WAIC 2026启示录：当AI越来越能干，普通人该守住什么？

人类不用再和机器比赛答案

在WAIC 2026主论坛与多场圆桌对话中，一个共识正悄然浮现：当大模型能写代码、推公式、生成方案，甚至参与科研设计时，「知道答案」已不再是核心竞争力。复旦大学邱锡鹏教授直言：「要提好的问题，这可能是非常重要的，甚至比有答案更加重要。」

过去的职业门槛常建于知识记忆与流程熟练度之上；而今天，标准答案和标准化产出正被快速「平价化」。图灵奖得主理查德·萨顿指出，当前AI仍主要复用人类已有知识，缺乏第一视角的行动经验——它会输出，但尚不能真正理解目标、承担反馈、持续校准。可他也强调：AI正从「人类数据时代」迈向「经验时代」，一旦具备预测—行动—反馈—调整的闭环能力，仅靠执行效率建立的优势将加速消解。

因此，人的不可替代性正向前迁移：从「如何做」转向「为何做」，从「给出答案」转向「定义问题」——判断哪些问题值得提出、哪些约束不可妥协、哪些结果真正有意义。诺贝尔化学奖得主奥马尔·M·亚吉提醒：AI可将数月实验压缩为数小时，但若科学家放弃亲手验证与质疑，就可能沦为智能体设定的「科学脚本」执行者。中国工程院院士王坚进一步指出，下一代科学基础模型若能直接解析光谱、基因序列与遥感数据，或将催生全新问题域；而「发现什么值得探索」「如何验证」「用在何处」，仍需人来锚定。

被解放的时间，不能只用来接更多工作

「物理智能的使命，是把人还给人。」复旦大学苏昊院长所描述的理想分工——机器人处理危险、重复、高负荷任务，人回归陪伴、判断与创造——在现实中常被稀释。AI节省一小时，组织未必将其转化为休息或成长，更可能叠加新任务；个体产出能力提升十倍，岗位结构与收益分配却未必同步调整。

技术能消除重复劳动，但不会自动决定时间归属，更不保证生活质量提升。阶跃星辰印奇提出「一人一团队」的智能体愿景，其背后隐含的命题是：当个人产能跃升，劳动强度与回报是否匹配？真正的AI增强，应让人获得知识沉淀、方法迁移与能力生长，而非陷入工具依赖。使用一段时间后，宜自问三问：离开工具，我是否更懂本质问题？是否掌握可复用的方法？省下的时间，最终流向创造、关系与休憩，还是仅兑换成更多待办事项？若答案总是后者，效率提升并未兑现为人本价值。

约翰·霍普克罗夫特强调：教育的根本，在于帮人发现志趣、确立自我价值坐标。在技术拐点不可预判的时代，比追逐热点技能更可靠的是培养「适应力」——兴趣在此不是情怀修辞，而是当一项技能被自动化后，你仍有动力追问、重构、再出发的内驱力。AI接管过程，但人选择长期专注的方向，终将决定其积累的厚度与独特性。

可以授权执行，但不能外包责任

智能体不再仅回答问题，更主动执行任务：调用API、发起交易、操作账户、生成医疗建议……印奇指出，电脑、手机、汽车、机器人将成为同一智能体在不同场景中的「身体」。随之而来的是关键诘问：它代表谁行动？后果由谁承担？身份是否可信？权限能否收束？行为是否可溯？

这些并非遥远的治理议题。代发一封邮件出错可重来；代提交医疗方案、资金划转或法律文书，错误即刻进入真实世界，且难以撤回。清华大学薛澜明确指出：「涉及价值判断的问题不能交给AI。」AI无法律人格，无法担责；事故责任终将沿开发、部署、运营、使用链条，落回具体的人与组织。

普通人使用智能体，提示词精巧程度远不如边界设置重要。凡涉公开发布、身份认证、隐私数据、资金操作、健康干预与法律效力场景，权限宜最小化、关键步骤须人工确认、全程可查看、操作可撤销。这并非保守，而是对现实风险的基本敬畏。正如大会开幕讲话所强调：需明确智能体决策权限与行为边界，建立追溯机制与风险提示，提升其内生安全能力。

授权是交付任务，而非移交判断与责任。AI越像可托付的伙伴，人越需清醒识别「必须亲自在场」的临界点。

始终给自己留一条可以转向的路

学AI仍是必要动作，但重点不该是记牢某个界面按钮、某套提示词模板，甚至不是当下最热的工作流。工具迭代速度远超学习周期，绑定单一平台或流程，往往刚熟练即过时。

北京智源曹越观察到：新一代人的优势，正在于更敢于放弃失效经验；而「愿意相信、敢于相信」，才是深度使用新工具的心理前提。清华刘子鸣强调，「新一代」无关年龄，而在是否以旧经验机械应对新问题；Recursive诸葛鸣晨提醒：五年前的AI与今日已非同物，「要让自己始终保留一条新路径」——不是被动等待冲击，而是主动预留转身空间。

这条新路径不必是辞职转行。它可以是：将AI嵌入真实工作，观察其适用边界与失效时刻；在主业之外保有持续学习的节奏与习惯；不把全部资料、流程与知识锁死于单一平台，为工具切换保留接口；更重要的是，拒绝只在对话框里训练AI——萨顿视经验为智能之源，苏昊称物理世界为「最诚实的考官」，二者指向同一真理：所有输出，终需现实检验——方案是否有人愿用？代码能否稳定运行？内容经不经得起事实核查？决策是否尊重具体的人？这些反馈，无法靠多问几轮模型获得。

AI时代的安全感，不来自掌握所有工具（这不可能），而源于一套抗周期能力：善提真问题、能验结果效、敢在现实中试错、知哪些判断不可外包、亦能在旧路断绝时重新择向。这无法免疫技术冲击，却足以让人在浪潮中守住坐标——不必证明自己比机器更像机器，也不因机器能做更多，就交出目标、责任与生活本身。让AI承接重复、危险与消耗性劳动，把省下的时间，郑重还给关系、判断、创造与重新选择。这，才是「把人还给人」对普通人最踏实的承诺。