熊輝：AI時代的職業圖譜

當春晚機器人從《秧BOT》進化到《武BOT》，單腿后空翻、集群協同驚艷全球時，你是否意識到：這不僅是舞臺上的賽博秀，更是AI時代全面降臨的預警。熊輝教授直言——AI已把人類在博聞強識、觸類旁通上遠遠甩開。人機協同的新型勞動體正在崛起，你準備好應對這場教育革命了嗎？

人工智能已超越了博聞強識觸類旁通兩大境界

在一葉知秋的領域也在快速趕超人類

我們的教育該何去何從？

人類智能的最高境界

是“無中生有”

也就是實現從0到1的創新

核心在于培養提問能力和鑒賞能力

歡迎點擊觀看

新經濟學家智庫xTAIXUEx熊輝

（點擊下方觀看視頻）

（錄制于2026年1月29 日）

大家好，我是熊輝，來自香港科技大學（廣州）。我曾在美國羅格斯新澤西州立大學任教，從助理教授、副教授、正教授一路任職至杰出教授。我們從事的領域有幸能做一個“旋轉門”，實現學界與產業界的雙向交流，也正因如此，2015年我得以加入百度擔任百度研究院副院長、首席科學家，直至2020年。

今天非常高興有機會可以給大家分享一下，人工智能時代下，人工智能的發展會對我們的教育體系、未來人才培養產生怎樣的影響與沖擊。

首先，我將人類通過教育所形成的智能劃分為四個境界：第一重為“博聞強識”，第二重為“觸類旁通”，第三重為“一葉知秋”，最高境界則是“無中生有”。

從小學、初中、高中、大學到研究生階段的專業教育，無論是化學、計算機等任一專業，首要達成的便是“博聞強識”的境界。以我為例，作為計算機系博士，可勉強稱在計算機領域實現了博聞強識。在達到這一境界后，僅有一小部分人能在專業基礎上更進一步，邁入觸類旁通的階段。所謂觸類旁通，舉例而言，深耕人工智能領域的從業者，跨界進入金融行業后，能打造金融AI體系，便是這一境界的體現。而人類智能的進階仍有更高維度，少數人能突破至第三重境界——一葉知秋。這一境界，意味著從業者能在自身專業領域具備精準的預測與推理能力。

人類智能的最高境界，是“無中生有”，也就是實現從0到1的創新。能抵達這一境界的人寥寥無幾，愛因斯坦的相對論、牛頓的三大定律、量子糾纏理論的提出，皆是無中生有式創新的典范。

我為何要將人類智能按教育階段劃分為這四個境界？核心原因在于，基于大模型的人工智能，正對教育產業產生顛覆性的沖擊。大模型人工智能的出現，直接超越了人類智能通過教育形成的前兩個境界。在博聞強識層面，人類已無法與大模型人工智能相媲美。即便身為計算機系博士，我的知識儲備與記憶能力，在各類大模型面前也相形見絀，人類在這一境界的能力，在AI面前顯得十分有限。同樣，在觸類旁通的境界，AI也已將人類遠遠甩在身后。而在過去一年，人工智能在一葉知秋的境界，也就是推理與預測能力上，展現出了強大的進步能力，正逐步實現對人類的超越。

這便引出了一個核心問題：人類該如何應對？過去，我們的教育體系始終以博聞強識為起點，逐步向觸類旁通進階，僅有極少數人能達到一葉知秋的境界。而如今，人工智能已直接超越了博聞強識、觸類旁通兩大境界，在一葉知秋的領域也在快速趕超人類。那么，我們的教育該何去何從？人類在人工智能時代，又該如何定位自身？

我們還需關注的一點是，當下的時代已進入數據飛輪時代。從數據飛輪驅動技術飛輪，再由技術飛輪催生產業飛輪，這便是本次以數據為核心驅動的人工智能革命的整體邏輯。如前所述，AI已在博聞強識、觸類旁通乃至一葉知秋的境界實現對人類的超越，那么人類還剩哪些核心能力？答案便是無中生有的能力，即從0到1的創新能力。基于當前Transformer架構的人工智能大模型，尚無法實現這種從0到1的創新。

