当智能被规模化生产

今天智能已经开始被规模化生产。但是这件事会产生什么结果，我们还不知道。这是我们该探索和思考的问题。这个结果有可能很好，也有可能很糟。重点是我们今天选择怎样的道路。

 

简单的介绍一下我自己，我是香港大学中国商业学院的客座教授。我在4年前在微软亚洲研究院担任副院长，我任职微软的这10年，正值深度神经网络（DNN）驱动AI高速发展的黄金十年，我亲历了AI技术从实验室走向产业落地的全过程，也推动了研究院与各行业开展AI落地合作。

加入微软亚洲研究院之前，我曾有两次创业经历，分别涉足智能卡芯片设计与大型金融软件领域。过去四年，我依托香港大学中国商业学院的平台，致力于将自身三十年的行业经验分享给学子，共同探讨AI高速发展背景下的行业选择与未来方向。

 

我们不妨以2040年为时间节点，假想AI持续高速发展后一种可能的社会形态，以此审视智能规模化生产的深层影响。

这是我假想的2040年，这部“科幻小说”的主人公名叫“张伟”。14年之后，这个世界会是人类历史上最富裕的一年，GDP持续成长，股市再创新高，寿命继续延长，AI在经济发展、医疗健康等领域的价值将得到充分释放。“张伟”已经5年没有工作了，国家“智能红利”每个月都会准时汇入账户， AI做了很多事，国家依然富强，像“张伟”这样的普通人可以“躺平”。在企业中，经过多年的AI降本增效，大型企业的人力规模将大幅缩减，但生产运营效率持续提升：商品供应始终充足，物流配送准时高效，能源供给稳定充裕。个体层面，人人都可拥有专属AI顾问，信息获取与问题解答的门槛降至最低，知识与答案不再是稀缺资源。 

繁荣的背后也潜藏着深刻的社会危机。教育领域，由于知识可通过AI高效获取、不再稀缺，传统大学的功能将被弱化，大量院校面临关停风险；高校的创业赛事也将逐步消失，因为AI可精准预判商业方案的可行性，成为最客观的决策裁判，人类的探索与试错似乎失去了意义。以香港大学为例，“明德格物” 的校训将面临时代拷问：当AI可高效格物致知，人类是否还需要涵养品格、探索真理？世界越来越擅长回答问题，却越来越少人提出问题。

这个假设的时代失去的不是知识与财富，而是创造未来的人。AI技术本身并无对错，它只是让多数人不再重要了。这一图景是否是我们期待的未来，值得每一个人深思。

 

在AI全面渗透的时代，人类社会将迎来三个维度的严峻挑战，这也是所有行业引领者必须思考的核心命题。

第一，知识被量产。过去需要长期学习才能掌握的内容，如今通过AI即可快速获取。知识被大量生产，那么人怎么学习？怎么做判断？人类的判断力根植于漫长的知识内化过程，正是通过学习、思考、实践的完整闭环，才形成了辨别是非、权衡利弊的能力。

当知识不再稀缺，个体若直接依赖AI获取答案、输出内容，人就会被排除在知识创造与应用的闭环之外。长此以往，个体的独立思考与判断能力将持续退化。对于已完成知识积累的成年人而言影响有限，但成长于知识唾手可得环境中的年轻一代，若事事依赖AI，其判断力的形成将面临根本性挑战，这也是教育领域需要直面的核心问题。

第二，当AI取代人的工作，人的价值建立在哪里？当前AI对岗位的替代效应已逐步显现，但问题的核心不在于失业本身，而在于当AI逐步承接人类过去的工作内容时，人的价值将锚定在何处？当劳动的必要性被削弱，个体的自我认同、社会价值都需要重新定义。

第三，当AI创造大量的财富，我们该怎么让更多的人分享？财富是AI创造的，不是那些被下岗的人创造的，是不是代表这个社会上可能有一些人无法分到AI所产生的红利？政府、企业与社会各界需要共同探索财富分配的新机制，避免技术进步加剧社会分化。

2026年6月《经济学人》刊发文章《Intelligence is becoming mass produced》指出，生成式AI的普及推动全球新书发行量在2022—2025年间增长3倍。从亚马逊电子书出版数据来看，2020—2022年人类创作的图书出版量保持平稳；2022年ChatGPT问世后，AI生成的电子书数量快速攀升，短短三年间电子书总出版量达到此前的3倍。

除出版行业外，知识量产的趋势同样体现在学术论文、法律文件、计算机软件、流行音乐等领域。过去需要大量人力、长时间投入的创作工作，如今借助AI可高效完成，内容供给实现了爆发式增长。

