新兴职业0:00
所以我的第一个问题就是 ， 陈予彤告诉我们 ：AI 能帮我们创造什么新的工作 ，以至于我们未来的同学 、 我们的学生能够去更好地去拥抱 AI？
对 ， 我觉得这也是一个非常好的问题 ，因为我觉得它一定是这样的 ： 每一次生产力的提升 ，其实我们只是从原有的工作到了新的工作 ， 对吧 ？
就像比如说农业革命的时候 ， 很多人不用种地了 ，但他们到了城市 ， 然后城市出现了有服务业 ， 对吧 ， 这样的新的工作类型 。
所以我觉得现在 ， 至少我觉得 ， 可能如果先看我们企业自身的话 ， 我觉得我们就出现了很多新的工作 。
比如说 ， 我们这儿有同学是给模型训练 ， 去创造合成的数据 ， 然后他们每个人都自称为 " 模型的爸妈 "，因为他们觉得他们是在喂养这样的一个持续去生长的智能 。
然后比如说 ， 我们有模型的评估师 ， 那么他其实需要去评估模型生产的内容或者答案 ， 或者它的一系列的行动和结果是不是 " 好的 "。
那么这个所谓的 " 好 "，其实还是一个人类的价值观 。 那么他们其实是在把人类的价值观和模型的结果去不断地去做对齐和评估 。
那么这个其实可能也是只是我们一个很小的这样的企业能够看到的新的职业 。 那我觉得对于更广泛的人群来说的话 ， 可能很多人都会成为超级个体 ，也就是今天说的一人公司 。
那么其实还是工作 ，因为工作本身我觉得是做我们该热爱的事情 ， 对吧 ， 让它产生了生产力和高的经济价值 。
那么它本身可能是可以更一个人全栈地去做很多的事情 ，并不依赖于有一个很大的团队 。 那这个我觉得它是改变了生产的组织方式 ，但是也会形成更多我觉得大家可以更勇敢地去追求自己想去做的事情 。
所以我觉得一定会像您说的 ， 就是会出现非常多新的工作 。
教育与能力2:08
对 ， 你刚说 AI 会创造很多新的工作 ，但是它同时也会需要新的技能 ， 对吧 ？ 那我们作为商学院 ， 我们作为教育者 ， 我现在最关心的其实也一直在思考的就是我们怎么能够跟上时代 ， 对吧 ？
我们的光华管理学院怎么去培养我们的学生 ， 设计我们的课程 ， 能够追上 AI。 怎么我们能够更好地去训练或者去 educate 我们的学生 ， 最终能够满足 AI 时代这个雇主的要求 ？
我其实觉得现在在大学里面真的就是大家非常地幸福 ， 比起可能我们当时上学的时候 ， 我们要花很多的时间查资料 、 查文献 ， 然后去完成这种复杂的项目 。
那我觉得今天其实真的学习能力 、 研究能力这件事情被大大地效率增强了 。 然后我觉得其实我觉得大家在刚才其实跟田园长也交流到 ， 我觉得就是更多地去用 AI 吧 ， 去真正成为 AI 的深度用户 ，Power User， 可能能够感知到每一个模型的区别 ， 每一代的区别 ， 它的能力边界到底在哪儿 ，有什么事情它今天还不能做 ， 然后有什么事情它今天已经
可能做得比我们好了 ，有哪些事情是需要你和模型一起去共创的 。 因为我觉得接下来会进入一个非常大的 Agent-Human Collaboration 的这样的一个时间 。
我几乎现在我觉得我的任何的工作 ， 我已经很难想象不能用 AI 了 。 就像可能比如说之前我们没有手机 ， 之前我们没有电脑 ，但今天我们其实已经无法想象到如果现在没有电脑 ， 我们如何工作 ， 对吧 ？
你不能使用的 ， 你平时去使用的 Adobe、Figma、Excel 这些软件 ， 你如何工作 。 那么其实我觉得这些工具 ， 它都是去延伸了我们的能力 。
所以其实我觉得它一定不是一个这种相互替代的关系 ， 我觉得它工具其实是替代了它可以替代的那一部分 。
所以我觉得我们的工作中可替代的部分是很多 ， 比如说重复的执行 ， 然后比如说大量的信息的处理 ， 比如说计算 ， 然后比如说编程 ， 比如说一部分的设计的执行 。
所以其实我觉得这些部分的工作会被代替 ， 代表这个工作会被替代 。 所以我觉得其实是我们有了更多的时间去工作 。
验证瓶颈4:41
然后刚才也是有一个老师提到了 ， 就是说其实现在真正的瓶颈是在于去验证 AI 产生的结果 。 因为今天比如说产生一个几百万行的代码 ， 对于 AI 来说是很容易的事情 。
那么对于人类来说 ， 你去消化 、 理解 ， 然后以及看这个不同代码之间的逻辑关系是不是有问题 ，其实它是一个更大的工作量 。
