编者：

近来，ChatGPT、DeepSeek、Openclaw这些AI（人工智能）工具火遍全球，好像一夜之间人工智能就渗透到了生活的方方面面。那么，AI浪潮到底给人类的科研、教育、社会、伦理带来了哪些新挑战？人类又该如何应对？对此，本刊3月20日专访了北京交通大学的王元丰教授。

文/ 执行主编 郑挺颖

王元丰

01

AI给人类科研

带来第五次范式变革

提问

王老师，您就在高校的科研和教育

的第一线工作，我最想知道的是：

在真正的科学研究领域，AI到底

带来了什么样的改变？它真的会

让科学家失业吗？

回答

王元丰：人工智能对科学研究的影响具有范式变革的特征。回顾科学史，人类科研活动经历了四个明确的发展阶段：第一阶段是以阿基米德、伽利略为代表的实验观察范式，科学家通过受控实验与系统观察获取自然规律；第二阶段是以牛顿、麦克斯韦为代表的理论研究范式，研究者通过数学建模与逻辑推演描述客观世界；第三阶段是上世纪六七十年代兴起的计算机模拟范式，科学家借助计算机的计算能力在虚拟空间中复现复杂现象；第四阶段是大数据时代的数据关联范式，研究者通过海量数据的相关性分析发现潜在规律。

在大数据基础上，人工智能又催生了第五科研范式——AI for Science（科学智能）。这一范式的核心特征在于：人工智能系统不仅能够处理和分析数据，而是让AI作为科学发现的核心引擎，通过学习物理规律等底层逻辑，实现对复杂现象的高精度预测、模拟与逆向设计。2024年诺贝尔物理学奖授予美国普林斯顿大学高级研究学者约翰·霍普菲尔德（John Hopfield）与加拿大多伦多大学名誉教授杰弗里·辛顿（Geoffrey Hinton），以表彰他们在机器学习领域的奠基性贡献；诺贝尔化学奖则授予美国谷歌DeepMind公司首席执行官德米斯·哈萨比斯（Demis Hassabis）与其首席科学家约翰·江珀（John Jumper），表彰他们开发的AlphaFold系统在蛋白质结构预测方面的突破。这标志着AI for Science已获得最高学术权威的认可，成为科学研究的重要范式。

这一变革的深层意义体现在三个层面：首先，人工智能突破了人类认知能力的生物性限制，能够处理规模远超人脑容量的信息；其次，大模型技术实现了人类显性知识与隐性经验的编码化存储，使知识传承突破了时空限制；最后，智能体（AI Agent）技术赋予AI系统自主决策与行动能力，使其从被动工具转变为主动参与者。

当前，科研范式正经历更深层次的演进，即向“合作科学家”（Co-scientist）模式转型。在这一模式下，人工智能不再仅仅是执行指令的工具，而是具备知识整合、方案规划与创造性思维能力的平等研究伙伴。研究团队可构建具有不同专长的智能体系统，分别承担文献综述、实验设计、数据分析、成本控制、碳排放优化等任务，与人类研究者形成深度协同，共同完成复杂科研项目的系统规划与执行。这种人机协同的科研组织形式，正在从根本上重塑科学发现的基本逻辑与知识生产的社会结构。

02

哪些科研领域

已经被AI深刻改变

提问

听起来AI在科研领域确实威力巨大。

但我想问一个实际问题：AI是不是

在所有科学领域都一样厉害？比如

搞计算机的、搞生物的、搞材料的，

大家是不是都在同一起跑线上？还是

说有的科研领域已经天翻地覆，有的

还是春风不度？

回答

王元丰：各学科受人工智能影响的程度显著不均衡，这种差异源于学科知识形态、数据可获得性与问题结构化程度的不同。计算机科学因其与人工智能的技术同源性，自然处于技术应用的领先地位，算法创新与硬件发展形成正向反馈循环。2025年5月由上海科学智能研究院、复旦大学与施普林格·自然集团（Springer Nature）联合发布《科学智能白皮书2025》显示：科学智能（AI for Science） 领域的年均增长率在2020年后提升至 19%，显著高于纯AI核心领域，尤其是在工程科学（29%） 和生命科学（16%）领域增长最为迅猛。报告将AI在科学中的应用划分为六大方向，并指出大语言模型（LLMs）已成为物质科学、生命科学等领域的通用工具，而强化学习则在工程控制和数学定理证明中占据主导。