知识的规模化生产推动了知识普及，具有积极的社会意义，但也带来了四方面的经济冲击：

第一，知识供过于求。内容供给量在短时间内数倍增长，但受众的阅读、消费能力并未同步提升，知识市场出现供过于求的格局。

第二，内容价值贬值。随着供给泛滥，内容创作类岗位的就业机会与薪酬水平受到冲击，文案、法律文书、编程、演艺等领域的从业者都面临价值稀释的压力。

第三，真伪难辨。过去知识生产有明确的主体，受众可基于作者身份判断内容可信度；而AI生成内容缺乏清晰的责任主体，信息真伪难以甄别，个体面临的不是 “找不到答案”，而是 “不知道该相信哪个答案”。

第四，企业的竞争优势会快速的消失。我们过去企业的优势源于长期积累的行业经验、专业知识与人才储备，但AI可快速复制这些知识资产，企业过往的经验壁垒被快速打破，竞争优势难以持续。

 

面对知识过剩的冲击，组织需要转变发展思路，从三个维度构建新的竞争力：

第一个有关learning。知识稀缺时代，学习的核心是知识内化；知识爆炸时代，应让AI成为学习的辅助工具而非替代品。关键在于你是否在学习的闭环里，若仅用AI完成工作任务、逃避思考，个人能力不会成长；若借助AI拓展认知、深化思考，个人能力将持续提升。

第二点有关管理。过去我们经常讲知识管理，因为知识是稀缺的，我们管理的是知识本身。但我们也许应该做一点改变，不仅是知识管理，更要做决策管理。我们更应该保存的是，我们为什么做这样的决策。

第三个有关投资。过去企业对员工的培训聚焦于技能层面，如Excel操作、编程、文案撰写等知识输出能力。未来更应该投资员工的是怎么定义问题，怎么做客户洞察、创新设计、跨部门共创、领导团队。相比于设立单独的AI团队，我更鼓励让一线的员工学习AI。懂业务、懂客户的存量人才，结合AI工具后释放的价值，远高于单纯懂技术的外部团队。

 

如果说知识量产是AI的初级影响，那么智能本身的规模化生产，将带来更根本的社会变革。

（一）智能量产的历史参照：软件外包的启示

传统意义上，智能仅存在于人脑之中，是稀缺且不可复制的资源。而AI技术让智能成为可批量生产、可无限复制的商品，这是人类历史上首次面临的变革。回顾上世纪末美国软件行业的外包浪潮，可从中获得参照：当时美国软件企业面临程序员短缺，将大量编程工作外包给人力成本更低、技术能力过硬的印度，规模极其庞大。

 

这一时期，美国计算机科学专业的报考热度和学生人数明显下降；科技泡沫破裂以及软件工作向印度等海外市场转移，都是当时的重要背景。但最终行业实现了转型：欧美软件企业将基础编程工作外包后，本土人才转向更高层级的软件架构设计，依托海量外包产能打造更复杂的软件系统；同时持续投入前沿技术探索，2006年，杰弗里·辛顿团队在深度神经网络研究上取得重要突破，成为后来深度学习浪潮的重要起点。

软件外包的历史经验表明，基础智能工作的转移，必然带来从业者能力的升级与企业商业模式的转型。当下AI对智能工作的替代，本质上是同一逻辑，既是挑战，也是产业升级的机遇。

（二）为什么企业推动智能化，却没有转型？

为什么有很多的企业推动了智能化，但是却没有转型？电影《让子弹飞》中的 “马拉火车”场景，远看是现代化的火车高速前行，近看才发现拉动火车的仍是马匹。对应到企业中，智能化若仅停留在引入AI工具、替代基础工作的层面，本质上只是 “车皮” 的智能化，并未真正升级发展的核心动力 —— 人的能力与思维。

我们可以通过三个问题审视企业的智能化质量：

第一，你有没有发现你的组织里，技术越来越强？但是对人的理解越来越少。智能客服是一个好例子。现在进餐厅，最常听到的就是四个字：扫码点餐。如果扫码点餐这么好，为什么米其林餐厅不用扫码点餐？为什么他的厨师要走出来跟你介绍今天是什么菜？为什么结账时，是老板亲自出来跟你收款，顺便问你，你对这一顿饭有没有什么回馈的意见？ AI好像帮我们解决了很多的问题，但是隔绝了我们跟客户中间的互动的可能性。

