摘要：人工智能作為新生產(chǎn)要素，隨著以ChatGPT為代表的新一代生成式AI技術在應用層的快速創(chuàng)新和蔓延，開始全方位介入社會生產(chǎn)活動的各個領域，為經(jīng)濟增長持續(xù)注入新動能，為產(chǎn)業(yè)發(fā)展帶來重大變革。人類社會正經(jīng)歷著從互聯(lián)網(wǎng)經(jīng)濟時代，全面而深入地邁向以新質生產(chǎn)力為驅動的數(shù)字經(jīng)濟新時代。同時，這一變革也在深刻重塑勞動力市場格局，對就業(yè)市場產(chǎn)生了普遍而深遠的影響。雖然上述變革帶來了廣泛的技術性和結構性失業(yè)的挑戰(zhàn)，但也孕育了新的機遇和可能性。探索并研究其中的發(fā)展規(guī)律和趨勢，順勢而為，是在激烈變化中得以生存與發(fā)展的重要法則。在此背景之下，個人需要提升一系列關鍵技能以滿足持續(xù)升級的職場需求，同時政府和教育機構也應采取多元策略，以適應未來的發(fā)展浪潮。

關鍵詞：人工智能；產(chǎn)業(yè)變革；就業(yè)影響；生成式AI；ChatGPT

中圖分類號：C916" " " " 文獻標識碼：A" " " "文章編號：1003-8477（2024）08-0090-14

美國OpenAI公司的ChatGPT聊天機器人程序自2022年11月30日正式上線以來，憑借其強大的自然語言處理能力、獨特的對話式寫作模式、多樣化的生成能力和不斷自我進化的能力，迅速吸引了全球大量用戶的關注和使用，其用戶數(shù)量在短短幾天內就突破了百萬，展現(xiàn)了生成式AI的巨大魅力和潛力。隨著人工智能技術的不斷進步，特別是以ChatGPT為代表的新一代生成式AI技術在應用層的快速創(chuàng)新和蔓延，人工智能開始全方位介入社會生產(chǎn)活動的各個領域。隨著其應用場景的逐漸豐富和用戶群體的日益多樣化，AI技術更加廣泛地應用于人們的工作與生活之中，在金融、教育、制造業(yè)、醫(yī)療保健、文化娛樂等多個領域扮演著越來越重要的角色。

人工智能作為推動第四次工業(yè)革命的通用技術，[1]（p43-47）與推動前三次工業(yè)革命的蒸汽機技術、電力、信息技術一樣，正在深刻改變傳統(tǒng)生產(chǎn)方式。[2]（p60）AI在未來會像電力一樣成為人們日常生活中不可或缺的基礎設施，為各行業(yè)和社會活動提供基礎支持。人工智能技術的發(fā)展，將會滲入生產(chǎn)過程的各個階段，并作為新生產(chǎn)要素，為經(jīng)濟增長持續(xù)注入新動能。[3]（p56-67）

在人工智能技術迅猛發(fā)展的浪潮中，人類社會正在經(jīng)歷著一次深刻的轉型，從以互聯(lián)網(wǎng)為核心的經(jīng)濟模式，全面而深入地邁向以新質生產(chǎn)力為驅動的數(shù)字經(jīng)濟新時代。面對這一轉型趨勢，社會各界都在積極應對，政府不斷推出相關政策，構成了國家對數(shù)字經(jīng)濟和新質生產(chǎn)力政策支持的重要框架，為數(shù)字經(jīng)濟的發(fā)展提供了明確的方向和有力的保障。

2023年9月，習近平總書記在黑龍江考察調研期間首次提到“新質生產(chǎn)力”。[4]（p4）所謂新質生產(chǎn)力，是以科技創(chuàng)新為主，以高科技、高效能、高質量為特征的，有別于傳統(tǒng)生產(chǎn)力的新型先進生產(chǎn)力。[5]（p1）總書記指出，要整合科技創(chuàng)新資源，引領發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)，加快形成新質生產(chǎn)力。2023年10月25日國家數(shù)據(jù)局正式掛牌成立，以更好地推動數(shù)字經(jīng)濟的發(fā)展，優(yōu)化數(shù)據(jù)管理機構和職責體系。2024年，工信部聯(lián)合相關部門制定了《關于推動人工智能賦能新型工業(yè)化的實施意見》，該意見旨在通過人工智能與制造業(yè)的深度融合，推動制造業(yè)智能化轉型。2024年7月召開的黨的二十屆三中全會提出，健全因地制宜發(fā)展新質生產(chǎn)力體制機制，對進一步全面深化科技體制改革作出重大部署，強調要優(yōu)化重大科技創(chuàng)新組織機制，加強國家戰(zhàn)略科技力量建設，推動科技創(chuàng)新和產(chǎn)業(yè)創(chuàng)新融合發(fā)展。這也意味著，將會引導更多資源要素向新質生產(chǎn)力集聚。

隨著社會經(jīng)濟結構的持續(xù)轉型和人工智能技術不斷與產(chǎn)業(yè)的深度融合，勞動力市場正經(jīng)歷著重大變革與業(yè)態(tài)重構，對就業(yè)市場產(chǎn)生了普遍而深刻的影響。雖然這種變革帶來了廣泛的技術性和結構性失業(yè)的挑戰(zhàn)，但也孕育了新的機遇和可能性。探索并研究其中的發(fā)展規(guī)律和趨勢，順勢而為，是在激烈變化中得以生存的不二法門。我們作為每一個個體，如何在這樣的變革與趨勢中積極調整并與時俱進，顯得極為重要。

目前已有的關于人工智能技術與產(chǎn)業(yè)升級的相關文獻較多是對經(jīng)濟結構、產(chǎn)業(yè)發(fā)展和勞動力市場影響的理論研究，本文更加側重于對具體技術的應用場景、職業(yè)崗位及就業(yè)模式的探索，視角更多聚焦于個體層面。同時，由于AI技術日新月異，新的職業(yè)模式不斷推陳出新，本文大量參考了國外最新的相關研究及案例，并給出具有趨勢性和前瞻性的建議，對廣大就業(yè)人群具有現(xiàn)實的指導意義。此外，文中使用圖表的形式清晰地界定了當前主流AI技術及模型之間的邊界和相互關系，便于讀者更好地理解這些概念及其應用場景。

本文結構如下：第一部分，介紹了當前主流的人工智能核心技術及模型，并對其中的技術要點做了盡可能通俗的說明；第二部分，詳細闡述了人工智能技術在不同領域中的具體應用方式，并通過具體案例分析其帶來的產(chǎn)業(yè)變革；第三部分，具體分析了人工智能發(fā)展對就業(yè)帶來的挑戰(zhàn)與機遇；第四部分，展望新型就業(yè)模式的發(fā)展規(guī)律及趨勢，并給出應對策略和建議。

一、人工智能核心技術簡介

由于本文在討論人工智能的關鍵技術及其主要應用領域和場景時，使用了大量與AI相關的重要概念，為了便于讀者更好地理解這些關鍵技術和概念，文中使用圖表（參見圖1）的形式清晰地界定了目前主流的AI技術及模型之間的邊界和相互關系，并對其中的技術要點做了盡可能通俗的說明。

（一）人工智能（AI）

人工智能（Artificial Intelligence，簡稱AI），最廣泛、最外層的概念，涵蓋了所有與AI相關的領域和技術。是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門技術科學。AI通過使用計算機來模擬人類的學習、判斷和決策過程，涉及到知識的獲取、分析及其表達方式的研究，旨在通過這些技術手段模擬人類的智力活動，推動科技進步和社會發(fā)展。[6]（p1）

（二）機器學習（ML）

機器學習（Machine Learning，簡稱ML）是人工智能（AI）中的一個重要部分、子領域，利用數(shù)據(jù)和算法使AI模擬人類的學習方式，并逐步提高其準確性。機器學習的核心在于開發(fā)能夠自動通過經(jīng)驗和數(shù)據(jù)改進的計算機算法，這些算法通過監(jiān)督學習（從已標注的數(shù)據(jù)中學習模式）或無監(jiān)督學習（從數(shù)據(jù)中發(fā)現(xiàn)普遍模式）來生成預測。1其工作機制包括三個主要部分：決策過程、誤差函數(shù)和模型優(yōu)化過程。決策過程通過輸入數(shù)據(jù)（已標注或未標注）來根據(jù)數(shù)據(jù)中的規(guī)律進行預測或分類；誤差函數(shù)評估模型的預測結果，通過比較已知示例來確定模型的準確性；模型優(yōu)化過程則通過調整權重減少已知示例與模型估計值之間的差異，反復進行“評估和優(yōu)化”直到達到精度閾值。常用的機器學習算法包括神經(jīng)網(wǎng)絡、線性回歸、邏輯回歸、聚類、決策樹和隨機森林。2與傳統(tǒng)編程不同，機器學習能夠使計算機通過給定的數(shù)據(jù)示例和任務，自行找出完成任務的方法。[7]（p381）

