當春晚機器人從《秧BOT》進化到《武BOT》，單腿后空翻、集群協(xié)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(yù)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(xié)同的新型勞動體正在崛起，你準備好應(yīng)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(lǐng)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(xiàn)從0到1的創(chuàng)新

核心在于培養(yǎng)提問能力和鑒賞能力

歡迎點擊觀看

新經(jīng)濟學(xué)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(xué)（廣州）。我曾在美國羅格斯新澤西州立大學(xué)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(lǐng)域有幸能做一個“旋轉(zhuǎn)門”，實現(xiàn)學(xué)界與產(chǎn)業(yè)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(xué)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(fā)展會對我們的教育體系、未來人才培養(yǎng)產(chǎn)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(xué)、初中、高中、大學(xué)到研究生階段的專業(yè)教育，無論是化學(xué)、計算機等任一專業(yè)，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(lǐng)域?qū)崿F(xiàn)了博聞強識。在達到這一境界后，僅有一小部分人能在專業(yè)基礎(chǔ)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(lǐng)域的從業(yè)者，跨界進入金融行業(yè)后，能打造金融AI體系，便是這一境界的體現(xiàn)。而人類智能的進階仍有更高維度，少數(shù)人能突破至第三重境界——一葉知秋。這一境界，意味著從業(yè)者能在自身專業(yè)領(lǐng)域具備精準的預(yù)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(xiàn)從0到1的創(chuàng)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(chuàng)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(chǎn)業(yè)產(chǎn)生顛覆性的沖擊。大模型人工智能的出現(xiàn)，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(yù)測能力上，展現(xiàn)出了強大的進步能力，正逐步實現(xiàn)對人類的超越。

這便引出了一個核心問題：人類該如何應(yīng)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(shù)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(lǐng)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(guān)注的一點是，當下的時代已進入數(shù)據(jù)飛輪時代。從數(shù)據(jù)飛輪驅(qū)動技術(shù)飛輪，再由技術(shù)飛輪催生產(chǎn)業(yè)飛輪，這便是本次以數(shù)據(jù)為核心驅(qū)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(xiàn)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(chuàng)新能力。基于當前Transformer架構(gòu)的人工智能大模型，尚無法實現(xiàn)這種從0到1的創(chuàng)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(fā)其全部能力。但事實上，絕大多數(shù)人在使用大模型的過程中，所展現(xiàn)的提問能力，難以激發(fā)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(guān)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(jīng)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(xué)附屬中學(xué)——廣州頂尖的高中之一，他們校長邀請我為高三學(xué)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(xué)生后，我僅用幾分鐘便完成了演講稿的核心構(gòu)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(lǐng)域的教授，需為高中高三學(xué)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(xué)習，更要學(xué)會聰明地學(xué)習；第三，高考是人生中關(guān)鍵的學(xué)習節(jié)點，但并非學(xué)習的終點，而是培養(yǎng)終身學(xué)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(nèi)容后，考驗的便是我的鑒賞能力：我需要結(jié)合高三學(xué)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(nèi)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(chuàng)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(gòu)思的；又體現(xiàn)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(chuàng)新能力的體現(xiàn)。

人工智能時代，人類面臨著巨大的挑戰(zhàn)。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(xué)習力被遠遠拉大。掌握了利用人工智能開展工作與學(xué)習的人，其學(xué)習能力呈指數(shù)級增長；而大多數(shù)人的學(xué)習曲線，最多僅能實現(xiàn)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(xué)習，便難以實現(xiàn)學(xué)習能力的指數(shù)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(xiàn)指數(shù)級成長，可能僅用4小時的學(xué)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(zhàn)在于，真正能夠掌握人工智能工具、借此提升工作效率與學(xué)習能力的人，數(shù)量極少。尤其是在認知層面，無論是小學(xué)、初中、高中，甚至大學(xué)的老師，都普遍缺乏相關(guān)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(xué)習能力均實現(xiàn)了指數(shù)級增長。這是我人生中第一次感受到，自己的生產(chǎn)效率與學(xué)習能力得到了質(zhì)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?wù)勯喿x方式的改變。過去閱讀一篇學(xué)術(shù)論文，我需要從頭至尾逐字研讀，往往要耗費數(shù)天時間，尤其是遇到復(fù)雜的數(shù)學(xué)公式與理論推理時，難度會更高。而現(xiàn)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(fù)雜的理論證明，我會先讓大模型以非專業(yè)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(chǔ)認知；再讓其以半專業(yè)的視角，進行更深入的解讀；最后以專業(yè)視角，完成完整的闡釋。如此一來，過去需要數(shù)天才能理解的論文，現(xiàn)在半小時甚至更短時間便能吃透。

