人机分工：人类社会面临前所未有之大变局

人机分工：人类社会面临前所未有之大变局人机分工：人类社会面临前所未有之大变局内容摘自以下文章:廖祥忠（中国传媒大学党委书记），李雨谏.人机分工：人工智能深刻改变生产关系.中国共产党新闻网（），2025年6月27日文章的背景：以ChatGPT为代表的生成式人工智能，在文字、图像、音视频创作等多个领域实现了革命性突破，一场前所未有的“智能风暴”开始席卷全球人工智能将深刻改变生产关系，人类社会面临前所未有之大变局人工智能改变生产关系人类文明的演进，就是一部社会化大分工不断细化的历史：原始部落：群体协作采集渔猎农业从畜牧业中分离手工业从农业中分离商人阶级分离出来更多的细分行业…人人分工：社会化分工在人与人之间进行，生产工具不参与分工人工智能正在打破分工边界：人工智能正迅速演进为人的助手或伙伴，形成深度协作关系人机分工：一些由人从事的工作正在被人工智能所取代人类社会站在又一次社会化大分工的历史性节点上：从人人分工向人机分工演进人工智能通过改变社会化分工改变生产关系生产关系与社会化分工的辩证关系：分工发展->生产关系变革->新分工发展人机分工引发社会变革从经济层面上说，当前的社会关系本质上是商品交换关系：以货币作为媒介，每个人通过劳动获得报酬，购买自己需要的商品生产-消费形成闭环：生产产品->卖出产品（被消费）->再生产产品人工智能时代，社会关系可能不再是商品交换关系：大部分人失去了劳动机会，得不到钱；机器代替了人类劳动，但不消费；产品生产出来没人买，企业也没有收益生产-消费无法形成闭环，违反了当前的社会运行规律人机分工引发高等教育危机现代学校教育制度源自工业化社会，以班级授课制、标准化课程、统一评价体系为特征，旨在为大规模工业生产培养劳动力：标准化与规模化‌：工业社会追求效率与可复制性，教育体系采用“批量生产”模式，强调统一的教学内容、进度和考核标准知识传授导向‌：工业生产需要技术工人，教育重心放在传授既定的科学知识和实用技能，形成“教师单向输出、学生被动接受”的教学模式‌社会分层与选拔‌：工业社会有等级化分工，教育体系通过考试和文凭制度进行人才筛选和分流人机分工引发高等教育危机：人工智能擅长标准化流程的工作，与高等教育培养的人才高度重合、且能力更强，高等教育面临颠覆性变革一、人类社会即将进入“人机分工”时代人类社会的发展呈现出一个由慢到快，并迅速加快的过程人类文明按生产力分为三个阶段：原始文明：始于石器时代，持续数百万年农业文明：铁制农具的使用极大地提高了农业生产力，为时一万年工业文明：英国工业革命开启工业文明，距今三百年进入工业文明后，人类社会按生产工具分为4个时代：蒸汽机时代：18世纪60年代-19世纪70年代（100多年）电气时代：19世纪70年代-20世纪40年代（70年）信息时代：20世纪中叶-21世纪初（50年）智能时代：21世纪初-人机关系将经历根本性的升级转型人工智能带来的变革呈现出一种前所未有的“裂变”特质：当数据（规模）、算力（成本）与算法（突破）同时达到临界点时，将触发技术能力呈指数级增长技术发展能够自我强化：比如，AI工具能辅助研发新的AI，变革速度越来越快技术突破跨越学科边界，引发跨学科连锁反应，形成“核爆”式的生产力人机关系将经历根本性的升级转型，引发人类生存性危机：从“人机交互”转变为“人机交流”：人工智能第一次以“合伙人”的身份介入人类社会,人与机器开启深度对话和思想交流：人工智能作为“认知中介”将重塑人类理解世界的方式：亲身获取知识->向大模型获取知识（1）人的主体性正让位于人工智能什么是人的主体性？