（三）人工神經(jīng)網(wǎng)絡（ANN）

人工神經(jīng)網(wǎng)絡（Artificial Neural Network，ANN），簡稱神經(jīng)網(wǎng)絡（NN），是機器學習的一個子集，是一種模仿生物神經(jīng)網(wǎng)絡（人腦）的結構和功能來處理數(shù)據(jù)的數(shù)學模型或計算模型。ANN通過調整節(jié)點之間的連接權重來逐步學習，從而提高其性能和準確性。[8]（p284）除了基本的前饋神經(jīng)網(wǎng)絡（Feedforward Neural Networks），ANN的其他類型還包括卷積神經(jīng)網(wǎng)絡（CNN）和循環(huán)神經(jīng)網(wǎng)絡（RNN）。卷積神經(jīng)網(wǎng)絡（CNN）主要用于圖像識別和模式識別，它通過卷積操作來捕捉圖像中的局部特征。循環(huán)神經(jīng)網(wǎng)絡（RNN）則適用于時間序列數(shù)據(jù)，利用反饋循環(huán)來預測未來的結果，如股票市場預測和銷售預測。3

（四）深度學習（DL）

深度學習（Deep Learning，簡稱DL）是機器學習的一個分支，是神經(jīng)網(wǎng)絡的一個復雜子集，通過使用多層神經(jīng)網(wǎng)絡模擬人腦的復雜決策能力。深度神經(jīng)網(wǎng)絡（Deep Neural Networks）由多個相互連接的節(jié)點組成，其基本組成部分包括輸入層、隱藏層和輸出層，每一層在前一層的基礎上進行優(yōu)化和改進，從而實現(xiàn)對數(shù)據(jù)的精確識別、分類和描述。[9]（p2-6）這個通過網(wǎng)絡進行計算的過程稱為前向傳播（Forward Propagation）。反向傳播（Backpropagation）則是另一個關鍵過程，通過算法（例如梯度下降法，Gradient Descent）計算預測結果與實際結果之間的誤差，并根據(jù)誤差逐層調整每個節(jié)點的權重和偏差，從而優(yōu)化模型。這兩個過程相互作用，使神經(jīng)網(wǎng)絡能夠逐步提高預測的準確性。深度學習需要大量計算能力，通常使用高性能圖形處理單元（GPUs）和分布式云計算來處理大規(guī)模計算任務。常用的深度學習框架包括JAX、PyTorch和TensorFlow。4深度學習的主要應用包括計算機視覺、語音識別、自然語言處理（NLP）和推薦算法引擎。

（五）生成式人工智能（AIGC）

生成式人工智能（Generative Artificial Intelligence，簡稱AIGC）通過深度學習模型從大量原始數(shù)據(jù)中學習并生成具有統(tǒng)計概率的輸出。這些模型能夠提取數(shù)據(jù)中的簡化表示，并基于這些表示創(chuàng)建與原始數(shù)據(jù)相似但不完全相同的新內容。生成式AI利用大型語言模型和神經(jīng)網(wǎng)絡等技術，能夠生成對話、故事、圖像、視頻、音樂、代碼等新的原創(chuàng)內容。通過大規(guī)模數(shù)據(jù)集和深度學習算法進行訓練，這些模型能夠理解數(shù)據(jù)中的底層結構和模式，并根據(jù)用戶的輸入生成新穎獨特的輸出。5常見的生成式AI模型包括變分自編碼器（Variational Autoencoder，VAE）、生成對抗網(wǎng)絡（Generative Adversarial Network，GAN）、擴散模型（Diffusion Model）和變壓器模型（Transformer）。

近年來被廣泛應用的Transformer和Diffusion模型都屬于生成式AI模型。變壓器模型（Transformer）于2017年由Google在其開創(chuàng)性論文Attention Is All You Need中首次提出。[10]（p1-4）它采用自注意力機制，由編碼器和解碼器組成，能夠并行處理文本數(shù)據(jù)，根據(jù)上下文生成連貫的語言輸出，在處理長文本和并行計算方面，變壓器具有顯著優(yōu)勢。ChatGPT是這一模型的典型應用，通過預訓練和微調，能夠生成自然且富有創(chuàng)意的對話和文本內容。1擴散模型（Diffusion Model）通過逐步添加和去除噪聲生成新的數(shù)據(jù)樣本，特別適用于高保真圖像生成，同時還擴展到生成語音、視頻和3D內容等領域，是當前圖像生成的首選模型之一。VAE通過編碼器將數(shù)據(jù)壓縮到潛在空間，再通過解碼器重建數(shù)據(jù)，適用于圖像和音頻生成。GAN由生成器和判別器組成，通過對抗訓練生成高質量的圖像。

（六）決策式人工智能

決策式AI（Discriminant Artificial Intelligence）與生成式AI（AIGC）相對，其主要特點是學習數(shù)據(jù)中的條件概率分布，并根據(jù)已有數(shù)據(jù)進行分析、判斷、預測。決策式AI模型主要應用于需要決策支持的領域，如人臉識別、推薦系統(tǒng)和風控系統(tǒng)的輔助決策、自動駕駛和機器人的決策智能體等。

決策式AI和生成式AI分別代表機器智能的兩種必備能力，即“判斷力”和“創(chuàng)造力”。

（七）自然語言處理（NLP）

自然語言處理（Natural Language Processing，簡稱NLP）是深度學習（DL）的一個具體應用領域，通過使用機器學習和深度學習算法，使計算機能夠理解和生成人類語言。NLP結合了計算語言學——基于規(guī)則的人類語言建模與統(tǒng)計建模、機器學習和深度學習，使計算機和數(shù)字設備能夠識別、理解和生成文本和語音。[11]（p3714-3715）NLP主要包括兩個部分：自然語言理解（Natural Language Understanding，NLU）和自然語言生成（Natural Language Generation，NLG），NLU使機器能夠理解自然語言，通過提取概念、實體、情感和關鍵詞來分析語言，而NLG則是從內部表示生成有意義的短語、句子和段落的過程。2

NLP的研究推動了生成式AI的發(fā)展，從大型語言模型（LLMs）的交流能力到圖像生成模型理解請求的能力，NLP已經(jīng)融入日常生活，支持搜索引擎、客戶服務聊天機器人、語音操作GPS和智能手機助手，并在企業(yè)中簡化和自動化業(yè)務流程，提高生產(chǎn)力。3例如GPT（Generative Pre-trained Transformer）系列是?OpenAI公司開發(fā)的一個大型自然語言處理模型，而ChatGPT是基于GPT-3模型的聊天機器人。

（八）強化學習（RL）

強化學習（Reinforcement Learning，簡稱RL），是機器學習的一個分支，通過模仿人類的試錯學習過程來訓練算法決策，從而實現(xiàn)最優(yōu)結果。RL算法使用獎勵和懲罰機制處理數(shù)據(jù)，通過獲得的反饋發(fā)現(xiàn)最佳路徑以實現(xiàn)最終目標。這些算法具備延遲滿足的能力，能夠在必要時做出短期犧牲以實現(xiàn)最佳整體策略。[12]（p1-4）強化學習的學習過程類似于行為心理學中的動物和人類學習過程，例如孩子通過父母的獎勵和懲罰學習行為模式。RL中的關鍵概念包括代理（agent）、環(huán)境（environment）、動作（action）、狀態(tài)（state）和獎勵（reward）。強化學習基于“馬爾可夫決策過程”，在每個時間步采取新動作并導致新狀態(tài)，通過不斷探索和利用環(huán)境來最大化累積獎勵。4

RL在許多領域有重要應用，如DeepMind的AlphaGo和AlphaZero在棋類游戲中的突破、無人航天器的自主導航、自動駕駛、金融交易以及醫(yī)療診斷等。通過這些應用，RL展示了其在復雜環(huán)境中實現(xiàn)最優(yōu)決策的強大潛力。5決策式AI是強化學習的一個具體應用領域。

