稀缺的，到底是懂AI的人，還是懂業(yè)務(wù)的人？

一個(gè)反直覺的判斷——懂AI這件事正在快速貶值，而能在關(guān)鍵低頻決策中做出判斷的人，才是未來的稀缺品。高頻重復(fù)的工作最容易被AI替代，但在打造爆品、建立品牌等低頻高影響力的決策上，人的判斷依然不可替代，企業(yè)AI轉(zhuǎn)型的最大卡點(diǎn)也不是技術(shù)或數(shù)據(jù)，而是“想不到應(yīng)用場(chǎng)景”， 當(dāng)前AI的利潤(rùn)大頭仍在基礎(chǔ)設(shè)施層，應(yīng)用端的ROI尚未完全釋放，但拐點(diǎn)會(huì)比預(yù)想來得更快。

以下為圓桌對(duì)話內(nèi)容，經(jīng)36氪整理編輯：

鄭王宇丨36氪基金投資副總裁（主持）

龔毅丨尼爾森IQ 通信及科技業(yè)務(wù)總經(jīng)理

羅飛丨華科智能AI研究院院長(zhǎng)

林海卓丨卓源亞洲創(chuàng)始合伙人、董事長(zhǎng)

鄭王宇：各位老師好，我們今天一起討論“當(dāng)AI進(jìn)入產(chǎn)業(yè)前線：未來最稀缺的AI人才會(huì)是誰”，誰會(huì)是行業(yè)的新貴。把行業(yè)翹楚聚集在這里很難得，請(qǐng)各位嘉賓用一句話亮個(gè)相，并帶著您的視角參與接下來的討論。

龔毅：大家好，我是尼爾森IQ的龔毅，我們所處的行業(yè)是數(shù)據(jù)洞察行業(yè)，今天我談?wù)摰狞c(diǎn)從這個(gè)行業(yè)出發(fā)。

羅飛：大家好，我是華科智能的羅飛，是一家港股上市公司，主要做投資。我所在的研究院主要是賦能傳統(tǒng)行業(yè)的AI轉(zhuǎn)型，做培訓(xùn)、咨詢和陪跑。我們有很多傳統(tǒng)老板怎么升級(jí)的痛點(diǎn)，今天也跟大家分享一下。

林海卓：大家好，我是卓源亞洲的林海卓，我們主要是一家聚焦于人工智能、半導(dǎo)體、機(jī)器人的投資機(jī)構(gòu)，聚焦于風(fēng)險(xiǎn)投資市場(chǎng)。主要投了輕舟智能、江行智能、沐曦集成電路、小馬智行這些代表性的硬科技項(xiàng)目。

鄭王宇：三位專家都是不同的視野。在過去一年里，AI從模型能力的競(jìng)賽進(jìn)入到產(chǎn)業(yè)場(chǎng)景落地的環(huán)節(jié)。我們現(xiàn)在看，無論是消費(fèi)零售、企業(yè)管理、制造、金融、醫(yī)療各行各業(yè)，包括創(chuàng)業(yè)投資，AI的價(jià)值不僅取決于模型參數(shù)和技術(shù)指標(biāo)，更取決于是否能夠進(jìn)入真實(shí)的業(yè)務(wù)流程。說得大白話一點(diǎn)，現(xiàn)在的AI要進(jìn)入整個(gè)產(chǎn)業(yè)的前線，影響決策執(zhí)行甚至是商業(yè)落地的結(jié)果。這個(gè)過程中，新的問題就變得更加迫切了——當(dāng)AI工具變得越來越普及，真正稀缺的人才是什么樣的？最后一個(gè)圓桌，希望從企業(yè)競(jìng)爭(zhēng)和人才角度出發(fā)，討論AI抵達(dá)產(chǎn)業(yè)前線的戰(zhàn)壕后，人與機(jī)器、專家與工具、組織與個(gè)體之間整體的分工與變化。

先進(jìn)入第一個(gè)問題。在這個(gè)過程中，不只是讓員工多一個(gè)工具，而是開始影響到消費(fèi)者洞察、產(chǎn)品創(chuàng)新、供應(yīng)鏈、渠道運(yùn)營(yíng)、客戶管理等決策環(huán)節(jié)。哪些工作在各位的視角看來是最容易被AI重構(gòu)的？哪些環(huán)節(jié)適合AI，但實(shí)際落地又是最難的？先請(qǐng)林總。

