人機分工：人類社會面臨前所未有之大變局

人機分工：人類社會面臨前所未有之大變局人機分工：人類社會面臨前所未有之大變局內容摘自以下文章:廖祥忠（中國傳媒大學黨委書記），李雨諫.人機分工：人工智能深刻改變生產關系.中國共產黨新聞網（），2025年6月27日文章的背景：以ChatGPT為代表的生成式人工智能，在文字、圖像、音視頻創作等多個領域實現了革命性突破，一場前所未有的“智能風暴”開始席卷全球人工智能將深刻改變生產關系，人類社會面臨前所未有之大變局人工智能改變生產關系人類文明的演進，就是一部社會化大分工不斷細化的歷史：原始部落：群體協作采集漁獵農業從畜牧業中分離手工業從農業中分離商人階級分離出來更多的細分行業…人人分工：社會化分工在人與人之間進行，生產工具不參與分工人工智能正在打破分工邊界：人工智能正迅速演進為人的助手或伙伴，形成深度協作關系人機分工：一些由人從事的工作正在被人工智能所取代人類社會站在又一次社會化大分工的歷史性節點上：從人人分工向人機分工演進人工智能通過改變社會化分工改變生產關系生產關系與社會化分工的辯證關系：分工發展->生產關系變革->新分工發展人機分工引發社會變革從經濟層面上說，當前的社會關系本質上是商品交換關系：以貨幣作為媒介，每個人通過勞動獲得報酬，購買自己需要的商品生產-消費形成閉環：生產產品->賣出產品（被消費）->再生產產品人工智能時代，社會關系可能不再是商品交換關系：大部分人失去了勞動機會，得不到錢；機器代替了人類勞動，但不消費；產品生產出來沒人買，企業也沒有收益生產-消費無法形成閉環，違反了當前的社會運行規律人機分工引發高等教育危機現代學校教育制度源自工業化社會，以班級授課制、標準化課程、統一評價體系為特征，旨在為大規模工業生產培養勞動力：標準化與規模化?：工業社會追求效率與可復制性，教育體系采用“批量生產”模式，強調統一的教學內容、進度和考核標準知識傳授導向?：工業生產需要技術工人，教育重心放在傳授既定的科學知識和實用技能，形成“教師單向輸出、學生被動接受”的教學模式?社會分層與選拔?：工業社會有等級化分工，教育體系通過考試和文憑制度進行人才篩選和分流人機分工引發高等教育危機：人工智能擅長標準化流程的工作，與高等教育培養的人才高度重合、且能力更強，高等教育面臨顛覆性變革一、人類社會即將進入“人機分工”時代人類社會的發展呈現出一個由慢到快，并迅速加快的過程人類文明按生產力分為三個階段：原始文明：始于石器時代，持續數百萬年農業文明：鐵制農具的使用極大地提高了農業生產力，為時一萬年工業文明：英國工業革命開啟工業文明，距今三百年進入工業文明后，人類社會按生產工具分為4個時代：蒸汽機時代：18世紀60年代-19世紀70年代（100多年）電氣時代：19世紀70年代-20世紀40年代（70年）信息時代：20世紀中葉-21世紀初（50年）智能時代：21世紀初-人機關系將經歷根本性的升級轉型人工智能帶來的變革呈現出一種前所未有的“裂變”特質：當數據（規模）、算力（成本）與算法（突破）同時達到臨界點時，將觸發技術能力呈指數級增長技術發展能夠自我強化：比如，AI工具能輔助研發新的AI，變革速度越來越快技術突破跨越學科邊界，引發跨學科連鎖反應，形成“核爆”式的生產力人機關系將經歷根本性的升級轉型，引發人類生存性危機：從“人機交互”轉變為“人機交流”：人工智能第一次以“合伙人”的身份介入人類社會,人與機器開啟深度對話和思想交流：人工智能作為“認知中介”將重塑人類理解世界的方式：親身獲取知識->向大模型獲取知識（1）人的主體性正讓位于人工智能什么是人的主體性？