（九）多模態(tài)人工智能

多模態(tài)人工智能（Multimodal AI）是人工智能的一個子領域，專注于利用多種模態(tài)來構建更準確和全面的AI模型。這些模型能夠處理不同模態(tài)的信息，包括圖像、視頻和文本等。多模態(tài)學習通過使用大量文本、圖像、視頻和音頻等感官數(shù)據(jù)訓練模型，使機器能夠學習新的模式，并理解文本描述與其相關聯(lián)的圖像、視頻或音頻之間的關系。1多模態(tài)AI在自動駕駛、語音識別和情感識別等領域應用廣泛，能執(zhí)行文本到圖像生成、視覺問答和機器人導航等任務。多模態(tài)AI依賴于數(shù)據(jù)融合技術，將不同類型的數(shù)據(jù)整合起來，以更完整和準確地理解底層數(shù)據(jù)，并通過結合不同數(shù)據(jù)模態(tài)提供的互補信息來做出更好的預測。2

例如，GPT-4作為ChatGPT的多模態(tài)模型，能夠接受圖像和文本輸入并生成文本或圖像輸出，而OpenAI最近推出的Sora文本到視頻模型也體現(xiàn)了這一點，Sora能夠將文本描述轉換為視頻內容，實現(xiàn)了從文本到動態(tài)視覺效果的生成。

（十）通用人工智能（AGI）

通用人工智能（Artificial General Intelligence，簡稱AGI），是人工智能發(fā)展的一個更高級階段。是指具有高效的學習和泛化能力、能夠根據(jù)所處的復雜動態(tài)環(huán)境自主產(chǎn)生并完成任務的通用人工智能體，具備自主的感知、認知、決策、學習、執(zhí)行和社會協(xié)作等能力，且符合人類情感、倫理與道德觀念。[13]（p9）相比于特定領域的人工智能，AGI能夠理解和自主處理各種復雜任務，具有更加廣泛的認知能力。

二、人工智能技術發(fā)展現(xiàn)狀、應用場景及產(chǎn)業(yè)變革

隨著人工智能技術的不斷進步，特別是以ChatGPT為代表的新一代生成式AI技術的快速發(fā)展，人工智能開始全方位介入社會生產(chǎn)活動的各個領域，促使AI技術更加廣泛地應用于人們的工作與生活之中，在金融、教育、制造業(yè)、醫(yī)療保健、文化娛樂等多個領域扮演著越來越重要的角色。本節(jié)將詳細介紹這些領域中AI技術的具體應用方式，以及如何提升了各行業(yè)的創(chuàng)新和效率、促進了產(chǎn)業(yè)升級，通過具體案例更全面地了解AI技術在現(xiàn)實世界中的具體應用場景及其為產(chǎn)業(yè)發(fā)展帶來的深刻變革。由于絕大多數(shù)人工智能的前沿技術和應用最初源自發(fā)達國家，因此本文也參考了大量國外相關研究及案例。

（一）金融行業(yè)

AI技術為投資與資產(chǎn)管理帶來了諸多優(yōu)勢。通過使用AI算法，投資人能夠從多種來源（如經(jīng)濟數(shù)據(jù)、財務報表、行業(yè)動態(tài)等）高效地收集并處理大量數(shù)據(jù)，幫助他們基于全面的市場信息做出更具洞察力的投資決策。此外，AI技術還能分析歷史數(shù)據(jù)并識別人類分析師難以捕捉的隱藏趨勢，從而幫助投資人更準確地預測未來的市場走向、優(yōu)化投資組合策略，從而提高整體投資的精準性和收益。3例如，摩根大通資產(chǎn)管理公司利用人工智能進行自動化建模和投資組合優(yōu)化使投資策略更為精準；與此同時，摩根大通的Morpheus平臺還能夠分析大量交易和金融建模數(shù)據(jù)，幫助識別潛在風險，從而更好地保護客戶資產(chǎn)并提升公司財務的穩(wěn)定性。4

生成型人工智能在金融業(yè)中的自動化常規(guī)任務和客戶服務方面具有巨大影響，顯著提升了工作效率。例如，在后臺操作中，生成型AI能夠自動化處理文檔掃描、數(shù)據(jù)錄入和身份驗證等任務，提升操作效率的同時減少錯誤率和處理時間。5有研究分析，美國銀行業(yè)中約41%的員工從事高自動化潛力的任務，如數(shù)據(jù)收集和處理，這些工作中約60%的例行任務可以由生成型AI支持。6在債務催收領域，生成型AI通過分析債務人行為生成個性化溝通策略，提高了回收率和客戶參與度，同時降低了操作成本。7在客戶服務方面，AI驅動的虛擬助手和聊天機器人能夠處理大量客戶查詢，提供即時和準確的回應。這些工具可以追蹤消費模式、監(jiān)控訂閱、管理支付，并提供個性化財務建議，主動識別異?；顒?，減輕人工客服的工作負擔，提高客戶滿意度。此外，生成型AI還可自動生成財務報告并提供定制化見解，加速決策過程，提升運營表現(xiàn)?？傮w而言，生成型AI通過自動化重復性任務和優(yōu)化客戶服務流程，顯著提高了金融機構的運營效率和客戶體驗，使員工能夠專注于更高價值的工作，推動了整個行業(yè)的數(shù)字化轉型。

除此之外，生成型人工智能正在顯著提升銀行業(yè)中的欺詐檢測能力。利用深度學習技術和復雜算法，生成型AI能夠實時分析海量數(shù)據(jù)，識別異常模式并標記潛在的欺詐交易。同時，生成型AI還具備自適應學習能力，可以不斷演化，識別新型欺詐模式，無須人工干預。1在實際應用中，PayPal利用生成型AI和機器學習顯著提高了其欺詐檢測能力，從2019到2022年間，盡管年支付量幾乎翻了一倍，損失率卻幾乎減半；美國運通公司則使用生成建模技術對抗信用卡欺詐，通過生成合成數(shù)據(jù)并監(jiān)控其與實際欺詐交易的相似性，升級其防欺詐策略。2通過這些技術和應用，生成型AI不僅提升了欺詐檢測的精確度，還顯著降低了金融機構的財務損失，增強了客戶對其金融信息安全的信心。

（二）教育行業(yè)

多模態(tài)人工智能與生成型人工智能在教育系統(tǒng)中同樣展示了顯著的潛力，尤其是在提供個性化學習體驗和輔導方面。ChatGPT是目前被使用最廣泛的AI工具之一，它可以作為學生的個人導師，輔助他們完成作業(yè)和項目，并提供全面的學習支持。[14]（p387-409）Cai等人的研究表明，基于生成模型的對話代理應用可以為學生提供個性化的教學輔導，針對學生的錯誤生成反饋，從而改善學習效果。[15]（p2389-2418）ChatGPT還能夠生成文章大綱，幫助學生組織研究和寫作思路，使教育內容能夠根據(jù)每個學生的獨特需求和偏好量身定制。[16]（p2-5）在個性化學習方面，Khan Academy（可汗學院）和Duolingo（多鄰國）是兩個廣受歡迎且突出的例子。Khan Academy利用AI算法分析學生與教育資源互動的數(shù)據(jù)，為每個學生提供個性化推薦和自適應練習。Duolingo則是一個廣受歡迎的語言學習應用，通過收集每位學習者的優(yōu)點、弱點和學習模式數(shù)據(jù)，使AI系統(tǒng)能夠相應地調整課程和練習內容。此外，該平臺還使用AI來分析語音模式、發(fā)音和理解水平，提供定制的反饋和改進建議，加速了用戶的學習進程并大大提高了學習效果和參與度。3

人工智能在教育中的應用還體現(xiàn)在評分工具和行政任務自動化方面，AI評分工具通過自動化評分過程，減少了教師在手動評分上花費的時間，使得評估更加高效和客觀。All About AI4的數(shù)據(jù)顯示，AI評分工具能使教師在手動評分上的時間減少70%。5這些工具不僅提高了評分的速度，還通過預設的算法和標準，消除了人工評分中可能存在的主觀偏見和不一致性。在實際應用中，許多高校和教育平臺已經(jīng)成功采用了AI評分系統(tǒng)。例如，美國密歇根大學的ECoach系統(tǒng)利用AI為學生的寫作作業(yè)提供個性化反饋，通過分析學生的作業(yè)內容，生成具體的改進建議，幫助學生提高寫作技能。此外，在線學習平臺如Coursera和edX也使用AI算法評估成千上萬名學生的作業(yè)，確保及時的反饋和評估結果。6

（三）制造業(yè)

