数据智能平台公司Palantir的掌舵人亚历克斯·卡普（Alex Karp）近来提出一个引人关注的论断。在他看来，面对这股人工智能浪潮，存在两个群体能够为自己的前景感到安心——一类拥有专业技能和培训背景，另一类则属于认知特征非主流的人群。这番言论源自他在2026年3月份的一次媒体对话，其后被《财富》等知名媒体广为传播。值得注意的是，他对「神经多样性」的理解范畴相当宽泛。
仔细推敲卡普的核心意思，他认为具备实践操作能力和非常规思维模式，方能在人工智能快速演进的背景下获得更强的竞争力。他援引德国职业教育的成功经验，强调动手能力和实际训练的价值，同时对美国教育制度中过度依赖标准化评测的做法表示担忧。在他看来，目前的测试体系依然建立在工业社会的思维基础上，这导致有阅读困难、思维差异化或不适应课堂环境、更擅长实践创造的人群被排斥在常规评价框架之外。
这类观点之所以会引起反感，根本原因在于它冲击了一个社会长期以来的集体想象：完成学业、进入名校、获得体面专业资格，就能通往稳定生活。卡普的言下之意是，这条既有路径已然失去保障。
卡普论述之所以获得瞩目，在于他把AI无法轻易替代的人才分为两个极端。一方面是那些高度依赖现场操作、与物理世界发生直接作用的能力（embodied skills）；另一方面是认知运作模式偏离主流的人，正因为他们的思考方式不循常规，反而使自己相对免受AI冲击。
这种二分论述很容易受到质疑。比如说，它把两种完全不同层面的特征硬生生归类为同一种人才划分方法；身体技能与脑神经认知特征既非对立，也非同一分析框架。一位具有多样化认知特征的人完全可能掌握精湛的操作技能；反过来，认知模式标准的人也可能具备独出心裁的想法和突破常规的判断力。
其次，卡普似乎假定了那些不按部就班思考的人，天然具有AI难以学习的能力。但这里暗含着一个尚未被充分论证的逻辑：思路与众不同并不一定代表更富创新；富有创新的思维，也不意味着必然能对抗人工智能的冲击。
认知差异的群体内部存在巨大的多样性。某些大脑特点也许在某领域形成竞争力，但在其他工作环境可能成为挑战。更关键的是，创意工作本身也不是完全处于AI影响范围之外。在文学、视觉艺术、科学探索和代码编写等领域，人工智能已开始参与创作，并逐步改变这些行业的运作生态。
同时，卡普的论述遗漏了为数众多的人类能力，这些能力往往具有关联性、处境性、伦理规范性和集体性特质。他的二元框架过于狭隘，容易使人忽视一个要点：人的能力并非仅限于技术维度，它还深深扎根于人与人的关系、社会制度和集体生活中。将艺术家、教育工作者、学术研究者、护理人员、社区活动家分别归属某一类，用简单的二分法显然无法装纳一个完整的社会生态。
不过，最需要进一步深究的，并不是卡普二分法本身的对错，而是他的提问逻辑本身存在的问题。「谁还拥有明天」这个宏大的提问，悄然置入了一个暗示：一个人能否拥有美好前景，在于他拿什么与机器相比的竞争优势。我们可从人才观、教育观和社会治理等三个维度，对这一假设进行深刻的解构。
被机器重塑的人才想象
首先，我们要承认卡普激进看法中的真知灼见。工业文明沉淀下来一套根深蒂固的价值排序：头脑劳动优于体力劳动，学位高于实务能力，办公室工作优于一线操作。生成式AI的出现，恰恰在文字生成、编程、数据处理和信息整合等高度数字化的领域展现出卓越的能力；而电工需在现场定位故障，技师需凭经验判断机械声响，这些涉及身体介入、现地应对和责任担当的工作，现有的算法还难以全面胜任。这样一来，「白领相对安全」的惯常认知开始出现裂缝。
真正受到冲击的，其实是过去数十年教育系统大量输出的那批人：他们接受过系统的学术培养，精于阅读、撰写、逻辑推导和文案处理，习惯于遵循既定的工作流程，但缺乏某个专业领域的深度积淀，也缺乏真正独特的创造贡献。在过往，标准化的脑力活动本身就代表稀缺资源，这使得拥有这些能力的人能进入白领中产阶层。而今，这种资本在加速贬值。卡普所举的初级编程、基础法律服务与普通阅读写作工作，正处于这个被贬值的区间。
虽然卡普的分析不乏见地，但需要警戒两层简化思维。首先，人工智能是按照工作的可自动化程度来重新评估劳动价值，而非按照职业的社会地位。工作的具体内容而非职业的名号才是分界点。律师这个行业不会消亡，但文献搜索与初步审阅可能被重写；人工智能虽可以从事影像分析、症状筛查和诊疗建议，但医疗工作还包含临床决策、患者交流、治疗方案制定和医疗风险承担。国际劳工组织在2025年发布的数据表明，全球约25%的工作岗位在某种程度上受生成式AI影响，但工作转变的可能性大于彻底消失。工作的结构和讨价还价的方式仍在动态演变。