在人工智能大模型時代，人類的哪些能力會變得尤為珍貴？主要有兩種：提問能力與鑒賞能力。為何這么說？當下的大模型，若使用者善于提問、懂得如何提問，便能充分激發其全部能力。但事實上，絕大多數人在使用大模型的過程中，所展現的提問能力，難以激發大模型的真正價值，大模型超過50%的能力，無法被普通用戶的提問所喚醒。而除了提問能力，鑒賞能力也直接決定了使用AI的效果，是另一項關鍵能力。

如何才能更好地運用大模型？我以自身準備演講的經歷為例。過去，從準備演講材料到最終完成演講，我需要耗費大量時間。但如今，借助大模型，整個過程的效率得到了極大提升。

比如，廣州華南師范大學附屬中學——廣州頂尖的高中之一，他們校長邀請我為高三學生做百天高考動員演講。明確受眾是距離高考僅剩100天的高三學生后，我僅用幾分鐘便完成了演講稿的核心構思，而這一過程正是與大模型的高效互動。我向大模型說明，我是一名人工智能領域的教授，需為高中高三學生做高考動員演講，核心想傳遞三句話：第一，做偉大的事，永遠不必擔心開始得太晚；第二，既要努力學習，更要學會聰明地學習；第三，高考是人生中關鍵的學習節點，但并非學習的終點，而是培養終身學習習慣的起點。

我要求大模型圍繞這三句話，每句話各生成10個中外典故、詩歌與笑話。生成內容后，考驗的便是我的鑒賞能力：我需要結合高三學生的特點，同時依托自身的知識儲備，篩選出既符合受眾特征、又為自己所熟知的內容，最終為每句話各挑選了三個素材。將這些素材與核心觀點重新整合，一篇演講稿便快速成型。這種創作方式，既融入了我自身的思想與核心觀點，那三句核心話語是我自主構思的；又體現了我的鑒賞能力，篩選出的案例、詩歌、故事與笑話，均適配演講場景，反映了個人的品味。整個過程，正是人機融合創新能力的體現。

人工智能時代，人類面臨著巨大的挑戰。作為一名教育工作者，我對此深感焦慮，因為人與人之間的差距，正通過學習力被遠遠拉大。掌握了利用人工智能開展工作與學習的人，其學習能力呈指數級增長；而大多數人的學習曲線，最多僅能實現線性提升。在這個時代，若無法借助人工智能工具提升工作效率、助力自主學習，便難以實現學習能力的指數級成長。即便付出極大的努力，也只是線性的進步，而他人憑借AI實現指數級成長，可能僅用4小時的學習與工作，便能超越他人十幾個小時的付出。

當前的核心挑戰在于，真正能夠掌握人工智能工具、借此提升工作效率與學習能力的人，數量極少。尤其是在認知層面，無論是小學、初中、高中，甚至大學的老師，都普遍缺乏相關的認知與能力。

從自身的體驗來看，人工智能浪潮的到來，讓我的工作效率與學習能力均實現了指數級增長。這是我人生中第一次感受到，自己的生產效率與學習能力得到了質的提升，一年所能完成的工作，相當于過去五年甚至七八年的工作量。

受時間所限，我舉一個具體的例子，談談閱讀方式的改變。過去閱讀一篇學術論文，我需要從頭至尾逐字研讀，往往要耗費數天時間，尤其是遇到復雜的數學公式與理論推理時，難度會更高。而現在，借助大模型，閱讀效率得到了極大提升。我會直接將論文交給大模型，核心依靠精準的提問完成研讀：對于復雜的理論證明，我會先讓大模型以非專業人士的視角，用通俗的故事與常識進行講解，幫助我建立基礎認知；再讓其以半專業的視角，進行更深入的解讀；最后以專業視角，完成完整的闡釋。如此一來，過去需要數天才能理解的論文，現在半小時甚至更短時間便能吃透。