在材料科学内部，技术渗透同样呈现明显的梯度分布。面向航空航天、核能装备、生物医用、新能源等特殊应用场景的高性能合金、功能材料、复合材料领域，AI技术的应用深度显著领先于传统建筑材料领域。这种差异源于三方面因素：特殊应用场景对材料性能具有极端要求，传统试错方法成本过高，迫切需要AI辅助的理性设计；高端制造领域的数据积累较为完备，为机器学习模型提供了训练基础。相比之下，传统建筑材料如混凝土的性能要求相对宽松，数据标准化程度较低，技术应用的紧迫性与经济性均显不足。

03

AI时代的教育焦虑：

孩子们还要辛苦读书吗？

提问

现在，我身边的好多家长很焦虑：

AI这么厉害，什么题都会做，写

文章比人还快，那我们的孩子还有

必要那么辛苦地读书吗？现在学的

这些东西，十年后会不会全部没用？

作为家长，我们到底该怎么培养

孩子，才能让他们不被AI时代淘汰？

回答

王元丰：人工智能对教育体系的影响同样具有范式变革的特征，但相较于技术领域的快速演进，教育界的应对明显是准备不足。这一问题具有全球性，即便拥有丰沛高等教育资源的发达国家亦未能建立系统性的适应机制。当前教育界的很多相关讨论仍局限于工具层面的修补，如将编程课程纳入必修课、使用智能教学辅助系统等，未能触及教育本质的深层变革。

我在2016年就开始关注这一问题，曾在新加坡《联合早报》等报刊撰文讨论人工智能对就业与教育的冲击。2024年，我又提出，教育正面临“斯普特尼克时刻”——如同1957年苏联发射第一颗人造卫星引发美国的那种危机感，人工智能对教育体系的冲击要求根本性的变革响应，而非渐进式的调整。

传统教育的核心特征是人与人之间的知识传递，教师作为知识权威与道德榜样，通过面对面的互动完成文化传承与价值塑造。而人工智能技术的成熟催生了三种新型教育关系：首先是人对机器的训练，即人类通过数据标注、反馈强化等方式提升AI系统的能力；其次是机器对人的教学，智能导师系统可根据学习者的认知特征提供个性化指导；最后是机器间的知识迁移，不同AI系统之间可实现模型参数与策略的直接传递。这三种关系重构了教育的基本形态，使教育从长期被认为人类社会的专属活动扩展为人与机器协同的复杂系统。

与此同时，大语言模型技术使知识获取的边际成本趋近于零，学习者可通过自然语言交互获取各领域的专业知识。这一变化使得传统知识传授模式的价值基础受到根本性挑战——当机器能够比人类教师更准确、更全面地回答知识性问题时，以知识记忆与再现为核心的教育目标便失去了存在的合理性。

基础教育领域面临的核心议题是培养目标的根本性重塑。在知识存储与检索可由机器高效完成的背景下，好奇心培育、批判性思维发展、创造性问题解决能力应成为基础教育的核心目标，要大力开展人的社会性和情感教育（Social and Emotional Learning），使受教育者拥有很强的适应性、很强的学习能力，无论什么样的新工作，都有能力做好；无论什么新环境，都能够尽快融入。这意味着中小学的教育评价标准需要从标准化测试转向个性化能力评估，教学方法需要从知识灌输转向探究式学习，学习环境需要从封闭的教室转向开放的问题场景。国内有专家就曾提出，未来教育将打破传统学校的围墙，更多以“学习中心”的形式存在。

高等教育领域则面临更为严峻的开放性挑战。当前大学教育显著滞后于社会需求，课程体系、内容陈旧，多少年不变，而技术迭代周期以年、以月计算；产学研协同机制在组织层面、利益层面、文化层面均存在深层障碍，知识生产与知识应用之间存在结构性断裂。部分前沿技术企业已建立内部大学与研究院，其技术人才培养能力在某些领域已超越传统高校。美国英伟达公司总裁黄仁勋曾批评传统教育说，过去一百年，教育就是把人训练成计算机。现在，AI 一夜之间让这项技能变得一文不值。

未来教育组织形态可能向分布式、模块化的“学习中心”模式演进。传统四年制大学学历教育的重要性可能相对下降，微课程、微证书、技能徽章等模块化学习方案将更为普及，学习者可根据职业发展需求灵活组合学习路径。美国密涅瓦大学（Minerva University）已尝试全球校园模式，学生在本科阶段于不同国家轮换学习，通过跨文化环境的沉浸式体验培养全球视野、文化敏感性与社会适应能力。这种大学在美国现在可能比哈佛大学还受欢迎。这些探索虽尚未成为主流，但预示着教育体制变革的基本方向。美国“AI明星公司”帕兰蒂尔（Palantir）认为大学教育无用，推出“精英奖学金”计划，直接从高中招募人才并提供全职工作机会，挑战传统大学教育价值。