人在實踐活動中表現出的自主性、能動性與創造性的特質，體現人對自我意識和外部世界的主動建構能力自主性：獨立思考、自我管理和自我決策的能力，包括思維自主性、行為自主性、決策自主性、情感自主性、社會自主性等能動性：根據自身需求和目標采取行動，如主動規劃學習或解決問題創造性：產生新奇獨特的、有社會價值的產品的能力或特性，包括發明和發現兩種表現形式人類憑借獨有的知識庫以及推理能力、創造力、想象力、實踐力，構建起相應的價值體系與社會規范人類作為“萬物之靈長”的獨特性正在消失人工智能憑借算力、規模和多維認知優勢，知識水平將大大超過人類：例如，AlphaGo戰勝了人類頂尖棋手，AI生成的影像作品《太空歌劇院》獲專業競賽一等獎知識生產外包加深人類對人工智能的依賴：比如，讓AI寫代碼、做設計、診斷疾病等，由于AI的黑箱性，人類只能被動接受其輸出結果對AI的無條件依賴是對啟蒙運動以來“科學方法”的根本挑戰：科學家應通過觀察和實驗來獲取知識“人的機器化”與“機器的人化”（1）人的機器化：勞動者在生產過程中逐漸失去主體性，趨向于像機器一樣運行的狀態，比如：現代社會通過標準化程序（如KPI、周報），誘導人服從系統規則，以“像機器一樣運轉”為職業道德技術被資本裹挾，機器成為剝削勞動者的手段人類在行動、思考等方面越來越依賴機器，甚至主動調整思維，以適應機器的思維進程：比如，花很多時間調試提示詞，以從大模型獲取高質量的輸出“人的機器化”與“機器的人化”（2）機器的人化：機器正朝著“人化”的方向演進逐漸演變成擁有決策能力、情感交互乃至自我學習升級的“智能體”機器人設計中融入越來越豐富的人性化元素可以進行藝術創作當人機邊界消弭，人將不人當“人的機器化”傾向達到臨界點，與“機器的人化”匯合，人機邊界將消弭人的主體性將經受全方位沖擊，并由此引發“人將不人”的危機（2）人機分工的特征及進化趨勢人工智能作為認知行為體參與生產活動，打破人類獨占生產活動的歷史：AI參與意義生成：與人類深度協作，共同參與創新活動，如AI制藥、AI創作、AI輔助設計等AI參與現實建構：比如，AI采集人類的行為數據，轉化為算法模型，進而影響現實決策潛在挑戰與應對方向?意義危機與主體性守護?：AI的介入可能削弱人類在意義生成中的主導權，需強化人的獨特價值?，平衡技術依賴?現實建構的公平性問題?：AI驅動的現實建構可能加劇不平等，需建立相應的治理框架分工邊界的動態性人類專屬領域正不斷被打破知識生產與創造性領域?：AI能生成高質量的文本、代碼、設計圖、影像等，知識生產的方式發生改變，人類在初步創作上的優勢正在減弱決策與認知輔助領域?：AI能為醫療診斷、金融投資、司法輔助等領域的決策提供越來越精準的建議，改變了人類依賴經驗判斷的傳統模式，人機協作決策成為新范式人類的絕對主導地位正在轉變：隨著人工智能應用全面滲透到各個領域，人類正從絕對的主導者向合作伙伴的角色轉變人機分工的進化趨勢人的角色將出現兩極分化：一類人成為機器的“羅盤”：從事創造性思維與復雜決策等高階活動，主導機器的發展走向另一類人淪為機器的“從屬組件”：在機器行走的軌跡上隨波逐流，最終蛻變成為機器般的“機器人形人”人機分工將帶來社會的劇烈震蕩：結構性失業潮將席卷全球：傳統產業工人、白領階層、知識工作者都將面臨被人工智能替代的危機，人類將經歷很長一段時間的轉型摸索期薪酬分配體系將發生結構性變化：薪酬方式、薪酬標準、勞務關系等將全面重構，社會福利保障體系也將隨之改變即將到來的社會分工大調整，其激