问题——技术加速进入产业一线——劳动结构正被重塑。 近期——科技史学家、金融史学家塞巴斯蒂安·马拉比到访深圳，参观了自动驾驶、医疗扫描、高铁巡检、矿业物流等智能化应用，并体验园区内自动驾驶接驳。其间，他看到自动驾驶车辆在复杂道路环境中能够自主识别障碍、调整车速并完成变道通行，反映出智能系统在感知、决策与执行上的协同进展。基于此，马拉比提出更广泛的判断：随着智能体等技术形态快速成熟，未来两三年，人工智能将从“能回答问题”更走向“能完成任务”，并在企业流程与公共服务等场景带来连锁变化。 原因——竞争焦点从“模型能力”转向“落地能力”，本质是算力、数据与资金的综合比拼。 马拉比认为，大模型训练与推理高度依赖算力，技术迭代也需要持续的工程投入与数据积累，这使人工智能产业呈现“重资产、长周期、强现金流”的特点。谁能在既有业务中形成稳定现金流，谁就更可能在长期竞赛中保持投入能力与组织韧性。近年来，国内外大型科技企业持续加大在云基础设施、算法研发与应用生态上的投入，说明行业正在形成“基础设施先行、场景牵引落地”的共识。马拉比指出，单点技术突破固然重要，但更关键的是把技术嵌入真实业务流程，形成可复制的交付与运维体系，让能力从“会演示”变成“能规模化服务”。 影响——重复劳动被系统性替代，岗位形态与管理方式同步调整。 在马拉比看来，智能体的主要价值不在消费端的“新奇功能”，而在企业与机构内部大量存在的低附加值工作：表格填报、信息转录、资料整理、跨系统对账、工单流转、流程审批等。这些任务耗时却难以体现人的创造性。随着智能体与办公系统、行业软件、数据库及通信工具更深度打通，流程自动化有望在更大范围推进，带来两上变化：一是效率提升、运营成本下降；二是岗位职责重组，传统“执行型”工作将被压缩，更多岗位需要转向协调、判断、沟通、创新与服务体验等环节。对个人而言，职业竞争力将越来越取决于能否具备“提出问题、设定目标、整合资源、推进协作”的综合能力，而不只是熟练使用某一工具。 对策——以“人机协作”替代“全权交付”，在连接、目标与专业深度上重建优势。 马拉比强调，不应把所有事务完全交给机器处理。技术越强，越需要人类在目标设定、价值判断与责任承担上发挥作用。针对个人发展，他提出三点启示： 第一，强化人际连接与协作能力。未来工作更依赖跨团队协同、跨学科沟通以及对需求的理解与共情，这些能力不易被简单自动化取代。 第二，提升目标管理与决策能力。智能系统可以加速执行，但“做什么、为何做、做到何种程度”仍需要人来定义。能把复杂问题拆解为可执行目标，并在不确定性中做取舍的人，将更具稀缺性。 第三，坚持专业深度与长期主义。信息越容易获取，越需要长期训练形成真正的领域洞察与方法论，才能在关键时刻做出高质量判断，创造更高附加值。 对企业而言，则应在合规安全、数据治理、流程再造与人才培训上同步投入，推动技术应用从试点走向规模化与可持续。 前景——“智能体+行业”将成为重要增长点，竞争将围绕生态、成本与可靠性展开。 马拉比认为，下一阶段的关键不只是推出更强的模型，而是构建可持续的智能体生态：既能稳定接入多类业务系统与数据源，又能在安全、可控、可审计的框架下运行，确保结果可追踪、可纠偏、可负责。随着智能体进入企业核心流程，可靠性、成本与治理能力将成为企业选择技术路线的重要标准。可以预见，具备云基础设施、工程化能力与行业资源的大型企业将加速整合产业链，通过平台化能力推动应用扩散；同时，面向垂直领域、深耕细分场景的创新主体也将获得空间，以更灵活的产品形态参与生态分工。总体来看，人工智能发展将进一步从“技术竞赛”转向“产业能力竞赛”，从“单点突破”走向“系统工程”。
技术进步从来不是对人的简单替代，而是对社会分工的重新组织。把重复劳动交给机器，把沟通、判断、责任与创造留给人，往往是更具韧性的选择。面对新一轮产业变革，关键不在于“是否使用工具”，而在于能否用好工具、重塑流程，并在变化中守住人的核心价值。