其次，得出「上大学不如学技艺」的论断本身就值得质疑。职业教育与高等教育不是相互制约的两条路线。现在的职业教育早已超越简单的手工劳作范畴，许多先进的技术岗位呼唤扎实的科学理论和长期的专业成长；高等教育的核心也不仅仅是供应可以直接交易的知识和工具，它还涵盖独立分析、科学研究、批判意识和人的全人发展。人工智能或许会改变各类教育路径的收入前景，但据此就说某一种教育方式必然具有更优越的前景，这个推断本身就不成立。
特别值得提防的是，把眼下的技术能力范围当作未来人才培养的永恒界限。当前某类工作由于需要现场实操而难以自动化，不代表等到机器人、视觉识别和智能管理系统更新迭代后，这种优势会永久存在；眼下某些知识活动已可由人工智能完成，也不代表相关行业的人类专长会失去价值。技术能力不是固定的，企业和社会对技术的运用方式也在演化，崭新的市场和职业模式还在不断萌发。
因此，卡普的表述可以是我们透视人才价值变迁的一扇窗口，却不应被看作指导升学和职业决策的最终定论。把一个仍在进行中、结果受多种条件影响的技术浪潮，简化为一张「谁将胜出、谁将落伍」的人才名单，这不仅可能扰乱人们和家庭的教育决策，还可能促使教育体系为了追逐短期的市场热点而持续更改人才培养方向。教育需应对技术冲击，但不能把对未来市场的预测作为培养人的根本指南。
神经多样性：警惕差异被工具化
卡普提及的第二类群体，尤其需要谨慎对待。神经多样性包含自闭症谱系、注意力缺陷多动障碍、学习型阅读障碍、发展协调失调等认知表现，这是一个用来描述人的多元性的术语，与天赋或创新能力并无必然关联。卡普本人就有阅读困难，他显然是在用自己的亲身经历来论证观点；然而在对话中，他又把这一概念外延到「不循常规、与体制框架格格不入的人」，大大超越了医学与心理学的准确含义。
卡普并非完全在胡言乱语：当标准化的脑力工作日益被计算机取代，那些长期被教育制度看作「背离主流」的思维习惯，也许会受到新的重新审视。一个以统一测卷、统一节奏、统一评判标准衡量学生的教育框架，的确容易过早将许多人贬抑为「不合适」。
但这个思路不能陷入美化和理想化：非正统的思维方式不自动等于更强的革新能力，多样化认知的人也未必会在AI浪潮中获利，他们实际经历的往往是真实的学习困难和职业歧视。另外，假设企业只在某类差异能够转变为经济效益时才乐意接纳，那这不是真正拥抱差异性，而是在挑选「有经济价值的差异」，其他形式的差异依然被遮蔽。
更妥适的认识是：AI年代呼唤更丰富的思维模式，而思维模式的丰富性，其价值不应只通过劳动产出来判断。
教育转向：从「交付商品」到「成就一个人」
卡普的言论触碰到了学历文凭与职业前景之间根深蒂固的体制性关联。曾经，文凭同时承载着三种职能：常识传递、能力证明和社会等级筛选。AI冲击的，主要是后两项背后的稀缺属性：当撰文、提炼、基础开发、信息查阅都能以极低成本获得，单纯凭这些技能获得报酬溢价就日渐困难。
为此，教育界的常见应对就是培育「机器做不了的能力」——创新、理解他人、独立思辨等。听起来很有道理，却隐藏着微妙的陷阱。这种观点仍然把教育看作劳动力供给的前置环节，只是把教学项目中的能力换成了另一组「更难被替代」的能力。机器每突破一步，教育就得追赶一步，学生也得重新证明一遍自己。一旦能力淘汰的速度超过课程创新的速度，这场追逐就势必疲惫而无功。
教育可以走另一条路：将目标从「永远比机器更聪明」转向「无需依赖比机器聪明来证明自身价值」。一所真正意义上的大学该给学生的，是机器无法直接供给的东西：深入研究的耐心，多领域的跨越性思维，敢于发现问题的精神，以及在真实的社会中为自己的观点和行为负责的能力训练。这意味着教育应该更加强调一个人如何看待社会、鉴别资讯、与不同的人相处、参与社会治理的能力，而不仅是打磨一份拿到市场上出售的技能套装。
这同时意味着，职业教育不该继续被当作「升学失利者」的备选项。卡普之所以经常提起德国的职业教育体系，不单是因为它培养了高素质的技术人才，更在于它给了工艺和技术工作社会的尊重和地位。倘若一个国家要到AI出现之后才认识到电工和技师「有出息」，那么它所推崇的实质上还是市场的风向标，而非对劳动本身的敬畏。多元的成长路径与多元的价值评判，不是为了适应科技企业的口味，而是因为人的本质就是多元的。
