香港通訊社5月17日電：5月12日晚，總裁張予彤在北京大學光華管理學院與院長田軒進行了一場關於“AI時代的邊界探索與人才機遇”的對話，系統回答了作爲企業管理者、員工和在校學生等普通個體，在AI時代，我們該如何直面、運用乃至駕馭AI的問題，信息量很大，實用性很強，值得一看。
普通人如何應對AI職業焦慮?
張予彤：核心是生產力的躍遷，每次生產力大幅提升，人都會從舊工作轉向新工作。農業革命時期，農民離開土地進入城市，催生了服務業等全新行業，AI時代也是同樣的規律。
從我們企業內部就能明顯看到新職業誕生，現在有不少人專門負責大模型訓練、打造核心高質量數據，大家戲稱自己是模型的“爸媽”，本質是持續“餵養”不斷生長迭代的人工智慧。
放眼全社會，未來會湧現大量超級個體，也就是 “一人公司”。如今依託AI，一個人就能全棧式完成全鏈路工作，不再依賴龐大團隊。這不僅是生產方式的變革，更讓更多人有機會掙脫束縛，去做自己真正熱愛、有價值的事。AI不是單純替代崗位，而是在重塑生產形態、創造全新就業機會。
如何更好滿足AI時代雇主的需求？
張予彤：我覺得要成為AI的“深度用戶”（“power user”）。還要能感知每一代模型的能力邊界：哪些事它還做不了，哪些已經比人做得更好，哪些需要人與模型共創。接下來會進入一個“agent-human collaboration”的時期，我已經無法想像工作中不用AI了。就像當年我們無法想像沒有手機、電腦一樣，這些工具本質上是在延伸人的能力，而非替代。被替代的只是工作中可替代的部分，比如重複執行、資訊處理、計算編程、部分設計執行。
但現在真正的瓶頸，是評估和驗證AI產出的品質。AI可以輕鬆生成幾百萬行代碼，但人類要消化、理解、檢查邏輯關係，反而是更大的工作量。
“用開放的心態去探索AI”
張予彤：要讓學生學會“運用”和“駕馭”AI。是的，我覺得“駕馭”這個詞很好，因為它是一種合作關係。矽谷常說“harness”，就是這種駕馭感。無論是工程與模型，還是人與agent，未來都是協作關係。短期確實有安全、性能等方面的顧慮，但長期看，AI對我們一定是有益的。關鍵是要開放心態，親自上手，不要停留在觀點和觀察層面——很多深刻的認知，是在動手中形成的。
AI時代的本科四年，應該如何正確度過？
張予彤：第一，珍惜校園人際資源，建立人與人的深度鏈接。大學期間最大的收穫之一，是和同學相處交流、思維碰撞沉澱的人脈與認知，人與人的共情、深度溝通是AI永遠無法替代的，也是終身受用的財富。甚至可以從大一就爭取進入AI企業實習，提前接軌行業。
第二，養成AI視角思考的習慣。做任何事都多思考：如果讓AI來做，它會用什麼邏輯、什麼方式？除了人與人的共情，還要培養人與AI智能體的共情。
目前聊天、開會、支付、身份驗證、數據授權等基礎設施都是為人類設計，並未適配AI智能體。用模型視角重新思考人和AI的分工、重構做事邏輯，往往能產生意想不到的突破，提前建立人機協作的差異化優勢。
AI時代，管理者要怎麼做，才能不被替代？
張予彤：AI很難真正替代企業家和核心管理者。給所有管理者一個可落地的實用建議：給公司每位員工增加token預算，實現token自由，讓全員可以無限制充分探索AI應用場景。
很多企業AI轉型失敗，根源是員工心存抵觸，擔心AI替代自身工作。而充足的token能讓員工把AI當成提升產能、減少重複勞動的工具，而非競爭對手。如今AI已經能造就“10倍程式員”，借助AI普通員工都能成為“10倍員工”，實現產能十倍級提升。
AI可以替代執行、計算、基礎設計，但戰略判斷、架構思維、全局思考、邏輯糾錯、組織統籌這些核心能力，仍由人類管理者掌控。全員活用AI後，管理者能從繁瑣基礎工作中脫身，聚焦核心決策，形成人機協同的良性迴圈。
大模型公司招人，主要看什麼？
張予彤：學歷、專業都只是標籤，而人的特質、天賦、熱情、長板是無法被標籤化的。招聘不是按崗位找人補缺，而是根據人的特質匹配適合的方向，核心只看兩類稀缺能力：
一是具備原創思考與創新能力，能提出真正好想法：看候選人是否關注行業前沿話題、對問題有本質深度思考、能否跳出固有認知提出顛覆性新想法。AI只能基於現有規律輸出內容，無法誕生原創性、突破性思考，這類能力極為稀缺，公司每年能誕生的優質原創想法也非常有限。
二是擁有偏執鑽研的韌勁，敢於持續試錯瘋狂實驗：AI行業和科研充滿不確定性，優質產品和技術迭代，需要漫長且大量的實驗試錯。很多人有好想法，但嘗試十次失敗就放棄；而優秀人才願意為一個好想法堅持嘗試上千次，在反復迭代中沉澱認知、摸索最優解。解決複雜問題需要極強的抗壓能力和韌性，這是我們非常看重的特質。