人在实践活动中表现出的自主性、能动性与创造性的特质，体现人对自我意识和外部世界的主动建构能力自主性：独立思考、自我管理和自我决策的能力，包括思维自主性、行为自主性、决策自主性、情感自主性、社会自主性等能动性：根据自身需求和目标采取行动，如主动规划学习或解决问题创造性：产生新奇独特的、有社会价值的产品的能力或特性，包括发明和发现两种表现形式人类凭借独有的知识库以及推理能力、创造力、想象力、实践力，构建起相应的价值体系与社会规范人类作为“万物之灵长”的独特性正在消失人工智能凭借算力、规模和多维认知优势，知识水平将大大超过人类：例如，AlphaGo战胜了人类顶尖棋手，AI生成的影像作品《太空歌剧院》获专业竞赛一等奖知识生产外包加深人类对人工智能的依赖：比如，让AI写代码、做设计、诊断疾病等，由于AI的黑箱性，人类只能被动接受其输出结果对AI的无条件依赖是对启蒙运动以来“科学方法”的根本挑战：科学家应通过观察和实验来获取知识“人的机器化”与“机器的人化”（1）人的机器化：劳动者在生产过程中逐渐失去主体性，趋向于像机器一样运行的状态，比如：现代社会通过标准化程序（如KPI、周报），诱导人服从系统规则，以“像机器一样运转”为职业道德技术被资本裹挟，机器成为剥削劳动者的手段人类在行动、思考等方面越来越依赖机器，甚至主动调整思维，以适应机器的思维进程：比如，花很多时间调试提示词，以从大模型获取高质量的输出“人的机器化”与“机器的人化”（2）机器的人化：机器正朝着“人化”的方向演进逐渐演变成拥有决策能力、情感交互乃至自我学习升级的“智能体”机器人设计中融入越来越丰富的人性化元素可以进行艺术创作当人机边界消弭，人将不人当“人的机器化”倾向达到临界点，与“机器的人化”汇合，人机边界将消弭人的主体性将经受全方位冲击，并由此引发“人将不人”的危机（2）人机分工的特征及进化趋势人工智能作为认知行为体参与生产活动，打破人类独占生产活动的历史：AI参与意义生成：与人类深度协作，共同参与创新活动，如AI制药、AI创作、AI辅助设计等AI参与现实建构：比如，AI采集人类的行为数据，转化为算法模型，进而影响现实决策潜在挑战与应对方向‌意义危机与主体性守护‌：AI的介入可能削弱人类在意义生成中的主导权，需强化人的独特价值‌，平衡技术依赖‌现实建构的公平性问题‌：AI驱动的现实建构可能加剧不平等，需建立相应的治理框架分工边界的动态性人类专属领域正不断被打破知识生产与创造性领域‌：AI能生成高质量的文本、代码、设计图、影像等，知识生产的方式发生改变，人类在初步创作上的优势正在减弱决策与认知辅助领域‌：AI能为医疗诊断、金融投资、司法辅助等领域的决策提供越来越精准的建议，改变了人类依赖经验判断的传统模式，人机协作决策成为新范式人类的绝对主导地位正在转变：随着人工智能应用全面渗透到各个领域，人类正从绝对的主导者向合作伙伴的角色转变人机分工的进化趋势人的角色将出现两极分化：一类人成为机器的“罗盘”：从事创造性思维与复杂决策等高阶活动，主导机器的发展走向另一类人沦为机器的“从属组件”：在机器行走的轨迹上随波逐流，最终蜕变成为机器般的“机器人形人”人机分工将带来社会的剧烈震荡：结构性失业潮将席卷全球：传统产业工人、白领阶层、知识工作者都将面临被人工智能替代的危机，人类将经历很长一段时间的转型摸索期薪酬分配体系将发生结构性变化：薪酬方式、薪酬标准、劳务关系等将全面重构，社会福利保障体系也将随之改变即将到来的社会分工大调整，其激