烈程度將遠超歷史上任何一次產業革命（3）現實社會圖景將被重新勾勒人工智能將全面重構社會運行邏輯：生產方式呈現新貌：大規模標準化生產的工業邏輯被個性化需求的智能邏輯取代工作方式出現新形態：集群式勞動模式被分布式勞動模式取代，大量新職業出現城市管理和治理高度智能化：城市治理和運行的每個環節被納入智能化協調體系人類居住環境及模式轉向散居：城市空心化，人類生活的時空自由度明顯改變家庭形態發生重大變化：各類智能體接管撫育、照料和家務，機器或成家庭成員人際關系模式轉向人際交往與人機交往并存的結構：虛擬社群成為主要場景，社交對象由算法基于性格、興趣、價值觀等進行匹配人工智能的沖擊將從技術表層深入文明內核，人類秩序將迎來前所未有的大調整，這個過程的復雜和驚險程度將超乎想象二、高等教育將迎來顛覆性變革人才評價標準當高校培養的人才競爭不過人工智能時，我們要用什么標準來評價人才？人的認知模式傳統學習方式：學生通過理論學習（上課、看書、做作業、答疑）和專業實踐（實驗、實習、科研），構建自己的認知體系人工智能時代的學習方式：學生通過向人工智能精準發問獲取知識，在人機問答中構建自己的認知體系大學的核心價值當優質教育資源觸手可及，當個性化學習路徑比標準化課程更加高效，當學歷認證被能力驗證所取代時，大學還有必要存在嗎？（1）人才評價標準將徹底改變現有人才評價體系構建于知識稀缺時代，其評價維度主要包括：學歷層次：作為知識積累的標識考試成績：作為學習能力的量化指標專業證書：作為技能掌握的憑證論文發表：作為學術水平的體現當人工智能的智商超越人類時，傳統評價體系所依賴的評價標準將失效：論知識積累和學習能力：機器通過深度學習可以掌握人類知識體系，在各類標準化考試中擊敗人類考生論專業技能：機器無需人工干預可以完成影視制作、寫代碼、診斷疾病等論科研水平：機器在幾分鐘內生成的學術論文可以達到博士生水準人機分工時代的人才評價標準人機協同能力：駕馭機器的能力（AI的主人）：掌控與高效利用AI工具的能力精準提問與指令設計?：將模糊的需求拆解為清晰的指令，引導AI產出高質量結果?批判性判斷與驗證?：不盲目接受AI的輸出，結合自身知識和可靠來源進行驗證?工作流整合與自動化?：將AI嵌入個人或團隊的工作流程，自動化處理重復性任務協同創造創新的能力（人類伙伴）：與AI共同生成新知識、新方案的能力認知融合?：將人類的直覺、經驗、創造力與AI的數據處理、模式識別能力相結合價值共創?：與AI共同定義目標、探索未知領域，產出創新成果動態適應與學習?：人與機器互相學習，形成“人機共構的知識體系”，共同進化人機分離能力：在脫離機器后仍保持人所特有的本質，保持獨立思考、學習和生活的能力人機分工時代的人才評價標準未來人類行進的軌跡，將被約束在這兩個能力劃定的空間里人機協同能力：決定個體能力發展的上限人機分離能力：劃定人類發展的安全底線，防止人類被異化這種評價維度的轉變已在當前就業市場得到初步印證：人工智能技能正迅速成為雇主篩選求職者的重要標準（2）人的認知模式和路徑正在快速改變認知路徑：從無知到知、從困惑到理解所走的路線感知與注意：從外界刺激收集信息，將注意力集中在某些重要信息上記憶與思維：記憶接收到的信息，通過思維過程對信息進行加工處理理解與問題解決：通過記憶和思維形成理解，面對問題時，調動已有的知識和經驗尋找解決方法知識與經驗積累：新知識融入已有認知結構，形成更豐富的知識體系認知模式：人們在思考和處理信息時采用的特定方式記憶驅動的經驗模式：基于過往經驗進行直覺式判斷（熟悉情境）?