当今之时，AI技术正凭借不可扭转之势，渗透至各个行业，于日常办公方面有智能辅助，于产业领域存在深度变革，于基础服务体现效率提升，于前沿创新达成突破，技术迭代的速率远远超过预期。与此同时，AI应用的边界模糊、伦理争议、数据安全等诸多问题亦渐渐突显，而人才市场更是面临着“AI替代”与“新型人才缺口”同时并存的矛盾。
五月十二日的晚上，北京大学光华管理学院任职院长的田轩，同身为Kimi总裁的张予彤，于北京大学光华管理学院开展了一场对话，这场对话围绕着“AI时代的边界探索与人才机遇”这一主题。
普通人如何应对 AI 职业焦虑?
田轩：生成式人工智能的发展，被广泛当作是第四次技术革命，而且这个技术革命好像一直是如此这般的状况：旧有的工作会被取代掉，新的工作会持续不断地涌现出来。AI已然取代了数量众多的重复性、标准化的工作，然而就凭我们当下的认知而言，实际上是很难去想象未来它还会缔造出什么样全新的工种的。我的第一个问题是，我的那些学生们要怎样去做准备，才能够更好地去接纳这种变化呢？
张予彤表示，核心是生产力的跃迁，每当生产力大幅提升时，人就会从旧工作转向新工作。在农业革命时期，农民离开土地进入城市，这催生了服务业等全新的行业。AI时代也行且遵循着同样的规律。从我们企业内部能够明显察觉到新职业诞生。现在有不少人专门负责大模型训练。这些人致力于打造核心高质量数据。大家戏称自己是模型的 “爸妈”。其本质是持续 “喂养” 持续生长迭代的人工智能。放眼全社会，未来会涌现出大量超级个体。也就是 “一人公司”。现在借助AI，单独人员便可全面执行全链路工作，不再依靠规模庞大的团队。这既是生产方式的转变，更是让更多人拥有机会摆脱束缚，去从事自身真正喜爱、具备价值之事。AI并非单纯取代岗位，而是于重塑生产形态，创造崭新就业机遇。
如何更好满足AI时代雇主的需求？
田轩表示，我向来都持这样的看法，关于学生，那是我们商学院产出的“产品”，而企业才是我们所面对的“用户”，依照这样的一种逻辑，那么我们究竟需要怎样去进行调整，使其成为培养方式呢，目的在于要让学生能够更为合适地满足AI时代雇主所提出的需求呀？
张予彤表示，她认为要成为人工智能的“深度用户”开云真人app,开云真人app地址，也就是“power user”，，还要能够感知每一代模型的能力边界，具体来说，就是要清楚哪些事情它还做不了，哪些事情它已经比人做得更好，哪些事情则需要人与模型共同创造。然后，接下来会进入一个“agent - human collaboration”的阶段，她说她已经没办法想象工作当中不用人工智能会是什么样子了。就如同当年人们没办法想象没有手机、电脑的情形一样，要知道这些工具本质上说呢是在拓展人的能力，而不是替代人的能力。于工作里能够被替代的那些部分而言，像是重复去执行，进行信息处理，开展计算编程，还有部分设计执行，这些才会被替代，然而当前真正存在的瓶颈之处，却是对AI产出质量的评估以及验证，AI能够轻易生成几百万行数目的代码，可是人类要去消化它，理解它，检查其中的逻辑关系，这反倒是更为巨大的工作量，“以开放的心态去探索AI”。
有个叫田轩的这么问：由此你的建议是，我们所进行的课程设计得让学生去学会“运用”以及“驾驭”人工智能？
张予彤表示认同，她认为“驾驭”一词相当不错，因其体现的是一种合作关系，硅谷常提及的“harness”，其所表达的正是这种驾驭之感，不管是工程和模型之间，还是人与agent之间，从长远来看都属于协作关系，短期内确实对安全、性能等方面存在一定顾虑，然而从长期眼光审视，AI对我们必定是具有益处的，关键在于要持有开放心态开云手机入口app下载，本人亲自去实践操作，而不是仅仅停留在观点以及观察层面，毕竟诸多深刻的认知，皆是在实际动手的过程中得以形成的，要有“除了与人共情，还要与agent共情”这样的意识。