林海卓：我們目前有一個(gè)觀點(diǎn)，在投資過程中，好的問題提出者依然是有壁壘的。目前來看，知識(shí)高度密集型的領(lǐng)域天然有一個(gè)特征，知識(shí)體系比較容易進(jìn)行結(jié)構(gòu)化描述，技術(shù)結(jié)構(gòu)用代碼化去表述，相對(duì)會(huì)有一個(gè)清晰的邊界和對(duì)與錯(cuò)的判定，在這樣一個(gè)邏輯下，比較符合現(xiàn)在人工智能解決問題的范式。像會(huì)計(jì)師、律師、程序員，在當(dāng)前的情況下是比較容易被新技術(shù)替代的。但好的問題提出，還是需要人的引導(dǎo)。我們現(xiàn)在看到的是機(jī)器人、各種各樣的Agent，包括喂養(yǎng)龍蝦，還是需要從0到1推進(jìn)的那一步，讓它更好地做某一個(gè)你給它限定范圍的事情。各個(gè)行業(yè)提出問題，或者結(jié)合這個(gè)人本身在行業(yè)中過往的經(jīng)歷，提出交叉學(xué)科前沿的想法，引導(dǎo)一個(gè)模型朝著這個(gè)方向積累，是未來比較容易構(gòu)建個(gè)體壁壘的事情。

大家更容易理解的是，圍繞著體驗(yàn)的領(lǐng)域或者是情感領(lǐng)域、感性層面，心理學(xué)家、心理咨詢師是不是也被AI替代？旅游體驗(yàn)師、旅游導(dǎo)游和具身智能場(chǎng)景相結(jié)合，具備豐富個(gè)性化、場(chǎng)景化體驗(yàn)的這部分，AI替代還有相當(dāng)長(zhǎng)的距離。從從業(yè)角度，AI更好的是賦能，而不會(huì)馬上進(jìn)行職業(yè)替換。大概這兩個(gè)維度。

鄭王宇：投資人的視角相對(duì)宏觀和全面，深入到每個(gè)行業(yè)的細(xì)節(jié)，羅院長(zhǎng)，您在實(shí)際觀察產(chǎn)業(yè)落地過程中，哪些行業(yè)容易被AI替代，哪些環(huán)節(jié)比較困難？

羅飛：現(xiàn)在AI 2.0我們?cè)趹?yīng)用AI大模型的能力。AI大模型本質(zhì)上是推理引擎，我們認(rèn)為以前人在推理的地方，都能挖掘到很多應(yīng)用場(chǎng)景，看推理的過程是不是由AI來做。我們總結(jié)三個(gè)特征。重復(fù)，才有用AI的價(jià)值；標(biāo)準(zhǔn)，每次推理、思考、行動(dòng)的過程有標(biāo)準(zhǔn)可言；熟練，是指這個(gè)企業(yè)里有熟練的人能把這個(gè)工作說清楚，我們需要把熟練的人的經(jīng)驗(yàn)萃取出來，給AI大模型配好工具，讓它來替代這個(gè)事情。這是一個(gè)維度。

另外一個(gè)維度是工作環(huán)境。越是在電腦前工作，越容易被替代；越是跟人打交道的工作，越不容易被替代。在電腦前重復(fù)地查資料、想方案，不管是寫成Word還是PPT、Excel，重復(fù)的查、想、寫的工作，龍蝦發(fā)展的能力越來越強(qiáng)，又能夠控制電腦去做這個(gè)事情，電腦前的工作就會(huì)越來越容易被替代。越靠近人的、越靠近市場(chǎng)的，越不容易被替代。我們看見人的能力要往左移，左邊是市場(chǎng)、客戶，右邊是后臺(tái)流程，人的能力加上AI過后要不斷往左移。

鄭王宇：意味著溝通、協(xié)作、洞察變得更重要了。我提煉出您說的三個(gè)關(guān)鍵詞，重復(fù)、熟練、標(biāo)準(zhǔn)，有這些特征的環(huán)節(jié)更容易被替代。龔總。

龔毅：我的點(diǎn)和前面的嘉賓一致。我們服務(wù)的客戶是500強(qiáng)客戶，服務(wù)的領(lǐng)域基本上在品牌營(yíng)銷、產(chǎn)品創(chuàng)新和零售以及客服方面。我們看到的點(diǎn)會(huì)把它化為矩陣：一個(gè)軸是頻率，兩位嘉賓都談到高頻和低頻。