烈程度将远超历史上任何一次产业革命（3）现实社会图景将被重新勾勒人工智能将全面重构社会运行逻辑：生产方式呈现新貌：大规模标准化生产的工业逻辑被个性化需求的智能逻辑取代工作方式出现新形态：集群式劳动模式被分布式劳动模式取代，大量新职业出现城市管理和治理高度智能化：城市治理和运行的每个环节被纳入智能化协调体系人类居住环境及模式转向散居：城市空心化，人类生活的时空自由度明显改变家庭形态发生重大变化：各类智能体接管抚育、照料和家务，机器或成家庭成员人际关系模式转向人际交往与人机交往并存的结构：虚拟社群成为主要场景，社交对象由算法基于性格、兴趣、价值观等进行匹配人工智能的冲击将从技术表层深入文明内核，人类秩序将迎来前所未有的大调整，这个过程的复杂和惊险程度将超乎想象二、高等教育将迎来颠覆性变革人才评价标准当高校培养的人才竞争不过人工智能时，我们要用什么标准来评价人才？人的认知模式传统学习方式：学生通过理论学习（上课、看书、做作业、答疑）和专业实践（实验、实习、科研），构建自己的认知体系人工智能时代的学习方式：学生通过向人工智能精准发问获取知识，在人机问答中构建自己的认知体系大学的核心价值当优质教育资源触手可及，当个性化学习路径比标准化课程更加高效，当学历认证被能力验证所取代时，大学还有必要存在吗？（1）人才评价标准将彻底改变现有人才评价体系构建于知识稀缺时代，其评价维度主要包括：学历层次：作为知识积累的标识考试成绩：作为学习能力的量化指标专业证书：作为技能掌握的凭证论文发表：作为学术水平的体现当人工智能的智商超越人类时，传统评价体系所依赖的评价标准将失效：论知识积累和学习能力：机器通过深度学习可以掌握人类知识体系，在各类标准化考试中击败人类考生论专业技能：机器无需人工干预可以完成影视制作、写代码、诊断疾病等论科研水平：机器在几分钟内生成的学术论文可以达到博士生水准人机分工时代的人才评价标准人机协同能力：驾驭机器的能力（AI的主人）：掌控与高效利用AI工具的能力精准提问与指令设计‌：将模糊的需求拆解为清晰的指令，引导AI产出高质量结果‌批判性判断与验证‌：不盲目接受AI的输出，结合自身知识和可靠来源进行验证‌工作流整合与自动化‌：将AI嵌入个人或团队的工作流程，自动化处理重复性任务协同创造创新的能力（人类伙伴）：与AI共同生成新知识、新方案的能力认知融合‌：将人类的直觉、经验、创造力与AI的数据处理、模式识别能力相结合价值共创‌：与AI共同定义目标、探索未知领域，产出创新成果动态适应与学习‌：人与机器互相学习，形成“人机共构的知识体系”，共同进化人机分离能力：在脱离机器后仍保持人所特有的本质，保持独立思考、学习和生活的能力人机分工时代的人才评价标准未来人类行进的轨迹，将被约束在这两个能力划定的空间里人机协同能力：决定个体能力发展的上限人机分离能力：划定人类发展的安全底线，防止人类被异化这种评价维度的转变已在当前就业市场得到初步印证：人工智能技能正迅速成为雇主筛选求职者的重要标准（2）人的认知模式和路径正在快速改变认知路径：从无知到知、从困惑到理解所走的路线感知与注意：从外界刺激收集信息，将注意力集中在某些重要信息上记忆与思维：记忆接收到的信息，通过思维过程对信息进行加工处理理解与问题解决：通过记忆和思维形成理解，面对问题时，调动已有的知识和经验寻找解决方法知识与经验积累：新知识融入已有认知结构，形成更丰富的知识体系认知模式：人们在思考和处理信息时采用的特定方式记忆驱动的经验模式：基于过往经验进行直觉式判断（熟悉情境）‌知识驱动的推理