閱讀書籍的效率也發生了翻天覆地的變化。過去，即便我十分熱愛閱讀，一年能讀完十幾本書已屬不易；而現在，一年讀完100本書也并非難事。甚至在機場候機的一小時里，我便能讀完一本書。當然，這里所說的是現代書籍，古籍仍需要逐字斟酌、細細品味。閱讀現代書籍時，我會將PDF文件交給大模型，要求其總結出10句核心內容。我先通過這10句話進行篩選，找出那些對我有認知觸動、或是我尚未理解的內容。若僅有一句話能引發我的思考，我便會讓大模型將這句話展開為10句詳細解讀，再次篩選出有價值的內容。經過幾輪這樣的交互，最終聚焦到一兩句核心觀點，再讓大模型標注出這些觀點對應的章節與頁碼，我只需針對性地閱讀這些內容即可。

這種閱讀方式的改變，不僅適用于專業閱讀，也同樣適用于閑暇時的日常閱讀，徹底重塑了我的學習方式與學習能力。如今，即便面對一個大學科，我只需將相關論文整合后交給大模型，便能得到簡潔的總結，快速實現對整個行業的了解。

學習力的差距，會讓人與人之間的差距不斷擴大。這也是我作為教育工作者深感焦慮的原因：我們需要讓所有人學會利用人工智能開展工作、助力學習，讓每個人的學習力都能進入指數增長的賽道。

基于此，我對人類學習與人才培養的核心方向進行了總結。以香港科技大學（廣州）為例，我所建立的人工智能學域，核心培養目標便是人機協同的新型勞動體。何為人機協同的新型勞動體？我常對學生說，去大廠面試時，要告訴用人單位：“我并非獨自工作，而是帶著n臺機器一同作戰。”而面試的核心，便是向用人單位證明自己能“驅動”多少臺機器：能驅動10臺機器，便值得5個人的薪資；能驅動100臺機器，便值得50個人的薪資。這便是新型勞動體時代的核心邏輯。

在這樣的時代，學習的內容也將發生根本性的改變。我剛才說了，人工智能已在博聞強識階段完全超越人類，那么人類學習的核心重點應放在何處？對此，我們學校的核心思路是，為學生培養四種核心能力。

第一種能力，是跨學科的人工智能應用能力。無論學生身處化學、物理、生物等理工學科，還是藝術、美術等人文藝術類學科，都需要學習人工智能知識，掌握運用人工智能解決本領域問題的能力。

第二種能力，是與機器形成差異化的能力。人類的知識可分為兩類：一類是可言傳的知識，這類知識已轉化為數據、記載于書本，能被AI學習與吸收；另一類是可意會不可言傳的知識，這類知識尚未被轉化為可描述的數據，因此人工智能目前無法習得。人工智能的發展依賴數據的“喂養”，當可意會不可言傳的能力無法轉化為數據時，便成為了人類獨有的核心能力。而培養這種差異化能力的方法，可總結為八個字：寓教于做，知行合一。讓學生在實踐的過程中，掌握這類可意會不可言傳的能力。

具體而言，我們會安排學生進入企業實習、參與橫向課題研究，將企業的實際問題引入學校，讓學生在解決真實問題的過程中，培養這種獨有的能力，也就是實際解決問題的能力。此外，我們還會鼓勵學生創業，在創業的過程中解決前沿、現實的真實問題，這也是培養與機器差異化能力的重要途徑。

第三種能力，是人與機器的協同創新能力。正如剛才我舉的例子，學會與AI協作完成設計、撰寫演講文稿等工作，便是這種能力的體現。

最后，我們必須培養學生養成從0到1的創新習慣。從0到1的創新難度極大，但我們要讓學生從小建立這種意識。而培養0到1的創新能力，核心在于培養學生的提問能力、鑒賞能力，讓其能夠發現差異化的問題，并將其轉化為具體的研究與實踐課題。

