吳軍×梁建章：知識總量日益增加，年輕人如何選對專業、找好工作？

在這個AI技術飛速發展的時代，教育正面臨著前所未有的變革。

在此背景下，近日，中信出版邀請計算機科學家吳軍博士與攜程集團聯合創始人梁建章先生，圍繞“AI時代：探索未來學習新模式”這一主題，針對人工智能浪潮下的教育轉型、家長焦慮破解等議題深入交流，探討了人工智能時代下教育面臨的機遇與挑戰，為理解AI時代的教育邏輯提供多元思考。

以下為對談內容精華摘編。

AI時代下的短期替代與長期能力

吳軍：

當下我們常提及“信息時代”，但信息本身具有較強的抽象性。盡管人們每日都會談及信息，卻極少有人真正關注“信息究竟是什么”，對其發展歷程也缺乏深入探究。近二十年來，縱觀全球產業發展態勢，發展較為迅猛的領域基本集中在與信息相關的范疇，且這一領域的發展速度始終保持高位。此次應中信的邀請，我將與梁博士共同探討未來教育相關議題。我們探討的核心，實則是信息時代背景下，青少年教育模式與傳統教育的差異。

目前，許多家長普遍存在教育焦慮：一方面，他們認為傳統的教育與就業市場銜接不夠緊密，學生畢業后就業難度較大；另一方面，受網絡上部分夸大言論的影響，他們聽聞“人工智能可替代大量人類工作”，進而產生“未來只需讓孩子學習興趣相關的非核心內容即可”的認知。而實際上很多人都存在誤解。

梁博士在人口研究及世界經濟領域有著獨到且深刻的見解，想向您請教：從您的專業視角出發，如何看待當下技術發展對未來產業形態產生的影響，以及這種影響又將作用于教育領域的發展方向？

梁建章：

人工智能對就業市場的影響可從短期與長期兩個維度進行分析。

從短期來看，其影響范圍仍集中于初級信息相關產業。此前，計算機科學（Computer Science）是熱門專業，程序員群體構成了規模龐大的就業群體，其中從事簡單腦力勞動的部分程序員，已在短期內受到人工智能的顯著沖擊。

近期，我們結合北京大學及美國的招聘數據研究發現，初級（entry level）崗位受影響尤為突出。無論是軟件工程師等技術崗位，還是翻譯、助理、編輯等文職崗位，人工智能均已具備替代能力。這一趨勢對剛畢業的大學生而言并非利好：未來他們可能需要經歷更長周期的實習期，或攻讀更高的學位，才能勝任相關工作，這一變化已在短期內切實發生。

人工智能尚未滲透至一般服務行業，例如導游、旅游業從業者、餐廳服務員、司機等；快遞員、清潔工等藍領崗位也暫未受到波及。因此，短期來看，藍領群體暫時不會受到人工智能的直接影響。

但從長期視角而言，上述當前未受影響的崗位均有可能被人工智能逐步影響，最終或許僅剩下最高級別的工作崗位由人類承擔。后續我們可進一步探討，究竟哪些高級工作仍會保留給人類。

從短期來看，對于父母來說，如果你家孩子現在年齡非常小的話，就不用這么焦慮，因為未來真的是很難知道什么樣的工作還會存在。如果是剛剛畢業的學生或者剛剛走上工作崗位的年輕人，也不用太焦慮，因為這個替換過程是逐步的。

梁建章

吳軍：

到目前為止，人工智能都還是我們中國俗話叫“大力出奇跡”。就是你沒有這個算力，還是很難的。十年二十年后，這也會是常態。因為你要解決更大的、更復雜的問題。簡單的問題現在已經都解決了，現在要解決更困難的問題。

我曾就此與谷歌相關人士探討，這個編程到底怎么樣？對方給出的兩個結論至關重要，尤其值得家長們關注。

第一個結論是：若想讓計算機實現特定編程需求，使用者自身必須具備編程能力。否則一旦AI編寫的程序出現漏洞，我們往往難以debug（排除故障），所以你必須非常懂，因為你不可能讓計算機去debug，因為如果它覺得有bug，它就不會寫出這樣一個代碼。比如，你有一個財務，你想讓他給你算賬，首先你自己要懂財務，否則的話你很容易被蒙。如果你覺得你不用懂，雇一個財務就能把公司的賬整理清楚，那么很有可能他會把你的錢全卷走了。

第二個結論是：當前計算機需解決的問題復雜程度與技術工具的提升速率都在同步推進，但問題復雜程度的提升速度，實際上遠超技術本身的提升速度，也就是說，現有技術尚未能完全匹配實際需求。