閱讀書籍的效率也發(fā)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(xiàn)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(xiàn)代書籍，古籍仍需要逐字斟酌、細細品味。閱讀現(xiàn)代書籍時，我會將PDF文件交給大模型，要求其總結(jié)出10句核心內(nèi)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(nèi)容。若僅有一句話能引發(fā)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(nèi)容。經(jīng)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(yīng)的章節(jié)與頁碼，我只需針對性地閱讀這些內(nèi)容即可。

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

學(xué)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(xué)會利用人工智能開展工作、助力學(xué)習，讓每個人的學(xué)習力都能進入指數(shù)增長的賽道。

基于此，我對人類學(xué)習與人才培養(yǎng)的核心方向進行了總結(jié)。以香港科技大學(xué)（廣州）為例，我所建立的人工智能學(xué)域，核心培養(yǎng)目標便是人機協(xié)同的新型勞動體。何為人機協(xié)同的新型勞動體？我常對學(xué)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(zhàn)。”而面試的核心，便是向用人單位證明自己能“驅(qū)動”多少臺機器：能驅(qū)動10臺機器，便值得5個人的薪資；能驅(qū)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(xué)習的內(nèi)容也將發(fā)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(xué)習的核心重點應(yīng)放在何處？對此，我們學(xué)校的核心思路是，為學(xué)生培養(yǎng)四種核心能力。

第一種能力，是跨學(xué)科的人工智能應(yīng)用能力。無論學(xué)生身處化學(xué)、物理、生物等理工學(xué)科，還是藝術(shù)、美術(shù)等人文藝術(shù)類學(xué)科，都需要學(xué)習人工智能知識，掌握運用人工智能解決本領(lǐng)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(zhuǎn)化為數(shù)據(jù)、記載于書本，能被AI學(xué)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(zhuǎn)化為可描述的數(shù)據(jù)，因此人工智能目前無法習得。人工智能的發(fā)展依賴數(shù)據(jù)的“喂養(yǎng)”，當可意會不可言傳的能力無法轉(zhuǎn)化為數(shù)據(jù)時，便成為了人類獨有的核心能力。而培養(yǎng)這種差異化能力的方法，可總結(jié)為八個字：寓教于做，知行合一。讓學(xué)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(xué)生進入企業(yè)實習、參與橫向課題研究，將企業(yè)的實際問題引入學(xué)校，讓學(xué)生在解決真實問題的過程中，培養(yǎng)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(xué)生創(chuàng)業(yè)，在創(chuàng)業(yè)的過程中解決前沿、現(xiàn)實的真實問題，這也是培養(yǎng)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(xié)同創(chuàng)新能力。正如剛才我舉的例子，學(xué)會與AI協(xié)作完成設(shè)計、撰寫演講文稿等工作，便是這種能力的體現(xiàn)。