當下，人類的核心要求與過去相比已發生根本性變化：人類的工作重心正不斷向思考層面轉移，執行層面的工作則越來越多地被機器替代。因此，我常對學生說，未來大家只需做好三件事：發現問題、形成問題、分解問題。當發現一個問題后，將其轉化為具體的數學問題，再分解為若干可執行的模塊，后續的執行工作，便可由AI完成。這便是我們在人工智能時代，培養學生成為人機協同新型勞動體的核心思路。

在人工智能時代，人類仍有諸多軟性技能是AI難以替代的，核心原因同樣在于數據。根植于人類的感知、情感、同理心與創造力，都是AI的短板。因為這類能力對應的相關數據，極難被收集，缺乏數據支撐，AI便無法習得這些能力。換句話說，人類仍在諸多方面擁有絕對優勢：我們具備系統型思維與全局觀，擁有將人與機器整合的領導力與遠見；我們能協調人與人、團隊與團隊之間的關系；更重要的是，人類具備適應環境動態變化的能力，擁有持續的學習力與適應力，能快速適應新環境，并在新環境中發展出解決問題的能力。而機器的學習依賴人類的“數據喂養”，必須由人類先完成實踐、生成數據，機器才能習得相應能力，這是人類與機器的重要區別。

很多學生和家長都會問我一個問題：人工智能對行業、產業與工作產生了如此深遠的影響，學生未來該選擇何種行業、向哪個方向發展？對此，我給學生與家長的建議是，選擇未來的行業需遵循三個原則：興趣原則、朝陽性原則、復雜性原則。

第一個原則是興趣原則，這是首要原則。無論何時，都應選擇自己發自內心感興趣的領域。因為一個人能在某個領域走多遠、鉆研得多深，最終由內心的興趣驅動。當對一件事充滿興趣時，便能夠全身心投入，即便通宵達旦、全力以赴也不覺疲憊。

第二個原則是朝陽性原則，第三個原則是復雜性原則。如何判斷一個行業在人工智能時代是否屬于朝陽產業、是否具備足夠的復雜性？有一個簡單的判斷標準，那就是數據。具體來看，需關注行業數據的質量，而數據質量主要體現在數據覆蓋度與數據廣度兩個維度。如果一個行業的數據質量極高，那么其在人工智能時代便容易成為夕陽產業。

以程序員行業為例，我本身也是程序員出身。程序員群體的一大特點，是自己貢獻了大量優質的開源代碼，而這一行為也帶來了一個結果：AI大模型首先讓普通程序員的工作面臨挑戰，而善于運用AI的程序員，工作效率則得到了極大提升。為何大模型的代碼編寫能力如此強大？正是因為程序員群體提供了高質量、高覆蓋度、高精度的代碼數據，大模型在這樣的“優質養料”滋養下，自然能輸出高質量的代碼產品。從這一角度來看，程序員行業已成為相對的夕陽產業。

因此，我們應選擇那些數據基礎薄弱的行業，這類行業往往是人工智能時代的朝陽產業。但僅僅具備朝陽性還不夠，有些行業雖然目前數據基礎薄弱，但數據收集的難度低、速度快，一旦數據快速積累，便也容易淪為夕陽產業。所以，我們還需選擇具備足夠復雜性的行業——即數據難以收集，或收集成本極高的行業。

以具身智能行業為例，這一行業便是兼具朝陽性與復雜性的典型。原因很簡單，比如設計一個機械臂完成拿水杯的動作，水杯的材質（紙杯、玻璃杯、鋼杯）、重量，機械臂的制作材料、電機參數等，都會影響最終的執行效果。一旦更換水杯、機械臂或電機，所有相關數據都需要重新采集。物理世界的復雜性，讓這類行業的數據采集工作極具挑戰性，也因此具備了持續的發展潛力。