以醫學領域為例，現在已經取得了很多醫學成就，過去很多的疑難病現在治療起來都比較容易了，然而，醫療成本依然很高，這是因為現在醫學研究聚焦的都是難度極高的病癥，這類病癥的治療成本增長極為迅速，而醫療技術的發展速度難以跟上成本攀升的節奏。正如梁博士剛才講的，無論身處哪個行業，高級人才未來都不會受到太大沖擊，因為始終有大量復雜問題等待他們去解決。

吳軍

梁建章：

這意味著對從業者的要求實則進一步提高 ，他們不僅需要熟練掌握原有客戶需求及多學科知識，還需具備運用各類最新技術工具的能力。不過，我也觀察到，部分具體的實操技能，其市場需求確實在逐漸弱化。比如現在好像很少有招聘廣告要求你一定要會哪門語言，或者你一定要會Java、C++等。

吳軍：

此外，我還發現這類具體技能的生命周期平均僅為5至6年。正因如此，我無法理解為何有不少人熱衷于考取各類認證證書，諸如微軟認證、Java認證等。2000年前后互聯網泡沫興起，Java、微軟C#興起了；Oracle等數據庫出現后，你會寫SQL就會有不錯的工作；后來轉向大數據，大數據科學家開始做數據處理和分析；后來Java也過時了，Python取而代之。除了C++，每一種語言的生命周期多則10年，少則5年。這就是許多IT行業的人比較累的原因。

這就如同習武之人，既有追求“道”的，也有執著于“術”的， 那些僅局限于表層的技巧，短短幾年后便會失去效用；但若是專注于探求“道”，比如透徹理解計算機科學的核心原理，那么即便換一種全新的編程語言，也能通過看書自學很快學會。

AI反而會創造很多新工作

梁建章：

我認為，現在的情況對現有教育體系確實提出了全新要求。教育應更注重培養學生廣博且多元的知識儲備，同時加快技巧性內容的教學節奏。這一要求，與我國當下尤其是圍繞高考形成的“學生僅聚焦于高考考核內容展開學習”的教育現狀，其背離程度愈發顯著。

吳軍：

您講得非常對。我覺得高考考核內容太少了，就幾門課。關鍵問題是，很多聰明的學生高二就學完高中課程，高三一年磨了幾分、十分，可能就從211大學改成985大學。

梁建章：

不僅高考，中考也存在類似問題。當前情況下，普通學生想找個好工作，大概率需要考取碩士學位，因完成相關知識學習可能需碩士階段，但課程實際可加快推進，未必需要耗時六年（大學四年，碩士兩年）。

吳軍：

這并非單純的學歷要求提高，核心是知識總量在持續增加，必須達到足夠的知識儲備才行。本科四年期間，實際學到的與未來發展相關的有用知識，僅相當于一年半的量。這也印證了您之前所說的，必須再攻讀兩年碩士，才能積累足夠的基本知識。在國外，也是有不同的情況，比如在美國一般碩士畢業需要讀五年半，如果你相對比較聰明，本科的時候把研究生讀完了，大學認認真真讀3年，知識量也夠了。比如我女兒本科讀了三年，讀了兩個學位，一個計算機學位，一個數學學位，畢業后去了一個大廠工作。

梁建章：

我覺得綜合的知識面是很重要的。其實對于一些文科內容，在社會工作或者生活的時候，可以自學，可能不需要上課學習。

吳軍：

從知識點和知識面來講是可以，但是文科里有一個基本的訓練還是很重要的，就是寫作能力。現在的問題是，他要講一件事或者寫一件事，腦子是糊涂的。工作的匯報也是，最后只有20%的內容有用，通過AI潤色也沒用，因為他的想法就是一鍋糨糊。你如何把一件事講清楚，這個需要訓練。

梁建章：

這更多涉及邏輯學范疇。我認為當前的寫作課程可重點培養學生邏輯清晰表達的能力，以及運用統計視角分析和解讀數據的能力。

吳軍：

比如說歷史這門課，在美國學歷史和學一門理科的課沒有太大的差別，也要求必須要有觀點，然后需要從事實去論證這個觀點。每一個論證過程都要有信息的來源，孤證不能作數。這和物理學做實驗要求實驗可重復是一個道理 。寫物理學實驗的論文和寫歷史學的論文，在邏輯上或者結構上有很大相似性。國內近二十年的歷史學學者也是這么做的。

