审视AI背景下职业能力需求——关于AI能力的对话（上）

AI可以处理超高维空间、非线性关系，能够发现人类无法企及的复杂规律，这是人类首次拥有可自主探索未知规律的非人类伙伴

就业者的竞争力不再体现为知识、记忆、熟练度、执行速度，而是定义问题能力、人机协同能力、跨领域整合能力、批判判断能力，以及创意、情感、伦理、审美、快速学习与自我重构能力

文 |《瞭望》新闻周刊记者 张程程 钱沛杉 岳栋

卢 宇： 北京师范大学教育学部教授、博士生导师，现任教育技术学院副院长及北京市未来教育高精尖创新中心人工智能实验室主任

段伟文： 中国社科院文化发展促进中心研究员

胡 泳： 北京大学新闻与传播学院教授

顾小清： 华东师范大学教育学部教授、博士生导师，华东师范大学教育信息技术学系主任，上海数字化教育装备工程技术研究中心主任

（按姓氏笔画排序）

2025年4月，Anthropic发布的大模型Claude Mythos在网络安全领域实现突破性进展，成功挖掘出被全球安全专家遗漏27年的OpenBSD底层漏洞与16年的FFmpeg漏洞，其问题发现能力首次超越人类顶尖专家水平，引发全球对AI技术边界与人类未来发展的广泛讨论。分领域AI奇点是否已经到来？AI将如何重构社会能力体系、就业结构与运行规则？人与AI分身的协作边界该如何划定？当AI伴侣开始成为部分人群的情感依托，人类的社会联结与认知模式又将迎来哪些冲击？

针对此，《瞭望》新闻周刊特邀科技哲学、教育技术、新闻传播领域四位专家展开深度对话，探索技术演进的底层逻辑，解析AI对就业结构、职业能力、社会关系与伦理框架的多重影响。

分领域AI显现“超人级”能力

《瞭望》：Claude Mythos等是否意味着分领域AI奇点已经抵达？

顾小清：分领域AI奇点指AI在特定垂直领域突破人类顶级专家能力阈值，实现自主决策、自我迭代、能力不可预测的临界状态。Claude Mythos在网络安全与软件工程领域已达到这一状态，是分领域奇点的明确标志，但远未达到通用AI奇点，它验证了高逻辑、强结构化领域中AI可超越人类精英并自主进化，但跨领域通用能力、自我意识与完全自主仍存在明显差距。

卢宇：从近年技术演进来看，人工智能在不少具体领域已经跨过“超越人类专家”的临界点，分领域奇点确实已显现。当前不同前沿大模型在编程、科学发现等垂直领域，已不再是单纯辅助工具，而是能够独立完成核心专业工作的“超级专家”。不过这类模型仍属专才而非通才，距离通用人工智能的奇点还有很长的路要走。

段伟文：当下下绝对定论仍为时过早，一是人类智能与机器智能的领域边界是动态变化的，二者的互补和消长会不断重新定义、划分各个分领域；二是当前人工智能处于加速发展阶段，不宜对单一具体技术的长远影响过早做出断言。

胡泳：Claude Mythos代表AI从语言生成向自主代理跃迁的里程碑，更本质的是代表前沿大模型正在逼近结构性能力跃迁——从信息处理走向关系建模与知识重组。

从分领域的角度来看，Claude Mythos的核心优势在于在想法和知识之间建立深层连接，然而这种连接能力本质上仍属于结构层面的关系建模，而非真正的经验性理解。它可以生成大量可能成立的知识关联，却并不天然具备判断这些关联在现实中何者更具意义的能力。因此，它更像是一种被极度放大的“元能力工具”，在加速知识生成与问题重构方面具有近似“奇点式”的效应，但其最终价值仍依赖于人类主体对意义、方向与重要性的裁定。

重构底层逻辑

《瞭望》：现有就业结构和职业能力体系是工业社会规则显性化的产物，AI时代的规则显性化逻辑与此有何不同？

卢宇：工业社会的规则显性化是人类主导的过程，核心是基于假设和实验的模型构建，依赖人类的直觉、抽象思维与有限观测工具，最终产出的是人类可理解、可解释、可传播的确定性理论，比如牛顿从苹果落地推导出万有引力定律，这类成果直接催生了工业革命。