04

面对AI抢工作，

我们应该怎么办

提问

说实话，每次刷到AI的新闻，

我自己都有点慌。网上天天

说AI要取代这个岗位、那个

职业，您认为，AI到底会不会

导致大规模失业？如果真的会，

普通人该怎么办？

回答

王元丰：人工智能对就业市场的影响需要从政治经济学与历史社会学的双重视角进行审视。历次工业革命均伴随就业岗位的结构性调整，蒸汽机替代手工操作，电力替代繁重体力劳动等，但历史经验表明，技术革命在摧毁旧岗位的同时也会创造新岗位，就业总量在波动中实现结构性调整。然而，本轮技术变革的特殊性在于：劳动力需求的总量缩减可能成为长期趋势，而非周期性波动。

从农业就业人口占总人口比重的历史演变可见，技术进步确实在持续降低特定领域的劳动投入。在前工业化时期（18世纪），主要农业国的劳动力占全社会就业比重普遍超过80%，当前发达国家已降至百分之二至三，中国亦降至约20%。但这一转变并未导致社会危机，反而通过释放的劳动力支撑了工业化与服务业的扩张，整体生活水平显著提升。英国经济学家约翰·梅纳德·凯恩斯（John Maynard Keynes）在上世纪30年代曾预测，到21世纪人均周工作时间将降至15小时即可满足社会需求，这一判断揭示了技术进步与劳动需求之间的基本关系：生产力的提升意味着满足同等物质需求所需的劳动投入持续减少。

人工智能技术的通用性特征使其影响范围覆盖了从体力劳动到认知劳动的广泛领域，这与以往技术革命主要替代特定类型劳动的模式存在本质差异。当机器在越来越多的任务上达到或超越人类水平时，劳动力市场的结构性调整可能无法通过简单的岗位转移完成。

未来社会成员需要具备终身学习能力以应对职业结构的持续演变。这种能力的培养不仅依赖个人努力，更需要教育体系、用人单位与国家层面的制度化设计协同推进。北欧部分国家已实施学习券制度，将终身学习纳入社会保障体系，公民可凭券自主选择培训机构与课程；新加坡建立了“技能创前程”计划，为各年龄段劳动者提供培训补贴与职业咨询。当前各类组织的培训投入强度仍显不足，难以应对快速变化的能力需求，未来工作时间的相当一部分需要用于技能更新与知识学习。世界经济论坛（WEF）提出“技能再培训革命”倡议，旨在到2030年为10亿人提供更好的教育、技能和经济机会，为劳动力转型提供可拓展的解决方案。

需要警惕的是，技术赋能不能自动转化为群体智能的提升。若缺乏持续学习的内在动力与外部支持，部分社会成员可能陷入“无用阶级（Useless class）”的困境，即因技能过时而丧失社会参与的价值感与渠道，形成技术精英与边缘群体的两级分化。以色列历史学家尤瓦尔·赫拉利（Yuval Noah Harari）在《未来简史》中提出的“无用阶级”概念，正是对这一风险的警示。这种社会分化不仅带来经济层面的不平等，更可能导致政治极化与社会撕裂，需要前瞻性的制度干预与政策设计。

05

人类社会制度

如何为失业群体兜底

提问

顺着刚才的话题，假设最坏的情况

发生了—AI真的让几千万甚至上亿

人丢了工作，我们人类现有的社保

体系、收入分配制度能扛得住吗？

各国政府是不是该提前做点什么准备？

回答

王元丰：技术变革对社会制度设计提出了系统性挑战，涉及经济体制、分配机制、社会保障与政治治理等多个维度。当自动化技术大规模替代传统岗位时，劳动收入在国民收入分配中的比重将趋于下降，资本与技术的收益份额上升，这一结构性变化要求对现有的制度安排进行根本性调整。

国际上已出现若干前瞻性政策构想。美国微软公司创始人比尔·盖茨（Bill Gates）曾倡议“机器人税”构想，主张对自动化设备与人工智能系统征收专项税收，税收收入用于补偿失业群体或提供全民基本收入保障。这一方案的逻辑在于：既然技术替代了人类劳动，技术所有者就应当为社会承担相应的成本。2024年，百度公司推出“萝卜快跑”无人驾驶出租车服务后，国内学界也开始讨论这一议题的可行性。“直升机撒钱”模式则更为激进，这一派主张通过直接向公民发放无条件基本收入，以维持社会成员的基本生活尊严与消费能力，避免有效需求不足导致的经济萧条。这些构想虽在财政可持续性、通货膨胀风险、劳动激励效应等方面存在争议，但反映了技术变革背景下制度创新的必要性。

