，看水不是水；第三重，看山还是山，看水还是水。

无论技术如何发展、时代如何进步，我们都需要坚守本心。人工智能的发展带来了诸多挑战，人类的学习与教育也面临着深刻的转型，但即便如此，我们仍应记住罗曼点·罗兰的一句话：这个世界上只有一种英雄主义，就是在认清生活的真相后，依然热爱生活。

我的分享就到此为止，谢谢大家。

特别声明：以上内容仅代表作者本人的观点或立场，不代表新浪财经头条的观点或立场。如因作品内容、版权或其他问题需要与新浪财经头条联系的，请于上述内容发布后的30天内进行。