另外一個(gè)軸是決策的戰(zhàn)略性、重要性。最容易被替代掉的，頻率越高會(huì)有大量回饋，數(shù)據(jù)很多，AI很容易學(xué)到經(jīng)驗(yàn)，每次往復(fù)會(huì)做強(qiáng)化學(xué)習(xí)，AI能學(xué)到。對(duì)于低頻，尤其是低頻重要性高的事，很難替代掉。為什么在品牌營(yíng)銷領(lǐng)域會(huì)看到大量的廣告投放復(fù)制，自動(dòng)化程度非常高？從最初的創(chuàng)意到創(chuàng)作，到KOL投放，評(píng)估閉環(huán)，很運(yùn)營(yíng)化了。直到今天，我們?nèi)匀皇钦f，你要做具有溢價(jià)的高端化品牌，做年輕人的品牌，或者在跨國(guó)文化、西歐、印度出海的時(shí)候，跟當(dāng)?shù)叵M(fèi)者引起共鳴的品牌，頻率不高且影響巨大的事，我們還是看到AI很難解決，這是整個(gè)社會(huì)很稀缺的事。

鄭王宇：下一個(gè)問題，現(xiàn)在企業(yè)AI能力的落地阻力來源于哪里，是來源于技術(shù)、數(shù)據(jù)積累，還是組織慣性導(dǎo)致的？龔總可以從服務(wù)客戶的角度來講這個(gè)問題嗎？

龔毅：基礎(chǔ)肯定是數(shù)據(jù)。直到今天，我們的AI已經(jīng)會(huì)上搜索，已經(jīng)會(huì)執(zhí)行很多工作流，從skill的角度已經(jīng)達(dá)到七八十分的水平，但仍然有很多幻覺在里面。幻覺本身基于我們?cè)趺窗延行?shù)據(jù)給AI，在對(duì)的工作流基礎(chǔ)上不會(huì)產(chǎn)生幻覺。在行業(yè)通常會(huì)發(fā)生的事，大家覺得以后不要做調(diào)研了，有一個(gè)想法不用做調(diào)研，只用問一萬次AI，那就代表一萬個(gè)消費(fèi)者，我是不是可以基于這一萬個(gè)調(diào)研，就形成我這款手機(jī)、冰箱是不是可以在市場(chǎng)上有比較好的表現(xiàn)？我們做了大量驗(yàn)證，會(huì)發(fā)現(xiàn)不是。

第一個(gè)，你問AI是不是足夠有代表性；第二個(gè)，每一次問AI，它是不是嵌入到我們具體的數(shù)據(jù)來回答問題。比如你是丁克或者四世同堂的家庭，你回答問題的時(shí)候，AI是不是代表了這些人的需求。最后加總起來，回到消費(fèi)者說十分，九分是特別喜歡，九分到底是代表市場(chǎng)成功還是十分才能代表成功？一系列專業(yè)的點(diǎn)不合成起來，就會(huì)發(fā)現(xiàn)你問的東西都似是而非。不夠高頻的情況下，企業(yè)很難決定我是信還是不信。我舉這個(gè)例子，總結(jié)起來，企業(yè)本身的流程會(huì)有很多專業(yè)點(diǎn)，這些專業(yè)點(diǎn)需要被解決，或者被AI解決，或者被其他方面解決，但AI賦能整個(gè)流程有很多要求。

