圓桌對話：當AI進入產(chǎn)業(yè)前線：未來最稀缺的AI人才，會是誰？| 2026AI Partner·北京亦莊AI+產(chǎn)業(yè)大會

稀缺的，到底是懂AI的人，還是懂業(yè)務(wù)的人？

一個反直覺的判斷——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)型的最大卡點也不是技術(shù)或數(shù)據(jù)，而是“想不到應(yīng)用場景”， 當前AI的利潤大頭仍在基礎(chǔ)設(shè)施層，應(yīng)用端的ROI尚未完全釋放，但拐點會比預(yù)想來得更快。

以下為圓桌對話內(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

林海卓丨卓源亞洲創(chuàng)始合伙人、董事長

鄭王宇：各位老師好，我們今天一起討論“當AI進入產(chǎn)業(yè)前線：未來最稀缺的AI人才會是誰”，誰會是行業(yè)的新貴。把行業(yè)翹楚聚集在這里很難得，請各位嘉賓用一句話亮個相，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從這個行業(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)老板怎么升級的痛點，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、機器人的投資機構(gòu)，聚焦于風(fēng)險投資市場。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從模型能力的競賽進入到產(chǎn)業(yè)場景落地的環(huán)節(jié)。我們現(xiàn)在看，無論是消費零售、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的價值不僅取決于模型參數(shù)和技術(shù)指標，更取決于是否能夠進入真實的業(yè)務(wù)流程。說得大白話一點，現(xiàn)在的AI要進入整個產(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。這個過程中，新的問題就變得更加迫切了——當AI工具變得越來越普及，真正稀缺的人才是什么樣的？最后一個圓桌，希望從企業(yè)競爭和人才角度出發(fā)，討論AI抵達產(chǎn)業(yè)前線的戰(zhàn)壕后，人與機器、專家與工具、組織與個體之間整體的分工與變化。

先進入第一個問題。在這個過程中，不只是讓員工多一個工具，而是開始影響到消費者洞察、產(chǎn)品創(chuàng)新、供應(yīng)鏈、渠道運營、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，但實際落地又是最難的？先請林總。

林海卓：我們目前有一個觀點，在投資過程中，好的問題提出者依然是有壁壘的。目前來看，知識高度密集型的領(lǐng)域天然有一個特征，知識體系比較容易進行結(jié)構(gòu)化描述，技術(shù)結(jié)構(gòu)用代碼化去表述，相對會有一個清晰的邊界和對與錯的判定，在這樣一個邏輯下，比較符合現(xiàn)在人工智能解決問題的范式。像會計師、律師、程序員，在當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推進的那一步，讓它更好地做某一個你給它限定范圍的事情。各個行業(yè)提出問題，或者結(jié)合這個人本身在行業(yè)中過往的經(jīng)歷，提出交叉學(xué)科前沿的想法，引導(dǎo)一個模型朝著這個方向積累，是未來比較容易構(gòu)建個體壁壘的事情。

大家更容易理解的是，圍繞著體驗的領(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？旅游體驗師、旅游導(dǎo)游和具身智能場景相結(jié)合，具備豐富個性化、場景化體驗的這部分，AI替代還有相當長的距離。從從業(yè)角度，AI更好的是賦能，而不會馬上進行職業(yè)替換。大概這兩個維度。

鄭王宇：投資人的視角相對宏觀和全面，深入到每個行業(yè)的細節(jié)，羅院長，您在實際觀察產(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我們在應(yīng)用AI大模型的能力。AI大模型本質(zhì)上是推理引擎，我們認為以前人在推理的地方，都能挖掘到很多應(yīng)用場景，看推理的過程是不是由AI來做。我們總結(jié)三個特征。重復(fù)，才有用AI的價值；標準，每次推理、思考、行動的過程有標準可言；熟練，是指這個企業(yè)里有熟練的人能把這個工作說清楚，我們需要把熟練的人的經(jīng)驗萃取出來，給AI大模型配好工具，讓它來替代這個事情。這是一個維度。