知識驅動的推理模式：運用已有知識和規則進行邏輯推理和決策（科學和工程思維）?聯想驅動的創造模式?：通過不同概念間的跳躍性聯想產生新想法（藝術創作和創新）?假說驅動的發現模式?：基于大膽的假設，通過實驗和觀察來驗證或推翻假設（科學發現）人的認知模式和路徑正在快速改變當人工智能深度介入知識生產，人的認知模式和路徑發生根本性改變：人們跳過理論學習、實踐體驗和獨立思考，直接獲取人工智能預處理的“知識成品”，人類不再系統性儲存知識當人類依靠人工智能學習、生產、創作時，人類的學習動力和能力開始退化人的主體性原則受到根本性沖擊，人類逐漸退化：人類將逐漸喪失與原始知識的直接對話能力，進而產生對人工智能的無條件依賴人類將失去認知的基本錨點（人類理解世界所依賴的核心概念、基本事實、思維與工具），人類逐漸退化（3）高等教育形態將被全面顛覆學科設置：學科邊界過于涇渭分明，培養體系過于機械，不利于學科交叉融合創新知識體系：按專業細分形成的標準化知識體系，不利于跨界創新能力培養教學范式：課堂教學按教材講授知識點，如果知識可以從大模型獲得，課上要講什么？學習方式：集體化的學習方式，將被個性化和興趣集群化的方式取代能力培養重點：知識和技能的掌握，將讓位于人機協同能力、人機分離能力的培養三、高等教育的重構高等教育將進入重構期：學科壁壘消融，專業界限將被打破，文理邊界逐漸模糊知識生產轉向問題驅動：人類的核心價值體現在“提出好問題”知識傳授轉向思維訓練：系統性培養思考能力、分析能力和創造能力非線性學習方式取代線性學習方式：從開放、真實的問題出發，自主探索、調整方向、迭代方案傳道授業解惑轉向價值引導和知識架構：培養學生的核心素養，幫助學生構建系統的知識體系大學由知識輸出場變為思想源發地：大學要成為?新思想、新理論、新范式和顛覆性創新的誕生地高等教育的重構大學的重點任務是培養能夠適應“人機分工”時代的人：具備獨立人格：保持人的主體性具備相對完整的知識體系：未來與機器共處的底氣能熟練駕馭人工智能：人的核心競爭力（1）獨立人格的養成獨立思考能力：構成獨立人格的認識論支撐點當“思考外包”成為常態時，人將滋生思考惰性，認知能力、深度思考能力便會退化批判精神：貫穿獨立人格養成的全過程人機共事時，如果沒有批判精神、不會質疑機器給出的結果，就會產生風險是非觀與分辨力：獨立人格的價值底色AI不具備自主的道德意識，要用是非觀引導AI向善，要對AI的輸出有分辨能力審美能力：獨立人格的綜合體現人類獨有的核心優勢，需要審美、情感、創意的崗位將成為就業的主流勞動能力：培養獨立人格的實踐基礎勞動是人類能力鍛煉、保留與提升的唯一載體，是對抗能力退化、實現自我改造的核心方式（2）相對完整的知識體系的構建相對完整的知識體系：一個人形成正確的世界觀和方法論需要具備的基礎性知識體系自然科學和人文科學的基本知識人類社會和大自然運行的基本規律人類認知世界的基本方法高等教育如何給學生構筑一個相對完整的知識體系大通識教育：跨學科的基本原理與思維模型，系統構建基礎知識體系小通識教育：專業領域基礎知識，幫助學生尋找和把握專業方向專業訓練：依據專業發展的規律，幫助學生掌握專業基本技能（3）人機協同能力的培育人機協同能力：不是簡單地會用AI工具，而是塑造一種全新的思維模式與實踐能力：提出問題的思考能力：營造啟發性環境，鼓勵打破思維定式，培養質疑精神和洞察力人工智能的調用能力：掌握“提示詞工程”，以引導AI生成高質量的輸出人機共創的實踐能力：引導學生將AI應用于解決真實問題高階思維的批判能力：具備辨別AI生成內容真偽、識別算法偏見、分析邏輯漏洞的能力技術倫理與責任意識：理解數據隱私、算法公平性等倫理問題結語一場前所未有的“智能風暴”正在席卷全球，人類社會正面臨前所未有之大變局在這場正在到來的文明范式革命中，人的主體性正被消解，守護人的存在價值是應對這場大變革之關鍵所在在這場“智能風暴”中，沒有一個國家能夠獨善其身，沒有一種文明能夠置之度外，需要全人類攜手共同應對研討問題在高等教育尚未開始重構的當下，高校學生怎樣才能使自己成為適應“人機分工”時代的人？