當下的時代，正從人口紅利、工程師紅利，向人物紅利時代轉型。這里的“人物”，也可被稱作科學家創客、金頭腦，或是復合型人才。如今，國家之間、城市之間、行業之間的競爭，正逐步進入人物引領的階段。而我對“人物”的定義是：在科學技術化、技術產品化、產品產業化、產業資本化、資本科學化的循環過程中，能夠做平臺、建系統、定標準、創品牌的人。

以埃隆·馬斯克為例，他在電動車行業打造了獨有的平臺、系統、標準與品牌，便是典型的“人物”。當然，并非所有人都要向馬斯克這樣的規模看齊，在各個細分行業，都能培養出這樣的“人物”。比如廣州的希音，重塑了快消服裝行業的格局，其核心也是做平臺、建系統、定標準、創品牌。這便是當下時代所需要的“人物”。

從人口紅利、工程師紅利到人物紅利，高校、城市與國家，都需要培養、發掘并吸引這樣的“人物”。而“人物”與“人才”的核心區別是什么？人才的能力結構呈“T”字型，一方面擁有專業領域的深度，比如專業的博士，在本領域具備扎實的專業功底；另一方面，作為終身學習者，擁有知識的廣度，比如跨界掌握金融、人力資源管理等領域的知識。而“人物”是從人才中成長而來的，在“T”字型能力結構的基礎上，多了一項核心能力——領導力。簡單來說，“人物”是能帶領人才去打仗的金頭腦，而“人才”則是具備專業能力的金手指。金頭腦與金手指相結合，才能共同完成做平臺、建系統、定標準、創品牌的目標。

人物的領導力，體現在格局、團隊管理與團隊建設能力上，核心是能夠將優秀的人才凝聚在一起。同時，當下的時代發展節奏快、精準度高、競爭激烈——掌握了數據與未來預測能力，便能快速搶占市場先機。在如今的任何一個行業，頭部企業往往能占據90%的市場份額，這就要求“人物”具備極強的風險控制意識與能力。因為時代發展迅速，帶領的又是高智商的人才團隊，若缺乏風險控制能力，將團隊引入發展誤區，人才會迅速離開。

因此，當下我們的核心培養目標是“人物”，而金頭腦式的人物，都是從金手指式的人才中成長而來，其核心區別便在于領導力。

我們正身處一個創新的時代。回顧歷史，美國的崛起、中國改革開放的成功，尤其是從大灣區興起的改革開放浪潮，核心驅動力都是創新。這一切的實現，依靠的是拓荒的勇氣、包容的胸懷，最終成就了創新的靈魂。中國未來的創新發展，依然要依靠敢為人先的拓荒之勇、海納百川的包容之量，最終實現超越的創新之魂。

因此，我們要培養創新型人才，而創新型人才需要具備極強的提問能力、觀察能力與社交能力，最終能將想法落地，做到知行合一。這便是構建創新人才培養體系的核心邏輯。

最后，我始終喜歡用三重境界來解讀對世界、技術與發展的理解，人類對事物的認知，從來都逃不開這三重境界：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，看山還是山，看水還是水。

無論技術如何發展、時代如何進步，我們都需要堅守本心。人工智能的發展帶來了諸多挑戰，人類的學習與教育也面臨著深刻的轉型，但即便如此，我們仍應記住羅曼點·羅蘭的一句話：這個世界上只有一種英雄主義，就是在認清生活的真相后，依然熱愛生活。

我的分享就到此為止，謝謝大家。

分享嘉賓

熊輝
香港科技大學（廣州）協理副校長

新經濟學家智庫旗下《太學》欄目，以"可行動的知識"為坐標系，匯聚經濟學者、科學家、文化名人、企業家、達人等各行業的創見者，穿透宏觀敘事，分享洞見。