另外一個維度是工作環(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，又能夠控制電腦去做這個事情，電腦前的工作就會越來越容易被替代。越靠近人的、越靠近市場的，越不容易被替代。我們看見人的能力要往左移，左邊是市場、客戶，右邊是后臺流程，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關(guān)鍵詞，重復(fù)、熟練、標準，有這些特征的環(huán)節(jié)更容易被替代。龔總。

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

另外一個軸是決策的戰(zhàn)略性、重要性。最容易被替代掉的，頻率越高會有大量回饋，數(shù)據(jù)很多，AI很容易學(xué)到經(jīng)驗，每次往復(fù)會做強化學(xué)習(xí)，AI能學(xué)到。對于低頻，尤其是低頻重要性高的事，很難替代掉。為什么在品牌營銷領(lǐng)域會看到大量的廣告投放復(fù)制，自動化程度非常高？從最初的創(chuàng)意到創(chuàng)作，到KOL投放，評估閉環(huán)，很運營化了。直到今天，我們?nèi)匀皇钦f，你要做具有溢價的高端化品牌，做年輕人的品牌，或者在跨國文化、西歐、印度出海的時候，跟當?shù)叵M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，這是整個社會很稀缺的事。

鄭王宇：下一個問題，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)會上搜索，已經(jīng)會執(zhí)行很多工作流，從skill的角度已經(jīng)達到七八十分的水平，但仍然有很多幻覺在里面。幻覺本身基于我們怎么把有效數(shù)據(jù)給AI，在對的工作流基礎(chǔ)上不會產(chǎn)生幻覺。在行業(yè)通常會發(fā)生的事，大家覺得以后不要做調(diào)研了，有一個想法不用做調(diào)研，只用問一萬次AI，那就代表一萬個消費者，我是不是可以基于這一萬個調(diào)研，就形成我這款手機、冰箱是不是可以在市場上有比較好的表現(xiàn)？我們做了大量驗證，會發(fā)現(xiàn)不是。

第一個，你問AI是不是足夠有代表性；第二個，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，你回答問題的時候，AI是不是代表了這些人的需求。最后加總起來，回到消費者說十分，九分是特別喜歡，九分到底是代表市場成功還是十分才能代表成功？一系列專業(yè)的點不合成起來，就會發(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。我舉這個例子，總結(jié)起來，企業(yè)本身的流程會有很多專業(yè)點，這些專業(yè)點需要被解決，或者被AI解決，或者被其他方面解決，但AI賦能整個流程有很多要求。

鄭王宇：羅院長，您覺得整個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，做AI行業(yè)技術(shù)的人都會感覺馬上AGI都要來了，AI的能力一年比一年強。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，還是組織對于AI的認知。我們過去兩三年服務(wù)了十多個行業(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。我們都會調(diào)研一個問題，我們認為AI在企業(yè)里落地有兩個卡點：粗階卡點和高階卡點。粗階卡點，企業(yè)想不到更多的應(yīng)用場景。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)用場景？他們想不到更多的應(yīng)用場景，我們稱為粗階卡點。高階卡點，企業(yè)可以落地應(yīng)用場景，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。AI的能力已經(jīng)這么強了，從業(yè)者都覺得能力這么強了，大部分企業(yè)還是說找不到應(yīng)用場景，這是最大的卡點。找不到應(yīng)用場景很大的原因是企業(yè)沒有把對AI的認知拉起來，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，認為用AI必須要有數(shù)據(jù)。

我們提出一個核心的觀點，企業(yè)AI轉(zhuǎn)型實際上是人才轉(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)用場景認知給打開。這是我真實體驗到的巨大卡點。