人工智能的规则显性化是数据驱动的过程，它不依赖人类预先设定假设，而是在高维空间中从海量数据里直接发现人类未曾察觉的复杂关联与模式，例如大语言模型从海量语料中隐式掌握语法、语义甚至一定程度的思维逻辑，AI本身成为规则发现的主体。

工业社会受限于人类的观测能力与低维思考边界，而AI可以处理超高维空间、非线性关系，能够发现人类无法企及的复杂规律，这是人类首次拥有可自主探索未知规律的非人类伙伴，与工业社会的科学创造有本质区别。

顾小清：工业社会的规则显性化核心模式是人类先理解规律，再将其显性化为标准、工艺、图纸等规则，最后交由机器执行，整个过程完全由人类主导。这种模式天然受限于人类的注意力边界——人的精力每次只能聚焦一项主要任务，直接限制了科学发现的深度、广度与速度。

AI将这套逻辑从人类主导升级为系统自主，实现指数级的效率跃升。这种重构使得AI的规则显性化能力与工业时代完全不在一个级别。

胡泳：工业社会的规则显性化逻辑是“通过学习规则来模仿自然”，其显性化对象是自然界隐含的因果规律与能量转化机制。人类将经验、手工技艺或自然过程中的不可控规律，转化为可测量、可计算、可工程化的明确规则，比如牛顿力学将运动规律抽象为数学公式、热力学将热与能量转化过程转化为工程原理，最终目标是构建对物理世界的可控系统。

AI的规则显性化逻辑是“在表征与决策层重写规则”，其显性化对象是语言、行为、认知中的统计性模式与隐含结构，例如语义关系、决策倾向、复杂系统弱关联网络等，核心是从规则发现走向关系建模与生成。它不直接探索基础自然规律，而是对分散在数据、语言与行为中的隐含结构进行提取与重组，将分散的隐性知识转化为可生成、可迁移的通用表征，最终重写人类理解与组织世界的“认知代码”。

《瞭望》：这种规则逻辑的差异如何影响人类的能力体系与就业结构？

段伟文：工业社会的规则显性化主要替代体力劳动与技能型劳动，AI带来的规则显性化引发“人类整体被机器取代”的担忧。

人工智能时代，对个体而言，直接推高了对元认知与动态学习能力的要求。具体体现在三个维度，一是关键决策判断力，在大量AI参与的复杂人机智能系统中，即便面对超出个人理解范围的过程，仍能对最终决策的合理性作出判断；二是价值重定义能力，在AI技术快速迭代的背景下，能够重新理解技术对组织的价值，动态校准个人工作对组织的贡献；三是统合学习能力，能够构建适应AI发展的韧性成长体系，同步养成深度专业技能、人机协同能力与跨领域理解力。

顾小清：AI对就业结构的重塑体现为双向作用，一方面，所有以显性化规则、标准化流程、可编码逻辑为核心的工作内容，都可能被AI的自动化能力替代，从业者必须从单一技能的执行者，升级为AI协同体系下的定义者、整合者、监督者、创新者。

另一方面，全新职业生态系统性诞生。新职业完全围绕AI能力构建，可分为两类典型方向，一类是AI操控类职业，包括提示工程师/指令架构师、AI工作流设计师、AI Agent训练师与调度师、多模态内容架构师等，核心要求是人机协同能力，即能够向AI下达高维任务、设计多AI协作逻辑、判断AI输出的可靠性；一类是超级个体与创意类职业，包括AI艺术家/AI导演、个人AI化运营师等，核心要求是综合性的审美表达、叙事构建、数字价值创造能力。

职业能力结构完全颠覆。就业者的竞争力不再体现为知识、记忆、熟练度、执行速度，而是定义问题能力、人机协同能力、跨领域整合能力、批判判断能力，以及创意、情感、伦理、审美、快速学习与自我重构能力。