AI时代的本科四年，应该如何正确度过？
田轩说，换个角度来讲，要是我身为刚入学的大一新生，我清楚这个时代跟我父辈所处的时代是全然不一样的。在过去，只要把题做好，将 GPA 刷高，毕业后出国或者找工作都不会有问题，如此一来这一辈子就算安稳了。然而如今 AI 带来了诸多变化，过去的那种路径已然不存在了。我感到纳闷，本科这四年究竟该如何度过，才能够更好地去面对 AI 带来的挑战以及不确定性呢？
为你按照要求改写如下：张予彤，首先，珍视校园人际方面的资源，去构建人与人之间那种深度的链接。在大学阶段，最大收获里的其中一个，是跟同学相处交流，还有思维碰撞沉淀下来的人脉以及认知，人与人之间的共情，深度的沟通，这是AI永远都没办法替代的，并且是会让人终身受益的财富。甚至从大一的时候就可以努力争取进入AI企业去实习，从而提前与行业接轨。
首先，要养成以AI视角展开思考的习惯，在对待任何一桩事情之际，都应当进行更为深入的思索，具体而言，就是去考虑这样一个问题，要是交给AI来完成此项事务，它会运用怎样的一种逻辑以及以何种方式去实施；其次，除了注重人与人之间所存在的共情之外，还需要着重培养人与AI智能体之间的共情；当前阶段，诸如聊天、开会、支付、身份验证、数据授权等一系列基础设施，皆是以人类作为设计对象而构建的，并没有刻意去适配所谓的AI智能体；接着来说，借助模型视角对人和AI两者之间所应该承担的分工进行重新反思，而且再次构建做事的逻辑，通常情况下便能够收获一些意料之外的突破，进而提前确立起人机协作所具备的差异化优势；最后一个问题是，处于AI时代，管理者究竟需要采取怎样的举措，才能够避免被替代呢？
田轩称，今日台下，除去本科生之外，尚有不少MBA以及EMBA的学生，而他们自身便是企业管理者。于AI时代，管理者需怎样去做，方可不被替代呢？
张予彤表示，AI难以切实真正去替代企业家以及核心管理者，给所有管理者一条可落地实操的实用建议，为公司的每位员工增添token预算，达成token自由，使得全员能够毫无限制充分地去探索AI应用场景，好多企业的AI转型失败了，产生失败的根源在于员工心里存有抵触情绪，担忧AI会将自身工作给替代掉，而足够的token能够让员工把AI当作提升产能、削减重复劳动的工具，而并非是竞争对手。当下，AI已能够造就“10倍程序员”，通过借助AI，普通员工都能够成为“10倍员工”，进而实现产能十倍级的提升，AI能够替代执行、计算以及基础设计，然而战略判断、架构思维、全局思考、逻辑纠错、组织统筹这些核心能力，依旧是由人类管理者掌控，全员将AI活用好之后，管理者能够从繁琐的基础工作当中脱身，聚焦于核心决策，形成人机协同、良性循环的状态。
大模型公司招人，主要看什么？
田轩表示，自己预先做了一些相关准备工作，知晓他们存在一个名为“Kimi穿越计划”的项目，在进行人员招聘之时好像并不考量学历情况，也不考虑专业因素。他所提出的问题是，既不看学历，又不看专业，那么他们究竟看的是什么呢？
张予彤表示，学历以及专业仅仅是标签罢了，然而，人的特质、天赋、热情还有长板，这些都是没法被标签化的。招聘并非按照岗位去寻找人员来补缺，而是依据人的特质，去匹配适宜的方向，其核心仅仅看两类稀缺能力，其一，是具备原创思考以及创新能力，能够提出真正称得上好的想法，要看候选人是不是关注行业前沿话题，对于问题有没有本质深度思考，能不能跳出固有认知提出颠覆性新想法。基于现有规律，AI才能够输出内容，它没办法诞生原创性思考，突破性思考也无法诞生这样具备突破性思考跟原创性思考的能力是极为稀缺的，公司每年诞生的优质原创想法同样非常有限。