所以我觉得我们今天还是在定义我们的工作 ，以及我们在评估 、 验证 AI 的工作质量 。 所以这些我觉得也会成为重要的能力 。
知道怎么去运用 AI， 怎么去驾驭 AI， 对吧 ？
是的 ，是的 。 我觉得驾驭这个词就是很好 ，因为它也是这种我觉得一种合作的关系 。 包括其实我们现在也在讲 ， 比如说硅谷现在很流行说叫 Harnessing， 它其实也是这种驾驭的感觉 。
那不管是工程和模型的关系 ， 还是人和 Agent 的关系 ， 我觉得未来它都是这种相互的协作 。 所以我觉得就是这里面一个是用更开放的心态去探索 ， 对吧 ？
就比如 AI 发生了 ， 可能我还是相信它长期对我们一定是有益的 ，但是我知道短期大家肯定也有会有各种各样的担心 ， 比如说它的安全性 ， 或者是它的其他的一些性能的问题的担忧 。
但是我觉得长期它一定是好的 。 所以我觉得就是用一种很开放的心态去探索它 ， 可能看看它到底是什么样子的 ， 然后深度地去理解它 。
然后一定要我觉得就是可能亲自上手吧 ，因为我觉得亲自上手 ， 越多的动手 ， 我觉得其实还是有很多的认知是在动手中形成的 ， 可能不是说今天只是有听到了别人的观点 ， 或者自己在观察的时候有一些感受 ，而是在不断地一次一次地动手中 ，其实会有更深刻的理解 。
学生建议6:41
比如说我现在就是一个本科生一年级刚进来的学生 ， 我知道未来的时代跟我的父辈已经完全不一样了 ， 对吧 ？
我们那个时候其实你就是把题做好了 ， 把试考好了 ，有个好的 GPA， 或者出国 ， 或者找工作 ， 你这辈子就没问题 。
但是现在很多的未知 ， 尤其刚才予彤也说了 ，AI 会给我们带来很多变化 。 好 ， 那假如说我现在是一个 first year 的一个 freshman， 我是一年级的学生 ， 那我未来在光华 ，在北大我要待四年， 那我怎么去做 ， 从而能够让我更好地去面对 AI 带来的挑战 ， 面对未来不确定性给我带来的挑战 ？
可能是可以补大一就到我们的实习 。 开个玩笑 。 我觉得就是我觉得在大学期间其实我觉得我个人的收获很多还是跟同学的相处吧 ，因为我觉得这个是其实学校提供给我们的非常好的环境和最宝贵的有可能是就是人的一生都可以去持续地这样的一些关系 。
所以我觉得这个是还是非常宝贵的 。 我觉得可以就是在这些方面我觉得多去还是多和人交流的能力 。
人和人交流的能力 。
和建立深度的链接 。 对 ， 我觉得这个是不会变的 。
是的 。
就是不会变的 。 然后第二点我觉得可能就是在做任何事情的时候 ， 我觉得都可以想一下， 就是如果今天是 AI 来做的话 ， 它会怎么做 。
就是我觉得其实除了人和人的共情以后， 可能还有就是人和 Agent 的共情 。 因为从模型的视角去看一些事情 ，其实就会很不一样 。
比如说我们从人的视角去看 ， 今天在电脑上或者是互联网上 ，其实我们已经有非常好的基础设施了 ， 我们要做什么样的事情 ， 我们要聊天 ， 我们要开会议 ， 我们要支付 ， 然后我们要验证身份 ， 授权一些数据 ， 都有非常成熟的基础设施 。
但如果今天是从模型的角度去看的话 ， 你会发现它可能觉得这些不一定是它需要的 。 它需要的一些东西其实今天我们是为人去构建的基础设施 ， 还没有完全是为 Agent 去构建 。
那么在这个时候 ， 怎么样更好地有人和 Agent 的分工 ， 所以能够重新去思考这个事情会怎么去做 。
我觉得带着这个视角去做所有的事情 ， 我觉得可能也会有一些不一样的收获 。
了解 。 那我们今天来的学生除了有本科生 ， 就是从来没有出过校园的 ， 我们其实还有很多的像 MBA、EMBA 的同学 ，他们很多已经是企业的管理者 。
管理者建议9:11
那在 AI 的时代 ， 我们怎么能够他们需要做什么 ，他们能做什么来成为不被 AI 所替代的管理者 ？ 予彤 ， 你有什么想法 ，有什么建议 ？
我觉得替代这个可能在座的各位成功的企业家是个很难很难的事情 。
不用客气 ， 我觉得这个好像也不是那么的难 。
我觉得有一个非常实用的 tips 吧 ， 我觉得就是可能给公司里面的每一个人增加 Token 的预算
， 让每一个人都能够 Token 自由 ， 然后让他去做这些事情的时候 ， 能够去充分地探索如何把 AI 用起来 。