鄭王宇：羅院長(zhǎng)，您覺得整個(gè)AI在公司里落地，阻力來自于哪里？技術(shù)、數(shù)據(jù)還是組織慣性？

羅飛：更多來自于組織。我們看到AI技術(shù)每年發(fā)展突飛猛進(jìn)，做AI行業(yè)技術(shù)的人都會(huì)感覺馬上AGI都要來了，AI的能力一年比一年強(qiáng)。但企業(yè)落地，我的感知沒有那么快。企業(yè)落地還是有很多阻力，還是組織對(duì)于AI的認(rèn)知。我們過去兩三年服務(wù)了十多個(gè)行業(yè)里的龍頭企業(yè)，這些龍頭企業(yè)偏傳統(tǒng)，比如地產(chǎn)、金融、大健康、餐飲。我們都會(huì)調(diào)研一個(gè)問題，我們認(rèn)為AI在企業(yè)里落地有兩個(gè)卡點(diǎn)：粗階卡點(diǎn)和高階卡點(diǎn)。粗階卡點(diǎn)，企業(yè)想不到更多的應(yīng)用場(chǎng)景。大家都說AI很厲害，回到企業(yè)，我問這些企業(yè)的員工或者老板，你們能想到多少應(yīng)用場(chǎng)景？他們想不到更多的應(yīng)用場(chǎng)景，我們稱為粗階卡點(diǎn)。高階卡點(diǎn)，企業(yè)可以落地應(yīng)用場(chǎng)景，但落地以后不見成效，投入不見成效，內(nèi)部員工不愿意用，外部客戶也不愿意用。

我調(diào)研發(fā)現(xiàn)，雖然AI技術(shù)發(fā)展很快，入企發(fā)現(xiàn)大量還是在粗階卡點(diǎn)。AI的能力已經(jīng)這么強(qiáng)了，從業(yè)者都覺得能力這么強(qiáng)了，大部分企業(yè)還是說找不到應(yīng)用場(chǎng)景，這是最大的卡點(diǎn)。找不到應(yīng)用場(chǎng)景很大的原因是企業(yè)沒有把對(duì)AI的認(rèn)知拉起來，也沒有深入業(yè)務(wù)分析，或者有慣性思維。現(xiàn)在AI處于AI 2.0，大部分企業(yè)有1.0的思維，認(rèn)為用AI必須要有數(shù)據(jù)。

我們提出一個(gè)核心的觀點(diǎn)，企業(yè)AI轉(zhuǎn)型實(shí)際上是人才轉(zhuǎn)型。企業(yè)要從數(shù)字化思維跳出來，形成AI思維。數(shù)字化思維阻礙了現(xiàn)在很多企業(yè)去落地，認(rèn)為落地AI有很多前提條件，要數(shù)字化，要好，要有數(shù)據(jù)，要有技術(shù)。這些前提條件都阻礙了企業(yè)把它的應(yīng)用場(chǎng)景認(rèn)知給打開。這是我真實(shí)體驗(yàn)到的巨大卡點(diǎn)。

鄭王宇：越大的公司，阻力來自于組織機(jī)構(gòu)的越多。不知道創(chuàng)新公司怎么樣，您觀察到的呢？

林海卓：我們從整個(gè)行業(yè)來看，投資回報(bào)率還沒有那么高。很重要的原因，在歷史上是可以找到對(duì)應(yīng)階段的。在2000年互聯(lián)網(wǎng)泡沫之前，曾經(jīng)有一度全世界市值最高的公司是思科。在互聯(lián)網(wǎng)早期，谷歌等很多企業(yè)誕生之前那段時(shí)間，造互聯(lián)網(wǎng)高速公路，核心交換機(jī)曾經(jīng)做到過市值最高的企業(yè)。英偉達(dá)、博通都在這個(gè)市值占據(jù)主要位置，恰恰說明了人工智能大的利潤(rùn)來源，我們感覺到還是用于構(gòu)建基礎(chǔ)設(shè)施。很多時(shí)候投入人工智能，無論是企業(yè)還是超級(jí)個(gè)體，在投入人工智能做投資的時(shí)候，ROI相當(dāng)一部分成本變相還是給到了基礎(chǔ)設(shè)施。至少當(dāng)前是基礎(chǔ)設(shè)施拿到了相當(dāng)大的利潤(rùn)，也跟目前全球范圍內(nèi)德意志銀行今年年初說的一句話相符：短期缺算力，中期缺能源，永遠(yuǎn)缺存儲(chǔ)。這反映出在人工智能發(fā)展的現(xiàn)階段，基礎(chǔ)設(shè)施還是切走了大部分投資端、利潤(rùn)端，應(yīng)用還是在不斷追趕的過程中。