美国OpenAI公司首席执行官萨姆·奥尔特曼（Sam Altman），资助并推动了多项关于人工智能社会影响与红利分配的研究，包括基本收入（UBI）实验，但其相关实践（如Worldcoin）也面临争议。这种将技术发展与制度设计同步考量的思路，值得政策研究者重视。历史经验表明，技术革命的社会后果并非自然呈现，而是取决于特定的制度安排与政策选择。

社会制度变革具有路径依赖性，通常需要危机压力的催化。当前人工智能技术的社会影响尚未充分显现，制度变革的动力相对不足。但前瞻性的方案储备能够为未来的政策选择提供更充分的基础，避免危机状态下的仓促应对。在技术快速迭代的背景下，系统性、前瞻性的社会政策研究具有重要价值，需要经济学、政治学、法学、伦理学等多学科的共同参与。

06

比失业更可怕的，

是AI让“人不像人”

提问

除了工作和收入，我还担心一个

更深层的问题：如果AI越来越聪明，

什么事都能替我们做，那我们人类

还剩下什么价值？现在网上已经有

AI伴侣、AI女友了，长此以往，

人与人之间的真实情感会不会消失？

回答

王元丰：人工智能伦理问题具有多层次的结构特征。当前公众讨论与政策关注多集中于隐私保护、数据安全、算法公平性等操作层面议题，这些固然重要，但尚未触及伦理风险的深层维度。

第一层次涉及技术滥用风险。企业间的不正当竞争可能借助AI技术实施网络攻击、数据投毒、模型窃取等行为；国家间的人工智能竞争更可能突破伦理底线，如利用AI技术研发生物武器、优化核武器设计、实施自动化网络战等。当前全球缺乏有效的人工智能治理机制，技术竞争的零和博弈逻辑可能放大此类风险，形成“安全困境”——各国为防范他国技术优势而加速军备竞赛，最终降低所有参与者的安全水平。

第二层次涉及技术失控风险。随着智能体自主决策能力的增强，系统行为的可预测性与可控性面临挑战。大语言模型表现出的涌现能力、推理能力与工具使用能力，提示通用人工智能的技术路径可能比预期更为顺畅。多伦多大学名誉教授杰弗里·辛顿对超级智能的潜在风险提出警示，认为AI导致人类灭绝的可能性在1%至3%之间，需关注技术演进中的极端情境，如目标错位、权力寻求、快速接管等。虽然这些情境的概率评估存在高度不确定性，但其潜在后果的严重性要求审慎对待。

第三层次涉及人的本质异化风险。人机关系的深度嵌入可能改变人类的存在方式与自我理解。虚拟伴侣、数字永生、脑机接口等技术的普及，反映了技术对社会关系与个体认同的重构。若劳动价值被系统性削弱，社会成员的意义来源、身份认同与社会连接将面临根本性挑战。英国坎特伯雷大主教曾警告，人工智能的核心关切不应是经济收益，而是“未来人是否能为人的问题”。这种“人何以为人”的哲学命题，需要超越技术层面的深层思考，涉及价值哲学、政治哲学与文明理论的广阔领域。

07

该管还是该放？

全球AI治理的两种思路

提问

既然AI有这么多风险，那各国

政府是怎么管理的呢？我听说有

的国家拼命鼓励发展，有的国家

大力加强监管，好像不同国家

政府的想法完全不一样。您觉得

哪种做法更可取？

回答

王元丰：当前国际人工智能治理领域存在两种基本取向，其分歧根源于对技术本质、社会演进与治理逻辑的不同理解。“加速主义”阵营主张最小化监管障碍，通过快速技术迭代解决技术应用中产生的问题。这一取向认为，技术发展的速度至关重要，先发优势将决定国际竞争格局，过度监管只会削弱本国企业的创新能力，将市场拱手让给竞争对手。同时，他们相信技术问题最终可以通过技术手段解决，社会适应性问题将在发展中自然化解。硅谷投资人彼得·蒂尔（Peter Thiel）是这一思潮的重要推动者，其思想已深刻影响美国现任政府的技术政策。

“对齐主义”阵营则强调人工智能系统需与人类价值体系保持一致，主张建立前置性的伦理约束与风险评估机制。这一取向认为，通用人工智能的潜在风险具有不可逆性，一旦失控将导致灾难性后果，因此预防性原则应当优先于发展效率。他们质疑技术自我纠错的能力，指出市场机制与企业利益可能与社会整体利益存在冲突，需要公共权力的介入以纠正市场失灵。

