《人类优势：AI与繁荣的全球视角》报告发布

2026年7月16日，全球竞争力理事会联合会（Global Federation of Competitiveness Councils，GFCC，2010年成立的一个全球领导力网络，将竞争力置于可持续增长战略的核心位置）与澳大利亚托伦斯大学（Torrens University Australia）合作发布《人类优势：人工智能与繁荣的全球视角》（The Human Edge: Global Perspectives on AI and Prosperity）报告。

该报告汇集了来自32个国家、5个领域（工商产业界、学术与科研界、民间社会、政府与政策制定部门、其他部门）的113位领导者的见解，就各国如何在人工智能驱动的世界中增强人类能力与提升机构的适应力，提供了极具全球多样性的视角。

主导这份报告的澳大利亚托伦斯大学苏比奇（Aleks Subic）教授表示，“技术飞速迭代，投资规模激增，人工智能应用正渗透各个行业。然而教育体系、劳动力模式、治理框架以及社会保障体系却未能跟上步伐。这是人工智能转型过程中关乎竞争力的核心挑战。”

“教育工作者面临的重大挑战之一，是如何在人工智能时代培养人类的能力。大学不应将人工智能仅仅视为工具或研究引擎，而应致力于培养能够与人工智能协同工作的毕业生，以提升生产力、创造力和效率，并为社会包容性发展作出更大贡献。”

苏比奇同时指出，“这项调查并未偏向技术或人类社会任何一方，而是以全面、平衡的视角审视整个议题；这正是报告将其命名为‘人类优势’（The Human Edge）的原因所在。”

他认为，“传统上，国家与地区的竞争力以生产力、创新能力和科研产出作为衡量标准。但在人工智能经济时代，竞争力将取决于民众的适应能力、快速学习能力、工作重构能力，以及构建社会信任的能力。”“人工智能的真正潜力不在于技术本身，而在于它如何赋能人类能力——但这只有在机构优先教会人们如何与人工智能协作时才能实现。任何在不提升人类能力的情况下应用人工智能的大学或机构，或许能获得短期的效率提升，但从长远来看，其发展根基将十分脆弱。”

报告的主要结论概述如下：

1.人类的优势真实存在，但必须有意培养

受访领导者并不认为单纯的人工智能技术专长是决定性的差异化优势。在人工智能经济中，最受重视的能力包括创造力、批判性思维、伦理意识、适应能力、终身学习、数字与人工智能素养、复杂问题解决能力、协作能力以及创业思维。尽管人工智能技术和工程方面的专业知识固然重要，但在该调查中，其重要性排名远低于上述更广泛的人类能力。

这一见解挑战了一种狭隘认知：想要适配人工智能时代，只需批量培养程序员、数据科学家或人工智能工程师。这类技术技能必不可少，但仅有技术远远不够。真正能创造核心价值的人才，能够界定问题、做出判断、提出高质量问题、跨学科协作、理解情境、建立信任，并借助人工智能创造全新价值。

换言之，人工智能大幅放大了人类独有能力的价值。但报告同时着重强调：人类优势并非自动获得。创造力、判断力和适应能力在社会中并未得到均等培养，它们取决于是否能获得优质教育、有意义的工作、数字基础设施、心理安全感、导师指导、思考时间以及通过实践学习的机会。而这些条件在社会中的分配并不均衡。

这一结论对教育与劳动力政策有着深远影响：我们需要摒弃静态的教学内容、固定的学位模式以及零散的培训干预措施。人工智能时代的教育必须变得更加模块化、适应性强、注重应用且贯穿终身。教育体系必须将人工智能素养与批判性思维、伦理推理、系统思维、创业精神以及职业胜任力有机结合。此外，随着人工智能开始承担更多入门级的认知型工作，我们还必须保护并重塑学徒制及毕业生职业发展路径，因为这些正是人们积累经验和提升能力的关键途径。

2.核心风险不在于人工智能取代人类，而在于它会优待一部分人，同时将另一部分人排除在外

受访领导者将人工智能视为一种“放大器”。它既能放大生产力、创造力和获取机会的能力，也可能加剧现有的不平等。受影响最大的群体往往是那些本已处于结构性弱势地位的人群：全球南方国家、低收入社区、从事易被自动化取代的常规性工作的劳动者、年长员工、担任行政与文职工作的女性、初入职场且面临入门级工作被人工智能取代风险的年轻毕业生、语言少数群体、农村社区居民，以及缺乏可靠数字接入条件的人群。