大家接觸到的大模型，如果泛化到絕大多數(shù)的網(wǎng)民，大家接觸到的大模型或者人工智能，更多還是搜索引擎的平替。現(xiàn)在打開腦海當(dāng)中意識(shí)流想到的問題，不一定用傳統(tǒng)的搜索引擎，直接問DeepSeek或者元寶、千問、豆包，會(huì)產(chǎn)生這樣的效果。大家還是把AI當(dāng)成一種檢索、搜索引擎替代的入口。真正接入到業(yè)務(wù)流端，煉鋼、煉鐵、重型工業(yè)、半導(dǎo)體、先進(jìn)設(shè)計(jì)，借助一款人工智能的工具來幫助我在非常垂類的領(lǐng)域，無論是業(yè)務(wù)流側(cè)還是深度構(gòu)建高精尖知識(shí)know-how，并且反向反哺我做這項(xiàng)工作，確實(shí)還早，至少兩三年的時(shí)間周期。因?yàn)榇竽Ｐ停@個(gè)領(lǐng)域的從業(yè)人員需要投喂大模型我感興趣的問題。在這個(gè)過程中，大家開玩笑說我還要PUA我的大模型，你怎么這個(gè)技術(shù)知識(shí)都不知道，我的意思這個(gè)問題應(yīng)該怎么看。智能體接觸到以后，會(huì)不斷積累在這個(gè)垂類特有的知識(shí)庫(kù)結(jié)構(gòu)或者行業(yè)常識(shí)的結(jié)構(gòu)，投喂需要相當(dāng)長(zhǎng)的時(shí)間，但出現(xiàn)拐點(diǎn)也會(huì)比大家預(yù)想的時(shí)間節(jié)點(diǎn)要快。

整體來說兩部分：一部分是高精尖價(jià)值知識(shí)圖譜和垂直行業(yè)當(dāng)中對(duì)應(yīng)的信息，智能體還在投喂和培養(yǎng)；基礎(chǔ)設(shè)施是未來幾年大家主要關(guān)注的點(diǎn)，大基建并沒有做到冗余，變相的很多成本要由早期吃第一個(gè)螃蟹的人分擔(dān)，綜合影響了ROI。

鄭王宇：林總給了我們一個(gè)非常重要的提醒，任何一個(gè)行業(yè)的發(fā)展都要看到階段性，我們要分現(xiàn)階段和未來的潛力。現(xiàn)在AI會(huì)讓行業(yè)集中度更高，也有人說AI降低創(chuàng)新門檻。AI會(huì)讓頭部企業(yè)變得更強(qiáng)嗎，還是給新進(jìn)入者更多的機(jī)會(huì)？

林海卓：您剛剛提的話題，我稍微有一點(diǎn)擔(dān)憂。最近有一本書很火，《科技共和國(guó)》，描述了我們能夠想象到的場(chǎng)景，超級(jí)科技巨頭，無論是數(shù)據(jù)能力各個(gè)方面，會(huì)出現(xiàn)我們現(xiàn)在想象不到的壟斷境地。絕大多數(shù)從業(yè)人還是處于——現(xiàn)在來看去找他工作的，我這個(gè)工作絕大部分的能力可以被AI替換以后，我會(huì)做什么？這是哲學(xué)、社會(huì)學(xué)層面需要探索的新方向。過往樂觀的人會(huì)說，失業(yè)的人總能找到新的工作，紡織機(jī)時(shí)代可以維修紡織機(jī)，不需要在一線做很多紡織工作，可以解放出來從事更多周邊創(chuàng)意行業(yè)，或者將機(jī)器應(yīng)用在其他領(lǐng)域，有各種創(chuàng)新方式來解決這個(gè)問題。

但人工智能替代無論是白領(lǐng)還是藍(lán)領(lǐng)的工作，數(shù)量可能是指數(shù)級(jí)的。短期之內(nèi)，投入到市場(chǎng)，未來相當(dāng)多的原來崗位對(duì)應(yīng)的人口，比如客服，這在中國(guó)有著六七百萬的從業(yè)人數(shù)；網(wǎng)約車司機(jī)、出租車司機(jī)，都是當(dāng)前已經(jīng)明顯看到替代趨勢(shì)的。這一部分的勞動(dòng)者怎么解決？從國(guó)家層面能看到幾個(gè)跡象：依然大力提高高等教育的普及人群，解決這個(gè)問題不能讓打螺絲的人去打另外一種螺絲，而是讓這個(gè)人納入先進(jìn)服務(wù)體系，進(jìn)入服務(wù)行業(yè)，就需要這個(gè)人有更高的教育水平，還是普及大學(xué)的從業(yè)人數(shù)。