最后，我們必須培養(yǎng)學(xué)生養(yǎng)成從0到1的創(chuàng)新習慣。從0到1的創(chuàng)新難度極大，但我們要讓學(xué)生從小建立這種意識。而培養(yǎng)0到1的創(chuàng)新能力，核心在于培養(yǎng)學(xué)生的提問能力、鑒賞能力，讓其能夠發(fā)現(xiàn)差異化的問題，并將其轉(zhuǎn)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(fā)生根本性變化：人類的工作重心正不斷向思考層面轉(zhuǎn)移，執(zhí)行層面的工作則越來越多地被機器替代。因此，我常對學(xué)生說，未來大家只需做好三件事：發(fā)現(xiàn)問題、形成問題、分解問題。當發(fā)現(xiàn)一個問題后，將其轉(zhuǎn)化為具體的數(shù)學(xué)問題，再分解為若干可執(zhí)行的模塊，后續(xù)的執(zhí)行工作，便可由AI完成。這便是我們在人工智能時代，培養(yǎng)學(xué)生成為人機協(xié)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(shù)據(jù)。根植于人類的感知、情感、同理心與創(chuàng)造力，都是AI的短板。因為這類能力對應(yīng)的相關(guān)數(shù)據(jù)，極難被收集，缺乏數(shù)據(jù)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(yōu)勢：我們具備系統(tǒng)型思維與全局觀，擁有將人與機器整合的領(lǐng)導(dǎo)力與遠見；我們能協(xié)調(diào)人與人、團隊與團隊之間的關(guān)系；更重要的是，人類具備適應(yīng)環(huán)境動態(tài)變化的能力，擁有持續(xù)的學(xué)習力與適應(yīng)力，能快速適應(yīng)新環(huán)境，并在新環(huán)境中發(fā)展出解決問題的能力。而機器的學(xué)習依賴人類的“數(shù)據(jù)喂養(yǎng)”，必須由人類先完成實踐、生成數(shù)據(jù)，機器才能習得相應(yīng)能力，這是人類與機器的重要區(qū)別。

很多學(xué)生和家長都會問我一個問題：人工智能對行業(yè)、產(chǎn)業(yè)與工作產(chǎn)生了如此深遠的影響，學(xué)生未來該選擇何種行業(yè)、向哪個方向發(fā)展？對此，我給學(xué)生與家長的建議是，選擇未來的行業(yè)需遵循三個原則：興趣原則、朝陽性原則、復(fù)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(yīng)選擇自己發(fā)自內(nèi)心感興趣的領(lǐng)域。因為一個人能在某個領(lǐng)域走多遠、鉆研得多深，最終由內(nèi)心的興趣驅(qū)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(fù)雜性原則。如何判斷一個行業(yè)在人工智能時代是否屬于朝陽產(chǎn)業(yè)、是否具備足夠的復(fù)雜性？有一個簡單的判斷標準，那就是數(shù)據(jù)。具體來看，需關(guān)注行業(yè)數(shù)據(jù)的質(zhì)量，而數(shù)據(jù)質(zhì)量主要體現(xiàn)在數(shù)據(jù)覆蓋度與數(shù)據(jù)廣度兩個維度。如果一個行業(yè)的數(shù)據(jù)質(zhì)量極高，那么其在人工智能時代便容易成為夕陽產(chǎn)業(yè)。

以程序員行業(yè)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(yōu)質(zhì)的開源代碼，而這一行為也帶來了一個結(jié)果：AI大模型首先讓普通程序員的工作面臨挑戰(zhàn)，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(zhì)量、高覆蓋度、高精度的代碼數(shù)據(jù)，大模型在這樣的“優(yōu)質(zhì)養(yǎng)料”滋養(yǎng)下，自然能輸出高質(zhì)量的代碼產(chǎn)品。從這一角度來看，程序員行業(yè)已成為相對的夕陽產(chǎn)業(yè)。

因此，我們應(yīng)選擇那些數(shù)據(jù)基礎(chǔ)薄弱的行業(yè)，這類行業(yè)往往是人工智能時代的朝陽產(chǎn)業(yè)。但僅僅具備朝陽性還不夠，有些行業(yè)雖然目前數(shù)據(jù)基礎(chǔ)薄弱，但數(shù)據(jù)收集的難度低、速度快，一旦數(shù)據(jù)快速積累，便也容易淪為夕陽產(chǎn)業(yè)。所以，我們還需選擇具備足夠復(fù)雜性的行業(yè)——即數(shù)據(jù)難以收集，或收集成本極高的行業(yè)。

以具身智能行業(yè)為例，這一行業(yè)便是兼具朝陽性與復(fù)雜性的典型。原因很簡單，比如設(shè)計一個機械臂完成拿水杯的動作，水杯的材質(zhì)（紙杯、玻璃杯、鋼杯）、重量，機械臂的制作材料、電機參數(shù)等，都會影響最終的執(zhí)行效果。一旦更換水杯、機械臂或電機，所有相關(guān)數(shù)據(jù)都需要重新采集。物理世界的復(fù)雜性，讓這類行業(yè)的數(shù)據(jù)采集工作極具挑戰(zhàn)性，也因此具備了持續(xù)的發(fā)展?jié)摿Α?/p>