具備獨立人格：獨立思考，批判精神，是非觀與分辨力，審美能力，勞動能力具備相對完整的知識體系：大通識教育，小通識教育，專業訓練人機協同能力：提問能力（問什么、怎么問），人機共創，批判能力，倫理與責任意識漫談使用大模型的感想提綱人工智能對人類社會的深刻影響人工智能發展簡史人機分工：人類社會面臨前所未有之大變局中美競爭下的中國AI發展之路中國AI發展的顯著成績科技創新方面:學術論文：生成式AI的論文數量和美國相當專利：AI專利全球占比達到60%商業應用方面：智能工廠覆蓋超過80%的制造業行業大類2024年智慧醫療市場規模達到約5000億元自動駕駛運營規模超過美國，并在加速出海創新生態方面：人才培養：培養了全球47%的頂級AI研究人員數據：數據產業高質量發展，2025年數據交易規模突破3000億元算力：2026年成為國產AI芯片訓練落地元年，一批基于國產芯片訓練的AI大模型密集落地模型：2025年，中國開源大模型下載量首次位居全球第一2026年2月，HuggingFace開源大模型榜單中，前10中有8款來自中國2026年2月，OpenRouter中國大模型周調用量位居全球第一，調用量Top5大模型里中國占據4席中國AI綜合實力存在不足基礎理論原創性突破不及美國目前廣泛應用的AI基礎理論，包括Transformer架構、Diffusion模型、RLHF優化和Attention機制等，均由美國公司或大學提出在全球引用率最高的10項通用人工智能研究成果中，美國占4項，中國僅有1項某些關鍵核心技術仍面臨“卡脖子”風險訓練萬億參數模型仍需依賴英偉達芯片，國產算力集群僅能穩定支持千億參數模型訓練專利質量偏低，能獲得其他國家或地區專利認可的發明比例僅為4%，遠低于美國的32%中國AI綜合實力存在不足（續）創新生態仍需改善通用技術和方法創新：成果相對有限，更多集中于工程優化成果應用：開源程度低、復現難度大，制約了成果的廣泛引用產學研協同創新：整體而言，科學研究、技術創新和應用處于割裂狀態，尚未形成有效協同的創新生態基礎設施：快速增長的數據質量并不高，可數字化和可存儲的部分比例低算力設施：AI芯片設計等環節所占市場份額較低，絕大多數主流大模型使用的仍是英偉達芯片中國AI發展戰略：追趕+多元探索美國AI發展路線：規模法則（ScalingLaw），通過增加模型規模和算力的投入，提升模型性能在通用能力、復雜推理等任務中，規模法則依然是有效有中國的“追趕”戰略：沿襲“大力出奇跡”的方法，通過堆參數、堆算力訓練大模型弊端：可持續性受限?：訓練頂尖大模型成本極高，且規模法則的性價比下降能源與數據瓶頸?：高質量訓練數據趨于枯竭，電力消耗巨大，制約“大力”模式的長期發展容易陷入“中等技術陷阱”：被鎖定在先發國家制定的既有技術路線與產業方向中，難以跨越中等收入階段例如，投入大量資源實施“追趕”策略的AI“六小虎”，如今估值大幅下跌中國AI發展戰略：追趕+多元探索以DeepSeek為代表的創新模式：效率優先，降本增效：以軟補硬：通過軟件架構創新和算法優化，極致降低模型訓練和推理的成本DeepSeekV3的訓練成本和推理成本都不到GPT-4o的10%應用驅動，場景深耕：大模型正從“能聊天、會回答”的問答工具，轉向“能干活、出成果”的生產力引擎中國廠商深耕垂直場景（如AI助手、行業應用等），中國模型的API調用量全球第一開源開放，生態協同：加速技術迭代打破技術壟斷，促進應用落地??塑造行業標準?，掌握市場話語權中美AI發展路徑對比：算力至上VS