梁建章：

這是社會科學的科學研究方法，國外很多大學甚至中學就教了，國內教得比較晚，可能要到研究生階段才學。

吳軍：

但很多家長卻覺得，國內大學專業劃分細致，細分專業下還進一步拆分是理所當然的。殊不知，這種細分模式不過是工業化大機器生產時代的產物，至今最多200年歷史。

梁建章：

這個知識越來越多，所以不得不分得越來越細，這個也是沒辦法。

AI出現以后，人類可能會走過一個資源稀缺的階段，從長遠看，20年、30年，尤其像中國、美國這樣的國家會走過一個資源匱乏的階段，走到一個物質豐富的社會。

進入物質豐富的社會以后，效率就沒那么重要，可能更多需要精神體驗，娛樂行業、旅游行業就可能很重要。

這些行業就有“怎么樣設計出最佳的精神體驗”的需求。所以文化、品味、道德或者倫理、哲學方面的這些技能會更重要。這些就不需要像工程師思維那樣分得特別細，但是工程師還是需要的，一小部分工程師還是最賺錢的。在中國，尤其是制造業，全球領先。更大的一個行業應該是文化領域、旅游領域，還有比如說游戲，電影這些領域。這些領域可能就是需要不同的一個技能。

吳軍：

我們不說未來，即使是今天，中國產業工人不到2億人，這已經是很大的規模了，占全世界人口的2.5%。在全世界范圍內，如果不考慮關稅、市場飽和等等因素，讓2億人放開量生產，兩倍的地球人都消費不完，尤其是生產設備更加現代化以后，更是這樣。所以物質生產——無論是工業品還是農業品，越往后在GDP中的占比會越低。不是說它的絕對數量會越來越低，而是占比會越來越低，因為服務業的占比在不斷提高。

全世界人均GDP大約是1.3萬美元，中國也是差不多的水平。人均GDP比中國高三四倍的國家，以德國為例，大家普遍覺得德國是個制造業大國，但其實它的文化產業也很發達，在GDP中的占比很高。而人均GDP不如中國的這些國家，服務業在其中的占比都不太高。所以中國的經濟從現在人均GDP1.3萬美元，將來漲到2.5萬美元，翻一番，最大的潛力還是在服務行業。

梁建章：

是的，很多國家的旅游業是現在增長最快的行業，遠超他們的農業或者制造業。而且在目前的就業市場中，網紅是增長最快的群體之一。網紅所做的工作本質上就屬于精神消費范疇，也是一種創意行業。

文創這個行業的影響力是很強的，比如我們旅游領域就有很多專業網紅，他們發掘一條旅游線路，然后靠推廣這條線路也能獲得不錯的收入。未來這類行業大概率會越來越多。

還有知識付費、教育培訓行業也在發展，像吳老師的科普教育就做得非常成功。

吳軍：

現在互聯網很發達，知識能共享。舉個例子，現在Coursera上大概有10萬門以上的課程，而哈佛400年的歷史，一共大約開了六七千門課程。從長遠來看，有了新技術和人工智能以后，學習知識的門檻會變得很低。但另一方面，正因為門檻變低，過去有些人靠大學課程形成的專業壁壘來保護自己的知識，這種情況在將來可能很難了。除非這門課程非常難，別人學不會，否則你會發現在知識獲取方面的競爭會蠻強的。

梁建章：

我現在很疑惑，像知識產業、文化領域的網紅這類有影響力的從業者，到底需要什么樣的技能？這些技能是學校能教的嗎？還是主要靠社會體驗來培養一種品味？

比如設計旅游線路，需要對文化的理解和獨特的品味，這可能得靠多旅游、多讀書慢慢積累，而不是靠上很多課。所以，未來培養這類人才，可能需要不同的路徑，而且我覺得這類能力比較難被AI取代。比如開發旅游線路，肯定不能只依賴AI拼湊網上的信息。一個人親自體驗后再做介紹，說服力完全不一樣。像現在AI還能創作音樂，去參加一些音樂比賽，到最后還是得靠人來鑒別哪首歌好聽。因為這些都是和人性相關的，至少短期內很難完全靠AI來決定什么是好聽、好玩、好看的。

人在這里扮演著驗證的角色，或者是分享自己的個人體驗，這些都是需要人來做的工作。

吳軍：

這里您就談到另一個大問題了，現在我們訓練AI要數據，數據從哪來？這個過程中有一個很耗費人力的地方，叫labeling（貼標簽），標記哪個是好、哪個是不好，哪個是美、哪個是不美。在美國有家公司叫scale AI，它是為Open AI或者data break這類真正的人工智能公司提供數據。他們公司內部可能只有幾千人，在世界各地的外包可能已經有10萬人。