其二，具备偏执钻研的那股韧劲，勇于持续去试错，乃至疯狂地进行实验，因为AI行业以及科研领域充斥着不确定性，优质产品以及技术迭代，是需要漫长且数量众多的实验试错的呀。好多人有着不错的想法，然而尝试十次失败了便选择放弃；可是优秀人才乐意针对一个好想法坚持尝试上千次，在不断反复迭代当中沉淀认知，摸索出最优解。解决复杂问题需要极强的抗压能力以及韧性，这可是我们极为看重的特质呢。
田轩表示，要怎样将这两类人识别出来呢，人的确不能进行“标签化”，然而“标签”能够助力我们迅速筛选，在经济学领域当中，这被称作 “信号理论”，并且有关研究发现，许多超级创业者是偏执的，另外还呈现孤僻冷漠的特征，但反之，偏执的人不一定就能够成为创新者。
张予彤表示，更多的是依靠深度交流，去看他平常关注何种信息，思考哪些问题，留意哪些AI产品，或者行业里哪些变化是出乎预料的，在这些回答当中开云app官方入口网站，能够看到一个人的注意力在何处放置。要是他讲出来的依旧是“2025年的旧认知”，我们有时候开玩笑说“AI一天，人间一年”，那么他所吸收的信息量或许没那么多，兴趣也不在这方面。至于“执行”层面，相对而言更容易进行验证。我们会借助AI测试系统来查看候选人的迭代情况，看其迭代方式是怎样的，有没有不一样的迭代思路，以及究竟能够迭代多少次。
怎么才能判断是真的“AI原生企业”？
田轩说道，有许多学生自身就是企业家，或者将来会进入企业中去工作。如今存在一个概念叫做“AI原生企业”，就像Kimi这样的。那么这类企业具有什么样的特质？传统企业要是想朝着“AI原生”的方向不断靠近或者进行转型的话，最大的障碍究竟是什么？企业家又应该怎样去做？
张予彤说，第一步，企业得清楚自己的定位，弄明白要做啥，不要做啥。就像Kimi，它专门搞生产力和复杂任务这块儿，不掺和生活、娱乐类的产品，一门心思在核心方向上使劲钻研。中国有不少企业家，对AI那是又想做又有行动能力，不过传统企业要转型，最大的拦路虎不是对它的认识，而是那种固定不变的组织架构、岗位界限、协作方式还有激励机制。传统企业里岗位划分特死板，层级很清楚，流程都固定好了，员工各干各的，界限特明显，根本适应不了AI快速更新、跨领域融合的特点。那个AI原生企业的最大优势在于，它是从零开始起步的，按照一种全新的生产模式来搭建组织，其核心特质存在两点，一点是极致般的扁平化，另一点是去职级化，在它内部不存在各类头衔，就好比，我们公司内部是不存在title的。
田轩：你们公司内部没有title？你不是总裁吗？
张予彤称，这仅是用于对外沟通，我们内部统一之称谓乃是“staff”，整个组织层级极为扁平，公司大概共三百人，员工相互之间并无明晰之边界，这亦是我欲阐述之第二点，岗位无严格边界、能力可跨界融通，做预训练之员工能够参与后训练，算法人员能够深耕数据，营销人员能够转型为模型评估，AI正在赋予人底层能力，打破传统职业壁垒，一个人能够跨领域解决多重问题。一直以来被视为小众的能力，像未来编程、数据分析等，将会变成所有人都具备的通用基础能力。传统企业转型的关键核心之处，在于冲破固化的层级以及岗位边界，进而迈向扁平灵活、没有边界的组织形态，以此来适配人机协同的全新生产模式。
现场 Q&A
Q1：学生运用AI容易出现AI幻觉、数据失真的情况，那么怎样能够合规地、负责任地、高效地使用AI呢？
