三重追问：人才、教育与社会的新约定
Palantir公司掌舵人亚历克斯·卡普（Alex Karp）在今年三月接受TBPN采访时，提出了一个引起广泛讨论的判断。他认为，在人工智能的冲击下，两个人群有望拥有更稳定的前景：一是接受过系统职业技能培训的劳动者，二是认知方式异于常人的神经多样性人群。这番观点随即被《财富》等主流媒体所报道。需要说明的是，卡普对「神经多样性」这一概念的界定相当开放。
从他的论述出发可以看出，卡普试图传达的核心是：在智能化加速的时代，实用的职业技能与非标准化的思维路径，才能给予个体更强的竞争力。他举德国的职业教育体系为例，强调动手操作能力的价值，并批评美国长期依赖标准化测试来选拔人才的教育模式。在他的评价中，现有的考试制度设计仍然围绕工业时代的需求运转，客观上却把阅读困难群体、神经非典型人群以及不习惯教室学习、倾向实践创造的人群排斥在了评价体系之外。
这番话之所以令人不适，在于它触碰了一个社会长久默认的价值准则：「成绩优异、进入名校、拥有体面学位」等同于获得「安稳人生」。卡普的言外之意则在于：这条路径正在失去其保险性。
因此，卡普引起重视的原因也就不难理解。他把未来不易被机器替代的能力分为两个极端。一个极端是需要高度身体参与、在现场实时操作、与物理世界直接相互作用的能力；另一个极端是思维方式与多数人有别，因而不按套路思考，反而可能规避AI直接冲击的人群。
对这种非此即彼的分类，我们很容易提出质疑。比如说，这一划分把两种不同维度的特征混为一谈；具身的技能门类与个体的神经认知特征既非相互排斥，也不在同样的分类框架内。一名拥有神经多样性特征的人，完全可能掌握高度的具身操作技能；反之，一个神经认知常规的人，也许能够展现出不凡的创新思维与独特视角。
此外，卡普的推理中存在一个未充分证实的环节：不按常规的思维方式，并不自然而然地导向更强的创新力；创意思维的存在，也并不必然意味着能够逃脱人工智能的冲击。
神经多样性这一人群内部存在巨大差异。有些认知特性在特定工作领域可能构成优势，但在其他环境中反而会产生困难。更关键的是，创意工作本身也并未完全处于人工智能影响之外。当下人工智能已在文学、视觉艺术、科学探索和代码编写等众多创意领域展现能力，正在改造这些行业的运作方式。
卡普同时忽视了许多难以纳入这两端框架的人类能力，这些能力通常植根于人与人的联系、具体的情景、伦理规范与社会关系。他的二分法过于局限，还容易令人遗忘一点：人的能力并不仅仅体现为技术能力的累加，它也存在于社会关系网络、制度责任体系和共同生活之中。美术工作者、教育工作者、科研人员、护理人员、社群组织者——这些角色究竟应属何类？一个简单的二分法，承载不了整个社会。
但值得深入讨论的，并不在于卡普的二分法是否恰当，而在于需要质疑他提问本身的逻辑。「谁在AI时代还有出路」这类宏大问题，背后暗含了一个未言明的假设：一个人的前景取决于他相比机器还保有多少竞争力。我们可以从人才分类、教育目标与社会制度三个维度，来深入审视这个假设。
人才标准的倒转
首先需要认可卡普论述中的敏锐观察。工业社会内部形成了一套根深蒂固的人才价值阶梯：脑力被视作高于体力，文凭被视作高于手艺，办公室工作被视作高于现场操作。而生成式AI恰好在文字、程序、数据分析、信息处理等高度数字化的工作域展现出非凡能力；相比之下，电工需要在车间现场找出故障源头，技师需要在机器运行中识别异常声响，其间涉及的身体操作、即时判断与责任担当，目前还超出了软件程序的能力范围。因此，过去「白领职位比蓝领职位更稳定」的常识，如今出现了松动。
更准确的说法是，过往几十年教育体系大量培养的这个群体，才是被真正动摇的对象：这群人接受了良好的学术教育，擅长文字、思维、数据整理、报告撰写、流程遵循，却没有积累多么深厚的专业功底，也没有展现多么独特的创新能力。从前，标准化认知能力本身价值稀缺，仅此就足以开启白领中产之门。如今这种优势正在急速缩水。卡普所指的初级编码工作、基础法律服务、常规信息处理，恰好就处在这个被改写的层级。
尽管卡普的观点有其合理之处，但仍需防范两类认识误区。其一，AI并非按照职业的社会位阶来重新定价劳动，而是根据任务的自动化可行性。工作名称不是分界，具体任务才是。律师职业不会消亡，但合同初审、资料查阅这类工作流程可能被改造；在医疗领域，AI虽能参与影像分析、病情初筛、诊疗建议，但医学实践涵盖临床判断、患者沟通、治疗方案制定和医疗责任，这些任务远超AI的范畴。国际劳动组织二零二五年的调研显示，全球约四分之一的岗位在某种程度上受到生成式AI的影响，但更可能的结果是工作形态的转变，而非工作岗位的消失。职业生态与议价机制仍在不断演变。
