2026年7月，习近平总书记在上海出席2026世界人工智能大会暨人工智能全球治理高级别会议开幕式并发表主旨讲话，提出：“当机器开始思考，人类如何与之相处？当算法参与决策，安全如何保障？当技术挑战伦理，治理如何跟上？当鸿沟不断拉大，普惠如何实现？”这些人类不得不直面的时代之问，深刻指向了人工智能时代人的主体地位如何巩固、劳动价值如何彰显的本质问题。恩格斯曾指出，劳动是整个人类生活的第一个基本条件，而且达到这样的程度，以致我们在某种意义上不得不说，劳动创造了人本身。当智能时代加快来临，肇始于工业时代的教育科技人才体制机制，正面临人工智能重塑劳动形态和能力结构带来的巨大冲击，迫切需要回答一个新的时代课题：人工智能时代要培养什么样的人、培养什么样的能力？
马克思主义认为，生产力包括劳动者、劳动资料、劳动对象三个基本要素，人始终是其中最活跃、最具决定性的核心力量。以往的技术革命，无论是机械化、电气化还是信息化，主要延伸人的体力劳动以及信息获取、存储、计算和处理能力，而人工智能开始模拟并部分替代人脑的认知功能，向学习、推理、生成等复杂脑力活动深入。过去更多是人使用机器，现在越来越多是人与机器协同劳动。人机关系一变，劳动者、劳动资料和劳动对象随之而变，人的劳动能力也面临一次革命性调整。
从劳动者看，人工智能正推动劳动形态从重复性操作走向人机协同。人工智能大模型使知识获取、信息处理和内容生成更加便捷，知识稀缺正在转变为判断稀缺、创造稀缺。过去，掌握更多知识、熟练运用专业技能往往意味着更强的劳动能力；现在，基础编程、一般文本翻译等标准化认知任务都可以借助人工智能快速完成，单纯依靠知识积累和重复性技能形成的能力优势正在减弱，无论是在自然科学技术路线选择中，还是在哲学社会科学理论阐释中，人工智能基于海量数据生成的能力越强，就越需要人提出问题、确定方向、作出判断。与此同时，人工智能也在重塑岗位结构。世界经济论坛预测，受技术进步和经济社会结构变化等因素影响，到2030年全球将有1.7亿个新岗位被创造、9200万个岗位被替代。一增一减之间，是数以亿计劳动者必须跨越的能力门槛。人工智能时代，劳动者的核心竞争力越来越体现为独立思考、价值判断、人机协同和从事创造性劳动的能力。
从劳动资料看，人工智能推动传统劳动工具向智能系统跃升。马克思在《资本论》中指出，各种经济时代的区别，不在于生产什么，而在于怎样生产，用什么劳动资料生产，劳动资料是人类劳动力发展的测量器。科学研究往往需要面对巨大的假设空间，如小分子候选药物的理论数量可达1060种，具备潜在稳定性的新材料组合可达10180种，依靠传统实验试错方法难以实现全空间遍历筛选，而人工智能可以大幅提高筛选效率。例如，中国科学技术大学化学实验室借助自主研发的“机器化学家”，将新型阻燃材料的研发周期从传统的3-5年缩短至11个月，性能提升超200倍。随着人工智能大模型、公共算力平台、智能实验设备等新型劳动资料快速发展，人工智能更加广泛深入地参与提出假设、筛选路线、开展仿真等科研活动，科研人员更多承担提出关键问题、作出因果解释和价值判断等创造性劳动。劳动资料跃升也加速了劳动者的能力分化，同样面对人工智能，有的人借助其拓展认知边界、提高创新效率，有的人则因知识结构、思维方式和数字能力不适应而失去原有优势。能否理解人工智能、驾驭人工智能、借助人工智能开展创造性劳动，正成为劳动能力的重要分水岭。
从劳动对象看，人工智能正在不断拓展人类认识世界、改造世界的边界。数据、虚拟空间以及模型训练和处理的各类数字化对象越来越多地进入劳动过程。在人工智能帮助下，人们已预测超过100万个物种的2.14亿个蛋白质三维结构，几乎涵盖所有已知蛋白质，极大拓展了生命科学研究的劳动对象范围与探索边界。随着劳动对象日益复杂，许多横跨不同学科和领域的课题一起涌到人们面前，比如智能制造需要机械工程、自动控制、数据科学和人工智能等多学科协同，单一知识结构越来越难以应对复杂劳动对象。这就要求人的知识结构更宽、专业视野更广、跨界整合能力更强，加快适应跨域协同的新型劳动场景。