2033年會(huì)是中國(guó)高考這一波的巔峰。2033到2038年五年期間，會(huì)在極短時(shí)間內(nèi)高考人數(shù)下跌40%左右。未來相當(dāng)長(zhǎng)的一段時(shí)間，怎么做學(xué)科配比調(diào)整，包括可能有一些大學(xué)天然的從業(yè)人數(shù)會(huì)消亡，這是引導(dǎo)未來從業(yè)者從業(yè)方向很重要的方式。我們現(xiàn)在的策略從國(guó)家層面來看，依然在大幅提高理工科的比重，我一定要在全球所有的高端技術(shù)領(lǐng)域都有最充沛的新一代20后、30后，這是國(guó)家宏大的戰(zhàn)略。會(huì)有更多的創(chuàng)意工作者，包括交叉學(xué)科方向的產(chǎn)生，來解決人工智能巨頭帶來的壟斷對(duì)更廣泛就業(yè)人群的影響，這是我們的考慮。

鄭王宇：林總已經(jīng)提到了下一個(gè)環(huán)節(jié)需要討論的問題——AI時(shí)代該怎么培養(yǎng)和評(píng)估人才。羅老師，林總介紹了國(guó)家的政策等視角，您怎么看待我們這個(gè)時(shí)代應(yīng)該如何培養(yǎng)和識(shí)別AI人才？

羅飛：怎么培養(yǎng)和識(shí)別AI人才，從教育開始。AI最應(yīng)該影響教育。我有一個(gè)切身體會(huì)分享給大家。在教育方面我們?cè)谧龉妫袮I帶給鄉(xiāng)村小學(xué)，這個(gè)事情我們覺得很有意義。山村小學(xué)的校長(zhǎng)會(huì)有疑問，校長(zhǎng)想到這個(gè)事情，但會(huì)質(zhì)疑，身邊的人都跟他說，大城市學(xué)校投入很多錢落地AI都不成功，你一個(gè)山村小學(xué)為什么可以？學(xué)校老師質(zhì)疑，他身邊的其他校長(zhǎng)也質(zhì)疑。這個(gè)校長(zhǎng)還有一個(gè)點(diǎn)沒明白，他也去過大城市看過其他學(xué)校落地AI，做了很多智能體，做了很多展示，有什么用，他看不明白。很多時(shí)候市面上的智能體是套概念的智能體，真正的智能體可以干活，但這個(gè)智能體說不清楚能干什么活，就是套概念的智能體。我們不是做數(shù)字化的落地，不是幫企業(yè)建系統(tǒng)，我們是從人才出發(fā)。

第一個(gè)應(yīng)該改變的就是學(xué)校老師。我們做公益，先讓鄉(xiāng)村小學(xué)的老師全員有AI技能、AI思維、AI能力，老師再想著怎么把AI帶到課堂，讓老師帶著AI，在有指導(dǎo)的情況下帶著孩子探索AI新世界。探索的方式、學(xué)習(xí)的方法，都跟原來完全不一樣。這個(gè)事情我本身不是教育從業(yè)者，我的初心是把AI帶給老師，讓這么多教育從業(yè)者、這么多老師，他們學(xué)會(huì)了AI過后，在我們的推動(dòng)和共創(chuàng)下，這些老師會(huì)想出新的教育方式。從孩子開始，他們變成AI的原住民，真正掌握AI的能力，而不是以前死記硬背的能力。AI時(shí)代下，死記硬背的能力已經(jīng)沒有效了。

未來對(duì)于一個(gè)人才的判斷，不是判斷這一個(gè)人的能力，而是判斷這個(gè)人背后的AI班底。他能指揮多少AI跟他一起干活，AI班底的能力，同時(shí)納入對(duì)人才的判斷。以后面試也是一樣，如果未來面試光說自己的能力，很難入職；如果能說出背后AI班底的能力，在AI時(shí)代就是能力很強(qiáng)的人。

鄭王宇：您剛才也提醒我們，我們現(xiàn)在也應(yīng)該重視人才未來應(yīng)該具備什么樣的能力。針對(duì)這一點(diǎn)，龔總，未來最稀缺的人才，您覺得是懂AI的行業(yè)專家還是懂行業(yè)的AI專家？在您的觀察中，什么樣的人容易把AI用出實(shí)際的價(jià)值？