在制造業(yè)中，AI技術通過各種類型的機器人系統(tǒng)，極大地提升了生產(chǎn)效率和產(chǎn)品質量。協(xié)作機器人（Cobots）使用深度學習和機器視覺技術，與人類工人協(xié)同工作，執(zhí)行如組裝、焊接和包裝等任務，顯著提高了生產(chǎn)線的安全性和靈活性。例如，Universal Robots的協(xié)作機器人廣泛應用于各類制造環(huán)境中，減少了工人的重復性勞動，提高了生產(chǎn)線的靈活性和效率。除此之外，類人機器人如Agility Robotics的Digit，通過深度學習和計算機視覺，能夠執(zhí)行復雜的搬運和倉儲任務，提高了物流和生產(chǎn)效率。1波士頓動力公司的Atlas是另一個代表性的例子，它利用模型預測控制和實時感知技術，能夠在動態(tài)環(huán)境中保持平衡并執(zhí)行復雜操作。雖然Atlas目前主要用于研發(fā)和展示，但其彰顯了類人機器人在未來制造和建筑應用中的巨大潛力，有望在商業(yè)化后顯著減少高風險環(huán)境中的人工操作，提高安全性和效率。此外，還有諸多企業(yè)如特斯拉的Optimus（擎天柱）和Unitree Robotics（宇樹科技）的人形機器人等正在快速發(fā)展類人機器人技術，進一步推動了這一領域的快速增長。

除此之外，人工智能在預測性維護和質量控制方面得到了廣泛應用。預測性維護利用機器學習算法分析來自傳感器的數(shù)據(jù)，以預測設備故障的發(fā)生，從而減少維護成本和計劃外停機時間。這一應用對于保持制造過程的高效運行和可靠性至關重要。[17]（p8-9）具體而言，AI算法可以通過監(jiān)測振動、熱成像數(shù)據(jù)，幫助制造商僅在必要時安排維護活動，減少了停機時間和維護成本。在質量控制方面，機器學習正在徹底改變質量檢測流程。這些系統(tǒng)可以實時分析大量數(shù)據(jù)集，檢測缺陷和不一致，從而提高產(chǎn)品的整體質量并減少錯誤。這確保了產(chǎn)品能夠符合嚴格的質量標準，對國內和國際市場都至關重要。AI驅動的計算機視覺系統(tǒng)能夠自主檢測產(chǎn)品缺陷，確保高質量標準。圖像識別技術可以比人工檢測更準確地發(fā)現(xiàn)設備損壞和產(chǎn)品缺陷，有助于減少退貨需求，并通過在產(chǎn)品發(fā)貨前發(fā)現(xiàn)缺陷來提高客戶滿意度。

根據(jù)Precedence Research、Accenture、PwC和麥肯錫等公司的研究，人工智能在制造業(yè)中的應用正在帶來巨大的變革和顯著的效益。2023年，制造業(yè)中AI的全球市場規(guī)模為50億美元，預計到2032年將達到680億美元。AI技術不僅可以使制造業(yè)的生產(chǎn)率提高40%以上，還能夠通過預測性維護減少高達30%的維護成本和45%的計劃外停機時間。此外，AI技術在自動化任務方面同樣表現(xiàn)突出，可以處理目前占據(jù)工人60%至70%時間的任務，從而顯著降低運營成本和提高生產(chǎn)效率。2隨著AI技術的不斷發(fā)展和廣泛應用，制造業(yè)正向著更加智能、高效和可持續(xù)的方向邁進，未來必將為整個行業(yè)帶來更大的發(fā)展?jié)摿蛣?chuàng)新機遇。

（四）醫(yī)療和保健行業(yè)

近年來，大數(shù)據(jù)在醫(yī)療系統(tǒng)中的應用取得了重大進展，為AI技術的應用奠定了堅實基礎。醫(yī)療大數(shù)據(jù)包括電子病歷（EMR）、醫(yī)學影像信息、健康相關的行為數(shù)據(jù)（如可穿戴設備或社交媒體采集的數(shù)據(jù)），以及醫(yī)療和保險機構的運營大數(shù)據(jù)等多種類型，這些數(shù)據(jù)的分析、建模不僅推動了醫(yī)療健康服務模式的變革，還提升了醫(yī)療服務的效率和質量。例如，通過整合電子病歷中的患者信息、醫(yī)學影像檢查結果和基因組數(shù)據(jù)，可以進行更加精準的疾病診斷、個性化治療及預后分析?；谶@些豐富的大數(shù)據(jù)資源，人工智能技術在多個關鍵醫(yī)療領域的應用也取得了顯著進展。在醫(yī)學影像方面，AI與大數(shù)據(jù)結合顯著提升了臨床決策能力和醫(yī)生的工作效率。例如，通過對MIMIC-CXR數(shù)據(jù)庫中大量X線片和診斷報告進行機器學習訓練，成功開發(fā)出能對肺水腫進行分級的模型。在心電圖分析中，深度學習模型通過卷積神經(jīng)網(wǎng)絡提高了心電圖診斷的準確性，尤其在篩查無癥狀性左心室功能障礙和房顫方面表現(xiàn)出色。AI還用于疾病和不良事件風險預測，例如，通過對電子病歷（EMR）數(shù)據(jù)集進行深度學習分析，可提前預測急性腎損傷的發(fā)生，為早期治療提供機會。[18]（p184-189）這些應用展示了AI在提高醫(yī)療診斷準確性、優(yōu)化治療方案和預防疾病方面的巨大潛力。

人工智能也正在被應用于面向個人的醫(yī)療保健領域，尤其在虛擬助手、個性化醫(yī)療方面。AI驅動的虛擬助手和聊天機器人，如Ada Health，幫助患者進行癥狀分析和預約掛號，減輕了醫(yī)療人員的負擔。PathAI等公司利用AI算法分析基因和病史數(shù)據(jù)，為患者制定精準的治療方案。IBM Watson Health通過分析大量的醫(yī)療數(shù)據(jù)，提供臨床決策支持、個性化治療方案和提高診斷準確性。3通過這些技術的應用，AI顯著提高了醫(yī)療服務的效率、精準度和安全性，為患者提供了更好的護理體驗和治療效果。

（五）智能交通和駕駛領域

人工智能（AI）在智能交通領域的廣泛應用顯著提升了交通系統(tǒng)的效率和安全性。在交通流量預測方面，AI通過分析天氣、節(jié)假日和道路故障等多種因素，結合深度學習和模式識別技術，處理復雜的交通數(shù)據(jù)，提供精確的交通流量、速度和密度預測，幫助制定優(yōu)化的交通管理策略。這些技術的應用有助于減少交通擁堵，優(yōu)化交通資源的利用，提高交通系統(tǒng)的整體效率。在路況監(jiān)測和交通信號優(yōu)化方面，AI通過視頻監(jiān)控和傳感器數(shù)據(jù)，實現(xiàn)實時的路況分析和交通信號的智能調控。通過深度強化學習算法，交通信號燈能夠根據(jù)實時交通流量進行自適應調整，減少交通擁堵和交通事故的發(fā)生，提高交通系統(tǒng)的吞吐量和穩(wěn)定性。

在智能駕駛領域，AI技術被廣泛應用于自動駕駛和智能導航。車載傳感器和深度學習算法使得車輛能夠自主駕駛，并通過實時路徑規(guī)劃提高行車安全性和效率。強化學習算法則幫助自動駕駛系統(tǒng)通過與環(huán)境互動學習最佳行為策略，能夠在復雜的交通環(huán)境中做出智能決策，如超車、變道和停車。[19]（p51）例如，特斯拉在全球范圍內廣泛部署其自動駕駛技術，其Full Self-Driving（FSD）系統(tǒng)利用深度學習和AI算法實現(xiàn)高級別的自動駕駛功能，包括高速公路導航、自動變道、自動泊車等。FSD系統(tǒng)配備攝像頭、雷達和超聲波傳感器，實時監(jiān)測環(huán)境并生成360度視圖，利用深度神經(jīng)網(wǎng)絡處理數(shù)據(jù)，準確識別車輛、行人和交通標志。1此外，國內許多企業(yè)也利用AI技術提供自動駕駛功能，如華為、百度Apollo、AutoX、小馬智行等等。

（六）文化及相關產(chǎn)業(yè)