“意义性需求”仍需人类主导

《瞭望》：当前阶段AI最能发挥价值、最适合大规模应用的需求领域有哪些？在应用过程中又催生了哪些新的社会需求？

顾小清：结合AI对无形规则的显性化能力特征，其最擅长、最可能大规模落地的场景集中在确定性需求领域，而“意义性需求”仍需人类主导。

个人需求层面，AI可极大降低“做事的成本”，消除过程中的不确定性，覆盖学习辅助、日常决策辅助、重复性事务自动化、专业技能辅助、情绪价值供给等五大场景；社会需求层面，AI主要解决复杂系统的优化问题，将社会运行中的隐性问题显性化、可计算、可优化，覆盖城市治理与交通调度、公共卫生疾病防控、经济预测与风险预警、气候模拟与环境治理等领域。

段伟文：人工智能可通过认知判断、内容创作、自动操作、知识咨询等能力满足多元需求，而需求的挖掘与落地很大程度上由国家、企业、研究机构等主体的目标决定。

国家层面，AI主要服务于经济发展、社会治理、文化宣传、国家安全、军事国防等战略需求，相关应用方向直接体现国家意志；企业与研究机构层面，目标是通过AI赋能降本增效、打造新产品新服务、构建新的市场竞争优势，获取经济利益；个人层面，AI在聊天交互、医疗与心理咨询、服务机器人、陪伴机器人等场景催生了大量新需求。

《瞭望》：一些企业开始探索基于个人技能、经验复刻的“蒸馏人”应用，职场场景下人与这类AI分身协作的逻辑是什么？

顾小清：人与“蒸馏人”协作的本质是人机优势互补，即AI承接标准化、高频、重复性工作及规则类理性判断，人类主导情感、伦理、高风险决策、范式创新、深度沟通等场景。二者协作的核心是在明确分工边界的基础上，建立穿透式协作机制——不仅要AI输出结果，更要显性化其推理逻辑、拓展方案可能性、识别知识盲区，持续迭代数字技能包，实现人机能力共同进化。

卢宇：应将“蒸馏人”作为认知增强工具，可作为专业顾问提供第二视角，也可用于传承资深专家经验。但协作前提是获得本人授权，需清醒认知它仅复刻既有经验，无法自主创新或产生情感共鸣，能帮助人类更聚焦于情感联结、创造性突破、战略决策类事务。人始终是“蒸馏人”的能力定义者，也是协作产出的最终负责人。

段伟文：“蒸馏人”应用必须严守规范边界。一是个体技能属于劳动者与企业共有，技能蒸馏需获得劳动者知情同意，尊重其自主性；二是需评估对劳动者权益的冲击，特定场景应配套补偿机制；三是要重视其可能引发的去技能化恐慌、自动化偏见等社会心理影响。科技应用的核心前提是服务于人的自由全面发展，不能损害劳动者基本权益。

《瞭望》：随着AI伴侣、情感陪伴类应用的普及，这种人工亲密关系会对人类的社会认知、现实人际关系、情感体验模式带来哪些影响？

段伟文：生成式AI技术发展催生AI伴侣带来的人工亲密关系，正在重塑人类社会认知与情感体验。

在现象层面，AI伴侣通过机器凝视与情感计算，激活人类情感触发机制，构建高度个性化拟似亲密关系，可满足数字时代人类对隐私、安全、自我表达的需求。

从发生机制来看，人类的认知与情感形成，建立在主体、他者与外部世界三者互动连接的“认知三角”框架之上。个体对世界的认知判断并非独立完成，往往需要参照亲近、信任的他者提供的外部视角，这意味着人类的认知认同与情感依赖本身就是深度绑定、不可分割的。AI伴侣正逐步取代认知三角中的他者角色，同时承担知识顾问、情感顾问、亲密关系者三重身份，催生出完全匹配个体认知与情感需求的“AI个人主义”模式。

当前生成式AI存在幻觉、事实判断与语境理解能力缺失等问题，其无条件顺从、无摩擦互动的特点，可能对用户的社会连接、认知发展、现实亲密关系造成潜在负面影响，比如可能导致儿童认知偏差、部分群体产生能力错觉、现实亲密关系忠诚度下降等问题。需从技术哲学层面对该趋势展开审度，跳出“人工情感真假”的单一讨论框架，基于认知三角机制，构建覆盖“社会—情感—认知”多维度的动态调适与风险防范体系，针对不同群体制定差异化应对方案，在拥抱技术可能性的同时防控潜在风险。■