所以你會發現，新技術的出現，會帶來以前你無法想象的工作機會。也就是說每一項新技術的產生，它同時殺掉了很多工作，當然又創造出一些新的工作。

未來是追求創新和意義感的世界

梁建章：

長期來看，未來需要什么樣的工作、什么樣的技能，都具有比較大的不確定性。但總體而言，掌握更廣泛的技能、創造性思維和批判性思維至關重要，而那些零散的技巧性內容則沒那么重要。

我一直在提，即便在AI出現之前，中國教育已經付出了巨大的代價或者說浪費。這種浪費不僅體現在每個學生要浪費一兩年時間復習高考，更大的問題在于，由于升學考試的巨大壓力，很多家長不愿意投入精力生育更多的孩子。質量上，每個學生的技能培養存在一定浪費，同時更大的負面影響是數量上的，人口數量的減少。韓國內卷的程度比中國更厲害，所以韓國的生育率也很低，只有0.7。

因為我是搞人口研究的，所以經常被問到：AI出現后，還需要這么多人嗎？

從工具性的角度看，AI確實會減少人力需求；但從創新角度來說，我非常認同你的觀點——不是說創新效率提升后就不需要更多人參與創新了。雖然AI會進一步提高創新效率，但創新的復雜程度與難度也越來越高。簡單的問題都解決之后，未來的問題會越來越復雜，還是需要人使用AI去解決這些問題，而且需要更多的人、更強的算力參與。如果人口持續減少，國家的國際競爭力就會下降；如果全球范圍內聰明的人減少，那么長遠來看，創新可能就會由AI來主導，到時候我們人類就沒有足夠的人才去理解AI在做什么，那可能就面臨失控。

要維持人類在創新中的主導作用，駕馭好AI這個工具，就需要足夠龐大、足夠聰明的研發群體。人口如果一直減少，整個人類社會都可能面臨失控風險。

總的來說，從工具屬性而言，我們可能確實不需要那么多工人和服務員，但我們需要足夠多的人去主導創新、把控人類社會的發展方向，而不是淪為AI的“寵物”。

北京地鐵，人來人往

吳軍：

您講的有一點我覺得特別重要，就是在人口問題上，不要把人當成一種負擔，或者是單純的一種工具，而是要當作一種財富。站在這個角度來看，我們對人口的態度，對未來機器的態度，都會發生很大的變化。

我還想補充一點，大家不要覺得有了自動化的工具，原來十個人的活現在一個人就能干，其實不對。那些簡單的活早就被解決了，未來的活會越來越難。有了現代化的工具，原來一個人干的活將來反而可能要十個人干。我舉兩個例子。

前幾天，我碰到了一個蘋果公司的高管，就聊到了一家之前很火的公司，Sun Microsystems（太陽公司），這個公司從芯片設計、硬件搭建，到寫軟件操作系統，整個工作站做下來一共四個人，Bill Joy一個人寫了整個操作系統，Andy做了整個硬件，McNealy是CEO，還有一個印度人是Khosla，所有的活全干完了。當時的半導體自動化設計的程度非常低，有的時候恨不得手動劃線，在這種情況下他們一個人就能搞定。現在Cadence或者Synopsys這類公司的自動化設計軟件非常厲害，你想要一個什么樣的功能，它自己就設計好了，線路弄好了，然后就去測試和流片了。現在這樣的公司規模有好幾千人。從Andy當年的一人，變成了幾千人。

第二個例子，我去約翰斯·霍普金斯大學，和他們聊到旅行者一號和旅行者二號——人類僅有的兩個飛過了海王星的探測器。它們的系統處理器內存只有64K，而咱們的手機如果是16G，跟它相差了10的6次方倍。為什么原來64K能干那么多活，而現在一個微信都大得不得了？有兩個原因，一是現在功能確實復雜了，二是有了現代化工具，人也變懶了。所以原來一個人干的活，現在可能需要十個人干，甚至更多。假設有一家半導體公司，三十個人，全是精英，也干不過兩千人的蘋果公司。哪怕是工具再先進，基本的人數是需要夠的。

梁建章：

問題確實是越來越難了，就像你剛說的航空，還包括藥物等等。還有個關鍵是社會協作的尺度在不斷擴大。像谷歌這樣的公司，每年要解決各種來自政府和社會的問題，不可能完全由AI來做。所以現在是高度復雜的協作型社會，協作相關的問題也需要人來解決，整個社會變得越來越復雜，需要更多具備相應技能的人來做這些事。