普惠包容的人工智能转型不会自然发生，仅靠市场力量很难实现利益的均衡分配。若任其自由发展，人工智能创造的价值往往会向那些掌握数据、算力、资本、高阶技能及拥有强大机构能力的人群集中。

这意味着，必须从一开始就将“包容性”纳入人工智能转型的顶层设计之中。这涵盖了诸多要素：数字基础设施的普及、经济实惠的工具、人工智能素养的培养、本地语言资源、可信公共平台、社区共同设计机制、技能重塑支持，以及既能保护劳动者和公民权益又不阻碍创新的治理模式。

报告中列举的案例——包括巴西皮奥伊州（Piauí）的人工智能教育、罗马尼亚的机器人教育、西班牙的计算思维与人工智能项目、新加坡的“技能创前程”（SkillsFuture）基础设施、肯尼亚人工智能驱动的金融生态系统，以及加拿大艾伯塔省（Alberta）社区参与设计的健康应用——充分表明：只要相关机构在起步阶段就思考“谁最容易被边缘化”以及“什么样的设计选择能将他们纳入其中”，实现包容性人工智能就是完全可能的。

3.机构就绪能力是竞争力的真正前沿

报告明确指出，当下我们面临巨大的“制度性缺口”。人工智能能力发展迅速，但用于统筹、治理、承接、分配技术价值的配套体系严重滞后。这一缺口体现在教育、监管、劳动力市场、组织架构以及公众信任等多个方面。

本次调查显示，各界对教育体系及劳动力队伍的准备情况深感忧虑。技能错配与教育滞后是阻碍人类与人工智能协同发展的首要壁垒。其他研究也印证了这一趋势。例如，世界经济论坛（WEF）指出，技能缺口是企业转型的一大阻碍，并预计到2030年，39%的从业者将面临核心技能的更迭。经合组织（OECD）的研究亦发出警示：当前许多与人工智能相关的培训，其受众往往过度集中于高技能人才及人工智能专业人士，而忽视了更广泛的劳动力群体——这些人同样亟需掌握实用的人工智能素养并获得转型支持。

各国竞争力发展战略必须就此革新。过去，国家或地区的竞争力往往通过生产力、创新强度、投资吸引力、科研产出及出口表现等指标来衡量。这些指标固然重要，但在人工智能经济时代，竞争力还将取决于“适应能力”：即个人、机构及区域快速学习、重塑工作模式、建立信任、负责任地部署技术以及公平分配生产力红利的能力。

如果一个国家、地区或高校在部署人工智能时未能同步提升人力资本，虽能获得短期效率，却可能埋下长期脆弱性的隐患。相比之下，那些能够将人工智能应用与技能提升、包容性发展、治理体系完善及创新生态构建有机结合的实体，将建立起更持久的竞争优势。

基于调查结果，报告也提出了一些战略性建议：

1.将人工智能就绪的教育与技能框架确立为全球优先事项

调查显示，最迫切的需求在于建立适应人工智能时代的教育与技能框架。但这些框架不应局限于狭义的技术层面，而应界定实现人类与人工智能互补所需的全面能力体系，包括：人工智能素养、批判性思维、创造力、系统思维、伦理意识、适应能力、协作能力、创业思维以及应用型问题解决能力。这些框架应能贯穿整个教育体系，涵盖K-12教育、职业教育、高等教育、专业培训以及职场人员的技能重塑与提升。

2.将终身学习构建为一种基础设施，而非一系列零散的项目

应对人工智能带来的变革，不能仅靠短期的培训计划。各国及各类机构需要建立持久的终身学习基础设施，包括：可携带式学习账户、模块化认证、雇主共同投资机制、可叠加的资格认证、对既有学习成果的认可，以及支持人们从“易受人工智能冲击的岗位”转型为“由人工智能赋能的岗位”的职业路径。新加坡的“技能创前程”（SkillsFuture）模式极具启示意义——这并非因为该模式可被完全照搬，而是因为它彰显了在危机来临前构建基础设施的重要性。