生成式AI在影視文娛、短視頻等文化產(chǎn)業(yè)中展現(xiàn)出強大的潛力，不僅顯著提升了個體創(chuàng)作的可能性，還極大地激發(fā)了人類的創(chuàng)造力。以ChatGPT和文心一言為代表的文本生成工具，可以輔助編劇撰寫劇本、生成故事大綱，甚至創(chuàng)作完整的文學作品，為影視作品的制作提供豐富的素材和靈感。以Midjourney、Flow Machines和ChatGPT sora為代表的圖像、音頻、視頻生成工具可輔助完成場景設計、角色建模、動畫制作等工作，生成多樣化的視頻素材，如特效、濾鏡、背景音樂等，通過深度學習和自然語言處理等技術，創(chuàng)作出高質量、具有創(chuàng)新性的內容，為短視頻創(chuàng)作者提供更多選擇和創(chuàng)意空間。同時，AI可以根據(jù)用戶的歷史觀看記錄和互動行為，推薦個性化的視頻內容，還能夠分析用戶的興趣和偏好，生成符合特定受眾需求的作品，提升用戶體驗。這些技術的應用推動了文化及相關產(chǎn)業(yè)的發(fā)展，同時也為個體創(chuàng)作提供了前所未有的機遇。

三、人工智能發(fā)展對就業(yè)帶來的影響：挑戰(zhàn)與機遇

AI的崛起不僅為產(chǎn)業(yè)發(fā)展帶來深層次的變革和影響，同時也在深刻重塑勞動力市場格局。隨著其從自動化到智能化的廣泛應用，對現(xiàn)有職業(yè)崗位和就業(yè)模式產(chǎn)生了巨大的沖擊和影響，同時也催生出新業(yè)態(tài)和新模式。例如，隨著“蘿卜快跑”等無人駕駛出租車服務的推廣，在對傳統(tǒng)網(wǎng)約車和出租車駕駛崗位帶來替代與沖擊的同時，也催生了新的職業(yè)需求，如自動駕駛安全員、測試員、運維工程師、數(shù)據(jù)處理工程師等。

（一）AI發(fā)展對現(xiàn)有職業(yè)帶來的沖擊與替代

人工智能技術的不斷迭代發(fā)展正在引起勞動力市場的重大變革，尤其是隨著以ChatGPT為代表的生成式人工智能技術的日益成熟，其所帶來的“創(chuàng)造性毀滅”效應導致了廣泛的技術性失業(yè)和收入分配問題。[20]（p52）根據(jù)前幾次工業(yè)革命的歷史經(jīng)驗，雖然就長期而言新技術的發(fā)展導致的生產(chǎn)率大幅提升有助于促進經(jīng)濟增長和技術進步，但在引進的初期會帶來對勞動力替代的陣痛。[21]（p15）2024年1月，國際貨幣基金組織（IMF）發(fā)布的調查報告顯示，全球范圍內約有近40%的就業(yè)崗位將受到人工智能技術的深刻影響，更有前沿技術領域專家發(fā)出警告，人工智能最終將接管人類80%的工作職責。[22]（p10）與此同時，OpenAI的研究人員也提出了自己的見解，他們認為，生成式AI的影響可能不僅限于低技能崗位，高技能領域如程序員和律師等，也面臨著被AI技術替代的風險，這些崗位原本被認為是相對安全的，但現(xiàn)在卻可能因AI技術的發(fā)展而受到威脅。[20]（p52）這表明，AI不僅在藍領崗位上產(chǎn)生替代效應，同時也將更加深入地涉足白領職業(yè)領域。此外，由于生成式AI技術的資本密集型特征，其發(fā)展可能導致資本收益大幅增加，而對于那些技術可被替代的工作崗位，如一些基礎編程和設計工作，其薪酬水平可能會顯著下降。這不僅加劇了職業(yè)間的收入不平等，也使得整個勞動力市場的收入分布更加懸殊。

根據(jù)麥肯錫公司2023年7月的勞動力報告，預計到2030年，由于自動化技術的廣泛應用，美國將有約30%的工作時間被替代。報告進一步預測，AI將直接替代約240萬個美國職位，并影響另外1200萬個職位，全球范圍內將有4億至8億人因AI應用而失業(yè)，[23]（p15-27）許多傳統(tǒng)職業(yè)將面臨被替代的風險。在運輸和倉儲領域，由于自動駕駛技術的進步，許多駕駛和倉庫工作將被機器人和自動化系統(tǒng)取代。例如，出租車司機、卡車司機以及倉庫的揀選員和搬運工等職位將逐漸減少。餐飲和零售行業(yè)同樣會經(jīng)歷變革，自動化設備和AI系統(tǒng)將接管烹飪和訂單處理等工作。在辦公室和行政支持方面，日常重復性的文書工作、數(shù)據(jù)輸入、客戶服務等職能也將由AI系統(tǒng)接管，從而減少這些領域的就業(yè)需求。此外，在醫(yī)療和社會服務領域，許多常規(guī)任務如藥房技術員、物理治療助手和醫(yī)療助理的工作將可能由AI和機器人接管。銷售和市場營銷行業(yè)同樣面臨巨大變化，例如自動化的顧客行為預測和銷售響應建議，許多簡單的銷售和市場營銷工作可能會被虛擬代理和聊天機器人取代。1這些技術能夠自動完成潛在客戶篩選、客戶跟進和銷售活動，減少了對傳統(tǒng)銷售人員的需求。盡管復雜的銷售依然需要人類的高級策略和關系建設，但日常的銷售工作正在迅速自動化。

盡管AI的發(fā)展將導致某些崗位被取代，但一些依賴于人類創(chuàng)造力、情感智能和復雜問題解決能力的職業(yè)預計不會在短期內被人工智能完全替代。例如，在設計和視覺藝術領域，如平面設計師、動畫師、插畫師及攝影師等，他們的工作依賴于創(chuàng)意視覺、審美判斷和個人表達，雖然人工智能可以通過自動化日常任務或提供設計想法來提高生產(chǎn)效率，但人類仍然必須負責生成新概念、完善AI產(chǎn)出，并確保作品符合客戶需求和藝術目標。此外，醫(yī)療和教育領域的專業(yè)人員，如醫(yī)生、護士和教師，雖然AI可以幫助他們處理一些日常任務，但這些職業(yè)對人際互動和情感支持的需求使得它們不易被全面自動化。心理健康、法律和社會工作領域也類似，這些行業(yè)專業(yè)人員的工作包括建立信任、提供情感支持和進行復雜的判斷，這些都是AI目前難以承擔的角色。因此，盡管AI技術將繼續(xù)發(fā)展，但依然需要人類專業(yè)人員的深度參與和情感交流，這些職業(yè)的核心價值在可預見的未來將依舊重要。

（二）AI發(fā)展帶來的新興職業(yè)與就業(yè)機會

隨著人工智能技術的廣泛應用和快速發(fā)展，我們正經(jīng)歷一個技術革命的關鍵時刻。這場技術變革不僅在深刻重塑傳統(tǒng)職業(yè)生態(tài)和促進職業(yè)替代，同時也催生了一系列創(chuàng)新的職業(yè)機會。一方面，大量依賴重復性勞動的低技能崗位正在逐漸被智能系統(tǒng)取代，釋放出的勞動力正面臨重新培訓和轉型的挑戰(zhàn)；另一方面，人工智能的迅速擴張也在創(chuàng)造前所未有的高技能工作機會，如數(shù)據(jù)分析、機器學習工程和人工智能系統(tǒng)維護等，這些新興職業(yè)需要更高層次的專業(yè)知識和技能。以下是在人工智能蓬勃發(fā)展的背景下，可能產(chǎn)生的一些新興高技能職業(yè)領域。[24]（p75）

1.提示工程師

提示工程師（Prompt Engineer）這一角色在人工智能應用中的重要性日益凸顯，尤其是在使用大型語言模型（LLMs）如GPT系列等生成式AI工具時。提示工程是一項關鍵的技術，它是連接最終用戶與大型語言模型之間的橋梁。提示工程師通過精心設計的提示詞，引導生成式AI生成預期的輸出，這些輸出可以包括文本、音樂、視頻等多種形式的內容。提示工程師的工作主要包括設計和優(yōu)化與AI系統(tǒng)交互的提示語，這項工作要求提示工程師具備深入理解特定AI模型的能力，能夠根據(jù)模型的特性和需求精確調整輸入語句。除了技術技能，這一角色還需要創(chuàng)造性思維和卓越的語言技巧，以便有效地與AI系統(tǒng)溝通并實現(xiàn)預期的交互效果。

2.AI訓練師

AI訓練師是專門從事開發(fā)和優(yōu)化大型語言模型（LLMs）的工程師，這些模型是生成式AI工具如ChatGPT的核心技術。他們的工作不僅限于編程或設計更高效的算法，更重要的是塑造AI的能力，使其能夠在諸如聊天機器人和虛擬助手等日常數(shù)字互動中更有效地思考和交流。AI訓練師的職責全面，不僅要教會AI系統(tǒng)如何進行思考和交互，還要確保這些系統(tǒng)在實際應用中的實用性。他們的角色至關重要，優(yōu)質的訓練能顯著提升AI的性能，使其與人類的交流更加自然流暢。1