因为我觉得如果是一种比如说是不是 AI 会替代我们的工作的这种 ， 比如说它在组织里可能会有一些对抗的这种阻力 ，其实我是觉得是不利于任何事情的发展的 。
但是如果是大家每一个人都可以有非常多的 Token 预算 ， 比如说以后他在管你们去要这个 Headcount 的时候 ， 然后你可以说我也有这个 Token Budget， 然后你怎么去分配你的这个 Token 预算 ， 哪些是我们继续用于扩张 ， 哪些是我们就用于给大家去增强更多的它的生产能力 。其实因为我觉得其实 AI 是可以让就比如说在程序员里面 ， 我们原来叫这个十倍程序员 ，
就是说它的生产效率可以一一档次 ，因为它是非常非常强的程序员 。 那今天其实我觉得 AI 的这个代码生成的能力 ，其实可能让更多的人是有可能变成了十倍的程序员 。
但是可能比如说在编程的过程中的这种比如说架构的能力 ， 然后思考的能力 ， 然后以及去不断地验证和不断地纠错的这些能力 ， 这些可能今天我觉得就是 AI 做得还不够好 。
那么当我觉得我们在企业里面给大家充足的 Token Budget 的时候 ， 我觉得大家也会去思考它的工作会有什么样的变化 ， 就变成了一种我觉得更自底向上的一些去推动的变化 。
投入 ，因为很多的这个算力是跟模型的研发相关的 。 那么从今年其实我们发现 ， 当你的模型能力到了一个智能基点的时候 ， 它就会有非常非常多的需求被开启了 。
所以我们也看到了这种推理算力的爆发 。 所以我觉得接下来的算力的增长其实在训练侧 、 在推理侧都会有 。
然后华为肯定是做的我觉得非常优秀的一家企业 ， 然后包括它的其实产能也非常地充足 。
可以 。
开源与安全12:13
你好 ， 我是 Gabriel， 一个北大燕京协商的协商 。 然后就第一个问题刚刚是关于 DeepSeek， 然后抱歉我的问题就是关于 Anthropic。
因为上个月 Anthropic 发布了那个 Meta 的模型 ， 然后因为担心它在这个网络安全领域就是没有向公众开放这个模型 ， 所以我在这个 Project Glaswin 通过这个 Project Glaswin 向少数合作伙伴就开放这个模型 。
然后我很好奇就是你会怎么看待 Anthropic 的这个决定 ， 你认为这个决定就是不公开这个模型是正确的 ， 然后如果以后我们之后也会做出一个跟 Meta 差不多 、 跟能力差不多一样强的 ，也有被滥用的这个风险的一个模型 ， 你们也会这么做 ， 还是你们会继续做开源 ？
谢谢 。
太厉害了 。 这个问题也非常好 ， 就是确实我觉得随着模型的代码能力的提升 ， 我们也发现了就是说它其实今天已经有能力在一些非常大型经典的开源项目 ， 比如像 Chrome 上面去发现它的 bug。
这个其实我觉得对于人来说都是很难的事情 。 有很多比如说这种这一领域的一些安全风险的漏洞 ， 今天其实 AI 它也有能力去在很庞大的这些代码中能够有这样的识别和挖掘的能力 。
然后我觉得其实在比如说模型发展的过程中 ，在开始的时候可能我觉得大家更关注的是它的能力 。
那当它的能力其实提升到了一定的程度之后， 会出现我觉得就是如何更安全地使用的这样的一个问题 。 然后其实我们的每一代的模型 ， 当我们的预言进入到了一定的阶段之后， 我们也去会邀请我们的比如说一些核心的上下游的合作伙伴 ， 然后包括我们的一些少数的非常核心的专业的用户 ， 来共同地帮我们去其实测试这个模型 。
我们会去看说它在哪些能力上有缺陷 ， 或者它是不是有什么样的问题 。 因为开发其实这么大的一个模型 ， 它是一个非常复杂的工程 。
有些时候你会发现说可能一个问题它比如上一版的这个模型其实能力是很好的 ， 但在下一版的时候突然间它的能力就会下降 。
所以在这个迭代的过程中， 一个是我觉得我们会有非常多的看板和监控 ， 然后第二个是我们也会在它这个预言的最后一步 ，其实去引入更多的伙伴来进行这种测试 。
然后第三是我觉得其实未来还是会有更多的 ，其实也刚刚像田院长讲的 ， 就是在使用的过程中的这种驾驭的能力 ， 它其实还是要需要加上一些更多的这种安全的设计和驾驭的能力 。
但是我觉得这个和开源可能并不冲突 ，因为我觉得我们可能跟 Anthropic 最大的区别也有就是它的模型是闭源的 ，而我们的模型还是希望去走开源的路线 。
因为我觉得其实如果说你认为它是有风险的 ， 那它掌握在可能少数人的手中 。