模式：运用已有知识和规则进行逻辑推理和决策（科学和工程思维）‌联想驱动的创造模式‌：通过不同概念间的跳跃性联想产生新想法（艺术创作和创新）‌假说驱动的发现模式‌：基于大胆的假设，通过实验和观察来验证或推翻假设（科学发现）人的认知模式和路径正在快速改变当人工智能深度介入知识生产，人的认知模式和路径发生根本性改变：人们跳过理论学习、实践体验和独立思考，直接获取人工智能预处理的“知识成品”，人类不再系统性储存知识当人类依靠人工智能学习、生产、创作时，人类的学习动力和能力开始退化人的主体性原则受到根本性冲击，人类逐渐退化：人类将逐渐丧失与原始知识的直接对话能力，进而产生对人工智能的无条件依赖人类将失去认知的基本锚点（人类理解世界所依赖的核心概念、基本事实、思维与工具），人类逐渐退化（3）高等教育形态将被全面颠覆学科设置：学科边界过于泾渭分明，培养体系过于机械，不利于学科交叉融合创新知识体系：按专业细分形成的标准化知识体系，不利于跨界创新能力培养教学范式：课堂教学按教材讲授知识点，如果知识可以从大模型获得，课上要讲什么？学习方式：集体化的学习方式，将被个性化和兴趣集群化的方式取代能力培养重点：知识和技能的掌握，将让位于人机协同能力、人机分离能力的培养三、高等教育的重构高等教育将进入重构期：学科壁垒消融，专业界限将被打破，文理边界逐渐模糊知识生产转向问题驱动：人类的核心价值体现在“提出好问题”知识传授转向思维训练：系统性培养思考能力、分析能力和创造能力非线性学习方式取代线性学习方式：从开放、真实的问题出发，自主探索、调整方向、迭代方案传道授业解惑转向价值引导和知识架构：培养学生的核心素养，帮助学生构建系统的知识体系大学由知识输出场变为思想源发地：大学要成为‌新思想、新理论、新范式和颠覆性创新的诞生地高等教育的重构大学的重点任务是培养能够适应“人机分工”时代的人：具备独立人格：保持人的主体性具备相对完整的知识体系：未来与机器共处的底气能熟练驾驭人工智能：人的核心竞争力（1）独立人格的养成独立思考能力：构成独立人格的认识论支撑点当“思考外包”成为常态时，人将滋生思考惰性，认知能力、深度思考能力便会退化批判精神：贯穿独立人格养成的全过程人机共事时，如果没有批判精神、不会质疑机器给出的结果，就会产生风险是非观与分辨力：独立人格的价值底色AI不具备自主的道德意识，要用是非观引导AI向善，要对AI的输出有分辨能力审美能力：独立人格的综合体现人类独有的核心优势，需要审美、情感、创意的岗位将成为就业的主流劳动能力：培养独立人格的实践基础劳动是人类能力锻炼、保留与提升的唯一载体，是对抗能力退化、实现自我改造的核心方式（2）相对完整的知识体系的构建相对完整的知识体系：一个人形成正确的世界观和方法论需要具备的基础性知识体系自然科学和人文科学的基本知识人类社会和大自然运行的基本规律人类认知世界的基本方法高等教育如何给学生构筑一个相对完整的知识体系大通识教育：跨学科的基本原理与思维模型，系统构建基础知识体系小通识教育：专业领域基础知识，帮助学生寻找和把握专业方向专业训练：依据专业发展的规律，帮助学生掌握专业基本技能（3）人机协同能力的培育人机协同能力：不是简单地会用AI工具，而是塑造一种全新的思维模式与实践能力：提出问题的思考能力：营造启发性环境，鼓励打破思维定式，培养质疑精神和洞察力人工智能的调用能力：掌握“提示词工程”，以引导AI生成高质量的输出人机共创的实践能力：引导学生将AI应用于解决真实问题高阶思维的批判能力：具备辨别AI生成内容真伪、识别算法偏见、分析逻辑漏洞的能力技术伦理与责任意识：理解数据隐私、算法公平性等伦理问题结语一场前所未有的“智能风暴”正在席卷全球，人类社会正面临前所未有之大变局在这场正在到来的文明范式革命中，人的主体性正被消解，守护人的存在价值是应对这场大变革之关键所在在这场“智能风暴”中，没有一个国家能够独善其身，没有一种文明能够置之度外，需要全人类携手共同应对研讨问题在高等教育尚未开始重构的当下，高校学生怎样才能使自己成为适应“人机分工”时代的人？