3.數(shù)據(jù)標注師

數(shù)據(jù)標注師（Data Annotator）是另一個由AI技術推動產(chǎn)生的新職業(yè)。他們的主要職責是為各種數(shù)據(jù)（如文本、圖像、視頻和音頻）添加標簽或注釋，這是機器學習模型訓練過程中的關鍵步驟。通過為數(shù)據(jù)中的具體元素精確標注，數(shù)據(jù)標注師幫助AI系統(tǒng)更好地理解數(shù)據(jù)內容和含義，從而提高AI系統(tǒng)的學習效率和準確性。在實際工作中，數(shù)據(jù)標注師需要使用標注軟件根據(jù)預設的指導方針對數(shù)據(jù)進行分類和標記，以保持處理的一致性和準確性。此外，人工數(shù)據(jù)標注通常比自動方法更受青睞，因為人類標注師能夠更好地理解上下文、細微差別和復雜情況，從而產(chǎn)生更準確和相關的注釋。2

4.數(shù)據(jù)經(jīng)紀人和數(shù)據(jù)策展人

數(shù)據(jù)經(jīng)紀人（Data Broker）和數(shù)據(jù)策展人（Data Curator）是由AI技術推動產(chǎn)生的兩種新職業(yè)。數(shù)據(jù)經(jīng)紀人主要負責管理由AI系統(tǒng)產(chǎn)生的大量數(shù)據(jù)，他們的任務包括清洗、組織和解讀這些數(shù)據(jù)，將其從原始形態(tài)轉換成可行的商業(yè)要素。這一工作需要對數(shù)據(jù)結構和數(shù)據(jù)分析技術有深刻理解，并能將分析結果轉化為組織內決策者能理解的信息，工作領域可能包括數(shù)據(jù)分析、商業(yè)智能和AI開發(fā)團隊。

數(shù)據(jù)策展人專注于確保AI系統(tǒng)訓練所用的大型數(shù)據(jù)集的質量。由于大部分訓練數(shù)據(jù)來源于互聯(lián)網(wǎng)，因此數(shù)據(jù)的質量和完整性檢查變得至關重要。數(shù)據(jù)策展人的職責是確保輸入到大語言模型中的數(shù)據(jù)具有最高的質量，從而保證AI輸出的高質量。這種角色對數(shù)據(jù)的質量控制具有嚴格的要求，并且隨著對數(shù)據(jù)質量關注的增加，這一領域預計將形成專門的勞動力市場。3

5.機器人工程師與機器管理工程師

隨著人工智能技術的迭代發(fā)展，其應用已擴展至非文本的交互以及對硬件和系統(tǒng)的控制，催生了包括AI機器人工程師和機器管理工程師（Machine Manager）在內的新職業(yè)機會。AI機器人工程師專注于設計、編程及維護能執(zhí)行從簡單物理操作到復雜交互決策的機器人系統(tǒng)。這個職位不僅包含傳統(tǒng)的機器人工程領域，更深入地融合了人工智能技術，特別是在設計如人形機器人這類高級AI系統(tǒng)的復雜機器人時顯得尤為關鍵。工程師們負責整體構建機器人的硬件和軟件架構，包括挑選合適的傳感器和執(zhí)行器。他們還需編寫和優(yōu)化控制算法，確保機器人能夠準確處理和響應傳感數(shù)據(jù)，從而有效地完成各種預設任務。這一角色要求工程師具備高度的技術專業(yè)性和創(chuàng)新能力，以推動機器人技術的發(fā)展和應用。

機器管理工程師負責監(jiān)督和管理AI操作的硬件和系統(tǒng)，確保技術的高效與安全運行，通常需要具備計算機科學背景和相關領域的實踐經(jīng)驗，與AI開發(fā)操作和硬件維護團隊緊密合作。隨著AI技術在工業(yè)、醫(yī)療等多個行業(yè)的廣泛應用，機器管理工程師的需求預計將持續(xù)增長，頂級薪資可達每年251000美元，顯示出這些高技能職位的市場價值和職業(yè)發(fā)展前景。4

6.AI倫理專家

另一個隨著人工智能技術廣泛應用而興起的關鍵職業(yè)是AI倫理專家。他們負責確保AI的使用安全且符合倫理標準，特別是在減少算法系統(tǒng)中的偏見和提高公平性方面發(fā)揮著重要作用。他們需要對AI系統(tǒng)進行廣泛的測試，確保在向公眾發(fā)布任何產(chǎn)品或服務前，系統(tǒng)不會產(chǎn)生帶有偏見、有害或不道德的內容。AI倫理專家的職責包括與法律團隊、AI開發(fā)團隊以及負責多元化與包容性的團隊緊密合作，保障AI應用的倫理標準和道德實踐得到妥善監(jiān)督和執(zhí)行，以確保生成式AI的負責任和道德使用。隨著市場對倫理AI的需求增加，這一工作的需求也在不斷上升，將成為AI行業(yè)中極為重要的角色。

7.AI創(chuàng)意工作者

在AI技術的浪潮中，創(chuàng)意產(chǎn)業(yè)正經(jīng)歷著前所未有的變革。AI設計師、AI輔助藝術家、智能創(chuàng)意策劃等職業(yè)應運而生。

AI設計師利用先進的AI算法和模型，能夠迅速處理大量設計數(shù)據(jù)，在短時間內生成多樣化的設計方案。這種人機協(xié)作的模式，不僅縮短了設計周期，還激發(fā)了更多創(chuàng)新靈感，讓設計作品更加符合市場需求和審美趨勢。

對于藝術家而言，AI成為強大的創(chuàng)作工具，通過深度學習和生成對抗網(wǎng)絡（GANs）等先進技術，能夠模擬出具有獨特藝術風格的作品，如油畫、水彩、素描等，藝術家可以利用AI生成的草圖作為靈感來源，進一步加工和完善，從而創(chuàng)作出更具個性和深度的藝術作品。

在創(chuàng)意策劃領域，AI技術同樣發(fā)揮著重要作用。智能創(chuàng)意策劃系統(tǒng)能夠分析海量數(shù)據(jù)，包括用戶行為、市場趨勢、競爭對手動態(tài)等，為策劃人員提供精準的市場洞察和創(chuàng)意建議，制定出符合市場需求的創(chuàng)意策略，提高營銷效果和品牌影響力。

四、新型就業(yè)模式的發(fā)展趨勢及應對策略

人工智能作為引領第四次工業(yè)革命浪潮的核心驅動力，正以前所未有的力度顛覆并重塑著傳統(tǒng)的生產(chǎn)范式。在未來，AI有望成為同電力般普遍且不可或缺的基礎設施，深度融入人們的日常生活，為各行各業(yè)及社會活動提供無處不在的支持與賦能。工業(yè)革命之后，我們迎來了信息革命，以智慧文明作為生產(chǎn)力要素?，F(xiàn)代工業(yè)正在從簡單的自動化步入以人工智能為核心的智能化階段，這不僅改變了生產(chǎn)方式，也推動了勞動力市場結構的根本變革。我們作為每一個個體，需要在這樣的變革與趨勢中與時俱進，學習如何不斷提升自己并尋求新的發(fā)展機遇。

（一）新的就業(yè)趨勢與新型職業(yè)模式的特點

在人工智能技術快速迭代發(fā)展的背景下，就業(yè)市場正經(jīng)歷著深刻的變革，呈現(xiàn)出一系列新的趨勢：

首先，人類社會正從互聯(lián)網(wǎng)經(jīng)濟時代全面邁向數(shù)字經(jīng)濟時代。正如昔日的“互聯(lián)網(wǎng)+”引領了“萬物互聯(lián)”的潮流，“AI+”也將與現(xiàn)有產(chǎn)業(yè)深度融合，實現(xiàn)賦能升級，重塑所有行業(yè)和工作崗位。社會分工將進一步細化，進而催生了對高技術、高創(chuàng)造力工作崗位的迫切需求。這需要我們保持開放和接納的心態(tài)，積極調整策略，勇于探索前行。