：张予彤称，AI幻觉乃是大模型本就具有的属性，没法完全消除掉，仅仅能够借助方法去规避以及优化。运用AI时得坚守住底线，即人要去驾驭AI，而非成为AI的附属品。AI能够被用于收集数据、整理文献、润色文案、修正语法，然而核心逻辑搭建、独立思考、观点创新、深度探究这些必定要由人类来达成。规避幻觉的关键在于构建人类校验逻辑，就是采用多方交叉验证、依托权威信源、多轮迭代提问、落地实操校验这样的方式，通过人类判断标准审核AI输出，如此便能大幅降低出错概率，达成合规高效使用。使用AI时，要坚守这样的底线，即人去驾驭AI，而非成为AI的附庸，AI能够被用于搜集数据，能够将文献进行整理，能够对文案予以润色，能够对语法加以修正，然而核心逻辑搭建、独立思考、观点创新、深度探究这些必须由人类来完成。
问题二：处于在校学习阶段的学生没有收入，且算力Token数量有限，企业在进行招聘的时候，更加看重的是实实在在的能力，还是对于人工智能探索的那份热情呢？
张予彤表示，我们会给学生提供免费的Token额度，以此降低学习的入门门槛。在招聘方面，相较于现成的硬实力，我们更看重AI原生思维以及主动探索的热情。比起能够熟练使用工具，我们更加欣赏那些愿意思考人机协作逻辑，并且能够串联跨领域知识去做创新实践的年轻人。建议在校学生组建学习小组，通过抱团的方式探索AI落地场景，完成实战项目，因为实践沉淀下来的思维和经验远比纸面成绩要重要得多的。
问题3：以“十五五”规划为立足点，未来3至5年最为稀缺的人工智能人才究竟是什么样的？年轻人群体应该怎样深入钻研呢？
张予彤表示，未来最为稀缺的并非单纯的AI技术人才，而是那种AI与垂直行业相结合的复合型融合人才，当前，懂得技术却不懂商业，或者懂得行业却不懂AI逻辑的人才，缺口极大，而同时具备AI底层思维以及金融、管理、产业专业能力的人，将会供不应求。她给年轻人两个可以落地实施的建议，其一，是要跳出功利性选课思维，多去学习多元跨领域的课程，因为知识实现跨界融合才能催生出创新，其二，是要升级管理能力，未来不仅得会团队管理，更要懂得人机协同管理以及AI智能体管理。
问题4：在国内，那些大模型厂商，对于追赶海外头部的品牌，究竟应当走进行同质化性的追赶这种路线，还是该践行差异化的突破这条路径呢？
张予彤表示，智能自身具有异质化特性，并非同质化，大模型这个行业不存在统一标准，不同的模型在能力方面各有侧重。国内的厂商没必要盲目去对标海外，核心的出路在于进行差异化深耕，也就是要依托所在本土场景具备的优势，优化落地时的效率，打磨垂直领域特有的专属能力，借助底层技术创新来提升规模化应用的性价比，在细分赛道里达成全球领先，行业将来会朝着多元差异化方向发展。
Q5：数字员工成为热点，企业AI数字化转型也是热点，那么这个赛道在未来的发展趋势究竟是什么呢？
张予彤指出，人人都将拥有数字伙伴，企业全体员工都会配备 AI 数字员工，这是必然会出现的趋势。未来，团队会形成一种组合模式，即“人类员工 + AI 智能体”，人机配比会持续得到优化，产能也会不断地跃升。后续，行业还会推出具备标准化、可定制化特点的 AI 工具，无论是个人还是企业，都能够以低成本定制适合自身场景的数字员工，从而全面实现智能化、数字化转型。
Q6：AI这个行业当中机遇是比较多的，然而可用的资源是有限的，那么针对创业公司而言，应该怎样去避开这个行业所存在的误区，进而做出正确的决策呢？
张予彤表示，其一，要拒绝盲目跟从行业热点，主动去过滤掉信息所产生的噪音，并明确自身的核心赛道，聚焦那些具有高价值、长周期特点的生产力场景，舍弃并非核心的娱乐、轻量化赛道，从而保持战略上的专注。
其次，决策要扎根于业务的一线之处，脱离了一线状况的决策必定会存在着偏差情形，而极致扁平化组织所具备的价值，便是促使核心团队去贴近用户的需求所在，并且感知技术方面的痛点所在。
第三，凭借前沿技术的视野条件，持续更新迭代决策机制，不存在绝对毫无缺陷完美无缺的决策，然而深入钻研主业，扎根于一线实际情况，过滤掉盲目跟风以及内部过度竞争的影响，能够极大程度提高决策的准确程度。
还木有评论哦，快来抢沙发吧~