具备独立人格：独立思考，批判精神，是非观与分辨力，审美能力，劳动能力具备相对完整的知识体系：大通识教育，小通识教育，专业训练人机协同能力：提问能力（问什么、怎么问），人机共创，批判能力，伦理与责任意识漫谈使用大模型的感想提纲人工智能对人类社会的深刻影响人工智能发展简史人机分工：人类社会面临前所未有之大变局中美竞争下的中国AI发展之路中国AI发展的显著成绩科技创新方面:学术论文：生成式AI的论文数量和美国相当专利：AI专利全球占比达到60%商业应用方面：智能工厂覆盖超过80%的制造业行业大类2024年智慧医疗市场规模达到约5000亿元自动驾驶运营规模超过美国，并在加速出海创新生态方面：人才培养：培养了全球47%的顶级AI研究人员数据：数据产业高质量发展，2025年数据交易规模突破3000亿元算力：2026年成为国产AI芯片训练落地元年，一批基于国产芯片训练的AI大模型密集落地模型：2025年，中国开源大模型下载量首次位居全球第一2026年2月，HuggingFace开源大模型榜单中，前10中有8款来自中国2026年2月，OpenRouter中国大模型周调用量位居全球第一，调用量Top5大模型里中国占据4席中国AI综合实力存在不足基础理论原创性突破不及美国目前广泛应用的AI基础理论，包括Transformer架构、Diffusion模型、RLHF优化和Attention机制等，均由美国公司或大学提出在全球引用率最高的10项通用人工智能研究成果中，美国占4项，中国仅有1项某些关键核心技术仍面临“卡脖子”风险训练万亿参数模型仍需依赖英伟达芯片，国产算力集群仅能稳定支持千亿参数模型训练专利质量偏低，能获得其他国家或地区专利认可的发明比例仅为4%，远低于美国的32%中国AI综合实力存在不足（续）创新生态仍需改善通用技术和方法创新：成果相对有限，更多集中于工程优化成果应用：开源程度低、复现难度大，制约了成果的广泛引用产学研协同创新：整体而言，科学研究、技术创新和应用处于割裂状态，尚未形成有效协同的创新生态基础设施：快速增长的数据质量并不高，可数字化和可存储的部分比例低算力设施：AI芯片设计等环节所占市场份额较低，绝大多数主流大模型使用的仍是英伟达芯片中国AI发展战略：追赶+多元探索美国AI发展路线：规模法则（ScalingLaw），通过增加模型规模和算力的投入，提升模型性能在通用能力、复杂推理等任务中，规模法则依然是有效有中国的“追赶”战略：沿袭“大力出奇迹”的方法，通过堆参数、堆算力训练大模型弊端：可持续性受限‌：训练顶尖大模型成本极高，且规模法则的性价比下降能源与数据瓶颈‌：高质量训练数据趋于枯竭，电力消耗巨大，制约“大力”模式的长期发展容易陷入“中等技术陷阱”：被锁定在先发国家制定的既有技术路线与产业方向中，难以跨越中等收入阶段例如，投入大量资源实施“追赶”策略的AI“六小虎”，如今估值大幅下跌中国AI发展战略：追赶+多元探索以DeepSeek为代表的创新模式：效率优先，降本增效：以软补硬：通过软件架构创新和算法优化，极致降低模型训练和推理的成本DeepSeekV3的训练成本和推理成本都不到GPT-4o的10%应用驱动，场景深耕：大模型正从“能聊天、会回答”的问答工具，转向“能干活、出成果”的生产力引擎中国厂商深耕垂直场景（如AI助手、行业应用等），中国模型的API调用量全球第一开源开放，生态协同：加速技术迭代打破技术垄断，促进应用落地‌‌塑造行业标准‌，掌握市场话语权中美AI发展路径对比：算力至上VS