有學者指出，人工智能替代勞動者具有三大特質：一是程序性，即工作流程是重復的程序性工作；二是經(jīng)濟性，即使用人工智能能極大降低生產(chǎn)成本；三是技術實現(xiàn)性，即能夠在技術上實現(xiàn)這一替代作用。[25]（p5）由于部分低技能服務業(yè)與人交互的場景過于復雜，技術實現(xiàn)和設備成本較高，從而限制了AI設備的廣泛應用，[26]（p23-30）因此整體來看，在“高、中、低”三重技能水平的職業(yè)劃分視野中，人工智能影響下的職業(yè)分布呈現(xiàn)高技能職業(yè)崗位與低技能職業(yè)崗位增加，而中等技能職業(yè)崗位減少的職業(yè)極化現(xiàn)象。[27]（p1279-1333）同時研究還發(fā)現(xiàn)，人工智能技術最先會替代規(guī)則性認知任務和體能任務，作為非規(guī)則勞動的認知任務與體能任務都呈現(xiàn)出對于綜合能力的高度強調，此類相關崗位面臨替代危機較少。[28]（p41-42）例如，工作場景多變、需要根據(jù)經(jīng)驗與現(xiàn)場即時情況作出復雜判斷和操作的空調安裝、水電維修等職業(yè)?？梢灶A見的是，AI將對類似制造業(yè)這種勞動密集型產(chǎn)業(yè)帶來沖擊與挑戰(zhàn)，制造業(yè)可能會大面積失業(yè)，但服務業(yè)因為強調人與人之間的溝通，以及服務場景的復雜性，就業(yè)會增長。總體而言，勞動者應該盡量避開重復性勞動工作，努力提升綜合能力和創(chuàng)造能力。

其次，以ChatGPT、Midjourney為代表的生成式AI工具的出現(xiàn)，在設計與創(chuàng)作等諸多領域通過提供新創(chuàng)意和擴展人類想象力，極大提升了勞動者的創(chuàng)造力與工作效率，讓個體的創(chuàng)作成為可能，使勞動雇傭形式更加靈活多變。在經(jīng)濟困局與科技進步雙重壓力帶來大面積失業(yè)潮的背景下，隨著整個社會的降本增效、優(yōu)化崗位，多平臺共享員工將大量出現(xiàn)，促進了零工經(jīng)濟和共享經(jīng)濟的發(fā)展，緩解了就業(yè)壓力。未來社會將誕生大量自由職業(yè)者，無數(shù)平臺的崛起，使他們有機會參與創(chuàng)造和價值輸出。未來越有能力和特長的人，越不需要依附于某個公司，每一個人都可以是獨立的經(jīng)濟體，個人的創(chuàng)造力將得到極大的釋放。

同時，另外一種明顯的趨勢是，人機協(xié)同工作模式正逐漸興起，成為各行各業(yè)轉型升級的關鍵驅動力。它強調人類智能與機器智能之間的深度融合與協(xié)作。在這一模式下，人類與高度智能化的系統(tǒng)緊密配合，共同執(zhí)行任務、解決問題，以實現(xiàn)更高效、更精準、更創(chuàng)新的工作成果，同時也為員工提供更多創(chuàng)造性和戰(zhàn)略性工作的機會。在這一趨勢的推動下，人類與機器將共同探索更廣闊的應用領域，推動社會經(jīng)濟的持續(xù)發(fā)展。

將目光投向更長期的時間維度，根據(jù)OpenAI公司前研究員Leopold Aschenbrenner（奧波德·阿申布倫納）在Situational Awareness1報告中的研究，目前威脅人們就業(yè)的AI還只是弱人工智能（ANI），只能在人的指導下完成簡單任務。到2027年，通用人工智能（AGI）將會出現(xiàn)，可以通過自主學習不斷進化，進而發(fā)展成超級人工智能（ASI），一種超越人類智慧的更高階的人造生命，將全面取代人類完成各種工作。OpenAI聯(lián)合創(chuàng)始人、首席執(zhí)行官Sam Altman（山姆·奧特曼）在最近的公開采訪中也表示：“未來所有不需要人與人之間建立深層次情感聯(lián)系的重復性工作都將被AI全面替代?！?/p>

綜合來看，在未來自由度越高、越無規(guī)律可循的工作越難被替代，例如跨領域的頂尖專家，高強度復雜創(chuàng)意型的工作，如創(chuàng)意總監(jiān)、頂級藝術家、并購專家等。同時，需要情感陪伴、人性化關懷的服務和社交型工作，如養(yǎng)老、教育等，也具有比較低的可替代性。在法律領域，涉及道德、倫理判斷的決策型任務也不是AI所擅長。隨著AI技術的不斷進步和應用場景的不斷拓展，我們有理由相信，未來的新職業(yè)模式將更加多元化、智能化和人性化，并不斷催生出全新的職業(yè)形態(tài)與就業(yè)機會。

（二）個人技能提升及策略調整

在人工智能技術迅速普及、廣泛應用的背景下，個人需要積極提升一系列關鍵技能以適應未來職場的需求。

其一，掌握AI相關技術、增強數(shù)字素養(yǎng)和數(shù)據(jù)處理能力極為重要。隨著AI技術深入到各行各業(yè)，掌握AI基礎理論、算法、框架及其開發(fā)工具成為必備技能。同時，數(shù)據(jù)分析能力也至關重要，因為AI系統(tǒng)的高效運行依賴于高質量的數(shù)據(jù)處理與解析。這意味著需要熟練掌握各種數(shù)字工具以及數(shù)據(jù)收集、清洗、分析和可視化等技能，以便更好地為AI模型提供支撐。對于生成式AI，訓練如何高效使用生成詞與AI互動來達到完美效果也是必備的專業(yè)素養(yǎng)。

其二，培養(yǎng)適應能力和持續(xù)學習的重要性日益突出，尤其是在快速變化的職場環(huán)境中。隨著AI技術的迅速進化，工作角色和要求可能會迅速演變，員工需要不斷適應新變化，并致力于終身學習以保持自身競爭力。這包括學習新的工具和技術，以便與AI系統(tǒng)協(xié)同工作。同時，拓展廣博的知識結構，增加認知事物的維度和角度，訓練“基于問題，分解問題（引導子任務），學會提問從而解決問題”的能力，在與AI的人機協(xié)作中也尤為關鍵。

其三，增強批判性思維和復雜問題解決的能力仍然是人類的獨特優(yōu)勢。在AI技術快速發(fā)展的當下，不僅需要自動化處理日常任務的能力，更要求員工能夠分析復雜情況作出深思熟慮的決策，并解決AI難以應對的獨特挑戰(zhàn)。此外，創(chuàng)造力和創(chuàng)新在開發(fā)新解決方案和方法中也發(fā)揮著至關重要的作用。這些能力使人類在自動化進程中維持不可替代的地位，推動行業(yè)不斷進步和創(chuàng)新。

其四，需要培養(yǎng)具有跨學科的多領域創(chuàng)新性解決問題的能力。一方面，由于AI技術是一個高度交叉的學科領域，融合了計算機科學、數(shù)學、統(tǒng)計學、控制論、認知科學等多個學科的知識。隨著AI技術的不斷深入，同時伴隨著其他新興技術的同步發(fā)展，如大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、區(qū)塊鏈等，其復雜性和綜合性日益增強，需要跨學科的知識和技能來支持。另一方面，AI的發(fā)展促進了不同領域的融合與創(chuàng)新，隨著新技術不斷向醫(yī)療、教育、金融、交通、制造業(yè)等各個領域深度滲透，需要了解不同行業(yè)的業(yè)務邏輯和運營模式。此外，由于工作模式的變革導致多平臺共享員工大量出現(xiàn)，不同行業(yè)之間的就業(yè)流動將更加頻繁，跨界的多領域復合型人才能夠更好地理解這些不同領域的需求，將AI技術精準地應用到實際場景中，解決實際問題。

其五，大模型生成軟件的應用目前仍多局限于執(zhí)行單一、特定的任務，尚未能全面自主地獨立完成一項工作。在這樣的背景下，掌握一門計算機語言成了提升工作效率與創(chuàng)造力的必要技能。通過深入理解軟件的內在邏輯、架構設計、程序執(zhí)行流程及程序設計的基本原理，人們能夠更精準地引導大模型軟件更加高效地解決問題，實現(xiàn)人機之間的無縫協(xié)作。

其六，在AI不擅長的領域，人們需要注重情商的培養(yǎng)，增強人與人之間的情感鏈接與情感表達，以實現(xiàn)技術之外的人性化關懷。此外，隨著生產(chǎn)力水平的不斷躍升，在物質需求得到極大滿足后，人們會更加關注精神世界的發(fā)展，探索并深耕自己熱愛的領域將會獲得更多的幸福感。