張予彤：怎麼把這兩類人識別出來呢？更多還是靠深度交流。看他平時關注什麼資訊、想什麼問題、關注什麼AI產品，或者行業裏哪些變化是超乎意料的。在這些回答中，你能看到一個人的注意力放在哪兒。如果他說出來的還是“2025年的舊認知”——我們有時開玩笑說“AI一天，人間一年”——那他吸收的資訊量可能沒那麼大，興趣也不在此。至於“執行”層面，相對更容易驗證。我們會通過AI測試系統看候選人是怎麼迭代的、有沒有不同的迭代思路、能迭代多少次。
傳統企業如何向“AI原生”轉型？
張予彤：首先企業要明確自身定位，界定好做什麼、不做什麼。比如Kimi專注生產力和複雜任務賽道，不涉足生活、娛樂類產品，聚焦核心方向深耕。
中國很多企業家擁抱AI的意願和行動力都很強，但傳統企業轉型最大的障礙不是認知，而是固化的組織架構、崗位邊界、協作模式與激勵機制。傳統企業崗位劃分死板、層級分明、流程固化，員工各司其職邊界清晰，無法適配AI快速迭代、跨領域融合的特性。而AI原生企業最大優勢是從零起步，按全新生產模式搭建組織，核心特質有兩點：
一是極致扁平化、去職級化內部沒有各類頭銜，比如，我們公司內部是沒有title的。我是總裁，只是為了對外溝通。我們內部統一的title就是“staff”。整個組織層級非常扁平，公司一共300人左右，員工彼此之間沒有很清晰的邊界。
這也是我要說的第二點：崗位無嚴格邊界、能力可跨界融通：做預訓練的員工可參與後訓練，演算法人員可深耕數據，行銷人員可轉型模型評估。AI正在賦能人的底層能力，打破傳統職業壁壘，一個人可以跨領域解決多重問題。
未來編程、數據分析等曾經的小眾能力，會成為所有人的通用基礎能力。傳統企業轉型核心，就是打破固化層級與崗位邊界，走向扁平靈活、無邊界的組織形態，適配人機協同的全新生產模式。
現場Q&A
Q1：學生使用AI易出現AI幻覺、數據失真，如何合規、負責任、高效使用AI？
張予彤：AI幻覺是大模型固有屬性，無法徹底消除，只能通過方法規避優化。使用AI要堅守底線：人駕馭AI，不做AI的附庸。AI可用來搜集數據、整理文獻、潤色文案、修正語法，但核心邏輯搭建、獨立思考、觀點創新、深度探究必須由人類完成。規避幻覺的核心是建立人類校驗邏輯：採用多方交叉驗證、依託權威信源、多輪迭代提問、落地實操校驗的方式，用人類判斷標準審核AI輸出，就能大幅降低出錯概率，實現合規高效使用。
Q2：在校生無收入、算力Token有限，企業招聘更看重硬實力還是AI探索熱情？
張予彤：我們會為學生提供免費Token額度，降低學習入門門檻。招聘中相比現成的硬實力，更看重AI原生思維和主動探索熱情。比起熟練使用工具，我們更欣賞願意思考人機協作邏輯、串聯跨領域知識做創新實踐的年輕人。建議在校生組建學習小組，抱團探索AI落地場景、完成實戰專案，實踐沉澱的思維和經驗遠勝過紙面成績。
Q3：立足”十五五”規劃，未來3-5年最稀缺的AI人才是什麼？年輕人該如何深耕？
張予彤：未來最稀缺的不是純AI技術人才，而是AI+垂直行業的複合型融合人才。目前懂技術不懂商業、懂行業不懂AI邏輯的人才缺口極大，兼具AI底層思維與金融、管理、產業專業能力的人會供不應求。給年輕人兩個落地建議：一是跳出功利選課思維，多學習多元跨領域課程，知識跨界融合才能催生創新；二是升級管理能力，未來不僅要會團隊管理，更要懂人機協同管理、AI智能體管理。
Q4：國內大模型廠商追趕海外頭部品牌，該走同質化追趕還是差異化突破路線？
張予彤：智能本身是異質化而非同質化，大模型行業沒有統一標準，不同模型各有能力側重。國內廠商無需盲目對標海外，核心出路是差異化深耕：依託本土場景優勢，優化落地效率，打磨垂直領域專屬能力，通過底層技術創新提升規模化應用性價比，在細分賽道做到全球領先，行業未來會走向多元差異化發展。
Q5：數字員工、企業AI數位化轉型是熱點，這個賽道未來發展趨勢是什麼？
張予彤：人人擁有數字夥伴、企業全員配備AI數字員工是必然趨勢。未來團隊會形成 “人類員工+AI智能體” 的組合模式，人機配比持續優化，產能不斷躍升。後續行業會推出標準化、可定制化AI工具，個人和企業都能低成本定制適配自身場景的數字員工，全面落地智能化、數位化轉型。
Q6：AI行業機遇多、資源有限，創業公司該如何避開行業誤區，做出正確決策？
張予彤：第一，拒絕盲從行業熱點，主動過濾資訊噪音，明確自身核心賽道，聚焦高價值、長週期的生產力場景，捨棄非核心娛樂、輕量化賽道，保持戰略專注。第二，決策紮根業務一線，脫離一線的決策必然存在偏差，極致扁平化組織的價值，就是讓核心團隊貼近用戶需求、感知技術痛點。第三，依託前沿技術視野，持續迭代決策機制，沒有絕對完美的決策，但深耕主業、紮根一線、過濾跟風內卷，能大幅提升決策準確率。
【本文摘自田軒院長公衆號“田軒的田字格”，敬請關注。】