其二，得出「学技工强过读大学」的结论明显过于绝对。职业教育与大学教育并非非此即彼的对立。现代的职业教育早已超越了单纯的手工操作，许多复杂技术岗位要求深厚的科学基础与持续的行业训练；大学教育的价值也不限于传递可在市场变现的知识与技能，还包括独立求证、学术研究、公共判断能力，以及人的综合发展。人工智能也许会改变不同教育路径的经济效益，但不能由此判断哪种教育模式必定拥有更好的未来。
特别需要小心的是，不能把当前技术的能力边界当作未来需求的永恒线。目前某些依靠现场操作的职业较难被机器替代，但随着机械臂、机器视觉、智能控制等技术的迭代，这种优势不一定会长期存在；目前某些知识类任务已经能由人工智能执行，但也不意味着从事这些工作的人类能力会失去意义。技术本身在进化，企业和社会对技术的应用也在演变，新的岗位与可能性仍会不断涌现。
从这个角度看，卡普的观点可以作为观察人才价值重新排列的一个视角，但不应被当成指导个人与集体教育决策的终极结论。将一场仍在展开、结果受多种要素制约的技术变革，简化成一份「谁有出路、谁没出路」的人才名单，不仅可能让个人与家庭做出不恰当的教育选择，也可能驱动教育制度为了抓住暂时的市场机遇而频繁调整人才培养方向。教育需要对技术进步做出回应，但不能将对市场走向的猜测用作教育全部的根据。
神经多样性：别让差异沦为新的筛选标准
卡普所说的第二类人群，更有必要谨慎对待。神经多样性涵括自闭症、注意力缺陷、识字困难、运动协调障碍等多种认知差异现象，它是个用来描述差异的学术用语，并不等同于天才禀赋或创意能力。卡普个人患有识字困难症，他显然将自身的经验延伸进了这一判断；而在他的访问中，他又把这一概念泛化为「不循常规思考、与标准化系统不适配的人」，远远突破了既有的医学和心理学定义。
卡普这里并非完全无的放矢：当标准化认知任务越来越轻易被机器完成，那些长期被教育体系定性为「偏离常轨」的思维特征，或许会获得新的审视。一套以统一卷子、统一进度、统一衡量标准来评价人的教育体系，实际上太早就把许多人标签化为「不匹配」。
但批评的视角不应滑入理想化：不同的认知方式与更强的创新力之间没有必然联系，神经多样性人群也未必就能在AI浪潮中自动获益，他们面临的常常是真实的求学困顿与职场压力。而且，如果企业只有在某种差异能转化为经济效益时才给予认可，那这并非对多元化的真正尊重，而是一场「有用差异」的精选，其他的差异依旧被冷落。
更恰当的路线是：AI时代呼唤更加丰富的认知多样性，而这种多样性的意义，不应该只通过经济产出来印证。
教育的重塑：从「贩卖技能」到「完整的人生」
卡普的言论撼动了学历与职业前景之间长期确立的制度性关联。往日里，学历同时承担了知识教授、能力认证和社会分层三重职能。眼下AI削弱的，首要是后两项职能背后的稀有性：当代码编写、文章创作、基本程序设计、信息搜索都可以低成本地获得，仅因掌握这些技能而获得薪酬溢价，已经变得越来越困难。
这样的背景下，教育领域最常见的应对举措出现了：要塑造「AI难以取代的能力」，比如创造性、共情、批判精神等等。这个思路听起来不错，但暗藏了一个逻辑陷阱。它依然把教育看作劳动力生产的前期准备，只不过是把课堂上教的技能列表替换成了「更耐替代」的能力清单。随着技术进步，教育也要不断追赶，学生也要不断自我证明。一旦技能过时的速率超过课程改新的速率，这场追赶注定会陷入疲惫的死循环。
教育其实还有另一条可行的道路：不再以「让人始终强于机器」为目标，而是转向「让人无须依靠比机器聪明来定义自身价值」。高校真正的责任，是给予机器无法直接代替的经历：做深度研究的持久力，跨领域融合理解的能力，敢于质疑的精神，在真实的社群中为自己的思考承担责任的实践。这意味着教育需要更多地培养人分析世界、辨识信息、与他者共处、参与社会事务的素养，而非仅仅是一份能在市场售卖的职业技能组合。
这一转向同样涵盖职业教育的重新定位。职业教育不应当继续沦为「高考失利者的救济通道」。卡普之所以频繁提及德国的职业教育系统，不单单在于它培养了技术能力强的产业工人，更在于它让职业技能本身获得了全社会的敬重。如果一个社会是在AI出现之后才突然发现电工和机修师「很吃香」，那它真正尊重的仍是市场风向，而非劳动本身。不同的教育途径与多元的评价标准，不是为了迎合科技产业的需好，而是因为人的禀赋本来就是五彩斑斓的。