3.重新设计工作模式，而不仅仅是调整培训体系

报告指出，人工智能的价值在于工作流程的重塑，而非仅仅是工具的引入。各类组织需从单纯的“任务自动化”转向全面的“工作模式变革”。这意味着需要明确：人工智能可承接哪些低价值的认知负担，哪些环节必须保留人类独立判断，需要设立哪些新岗位，同时让员工参与到人工智能落地规划。这对提升生产力、建立信任以及保障员工福祉至关重要。

4.维护学徒制及毕业生通往专业领域的成长路径

报告指出，一个常被低估的风险是，入门级实践学习通道或将萎缩。如果毕业生和职场新人赖以学习判断力的常规性工作转由人工智能完成，那么通往专业精通与经验积累的路径可能会受到削弱。这一问题在法律、金融、咨询、会计、工程、医疗管理、软件开发及科研等领域尤为突出。高校与雇主应携手设计适应人工智能时代的新型学徒制及毕业生培养模式，确保职场新人能够与人工智能协同学习，而非绕开人工智能或与人工智能进行单纯的竞争。

5.将包容性确立为设计原则，而非事后的补救策略

制定人工智能相关政策时，应优先关注那些受人工智能影响最显著的群体与地区。这涵盖了“全球南方”国家、农村社区、中小企业、低薪劳动者、从事常规性工作的女性、大龄劳动者以及数字基础设施薄弱的社区。实现包容性人工智能，需要针对网络连接、本地语言模型、基于社区的培训、公共数字基础设施、易用工具及可信中介机构进行有针对性的投入。

6.制定以人为本的人工智能竞争力评估体系

报告认为，应构建统一全球评估标尺，衡量各国人工智能是否真正赋能人类而非替代人力；评估维度包含人机协同增效、岗位替代规模、全民技能缺口、再培训普及度、成果分配公平性，跳出单一人工智能装机量、总体产值的片面统计，完整展现人工智能对全民就业与普惠繁荣的真实影响。

7.从自愿性原则转向具有问责机制的治理模式

尽管伦理人工智能框架必不可少，但如果仅停留在自愿层面且脱离实际应用，则远远不够。政府、企业和高校应共同构建治理模式，明确问责机制、审计要求、“人在回路”（human-in-the-loop）标准、员工咨询机制、透明度要求以及纠纷救济途径。其目标不应是阻碍创新，而是通过有效且负责任的适应性举措，建立起对创新的信任。

报告最后提出，最大的危险并非人工智能变得过于强大，而在于人类自身的体系过于被动、碎片化且适应迟缓。全球受访领导者既看到了机遇，也意识到了风险。他们并未排斥人工智能，而是呼吁建立一种更审慎的人机协同进化模式：这种模式旨在增强人类能力、重塑体制、保障包容性，并以实际生活成效及总体增长来衡量成功。

当下正是从“诊断问题”转向“引领变革”的关键时刻。未来的工作不应仅仅被定义为一项技术议程，而应被视为关乎竞争力与人类福祉的议程。人工智能将重塑生产力、工作形态、教育体系及创新模式；至于它能否同时带来更多机遇、尊严与包容性繁荣，则取决于我们当下的抉择。因此，下一阶段的行动应务实、协作且可量化：建立联盟、设立枢纽、制定评估指标、动员高校力量、吸纳“全球南方”参与，并将劳动者与社区的声音置于议程的核心位置。这份报告不应是对话的终结，而应成为一场变革运动的开端。

资料来源：

1.Torrens University Australia. Artificial Intelligence is reshaping economies, industries and societies at unprecedented speed. https://www.torrens.edu.au/stories/newsroom/research/global-ai-report-warns-australias-education-and-work-systems-need-to-be-redesigned.

2. Global Federation of Competitiveness Councils. The Human Edge:Global Perspectives on AI and Prosperity. https://www.thegfcc.org/_files/ugd/9fce07_ec0e3a646d9e4c04852aeaaeccc95bf1.pdf

[本文为教育部国别和区域研究基地中国教育科学研究院国际教育研究中心成果]

本文由中国教育科学研究院“教育国际前沿”课题组整理，课题组负责人张永军，编辑刘强。点击左下角阅读原文可下载该文献。