这两种取向已体现于不同国家的政策实践。美国现任政府采取去监管化策略，将技术竞争优势置于治理考量之上，通过行政命令削弱既有监管框架。中国则发布《全球人工智能治理倡议》，表明对AI技术治理的重视。治理与发展的平衡，正成为各国面临的共同课题，需要在创新激励、风险防控、伦理约束之间寻求动态均衡。

技术治理的复杂性在于：纯粹的技术路径难以应对价值层面的挑战，而过度监管可能抑制创新活力，导致监管套利与监管俘获。如何在动态发展中建立适应性治理框架，需要技术专家、伦理学者、政策制定者、社会公众的多方协同，构建包容性的治理生态。

08

最需要研究的，

不是AI技术本身

提问

聊了这么多，我感觉AI的影响远远

超出了技术范畴，它几乎在重塑

整个社会。那么，对于学术界和

政策制定者来说，当前最紧迫的

研究课题是什么？我们普通人又

应该为迎接AI时代做点什么准备？

回答

王元丰：人工智能的影响已超越单一技术领域，成为重塑人类文明形态的基础性力量。从科研范式、教育体制、社会结构到伦理框架，均面临系统性变革压力。然而，社会整体的思想准备与制度准备明显不足，存在认知滞后与行动滞后的双重困境。

当前研究呈现跟随性特征，大量资源集中于技术追赶与场景应用，前瞻性、开创性的学术议程相对缺乏。这种研究格局限制了原创性贡献的产生，也使我们在面对突发风险时缺乏理论储备与应对方案。人工智能的深层影响需要跨学科、长周期的深入研究，需要研究者具备超越学科局限的视野与关怀重大社会议题的格局。

美国前国务卿亨利·基辛格（Henry Kissinger）、谷歌公司前首席执行官埃里克·施密特（Eric Schmidt）与微软公司首席技术官凯文·斯科特（Kevin Scott）在合著《创世纪：人工智能、希望与人类精神》（Genesis: Artificial Intelligence, Hope, and the Human Spirit）一书中，以“创世纪”（Genesis）隐喻人工智能的历史意义，暗示这是人类文明的新起点，甚至比工业革命的历史巨变更大。美国政府于2024年11月推出的人工智能“创世纪计划”（Genesis Mission）即源于此概念。这一表述揭示了技术变革的文明史意义：它不仅改变生产工具，更改变人类的组织方式、认知模式与价值观念。面对这一历史性变革，建立涵盖技术、制度、价值维度的整体性研究议程，已成为紧迫的学术使命与社会责任。

我认为，这一研究议程应当包括：人工智能社会影响的系统性评估方法、技术变革与制度创新的协同演化机制、全球人工智能治理的架构设计、技术红利共享的分配正义理论、人机关系的伦理框架等核心议题。只有建立这样的研究基础，我们才能在面对前所未有的挑战时，做出理性的选择，引导技术发展方向，使其服务于人类福祉与文明进步。

▲2025年中央电视台ESG大讲堂节目邀请王元丰教授作题为“ESG的加减乘除”一小时讲座。2022年、2023年和2024年连续三年，中央电视台《中国新闻》节目在全国两会期间，邀请王元丰教授做客央视，就中国的“双碳”政策及低碳绿色发展状况进行分析。

王元丰，北京交通大学碳中和科技与战略研究中心主任，教授、博士生导师。联合国环境署（UNEP）全球建筑建设联盟（Global ABC）成员，新质生产力50人论坛秘书长，中国碳中和50人论坛成员，中国发展战略学研究会副理事长。王元丰教授长期从事科技、教育战略与政策、可持续发展战略与治理以及建筑工程节能降碳技术等方面研究，已由科学出版社出版4部学术专著，发表学术论文300余篇，其中被SCI检索110余篇，在英国《自然》（Nature）杂志上发表评论文章2篇，在影响因子大于10的高水平Q1/TOP期刊发表文章30余篇，Web of Science他引5200余次。

王元丰教授还是知名的科技、环境时评作家，在《人民日报》、新加坡《联合早报》等国内外著名媒体上发表评论文章250余篇，文章大量被人民网、新华网以及联合国网站等国内外著名网站媒体引用和转载。

2025年中央电视台ESG大讲堂节目邀请王元丰教授作题为“ESG的加减乘除”一小时讲座。2022年、2023年和2024年连续三年，中央电视台《中国新闻》节目在全国两会期间，邀请王元丰教授做客央视，就中国的“双碳”政策及低碳绿色发展状况进行分析。

编辑：柯欣

审核：王汝霖

欢迎投稿