社会制度：被暗度陈仓的假设
前面的讨论最终都指向一个根本的问题：社会的基本制度安排。当代社会存在这样一个隐而不宣的共识：成年人通过劳动换取报酬，再用报酬来获得居所、就医、学习、养护和公共生活的入场券。就业并非仅仅是经济事项，它是个体获取保护、身份与尊重的主要路径。我们习惯用职业身份来回答「我是谁」，根源也在这里。
AI所冲击的，正好就是这条纽带。倘若机器的进步不断提升总体效率，同时削弱了某些人类劳动的必要性，那么应该被追问的问题不在「人该学什么」，而应该在一个更根本的层面：一个人的基本生活条件，何必还要依附于他是否能把劳动兑现成报酬？
卡普的言论之所以值得我们反复思考，核心就在于此。他把「拥有前景」与「掌握机器难以替代的特长」等同了。电工因为从事具身操作而前景看好，非常规思维者因为「不标准」而有机遇，其他人似乎就被宣判为「多余」了。人的价值被悄悄折算成了「对机器的不可替代性」。但问一个根本的问题：为什么人必须证明自己比机器更难被取代，才配得到工作、收入与尊严？这仍然是工业时代的思维方式，只是把竞争对手从「别人」换成了「机器」。
因此社会需要在三个路向上做出调整。
其一，从「工作机会」演进到「生存保障」。医疗、养老、教育、住房以及某种程度的基本生活支持，应该尽可能摆脱对工作能力的依赖。一个人暂时找不到市场价值、或者选择了陪伴亲人、自我提升、休整调适，不应该因此被剥夺有尊严的生活基础。这不是要否定工作的意义。社会依然需要大量的生产性劳动，人也能从创造、解决问题、服务他人中体会到生活意义。区别在于，劳动可以成为生活的充实部分，而不必用作获得生存资格的唯一门票。
其二，从「生产贡献」转向「社会贡献」。工业文明下的价值衡量法则是：生产了多少，就贡献了多少。因此大量维护社会正常运转的活动被排斥在「贡献」观念之外。一位成员用三年时间看护患上失智症的老年亲属，既不能增加GDP数值，也没有取得新的证书，更算不上有什么「机器做不了的技能」，然而他实际上在维持着一个具体生命的存在与尊严。护理、教养、社区维建、社会参与、文化创造、义务性劳动，这些都应纳入「贡献」的范畴。在这里也要留心一个新的陷阱：不能因为护理工作需要同理心、目前机器还难以胜任而确认它的价值，那样仍然是用机器能力作为参照标准。价值的源头应该是它对人的福祉、对社会关系质量的实际意义。
其三，从「机器做不了什么」转换到「我们期待什么样的人生」。当我们不停地追问「AI之后人还能从事什么」，实际上已经让技术掌握了问题的决定权。倒过来想才是真正的根本：既然机器正在释放越来越多的生产空间，这些被解放的时间、资源和注意力应该用在哪儿？是为了让更多人能陪在家人身边，让教育不再只是就业的垫脚石，让人们有闲暇参加社会事务、从事思想与艺术创作，还是只让少数资本掌控者分享这份收益？
收益流向：被隐没的真实
这里需要加上一句扎根现实的补充。效率的进步不会自动成为劳动者的得利。收益的分配比例可能在企业、科技平台、资本拥有者和劳动力之间产生不同的分割方式，这些比例的设定权掌握在制度、议价力量与政治决策手中，而不由技术本身决定。卡普在AI产业里扮演重要人物，他的论述中心放在个人如何适应变局，却鲜少提及规则的制定权、收益的分配问题。把制度层面的难题转化为个人能力的课题，是一种值得警惕的叙事策略：当一个人是否「足够特别」变成核心议题，收益该如何共享的问题就被蛰伏地推到了边缘。
我们需要坚持的要求应当是：企业和政府部门共同承担产业升级中的培训支出，是劳动者在工作场景中对机器使用方式的参与权，是税收制度和社会保护对新财富的合理分享。这些议题或许不如「什么人还有戏」那样耸人听闻，但它们决定了科技进步能否真正为大多数人带来福祉。
卡普提出的问题是：AI年代，什么人还有价值？这个问题并非毫无启发，它迫使我们看到旧有的人才价值标准正在改变，看到标准化教育模式的缺陷。但它不应该是我们仅有的问题。值得更深层追问的是：如果AI让社会首次有可能不再要求每一个人都用「有用价值」来换取基本生存，我们是否有勇气重新构想一个不以人的可利用价值作为出发点的新社会？
人的前景，不该以他相对于机器的剩余价值来衡定。它源于我们如何设计教育的使命，源于我们以什么样的尺度来确认各种形式的贡献，源于我们决定把技术释放出的自由交付给谁。这才是人工智能这项技术真实提出的社会之问，也是比「谁能存活下来」远为重要的问题。