龔毅：前面的話題，稀缺的AI人才，是懂業(yè)務(wù)的AI還是懂AI的業(yè)務(wù)？核心點(diǎn)是這個(gè)行業(yè)稀缺什么。十年以前大家說稀缺，你要學(xué)程序員，那時(shí)候在硅谷大廠會(huì)有很好的前途。今天發(fā)現(xiàn)代碼這個(gè)事可以被AI解決，這個(gè)能力不但自己和自己卷，還卷不過AI，這個(gè)能力顯然不稀缺了。林總講到，目前產(chǎn)業(yè)的紅利都在基礎(chǔ)設(shè)施，基礎(chǔ)設(shè)施這個(gè)事，不管我們?cè)趺雌饰鲇ミ_(dá)的成功因素，最后導(dǎo)致目前芯片的供應(yīng)、HBM的供應(yīng)，都是被市場(chǎng)少數(shù)公司壟斷的。只要不在壟斷鏈的上下游，最后都會(huì)很難受。比如手機(jī)行業(yè)大家都很難受，HBM的產(chǎn)能導(dǎo)致手機(jī)內(nèi)存很貴，導(dǎo)致整個(gè)手機(jī)產(chǎn)業(yè)鏈的人今年都會(huì)很難受，本質(zhì)是相對(duì)不稀缺。

以這個(gè)為邏輯，我們認(rèn)為懂AI這個(gè)事會(huì)逐步不稀缺，也許在今天稀缺，但這個(gè)能力相對(duì)來說比較可工程化，教育上也能夠可復(fù)制化。如果把注押在懂AI這件事上，幾年后會(huì)比較危險(xiǎn)，就像寫代碼的人現(xiàn)在怎么寫也寫不過AI。懂業(yè)務(wù)的人，要看具體懂什么業(yè)務(wù)，高頻的業(yè)務(wù)也容易被AI解決。

基于這個(gè)邏輯我來推演一下：能夠在關(guān)鍵低頻但是在重要性影響很大的點(diǎn)上，具備綜合能力的人，這樣的人才是最稀缺的。比如在產(chǎn)品中能夠打造爆品的人，誰能說打造爆品的人能夠被AI替代？這個(gè)大家看不到可行的地方，需要溝通、協(xié)調(diào)、跨界。我剛才也提到，打造成功品牌的人，同樣也是很稀缺的人才。

在AI時(shí)代，這些人有一個(gè)前提條件，至少懂一點(diǎn)AI或者知道AI帶來的價(jià)值，他利用AI。這是我的理解。

鄭王宇：謝謝龔總，說到我們現(xiàn)在非常關(guān)心的問題。在各位嘉賓聊的過程中，發(fā)現(xiàn)AI已經(jīng)從對(duì)話走向執(zhí)行，參與到各個(gè)執(zhí)行環(huán)節(jié)。羅院長(zhǎng)也講到，AI不能干活是偽命題，無法深入到企業(yè)當(dāng)中。

最后一個(gè)問題，在現(xiàn)在這個(gè)階段，我們看到AI能夠參與執(zhí)行階段，人的核心價(jià)值體現(xiàn)在剛才各位說的方方面面。作為企業(yè)主，如何判斷哪些決策可以交給AI，哪些必須由人保留？在高風(fēng)險(xiǎn)、高復(fù)雜的場(chǎng)景中，人機(jī)分工是不是有一個(gè)邊界，以及他們?nèi)绾蝿澏ǎ?/p>

林海卓：我現(xiàn)在直接想到的，相對(duì)不太需要擔(dān)責(zé)任的領(lǐng)域，用AI的方式。比較嚴(yán)肅的場(chǎng)景，比如重大城市安全的方面，完全將核心決策能力交給AI，有一天可能會(huì)有這個(gè)時(shí)候，但中短期都難以實(shí)現(xiàn)。從社會(huì)的角度來看，提建議還是AI當(dāng)前從權(quán)責(zé)利劃分來看最好的角色。

還有一個(gè)純粹的效率工具。上一波人工智能的主要應(yīng)用當(dāng)中，美團(tuán)、滴滴，我單純想匹配一個(gè)離我最近的空車，整個(gè)過程也不需要涉及誰來?yè)?dān)責(zé)任，可以抽象為數(shù)學(xué)問題。抽象為數(shù)學(xué)問題以后，降本增效，更好地提升整個(gè)運(yùn)轉(zhuǎn)效率，這些是我們認(rèn)為AI跟人的劃分中，AI可以更多承接全部職責(zé)的。人類還是會(huì)做符合當(dāng)前人性化或者是人為框定規(guī)則的輔助工作，或者對(duì)AI提供的若干建議做綜合判斷，補(bǔ)全信息漏洞，這是更好的方式。