第二，有没有使用AI，却没有和AI一起工作？有人用AI帮助学习，有人用它逃避学习。

第三，企业用AI降本增效，我们认为，降本增效之后，就可以裁员了。若所有企业都通过AI裁员降本，最终只会陷入价格战，没有企业能从中获得差异化优势。

升级工具，我们有没有升级我们自己？

纵观人类发展史，个体与社会的发展始终围绕三种核心能力展开。

第一种力我把它称作体力，英文叫做labor，它的目的就是改变物质世界。第二种力，我们把它称作智力intelligence，负责理解、分析、解决问题。第三种力，我把它称作心力purpose，即决定创造何种未来的能力，涵盖创造力、探索精神、冒险意识、道德判断、心智韧性等维度。它是主观的、难以量化的，却决定了发展的方向与意义。正如人们在两难抉择时常说的 “跟着心走”，这份无法用逻辑完全解释的判断与坚持，正是心力的体现。

对创业者而言，三种能力缺一不可：体力是创业的基础，智力是产品与运营的保障，而真正驱动人投身事业、穿越周期、克服困难的核心动力，始终是心力。

 

在不同历史阶段，社会发展的核心瓶颈各不相同：

• 古代社会，体力是核心瓶颈，人口规模直接决定了生产力与战斗力，体力优势可形成碾压性差距。

• 工业革命时期，机器释放了人类的体力，体力不再是发展的核心限制，大量劳动力转向智力劳动，白领阶层逐步崛起。

• 当下的智能革命，AI 正在释放人类的智力，大量基础智力工作将被替代，从业者将逐步向心力工作者转型。

简言之，心力强大的人，能借助AI放大自身智力，创造更大价值；缺乏心力的人，会因AI承接了基础智力工作而失去存在价值。因此，未来的教育、企业管理与个人成长，都应将心力培养放在核心位置。

心力的培养，最重要的三件事。第一个是共情，共情是能够让不同的人对同一个问题形成足够接近的理解。例如照顾员工、跨部门的合作，以及 Know your customer，以智能客服为例，若设计者自身缺乏共情能力，就无法打造出有温度的人机交互体验。技术只是工具，对人的理解才是服务的核心。

第二是co-intelligence共智。我能不能让我的团队里面的每一个了解business的人，让他们去学习怎么去用AI，因为他们才能够真正的跟AI结成一起，人 intelligence跟artificial intelligence结成一个。

第三是co-innovation共创。即群体协同创新的能力。当AI承接了标准化执行工作，每个个体都需要具备创新能力。如何让不同背景、不同领域的创新型人才高效协作、跨界解决问题，将成为组织管理的核心挑战。

几年前我在微软亚洲研究院任职时，微软亚洲研究院曾与辉瑞中国、北京协和医院合作开发的真菌智能识别系统。

全球每年约有150万人死于真菌感染，核心难点在于可感染人体的真菌多达300余种，且不同真菌在显微镜下形态高度相似，非专科医生难以精准判别，极易造成误诊、延误治疗。辉瑞中国团队基于这一行业痛点，寻求与微软亚洲研究院的技术合作，最终联合北京协和医院的临床专业能力，共同开发了云端真菌智能识别系统。基层医生只需将显微镜下的真菌图像上传至云端，AI即可辅助医生更好判读真菌样本，大幅提升了诊疗准确率与效率。

这一案例完整诠释了心力的三重价值：

• 起点是共情：技术团队并非出于商业目的切入该领域，而是基于对百万患者生命健康的共情，产生了解决问题的初心。

• 核心是共智：单一主体无法解决问题 —— 没有AI技术，真菌识别的效率瓶颈无法突破；没有临床专家的专业积累，AI便失去了准确的训练基础。正是人类专业智能与人工智能的结合，才实现了技术落地。

• 关键是共创：计算机、医药、临床三个完全不同的领域，跨越术语壁垒与认知差异，协同创新，最终共同解决了全球性的医疗难题。

历史学家赫拉利曾经提出，AI的发展可能催生大量 “无用阶层（useless class）”—— 个体的智力水平难以与AI匹敌，进而失去社会价值。客观来看，社会大概率会经历一段转型阵痛期：许多心力尚未得到充分培养的个体，可能先一步面临岗位替代的冲击。政府、商会、学校、企业都需要提前布局，探索缓冲机制与帮扶路径，助力群体平稳过渡。

我们期待中的2040年，应当是人机共生的理想图景：AI承担了大量分析、计算与执行类工作，人类拥有更多时间投入创造、陪伴家人与解决复杂问题；企业在追求效率的同时，更重视创新突破，AI处理已知问题，人类探索未知边界；学校不再以知识传授为核心，而是聚焦于培养判断力、品格、协作能力与创造力，毕业生不仅能适配岗位，更能创造新的岗位。

“张伟”经过了母校，校门口依然写着明德格物，他看到旁边有一群的年轻人正在热烈的讨论一项创业计划，他们希望打造香港第一家小型核融合的发电公司，让洁净、安全且低成本的能源能走进每一个家庭。这个世界还有太多的问题没有解决，让我们保持我们的创造力，保持我们对未来的想象，保持我们的善心，谢谢！