最后，人們需要提高對AI倫理影響的理解，并確保其應用是公平和負責任的。這包括掌握評估AI應用中可能出現(xiàn)的道德和法律問題的能力，以及對AI技術的合規(guī)性進行監(jiān)督，確保其符合倫理標準。1通過不斷提升這些技能，個人不僅可以適應AI帶來的變革，還可以在職場中維持競爭力。

（三）社會及政府層面的策略建議

從個人視角轉向更廣泛的社會層面的策略，為應對人工智能的快速發(fā)展，政府及教育機構需采取多元策略調整教育體系，以培養(yǎng)適應未來的勞動力。

首先，政府和企業(yè)應加大對人工智能研究與發(fā)展的投資，以推動創(chuàng)新和保持國際競爭力。在“數(shù)據(jù)+AI+應用場景”的產(chǎn)業(yè)架構中，在關鍵技術被封鎖的困境下，以國家力量加快突破人工智能關鍵技術，推動“AI底座”持續(xù)創(chuàng)新發(fā)展。

其次，推廣AI教育和普及AI基礎知識至關重要，這包括將AI相關課程納入學校教育體系，開設專業(yè)發(fā)展課程，以及開展公共意識提升活動。大學和學院應開發(fā)以AI為核心的高等教育課程，這些課程應涵蓋機器學習、自然語言處理、機器人技術等關鍵技能。同時，這些課程應該是跨學科的，結合計算機科學、工程學、統(tǒng)計學、倫理學等領域的知識，確保學生能從多角度理解和應用AI技術。高等教育機構還應與行業(yè)領導者建立合作，開發(fā)實習和合作項目，讓學生能夠獲得實際的工作經(jīng)驗，并了解AI在不同行業(yè)中的應用。[29]（p178-183）

再次，政府應采取多種策略應對技術引發(fā)的就業(yè)變化。一是政府應積極推動服務業(yè)發(fā)展，以創(chuàng)造更多的就業(yè)機會，特別是那些涉及人際互動和情感交流的崗位，因為這些工作相對不易被AI取代。二是應鼓勵靈活的就業(yè)形態(tài)如零工經(jīng)濟和共享經(jīng)濟的發(fā)展，以適應AI技術帶來的勞動市場變化，為技術性失業(yè)者提供臨時工作機會。三是為應對人工智能引起的工作替代，政府應提供全面的職業(yè)過渡支持，包括職業(yè)咨詢、技能評估與發(fā)展、工作安置服務以及財政和情感支持，以幫助受影響工作者成功轉型至新職業(yè)，確保他們在變革中找到新的工作機會并適應新行業(yè)。這些措施旨在減輕職業(yè)轉換的壓力，支持失業(yè)者在職業(yè)過渡期間維持生活并獲取所需的資源和技能培訓，以緩解AI技術導致的就業(yè)和社會保障問題。[20]（p54-55）

最后，制定和執(zhí)行AI倫理指導方針和相關法規(guī)也變得越來越重要。這些指導方針和法規(guī)應當解決關鍵問題如透明度、問責性、隱私保護和公平性，確保AI技術的負責任開發(fā)和使用。通過建立明確的規(guī)范來指導AI的開發(fā)和應用，不僅可以促進技術創(chuàng)新，還能增強公眾對AI技術的信任，同時保證AI應用的道德標準與社會價值觀相符合。

未來已來，唯變不變！讓我們秉持“人機協(xié)同”的理念，充分發(fā)揮人類與人工智能各自的優(yōu)勢，推動人工智能技術在更高的生產(chǎn)力水平上為人類提供服務，并最終促進人類社會的持續(xù)進步與發(fā)展。

參考文獻：

[1]Brynjolfsson E，Mitchell T， Rock D.What Can Machines Learn and What Does It Mean for Occupations and the Economy[J].AEA Papers and Proceedings， 2018， （108）.

[2]郭凱明.人工智能發(fā)展、產(chǎn)業(yè)結構轉型升級與勞動收入份額變動[J].管理世界，2019，（07）.

[3]何玉長，方坤.人工智能與實體經(jīng)濟融合的理論闡釋[J].學術月刊，2018，（05）.

[4]劉偉.科學認識與切實發(fā)展新質生產(chǎn)力[J].經(jīng)濟研究，2024，（03）.

[5]習近平在中共中央政治局第十一次集體學習時強調，加快發(fā)展新質生產(chǎn)力，扎實推進高質量發(fā)展[N].人民日報，2024-02-02（01）.

[6]ZHANG C， LU Y. Study on Artificial Intelligence：The State of the Art and Future Prospects[J].Journal of Industrial Information Integration， 2021， （23）.

[7]Mahesh B. Machine Learning Algorithms - A Review[J].International Journal of Science and Research， 2019， （01）.

[8]Guillod T， Papamanolis P， Kolar" J W. Artificial Neural Network （ANN） Based Fast and Accurate Inductor Modeling and Design[J]. IEEE Open Journal of Power Electronics， 2020，（01）.

[9]Emmert-Streib" F， YANG Z， FENG H， et al. An Introductory Review of Deep Learning for Prediction Models With Big Data[J]. Frontiers in Artificial Intelligence， 2020， （03）.

[10]Vaswani A， Shazeer N， Parmar N，et al." Attention Is All You Need[R]. California： Curran Associates， 2017.

[11]Khurana D， Koli A， Khatter K，et al. Natural Language Processing： State of the Art， Current Trends and Challenges[J].Multimedia Tools and Applications， 2022， （82）.

[12]Nian R， Liu J，Huang B. A Review on Reinforcement Learning： Introduction and Applications in Industrial Process Control[J].Computers amp; Chemical Engineering， 2020， （139）.

[13][美]查魯·C.阿加沃爾.人工智能原理與實踐[M].杜博，劉友發(fā)，譯.北京：機械工業(yè)出版社，2023.

[14]Mhlanga D. Sustainable Development Goals Series[M]. New York： Springer Nature， 2023.

[15]Cai W， Grossman J， Lin Z J， et al. Bandit Algorithms to Personalize Educational Chatbots[J].Machine Learning， 2021， （110）.

[16]Kasneci E， Sessler K， Küchemann S，et al. ChatGPT for Good？ On Opportunities and Challenges of Large Language Models for Education[J]. Learning and Individual Differences， 2023， （103）.

[17]Plathottam S J ， Rzonca A， Lakhnori R， et al." A Review of Artificial Intelligence Applications in Manufacturing Operations[J]. Journal of Advanced Manufacturing and Processing， 2023， （03）.

[18]李楊，杜雷雷，許飛，等.大數(shù)據(jù)與人工智能在醫(yī)學領域的應用進展[J].協(xié)和醫(yī)學雜志，2023，（01）.

[19]吳衛(wèi)宏，高瑩.人工智能技術在智能交通領域的研究與應用[J].產(chǎn)業(yè)與科技論壇，2024，（03）.

[20]陳永偉.作為GPT的GPT——新一代人工智能的機遇與挑戰(zhàn)[J].財經(jīng)問題研究，2023，（06）.

[21]鄭世林，陶然，楊文博.ChatGPT 等生成式人工智能技術對產(chǎn)業(yè)轉型升級的影響[J].產(chǎn)業(yè)經(jīng)濟評論，2024，（01）.

[22]楊明杰.從人工智能治理看總體國家安全觀的理論貢獻[J].世界經(jīng)濟與政治，2024，（03）.

[23]Ellingrud K， Sanghvi S， Dandona G S，et al." "Generative AI and the Future of Work in America[R]. New York： McKinsey amp; Company， 2023.

[24]王林輝，錢圓圓，周慧琳，等.人工智能技術沖擊和中國職業(yè)變遷方向[J].管理世界，2023，（11）.

[25]金峰.ChatGPT火爆“出圈”為AI發(fā)展添薪助力[J].通信世界，2023，（03）.

[26]邱子童，吳清軍，楊偉國.人工智能背景下勞動者技能需求的轉型：從去技能化到再技能化[J].電子政務，2019，（06）.

[27]Autor D H， Levy F， Murnane R J. The Skill Content of Recent Technological Change： An Empirical Exploration[J]. Quarterly Journal of Economics， 2003， （04）.

[28]周建力，柳海民.ChatGPT/生成式人工智能影響職業(yè)教育的外部邏輯——基于技術進步影響就業(yè)的分析[J].中國職業(yè)技術教育，2024，（06）.

[29]George A S， George A S H，Martin A S G. ChatGPT and the Future of Work： A Comprehensive Analysis of AIs Impact on Jobs and Employment[J]. Partners Universal International Innovation Journal （PUIIJ）， 2023， （03）.

責任編輯" "郁之行