從無人駕駛的角度，很多關(guān)鍵性技術(shù)現(xiàn)在已經(jīng)較為成熟了，很多人詬病商業(yè)化速度沒有那么快，或者依然處于高度克制的推廣過程中。對(duì)于如何劃分權(quán)責(zé)這個(gè)事情，還是有很多法律層面、人性層面、科技效率層面的博弈。

鄭王宇：還是要繼續(xù)探究。羅院長(zhǎng)，您在實(shí)操過程中，哪些可以交給AI，哪些必須由人來承擔(dān)？

羅飛：AI和人協(xié)作的過程中，我的思考和想法是，人腦在思考想到的工作，全都可以讓AI先干一遍。類似于拿體力勞動(dòng)的工具，有鏟子、挖掘機(jī)，AI現(xiàn)在屬于鏟子還是挖掘機(jī)？這兩種工具的用法是不一樣的，用鏟子還要自己的體力，用挖掘機(jī)已經(jīng)不需要自己的體力。AI現(xiàn)在的能力，大家對(duì)于AI的能力到底是鏟子還是挖掘機(jī)？如果洞察到AI能力，一定會(huì)認(rèn)為它是挖掘機(jī)。它是挖掘機(jī)，我們現(xiàn)在很多工作就不要第一反應(yīng)想著用人腦想一遍，感覺事情想清楚以后才能用AI，不是這樣的。反而是事情沒想清楚的時(shí)候，更適合用AI。AI用得不深，會(huì)覺得AI是輔助人干活；用得深的企業(yè)，會(huì)覺得人在輔助AI干活。AI知道自己怎么干，在干的過程中有卡點(diǎn)，人來解決這些卡點(diǎn)。

我覺得以后的工作方式會(huì)變，變的方式是，未來大部分人需不需要工作都會(huì)變，短期內(nèi)有一定陣痛期，不知道人跟AI怎么相處，或者政策不明朗的時(shí)期。我們要看見，現(xiàn)在可能進(jìn)入一個(gè)新的時(shí)代，新的時(shí)代類似于三百多年前人類從神學(xué)走向科學(xué)的時(shí)代。中國(guó)有上下五千年，有科學(xué)這個(gè)事情，全世界信仰科學(xué)只有三百多年而已，中國(guó)可能還不到三百年。以前人類全在神學(xué)，大家都信仰神學(xué)。AI發(fā)展到一定時(shí)候，有可能科學(xué)都變得不重要了，科學(xué)研究很多工作人輔助AI去做。人類會(huì)不會(huì)從科學(xué)走向新的世界？現(xiàn)在沒有定義，但是未來人的工作生活方式，就是新時(shí)代的開啟，完全不一樣。

鄭王宇：會(huì)有新的變化。龔總。

龔毅：我對(duì)AI的理解，目前還是概念模型。為什么可以把數(shù)學(xué)題本質(zhì)解好，讓它100%達(dá)到這個(gè)目的，人不是很清楚。

回到我所熟悉的通常要解決的問題，怎么理解因果效應(yīng)。比如你做了十件事，這十件事哪幾件能夠影響你最后的銷售，影響機(jī)制是什么樣的？AI基于這個(gè)非常不擅長(zhǎng)，到底底層的模型是什么樣的，我們還看不到AI很好地解決這個(gè)事。我同意羅院長(zhǎng)的說法，我們可以借助AI幫助人理解，但本質(zhì)理解底層邏輯，人干起來還是最擅長(zhǎng)的。

鄭王宇：AI進(jìn)入產(chǎn)業(yè)前線，并不是簡(jiǎn)單的工具迭代，需要人才培養(yǎng)、組織效率的迭代都能夠重構(gòu)上。站在當(dāng)下社會(huì)前進(jìn)的腳步中，觀察企業(yè)如何變革，看未來整個(gè)AI行業(yè)如何發(fā)展，我相信各位嘉賓今天給了我們非常多的靈感，也啟發(fā)了我們的思考。謝謝各位嘉賓。

今天圓桌環(huán)節(jié)就到這里結(jié)束了，謝謝各位。