新闻动态

【导语】在AFAC2025金融智能创新大赛的圆桌对话上，多位专家就AI技术的“内卷”现象及其影响展开了深入探讨。清华大学副教授姚权铭指出，AI同质化竞争虽带来压力，但也促使科研人员反(fǎn)思(sī)研(yán)究(jiū)本(běn)质(zhì)。机(jī)器(qì)之(zhī)心(xīn)联(lián)合(hé)创(chuàng)始(shǐ)人(rén)李(li)亚(yà)洲(zhōu)认(rèn)为(wèi)，AI发(fā)展(zhǎn)是(shì)“内(nèi)卷(juǎn)式(shì)创(chuàng)新(xīn)”过(guò)程(chéng)，大(dà)模(mó)型(xíng)技(jì)术(shù)扩(kuò)大(dà)了(le)应(yīng)用(yòng)场(chǎng)景(jǐng)。蚂(mǎ)蚁(yǐ)集团(tuán)项(xiàng)目(mù)管(guǎn)理(lǐ)总(zǒng)监(jiān)李(li)晖(huī)强(qiáng)调(diào)，AI能(néng)否提升生产力取决于能否找到差异化价值。同时，对(duì)于(yú)AI创(chuàng)业(yè)时代所需人才，Xcube.co董事Eelee Lua提出，企业需“创业型人才”具备批判性思维、跨领域执行力和市场洞察力。姚权铭还分享了高校培养科研人才的思路，李亚洲则建议AI人才需具备扎实理论基础，并积极与产业界沟通。

圆桌对话现场  来源：AFAC2025金融智能创新大赛

“AI同质化竞争一定程度上加速了‘内卷’，但‘内卷’也未必是坏事。”8月27日，在AFAC2025金融智能创新大赛圆桌对话环节《临界2025：AI时代青年定义浪潮的破局点》上，清华大学电子工程系副教授、博士生导师姚权铭表示，当前AI技术的发展使得跨界成为常态，科研领域的竞争也变得更加激烈，这种竞争的压力正倒逼科研人员重新思考， 做研究的本质究竟是为了发顶刊论文，还是为了能让技术在未来产生深远的应用价值。

姚权铭谈到，作为一名科研人员，过去他主要从事自动化支持类技术，但在大模型时代，这类技术一定程度上已经被淘汰。过去“小作坊”模式是为每个客户定制模型，进行数据清洗和模型调优，但(dàn)现(xiàn)在(zài)大(dà)模(mó)型(xíng)技(jì)术(shù)兴(xìng)起(qǐ)后(hòu)，这(zhè)个(gè)过(guò)程(chéng)已(yǐ)经(jīng)被(bèi)标(biāo)准(zhǔn)化(huà)、平(píng)台(tái)化(huà)替(tì)代(dài)。

在(zài)这(zhè)个(gè)过(guò)程(chéng)中(zhōng)，他(tā)一(yī)直(zhí)向(xiàng)博(bó)士(shì)生(shēng)强(qiáng)调的是，从指标来(lái)看(kàn)，博(bó)士毕业要求有一篇毕业论文，或许未来可能要求一个人发六篇论文，但这种表面上的数字增长与否并不代表全部。真正重要的是在经历这一过程时，论文本身应该是为了解决技术的核心问题，并且能超越短期的一两年商业周期，指向未来可能的技术突破。

机器之心联合创始人、副主编李亚洲认为，人工智能的发展本质上是一个“内卷式创新”的过程。他从2014年开始报道AI领域，早期深度学习刚出现时，大家都认为这是一项具有突破颠覆性技术，但能解决的问题和应用场景非常有限，比如语音识别、计算机视觉等任务。随着数十年的技术迭代之后，大模型技术的兴起，才真正扩大了AI的通用性和应用场景，也具备了更广泛地解决问题的能力，也正因此卷着大家不得不跟进大模型技术，然后实现创新。

蚂蚁集团财富保险事业群项目管理总监大赛执委会主席李晖认为，AI最终成为能提升生产力还是加速同质化内卷，取决于是否能在平台之外找到不可复制的差异化价值和优势。在这个过程中，创业的逻辑也在发生变化。过去十年，创业经历了两个周期，一个周期是以移动互联网为代表的创业浪潮，最大的创新是应用层创新，这一阶段也成就了一批如今的知名公司，如滴滴、美团、今日头条等。第二个创业周期，即当下的AI创业潮，这一时期也呈现出一定差异和特征。

李亚东指出，AI创业浪潮下呈现明显年轻化(huà)的(de)趋(qū)势(shì)，越(yuè)来越多博士在读或刚毕业的年轻人就做出知名创业项目，并且迅速获得投资，另一方面，技术创业变成应用创新创业的趋势越来越明显。

“特别明显的感受是，大家现在推很多AI产品，都会先去大肆宣传一波吸引流量、用户和投资，之后再去完善自己的产品，这从技术领先创业，变成流量性创业了。”李亚东说。

AI创业时代，企业到底需要怎样的人才？

Xcube.co首席幕僚长兼董事Eelee Lua认为， 企业成功不仅依赖创始人与技术，更需要“创业型人才”。这类人才须具备批判性思维、跨领域执行力和市场洞察力。她特别强调，AI的普及反而可能让人减少思考，因此软技能愈发重要。

她指出，当前不论在中国、东南亚、中东欧美都有一个趋势，企业需要的人越来越少。所以我们需要思考的是，我有什么和别人不一样的地方，找出自己的强项和特点，最大程度展示出来。

在这个时代，她认为有三种人群是不可或缺的，一种是技术底座的构建者，比如能够为模型底座提供架构；一种人才类似整个生态的链接者(zhě)和(hé)翻(fān)译(yì)者(zhě)，能(néng)深(shēn)刻(kè)洞(dòng)察(chá)用(yòng)户(hù)痛(tòng)点(diǎn)，知(zhī)道(dào)用(yòng)户(hù)需(xū)要(yào)什(shén)么(me)，也(yě)能(néng)快(kuài)速(sù)、敏(mǐn)捷(jié)地(de)解(jiě)决(jué)问(wèn)题(tí)。这(zhè)种(zhǒng)模(mó)式(shì)现(xiàn)在(zài)已(yǐ)经(jīng)在(zài)AI创(chuàng)业(yè)机(jī)构(gòu)中出现了，特点具有模块化、敏捷性的特征；还有一种高纬度人机互动的实践者，能够非常好地运用技术实现高纬度的人机互动。

姚权铭谈到当前高校培养科研人才的思路，他认为，一类人才是深度研究型，这类人才偏好刨根问底，关注基础概念，例如样本复杂度、泛(fàn)化(huà)能(néng)力、优化代价和准确度等，这类人才适合走学术。另一类人才比如有编程基础，并能对大模型保持批判性思考，他们能尝试做 API 演示，能力强的甚至能在顶级会议上发表论文 。这类人才偏向于实践导向，对新问题和新应用有浓厚的兴趣，执行力强，不会过度纠结于技术瓶颈，他们是推动技术转化和应用落地的关键力量 。

他强调，不论哪类人才，都必须具备“讲清楚自己为什么做这件事”的能力，即整体思考与批判性思维，这是AI无法替代的。

李亚洲补充道，AI人才还是需要扎实的理论基础，同时积极主动与产业界沟通，“学界与业界的结合将推动更多基础模型创新”。他建议从业者从算力思维转向效能思维，从技术追赶转向场景定义。