社会治理：被隐蔽替换的假设
这些讨论的终极落脚点在社会的运行基础。现代社会存在着一种隐形的约定：成年人通过贩售劳力来谋取生活费，再用收入换购住家、医疗、教育、晚年生活和社交机会。找工作的意义超越纯经济活动，成为获取保护、身份和人格尊严的核心渠道。我们习惯用职业身份回答「你是谁」，这个现象的深层根源就在这里。
AI最直接地冲击了这一纽带。当技术源源不断推高产出能力，同时降低某些人工劳动的稀缺程度，那么我们何必只在「人要学什么」的话题上绕圈，而不去思考一个更基本的问题：一个人的生活基础，是否一定要通过劳动买卖才能获得？
卡普言论值得深入反思的真正内核就在此。他事实上在说：「拥有美好前景」等于「拥有机器暂时无法复制的价值」。电工因为掌握身体技能有前途，非常规想法者因为「非标」有前途，其他人则像是被宣判了「无用」。人的价值被暗地里换算成了「机器不可替代的程度」。然而，为何人必须证明自己难以被机器替代，才应得到工作、生活费和人的尊严？这归根结底还是工业社会的逻辑——把人当作生产机器的思维——只不过竞争的对手从人换成了机器。
因此社会应当在三个向度上做出调整。
其一是从「拥有工作权」迈向「享受生活保障」。医疗、养老、学习、住宅以及某种基本生活收入，应尽可能与是否具备就业能力相脱钩。一个人短时间内不具备市场价值，或者决定照料亲属、充电学习、休息调整，不应因此被剥夺体面生活的基础。这不是说取消劳动。社会依然需要各种形式的工作投入，人也能在解决实际问题、帮助他人中获取意义。关键是，劳动可以成为生活的要紧组成，却不必再作为赚取生存资格的唯一路径。
其二是从「物质产出衡量贡献」扩展到「多维度承认贡献」。工业社会用一个标尺来衡量价值：生产了多少就贡献了多少。结果大量维系社会日常运转的活动被排除在「贡献」之外。一位家人花五年陪护罹患阿尔茨海默症的双亲，没有创造经济增长，没有取得证书，也不掌握什么「机器无法做的技艺」，但他确实维护了一个活生生的人的日常与人格。照料、教养、社群建设、公民参与、文艺创作与无偿服务，都应纳入「贡献」的范畴。这里还需避免一个新的陷阱：不能因为照料工作需具备同理心而机器做不了才承认它的价值，那仍然是拿机器做参照。价值的实质基础应该是它对于人的幸福和社会联系的意义。
其三是从「机器做不了什么」转向「我们想要什么样的生活」。我们一直在追问「AI之后，人还能干什么」，这实际上已经把疑问的掌控权交给了机器。换一个角度问才更根本：既然机器在源源不断地释放生产能力，这些被释放的时间、物质基础与精力，应该用到何处？是让更多的人有闲暇照顾亲人，让教学不再只是就业前的培养，让人有充足的余力参加社会事务、从事前沿研究和艺术创作，还是让这些红利全部流向少数资本拥有者？
技术进步的收益流向谁
这里需要一句务实的补充。生产效率的增长不会自动变成劳动力的得益。利益分配可能在企业、科技平台、资本阶级和职工之间按不同的占比重新分割，决定这个占比的并非技术本身，而是制度设计、议价势力和政治意愿。卡普在AI产业中身处要职，他的论述的焦点集中在个体如何适应变化，却鲜少问及权力如何运行、好处如何分配。把由结构性原因导致的难题转换为个人能力问题，是一种需要留心的叙事手法：一旦「个人是否突出」成为焦点，「收益怎样分配」就被无声地剔除出议程。
我们应该要求的是，公司与政府机构共同承担转型的费用，是劳动力在企业运用技术时的参与和表达权，是财政收入制度和社会救助体系对新增财富的恰当分摊。这类问题缺乏「两类人」这样的冲击力，但它们决定了技术创新是否会真正惠及大多数人。
卡普问的是：人工智能浪潮来临，怎样的人还值钱？这个问题也不是全然无用，它促使我们正视既有的人才评估体系在发生改变，认可标准化教学存在的盲点。但它不该是我们仅有的关切。更加急切的追问应该是：假如AI首次让我们有可能超越「通过有用性来获得生存」的桎梏，我们有没有胆魄重新构想一个不以人的可用性为基点的新社会？
一个人的前路，不应由他与机器相比还剩下什么竞争力来主宰。它取决于我们如何想象教育应该做什么，如何去承认和褒奖各色各样的付出，以及愿意把机器解放出来的自由分配给谁去享受。这才是AI向社会真正问出的问题，也是比「谁能存活下来」更本质的问题。