应用为王美国“算力至上”，通过“算力-数据-标准”三位一体巩固优势芯片：强化芯片霸权，如英伟达掌控全球78%的高端AI算力市场数据：Meta通过ScaleAI掌控全球35%的训练数据标注，谷歌利用YouTube收集100亿小时视频构建多模态数据库模型：侧重通用大模型，致力于基础模型创新和参数规模拓展；模型闭源，强调技术壁垒和商业控制标准：OpenAI主导的“AI安全联盟”已吸纳32个国家，试图将“模型可解释性”、“人类对齐测试”等标准包装成国际规范中美AI发展路径对比：算力至上VS

应用为王中国“应用为王”，通过“应用+开源+生态”组合拳破局应用驱动‌：国家级应用先导区+专项资金推动技术落地，再反哺技术迭代百模大战：聚焦垂直行业的应用型模型，强调产业效率提升和场景落地开源开放：头部企业免费开放模型权重，小公司以“共享充电宝”模式低成本调用顶级技术中美AI发展差距：从“代差”转为“赛道差异”芯片：中国推理芯片能效超过美国，训练芯片落后20%，“中国只落后几纳秒”（黄仁勋）模型：中美顶尖大模型的性能差距已缩至0.3%，技术差距缩至3-6个月美国注重通用大模型原始创新‌，中国聚焦行业大模型应用落地数据：中国可用于训练通用大模型的数据不足美国‌十分之一‌，但行业数据丰富应用：美国在生物医药、高端制造‌等领域领先，中国在制造业、政务、金融等领域成熟度高美国模型的应用转化率约30%，中国模型的应用转化率为65%人才：中国在2024年项尖科技人才数量首次超过美国，美国顶尖AI人才中75%是华人部分代表性国产AI大模型（1）通用大模型：国产力量的崛起百度·文心一言（ERNIE）：在权威评测中多次位居中文综合能力榜首，多模态生成能力领先，典型应用：智能客服、文档分析、知识图谱构建阿里巴巴·通义千问（Qwen）多模态理解与生成能力强，全球HuggingFace榜单榜首，典型应用：电商内容生成、医疗影像报告、社交媒体创作字节跳动·豆包大模型：多模态交互亮眼，支持方言语音、情感化表达，典型应用：创作者助手、语音交互、营销文案生成深度求索·DeepSeek：擅长动态推理优化与个性化生成，推理效率出色，适配企业私有化部署和二次微调部分代表性国产AI大模型（2）垂直领域：深耕行业的先锋力量月之暗面·Kimi长文本处理能力顶尖，支持百万字上下文输入、图文联合分析，在论文、法律合同等长文档解读场景表现突出科大讯飞·星火大模型多语言交互能力突出，支持30+语种，深度融合语音识别与合成技术，深度适配教育、医疗、办公场景智谱AI·GLM-4国内首个支持视频通话的千亿参数模型，网页解析和视频分析稳定性出色，在语言理解与创意写作中表现均衡百川智能·百川大模型：专注医疗垂直场景，疾病诊断辅助系统覆盖超1000家医院部分代表性国产AI大模型（3）生成与创作：AIGC的核心引擎腾讯·混元大模型中文创作和复杂语境推理能力强，支持文本到视频生成，深度整合微信生态字节跳动·即梦AI短视频创作神器，支持文/图生成视频，深度适配抖音内容生态行业落地：大模型竞争从技术参数转向价值