應用為王美國“算力至上”，通過“算力-數據-標準”三位一體鞏固優勢芯片：強化芯片霸權，如英偉達掌控全球78%的高端AI算力市場數據：Meta通過ScaleAI掌控全球35%的訓練數據標注，谷歌利用YouTube收集100億小時視頻構建多模態數據庫模型：側重通用大模型，致力于基礎模型創新和參數規模拓展；模型閉源，強調技術壁壘和商業控制標準：OpenAI主導的“AI安全聯盟”已吸納32個國家，試圖將“模型可解釋性”、“人類對齊測試”等標準包裝成國際規范中美AI發展路徑對比：算力至上VS

應用為王中國“應用為王”，通過“應用+開源+生態”組合拳破局應用驅動?：國家級應用先導區+專項資金推動技術落地，再反哺技術迭代百模大戰：聚焦垂直行業的應用型模型，強調產業效率提升和場景落地開源開放：頭部企業免費開放模型權重，小公司以“共享充電寶”模式低成本調用頂級技術中美AI發展差距：從“代差”轉為“賽道差異”芯片：中國推理芯片能效超過美國，訓練芯片落后20%，“中國只落后幾納秒”（黃仁勛）模型：中美頂尖大模型的性能差距已縮至0.3%，技術差距縮至3-6個月美國注重通用大模型原始創新?，中國聚焦行業大模型應用落地數據：中國可用于訓練通用大模型的數據不足美國?十分之一?，但行業數據豐富應用：美國在生物醫藥、高端制造?等領域領先，中國在制造業、政務、金融等領域成熟度高美國模型的應用轉化率約30%，中國模型的應用轉化率為65%人才：中國在2024年項尖科技人才數量首次超過美國，美國頂尖AI人才中75%是華人部分代表性國產AI大模型（1）通用大模型：國產力量的崛起百度·文心一言（ERNIE）：在權威評測中多次位居中文綜合能力榜首，多模態生成能力領先，典型應用：智能客服、文檔分析、知識圖譜構建阿里巴巴·通義千問（Qwen）多模態理解與生成能力強，全球HuggingFace榜單榜首，典型應用：電商內容生成、醫療影像報告、社交媒體創作字節跳動·豆包大模型：多模態交互亮眼，支持方言語音、情感化表達，典型應用：創作者助手、語音交互、營銷文案生成深度求索·DeepSeek：擅長動態推理優化與個性化生成，推理效率出色，適配企業私有化部署和二次微調部分代表性國產AI大模型（2）垂直領域：深耕行業的先鋒力量月之暗面·Kimi長文本處理能力頂尖，支持百萬字上下文輸入、圖文聯合分析，在論文、法律合同等長文檔解讀場景表現突出科大訊飛·星火大模型多語言交互能力突出，支持30+語種，深度融合語音識別與合成技術，深度適配教育、醫療、辦公場景智譜AI·GLM-4國內首個支持視頻通話的千億參數模型，網頁解析和視頻分析穩定性出色，在語言理解與創意寫作中表現均衡百川智能·百川大模型：專注醫療垂直場景，疾病診斷輔助系統覆蓋超1000家醫院部分代表性國產AI大模型（3）生成與創作：AIGC的核心引擎騰訊·混元大模型中文創作和復雜語境推理能力強，支持文本到視頻生成，深度整合微信生態字節跳動·即夢AI短視頻創作神器，支持文/圖生成視頻，深度適配抖音內容生態行業落地：大模型競爭從技術參數轉向價值