人工智能技术狂飙突进，正在重塑知识生产与传播的既有格局，深刻冲击工业化进程中形成并发展而来的教育模式、科研组织方式和人才评价体系。特别是劳动者、劳动资料、劳动对象及其优化组合的跃升，深刻改变劳动内在逻辑，也对支撑生产力发展的教育、科技、人才制度机制提出新的更高要求。同时应当看到，一些理念和制度安排仍存在路径依赖和惯性束缚，与时代发展不相适应，面临一系列结构性矛盾。比如，教育理念和方式与人工智能时代的劳动能力要求还不适应，一些学校和师生对人工智能赋能教育的认识还停留在工具层面，存在重效率、轻能力，重使用、轻培养等现象。一些研究表明，过度依赖人工智能完成作业、生成内容，反而不利于基础知识掌握和独立思考、分析判断等能力养成。同时，课程设置对学科交叉重视不够、与产业实践衔接不紧，人工智能教育基础设施等还存在短板，城乡、区域之间教育资源配置还不均衡。人工智能与科研活动的深度融合还不够，资源布局和科研组织方式不太适应新的创新要求，一些高校、科研院所纷纷布局大模型、算力平台和智能科研设施，但不少应用仍停留在文献检索、内容生成、数据处理等浅层环节，能够把人工智能真正嵌入问题提出、实验设计、模型推演、数据分析和成果转化全过程的还比较少，有的资源共享不足、数据孤岛突出，严重影响科研资源利用和协同创新效率。人才供给和评价与人工智能时代的劳动能力需求还存在结构性错位，人工智能核心研发人才、跨界应用人才仍显不足，一些劳动者的知识技能难以适应岗位变化。人才评价仍较多沿用工业化时代形成的标准化、可计量指标，有的专家教授一年动辄几十、上百篇专业论文，不计质量地“卷课题”、“卷文章”现象仍然存在，与人工智能时代更注重原创能力、跨界整合能力和解决复杂问题能力的要求存在明显落差。
这些问题相互关联、彼此传导，不是某个环节、某项制度的局部问题，靠零敲碎打、修修补补难以解决。只有从人的劳动能力发展出发，推动教育教学、科技创新和人才培养深度融合、一体发力，持续激发人的创造潜能和创新活力，才能更好适应人工智能时代要求，形成推动高质量发展的倍增效应。
深化教育领域适应性改革，夯实人工智能时代劳动能力基础。教育的重点不能停留在人工智能工具使用上，而要更加注重问题意识、独立思考、价值判断和创新创造能力培养，既发挥人工智能辅助学习、拓展能力的作用，又防止其替代必要的知识积累和思维训练。优化高校学科专业设置和人才培养模式，加强人工智能与各学科交叉融合，防止简单追逐热点、盲目增设专业。完善城乡、区域人工智能教育资源配置，积极探索“双师课堂”、城乡学校人工智能教育联合体等实践，促进优质教育资源共享。
推动人工智能与科技创新深度融合，提升科研人员驾驭新型劳动资料的能力。科研智能化应以解决实际科研问题为导向，推动人工智能深度融入科学研究全过程，切实提升科研创新效能。围绕问题提出、实验设计、模型推演、数据分析和成果转化等环节，积极探索人机协同科研新范式。面向产业应用，加快建立产业需求提出、科学问题凝练、人工智能辅助求解、研究成果验证转化相互衔接的协同机制。同时，加强算力、数据、模型和智能实验设施统筹布局、开放共享，完善相关标准规范，强化公共科研平台支撑，降低普通高校和中小科研团队的使用门槛，避免低水平重复建设。
完善人才培养使用评价机制，构建与新的劳动形态相适应的人才能力结构。人才工作既要着眼长远加强人才培养，也要立足当前促进劳动者知识更新和技能提升。完善人才分层分类培养和使用机制，面向前沿创新，加强人工智能基础研究和关键核心技术人才培养；面向行业融合，培养兼具人工智能素养和行业专业知识的复合型人才；面向生产应用，依托职业院校、企业培训平台等开展场景化、实操化技能培训，健全职业技能培训和终身学习机制，提高广大劳动者运用人工智能开展生产实践的能力。改革人才评价机制，减少对论文、项目等数量指标的简单依赖，更加突出人的原创贡献、关键判断、跨界整合和解决实际问题的能力。
强化教育科技人才协同，形成劳动能力持续提升的制度合力。健全教育、科技、人才一体发展的统筹协调机制，强化政策协同和资源统筹。根据科技前沿进展和产业发展需求，动态调整学科专业、课程体系和培养模式。以重大科研任务和工程项目为牵引，促进高校、科研院所、企业协同育人，让学生和青年科研人员在科研攻关和产业实践中提升能力。总结推广高校院所联盟开展课程互选、共享科研设施以及校企共建产业学院、实训基地等有益做法，推动科研资源向教育和人才培养有序开放，促进教育链、创新链、人才链紧密衔接，形成教育培养人才、人才支撑创新、创新反哺教育的良性循环。
（作者：华南师范大学教育科学学院副院长、教授）
责任编辑：马 丽