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

林海卓：我們從整個行業(yè)來看，投資回報率還沒有那么高。很重要的原因，在歷史上是可以找到對應(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)誕生之前那段時間，造互聯(lián)網(wǎng)高速公路，核心交換機曾經(jīng)做到過市值最高的企業(yè)。英偉達、博通都在這個市值占據(jù)主要位置，恰恰說明了人工智能大的利潤來源，我們感覺到還是用于構(gòu)建基礎(chǔ)設(shè)施。很多時候投入人工智能，無論是企業(yè)還是超級個體，在投入人工智能做投資的時候，ROI相當一部分成本變相還是給到了基礎(chǔ)設(shè)施。至少當前是基礎(chǔ)設(shè)施拿到了相當大的利潤，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，永遠缺存儲。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)在打開腦海當中意識流想到的問題，不一定用傳統(tǒng)的搜索引擎，直接問DeepSeek或者元寶、千問、豆包，會產(chǎn)生這樣的效果。大家還是把AI當成一種檢索、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、先進設(shè)計，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know-how，并且反向反哺我做這項工作，確實還早，至少兩三年的時間周期。因為大模型，這個領(lǐng)域的從業(yè)人員需要投喂大模型我感興趣的問題。在這個過程中，大家開玩笑說我還要PUA我的大模型，你怎么這個技術(shù)知識都不知道，我的意思這個問題應(yīng)該怎么看。智能體接觸到以后，會不斷積累在這個垂類特有的知識庫結(jié)構(gòu)或者行業(yè)常識的結(jié)構(gòu)，投喂需要相當長的時間，但出現(xiàn)拐點也會比大家預(yù)想的時間節(jié)點要快。

整體來說兩部分：一部分是高精尖價值知識圖譜和垂直行業(yè)當中對應(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，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螃蟹的人分擔(dān)，綜合影響了ROI。

鄭王宇：林總給了我們一個非常重要的提醒，任何一個行業(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會讓行業(yè)集中度更高，也有人說AI降低創(chuàng)新門檻。AI會讓頭部企業(yè)變得更強嗎，還是給新進入者更多的機會？

林海卓：您剛剛提的話題，我稍微有一點擔(dān)憂。最近有一本書很火，《科技共和國》，描述了我們能夠想象到的場景，超級科技巨頭，無論是數(shù)據(jù)能力各個方面，會出現(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，我這個工作絕大部分的能力可以被AI替換以后，我會做什么？這是哲學(xué)、社會學(xué)層面需要探索的新方向。過往樂觀的人會說，失業(yè)的人總能找到新的工作，紡織機時代可以維修紡織機，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)，或者將機器應(yīng)用在其他領(lǐng)域，有各種創(chuàng)新方式來解決這個問題。

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

2033年會是中國高考這一波的巔峰。2033到2038年五年期間，會在極短時間內(nèi)高考人數(shù)下跌40%左右。未來相當長的一段時間，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，這是國家宏大的戰(zhàn)略。會有更多的創(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)提到了下一個環(huán)節(jié)需要討論的問題——AI時代該怎么培養(yǎng)和評估人才。羅老師，林總介紹了國家的政策等視角，您怎么看待我們這個時代應(yīng)該如何培養(yǎng)和識別AI人才？

羅飛：怎么培養(yǎng)和識別AI人才，從教育開始。AI最應(yīng)該影響教育。我有一個切身體會分享給大家。在教育方面我們在做公益，把AI帶給鄉(xiāng)村小學(xué)，這個事情我們覺得很有意義。山村小學(xué)的校長會有疑問，校長想到這個事情，但會質(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，他身邊的其他校長也質(zhì)疑。這個校長還有一個點沒明白，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)會了AI過后，在我們的推動和共創(chuàng)下，這些老師會想出新的教育方式。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時代下，死記硬背的能力已經(jīng)沒有效了。

未來對于一個人才的判斷，不是判斷這一個人的能力，而是判斷這個人背后的AI班底。他能指揮多少AI跟他一起干活，AI班底的能力，同時納入對人才的判斷。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時代就是能力很強的人。