當下的時代，正從人口紅利、工程師紅利，向人物紅利時代轉(zhuǎn)型。這里的“人物”，也可被稱作科學(xué)家創(chuàng)客、金頭腦，或是復(fù)合型人才。如今，國家之間、城市之間、行業(yè)之間的競爭，正逐步進入人物引領(lǐng)的階段。而我對“人物”的定義是：在科學(xué)技術(shù)化、技術(shù)產(chǎn)品化、產(chǎn)品產(chǎn)業(yè)化、產(chǎn)業(yè)資本化、資本科學(xué)化的循環(huán)過程中，能夠做平臺、建系統(tǒng)、定標準、創(chuàng)品牌的人。

以埃隆·馬斯克為例，他在電動車行業(yè)打造了獨有的平臺、系統(tǒng)、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(guī)模看齊，在各個細分行業(yè)，都能培養(yǎng)出這樣的“人物”。比如廣州的希音，重塑了快消服裝行業(yè)的格局，其核心也是做平臺、建系統(tǒng)、定標準、創(chuàng)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(yǎng)、發(fā)掘并吸引這樣的“人物”。而“人物”與“人才”的核心區(qū)別是什么？人才的能力結(jié)構(gòu)呈“T”字型，一方面擁有專業(yè)領(lǐng)域的深度，比如專業(yè)的博士，在本領(lǐng)域具備扎實的專業(yè)功底；另一方面，作為終身學(xué)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(lǐng)域的知識。而“人物”是從人才中成長而來的，在“T”字型能力結(jié)構(gòu)的基礎(chǔ)上，多了一項核心能力——領(lǐng)導(dǎo)力。簡單來說，“人物”是能帶領(lǐng)人才去打仗的金頭腦，而“人才”則是具備專業(yè)能力的金手指。金頭腦與金手指相結(jié)合，才能共同完成做平臺、建系統(tǒng)、定標準、創(chuàng)品牌的目標。

人物的領(lǐng)導(dǎo)力，體現(xiàn)在格局、團隊管理與團隊建設(shè)能力上，核心是能夠?qū)?yōu)秀的人才凝聚在一起。同時，當下的時代發(fā)展節(jié)奏快、精準度高、競爭激烈——掌握了數(shù)據(jù)與未來預(yù)測能力，便能快速搶占市場先機。在如今的任何一個行業(yè)，頭部企業(yè)往往能占據(jù)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(fā)展迅速，帶領(lǐng)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(fā)展誤區(qū)，人才會迅速離開。

因此，當下我們的核心培養(yǎng)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(qū)別便在于領(lǐng)導(dǎo)力。

我們正身處一個創(chuàng)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(qū)興起的改革開放浪潮，核心驅(qū)動力都是創(chuàng)新。這一切的實現(xiàn)，依靠的是拓荒的勇氣、包容的胸懷，最終成就了創(chuàng)新的靈魂。中國未來的創(chuàng)新發(fā)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(xiàn)超越的創(chuàng)新之魂。

因此，我們要培養(yǎng)創(chuàng)新型人才，而創(chuàng)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(gòu)建創(chuàng)新人才培養(yǎng)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(shù)與發(fā)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(shù)如何發(fā)展、時代如何進步，我們都需要堅守本心。人工智能的發(fā)展帶來了諸多挑戰(zhàn)，人類的學(xué)習與教育也面臨著深刻的轉(zhuǎn)型，但即便如此，我們?nèi)詰?yīng)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(xué)（廣州）協(xié)理副校長

新經(jīng)濟學(xué)家智庫旗下《太學(xué)》欄目，以"可行動的知識"為坐標系，匯聚經(jīng)濟學(xué)者、科學(xué)家、文化名人、企業(yè)家、達人等各行業(yè)的創(chuàng)見者，穿透宏觀敘事，分享洞見。