雖然AI工具越來越先進，似乎創業的人數沒有以前那么多了，但創新的機會也是越來越多的，創業公司的數量好像還在增加。所以總體來看，對創新類技能的需求還是會上升。我們看未來的就業和技能需求，不能只看供給側，比如哪些工作容易被AI替代，像你說的基礎的信息處理工作，還有長遠來看一些服務類的工作。

這些工作確實面臨替代風險，但從需求側來看，創新類工作反而會增加。文旅產業這類領域，因為人們的精神消費需求會越來越多，行業需求也會持續增長。而且總體來說，人們可能不需要工作那么長時間了，工作時長會減少，會有更多時間用于精神層面的消費，這對這些行業的就業來說就是正向推動的。有些行業里，即便AI提升了效率，但需求增長的速度比效率提升更快，最終就業崗位反而可能增加。比如旅游行業，最近兩年全球范圍內增長都很快，不管是普通服務人員還是管理人員，崗位數量都在增加。

水鄉紹興，手搖烏篷船深受游客歡迎

吳軍：

是的，那從人口結構優化的角度來看，比如說未來制造業大概率不需要新增勞動力，甚至低端服務領域的人力需求也會逐步縮減 ，除了旅行、文化領域，您覺得我們還在哪些領域需要大量的勞動力？

梁建章：

對，文化旅游方面，有一些服務行業未來還是需要人的。另外就是教育領域，大學課程學生或許能通過自學完成，但小學階段可能還是需要教師。而且我覺得現在還應該給做家長的爸爸媽媽發工資，培養孩子還是需要花很多時間的，大家都不培養孩子，人口、文明、科技都會消亡。

還有就是養老領域。雖然機器人可以承擔部分照料工作，但是親情和人的溫度是機器無法替代的，所以養老方面的服務業也是需要人的。當物質極大豐富的時候，人還是需要意義感的，那么家庭的責任就是有意義的。比如照顧孩子和老人，雖然挺辛苦的，但是也能給人帶來這樣愛和意義感。

還有就是一些創新的工作，即使是非常微小的創新。比如去寫一些東西分享，無論是生活體驗還是旅游體驗。也有一些真正的創新，比如研究藝術，研究高精尖的科學技術。長遠來看，參與這類創新工作的人會越來越多：一方面，人類社會的進步離不開持續的創新；另一方面，這些工作是讓每個人找到自身存在的意義的最好方式。

所以我覺得未來人們會發掘更多有意義的事情來做。未來人類社會會在創新和培養下一代的過程中找到最終的意義。

吳軍：

好，最后想和您聊聊對未來有什么暢想。您覺得五年后、十年后，由于技術的提升，我們社會的哪些方面可能會變好，哪些方面可能會變差？

梁建章：

我對技術還是很樂觀的，對中美兩國乃至全球經濟也是蠻樂觀的。中美是全球兩大創新引擎，會持續創造更多的資源，我們需要的是花錢，需要更多的需求而不是供給。要激發需求，要給年輕人花錢。

我對中國科技發展的前景比美國更樂觀，因為中國還是具有很強的人力資源優勢，目前中國年輕人的數量是美國的3~4倍。即便美國擁有吸引全球精英的能力，經過測算，中國還是處于優勢。但如果中國人口持續減少，這個優勢只能維持一代人，想延長這一優勢、長盛不衰，就必須重視并解決現在的低生育率問題。

吳軍：

好，謝謝您，我也補充一點。今天我們探討的核心是人工智能給未來帶來的機會和挑戰。總體而言，我覺得還是機會多一些 ，很多所謂的挑戰，其實是一部分人的杞人憂天，不用太擔心。

但有一點是，人工智能從技術上“改朝換代”之后，過去很多固有的思維方式可能已經過時了，所以大家必須主動關注新的技術趨勢和新的理念，這樣才可能在未來占據主動。

對于家長和教育者而言，關鍵不在于焦慮地“雞娃”，而是要幫助孩子找到自己的興趣和長處，培養他們適應未來社會所需的核心素養。對于年輕人來說，與其擔心被AI替代，不如思考如何與AI協作，發揮人類獨有的創造力和同理心。

在這個充滿不確定性的時代，唯一確定的是：教育的目的不再是培養“工具人”，而是培養能夠駕馭工具、創造價值的人。

吳軍博士“給孩子”系列新作

40個知識故事

講清信息的本質、功能與發展

點擊卡片，即可購買

梁建章博士新作

國家創新力×企業創新力×個人創新力

探討創新與傳承如何推動社會繁榮

點擊卡片，即可購買

-End-

2025.12.22

編輯：閃閃 | 審核：孫小悠