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。針對這一點，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用出實際的價值？

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)？核心點是這個行業(yè)稀缺什么。十年以前大家說稀缺，你要學(xué)程序員，那時候在硅谷大廠會有很好的前途。今天發(fā)現(xiàn)代碼這個事可以被AI解決，這個能力不但自己和自己卷，還卷不過AI，這個能力顯然不稀缺了。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)施這個事，不管我們怎么剖析英偉達的成功因素，最后導(dǎo)致目前芯片的供應(yīng)、HBM的供應(yīng)，都是被市場少數(shù)公司壟斷的。只要不在壟斷鏈的上下游，最后都會很難受。比如手機行業(yè)大家都很難受，HBM的產(chǎn)能導(dǎo)致手機內(nèi)存很貴，導(dǎo)致整個手機產(chǎn)業(yè)鏈的人今年都會很難受，本質(zhì)是相對不稀缺。

以這個為邏輯，我們認為懂AI這個事會逐步不稀缺，也許在今天稀缺，但這個能力相對來說比較可工程化，教育上也能夠可復(fù)制化。如果把注押在懂AI這件事上，幾年后會比較危險，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時代，這些人有一個前提條件，至少懂一點AI或者知道AI帶來的價值，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)從對話走向執(zhí)行，參與到各個執(zhí)行環(huán)節(jié)。羅院長也講到，AI不能干活是偽命題，無法深入到企業(yè)當中。

最后一個問題，在現(xiàn)在這個階段，我們看到AI能夠參與執(zhí)行階段，人的核心價值體現(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、高復(fù)雜的場景中，人機分工是不是有一個邊界，以及他們?nèi)绾蝿澏ǎ?/p>

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

還有一個純粹的效率工具。上一波人工智能的主要應(yīng)用當中，美團、滴滴，我單純想匹配一個離我最近的空車，整個過程也不需要涉及誰來擔(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，更好地提升整個運轉(zhuǎn)效率，這些是我們認為AI跟人的劃分中，AI可以更多承接全部職責(zé)的。人類還是會做符合當前人性化或者是人為框定規(guī)則的輔助工作，或者對AI提供的若干建議做綜合判斷，補全信息漏洞，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。對于如何劃分權(quán)責(zé)這個事情，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，您在實操過程中，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。類似于拿體力勞動的工具，有鏟子、挖掘機，AI現(xiàn)在屬于鏟子還是挖掘機？這兩種工具的用法是不一樣的，用鏟子還要自己的體力，用挖掘機已經(jīng)不需要自己的體力。AI現(xiàn)在的能力，大家對于AI的能力到底是鏟子還是挖掘機？如果洞察到AI能力，一定會認為它是挖掘機。它是挖掘機，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候，更適合用AI。AI用得不深，會覺得AI是輔助人干活；用得深的企業(yè)，會覺得人在輔助AI干活。AI知道自己怎么干，在干的過程中有卡點，人來解決這些卡點。

我覺得以后的工作方式會變，變的方式是，未來大部分人需不需要工作都會變，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期。我們要看見，現(xiàn)在可能進入一個新的時代，新的時代類似于三百多年前人類從神學(xué)走向科學(xué)的時代。中國有上下五千年，有科學(xué)這個事情，全世界信仰科學(xué)只有三百多年而已，中國可能還不到三百年。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。人類會不會從科學(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，就是新時代的開啟，完全不一樣。

鄭王宇：會有新的變化。龔總。

龔毅：我對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%達到這個目的，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，影響機制是什么樣的？AI基于這個非常不擅長，到底底層的模型是什么樣的，我們還看不到AI很好地解決這個事。我同意羅院長的說法，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的。

鄭王宇：AI進入產(chǎn)業(yè)前線，并不是簡單的工具迭代，需要人才培養(yǎng)、組織效率的迭代都能夠重構(gòu)上。站在當下社會前進的腳步中，觀察企業(yè)如何變革，看未來整個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。