AI时代的人才之辩：当传统知识传授“走向终结”，我们该成为什么样的人？

《科创板日报》8月17日讯（记者 王耐）在上海交通大学徐汇校区，一场关于AI时代的人才之辩正在展开。围绕AI时代需要什么样的人、商科教育如何应变，院士、校长、院长和产业一线的从业者轮番上台，观点密集，交锋不断。

会议当天，上海交大联合上海市人工智能协会、上海市人工智能研究院、安泰经管学院和人工智能学院也共同发起成立AI时代商科人才培养联盟，启动交大安泰百业千企10×100 AI场景共创计划，并发布交大安泰MBA“智能时代五链人才”系列培养改革举措。

举措背后是一个更根本的问题：AI时代，我们到底要成为什么样的人？

学习不会消失，但需要改变学习方式

上海交通大学校长、中国科学院院士丁奎岭在致辞里讲了一个故事：今年6月他去宁德时代调研，问曾毓群为什么电池技术能做到国际领先，得到的回答是“因为中国有非常强大的电化学基础研究作支撑”。

丁奎岭认为，一项前沿技术想要成长为具备全球竞争力的产业绝不只是仅仅依靠实验室科研突破，当然更离不开基础研究、工程落地、组织管理，还有耐心资本的协同发力。从实验室原理走到工厂生产线不是仅靠科学家与工程师就能完成的，也需要更好的企业运营者，以及投资人的协同发力，共同来实现产学研的深度融合。

AI时代工具越来越强，人还需要学习吗？上海交通大学安泰经济与管理学院院长陈方若认为，不仅要学习，更要加大力度，但是学习的内容必须随之改变。如果大脑不学习，就像人们常说的会“生锈”，一旦生锈必然会被AI取代。所以人的大脑是要不断训练的。

陈方若认为，当AI工具越来越强大，作为人最需要的是发现“真问题”。我们应该掌握的更多是底层逻辑、真理论，以及各种商业问题背后的共同规律，使得我们将来在面临实际问题的时候可以举一反三，因此底层逻辑的学习非常重要。面对真问题时，我们要学会将其拆解，同时能巧妙将AI提出的建议综合起来，实现“真问题”的“真解决”。

以传统知识传授为主的课堂教育体系“正在走向终结”。

中国科学院院士、上海交大人工智能学院首席顾问鄂维南直言。他表示，AI已经能提供低成本、个性化、高质量的优质教育资源，传统讲授式教学的存在基础在动摇。社会发展、技术发展太快了，仅仅靠第一学位、第一专业已经难以应付未来的需求，高校的任务也将真正从“教书”转向“育人”。

他同时指出，“大佬”“大师”这些词在今天已经被空心化了。AI时代，每个人都必须成为“领军人才”。这不是一个头衔或职位，而是“对行业未来发展有比较准确的判断”。

成为这样的人，需要三种能力：

第一，基本原理思维能力。 比如学数学不是为了掌握概念和工具，而是为了培养两样东西：一是严谨的思维，二是透过现象看本质的抽象能力和全局视野。学物理也是如此，它的精髓在于，面对一个复杂问题时，你能把它简化到不能再简，直击核心。但遗憾的是，当前的课程教育没有做到这一点，学生学的往往只是基本概念。

第二，提出问题的能力。 我们的学生很会解决问题，但不善于提出问题。培养提问能力，需要两个层面的训练：一是深入了解需求——人类社会面临哪些挑战？中国面临哪些挑战？不是泛泛了解，而是在具体问题上形成深度认知。二是理解科技发展的路径——新概念、新方法、新理论是怎么产生的？过去10到20年有哪些技术真正改变了我们的生活？还有哪些关键点需要突破？这些内容在课堂教育中几乎缺席，但恰恰是“问题”本身所在。

第三，工程实践能力，这对应的是拆解问题、解决问题的能力，比如会做实验、以及使用AI等工具。

“过去我们学习就是把这些提炼好的内容记到脑子里，但是到了AI时代，提炼过的知识还有必要花这么多时间去死记硬背吗？”阳氢集团董事长程惊雷认为没有必要，我们现在要学的是如何把这些提炼好的东西变成你的工具去应用。他提醒，过去的我们都是线性的局部地去看待问题或者去解决问题，要做的是指数级的综合跳跃性的认知和推进。

工业AI和商业AI是两码事

上海交大溥渊未来技术学院院长、宁德时代首席制造官倪军认为，虽然工业产业的AI应用有非常大的潜力和市场前景，但现在好用的应用并不多，关键在于工业场景和商业场景是有本质区别。“在商用上，如果互联网推送一个错的广告，最多就是快速刷过去，但在工业场景，比如核电站主泵转速要调整，AI推荐把转速下调20%，你敢不敢相信这个决策，万一这个决策一做，这个冷却不够，这个温升异常，这是非常大的挑战。”

区别于大语言模型，倪军进一步指出，大语言模型把全人类有史以来在公开网上发布的信息数据都拿来训练这个模型，但在工业，没有那么大的数据。因为企业技术细节的保密性，这造成数据量非常小。包括现在最热门的具身智能，每家都在训练，因为缺数据，具身智能每一个本体都不一样，你训练的数据不能泛化到我这个本体上，面临着非常多的挑战。

“大数据存不存在，确实存在，在一个工厂里，每天像宁德时代生产电池所产生的各种各样的数据，它非常大，但是用不到，基本上不是我们通用的。还比如说核电站，想开发一个核电站的智能AI决策，数据方可以提供很多数据，但都是同类数据。你说让我知道预测什么时候会出故障，故障数据几乎不存在，这就是我们从工业角度面临的挑战。我们应该叫‘工业小数据’，因为每家都保护起来没有分享。”倪军从自己的工作体验分享道。