导语｜在人工智能发展的奇点时刻，算力、数据与人才的底层逻辑正在发生深刻变革。香港科技大学（广州）协理副校长、腾讯云 TVP 熊辉教授从物理学第一性原理出发，深度剖析了电力与资源如何成为 AI 发展的终极约束，并提出了人机协作新型劳动体的境界重构。面对 AI 对传统教育的冲击，他认为未来的架构师应通过提问与鉴赏力，向数据稀疏的“无人区”进发，实现从人才到人物的跨越。

作者简介

熊辉，香港科技大学（广州）协理副校长、讲座教授，获国际人工智能促进协会会士（AAAI Fellow）、美国科学促进会会士（AAAS Fellow）、电气电子工程师学会会士（IEEE Fellow）、国际计算机学会会士（ACM Fellow）、中国人工智能学会会士、中国计算机学会会士、国际计算机学会（ACM）杰出科学家、国家重大人才工程入选、教育部长江讲座教授，海外杰青、广东省劳动模范等荣誉。他担任广州市人民政府参事、广州欧美同学会副会长、中国计算机学会大数据专家委员会副主任、Nature npj AI 创刊主编等多个重要政府、社会和学术职务。此前任美国罗格斯大学杰出教授、百度研究院副院长及首席科学家（T11）。主要从事人工智能与数据挖掘研究，主持或参与国家科技部重点研发计划、国家自然科学基金（含重大研究计划）。熊辉教授的 Google Scholar 引用超 61000 次，h-index 101，获 ACM SIGKDD 服务奖、AAAI 最佳论文奖等顶级奖项，并多次担任 KDD、ICDM 等行业大会主席。在人才培养方面，已有数十位学生成为国际知名大学教授。

一、穿透表象，探求时代本源规律

思考事物要触达本质。马斯克推崇的物理学第一性原理，与《易经》“不易、变易、简易” 的内核相通，皆是对本源的探求，都在启示我们：在剧变的时代，唯有穿透表象，才能捕捉到真正决定未来的底层逻辑。

当下 AI 热潮的底层逻辑，不在算法表层，而在基础物理资源。评价英伟达的价值，可简化为一道数学题：计算其全美 GPU 年销量的总耗电量，再对标美国电力总容量。我认为，限制 AI 发展的本质不是算力，而是电力水平。算力需求指数级增长，若电力架构跟不上，会引发电价飞涨、通胀加剧，挤压传统制造业。因此，我做技术投资未必买技术本身，反而会布局 “铜”—— 铜与电力才是这个时代更具确定性的底层逻辑。数据佐证：中国 2024 年发电量约等于美、欧、日、俄、印总和；美国自 ChatGPT 发布后电价上涨 40%，直观体现了 AI 对基础能源的巨大需求。

正如物理资源的上限决定了 AI 的发展本质，人类如何应对这种硬约束，则决定了生产力的进化本质——那就是构建“人机协作的新型劳动体”。

我们正处于人工智能新经济发展时代，这要求我们必须重新定义架构师的边界。对于人工智能从业者而言，每个人都有机会成为掌控全局的架构师，你的核心竞争力不再是单打独斗，而是驾驭机器的规模。面试时，你不再是一个人，而是带着“N 台机器”入场：能驱动 10 台机器，你就有底气拿数倍的薪水；能驾驭 100 台机器，你就能一个人顶一个团队，定义一个项目、定义一个未来。这便是人机协作新型劳动体的底气：凭借管理机器的能力，个人完全可以突破传统人力劳动的上限，成为人机混合时代里定义未来的顶级架构师。

二、AI时代核心能力：提问与鉴赏力

为什么现在要培育人机协作新型劳动体？

我认为通过教育可以实现的人类智能分为四个境界：

• 博闻强识，即学科知识的积累；
• 触类旁通，具备跨行业的迁移能力；
• 一叶知秋，能在行业内进行精准的预测与推理；
• 无中生有，实现从 0 到 1 的原始创新，如相对论或牛顿三大力学。

在大模型时代，AI 一上来就通过海量数据“打掉”了人类的前两个境界，而在“一叶知秋”层面的超越也只是时间问题。这意味着，如果我们过去的教育依然只努力培养博闻强识的学生，那在 AI 面前将不名一文。作为架构师，必须利用 AI 形成人机混合的战队，在更高维度的境界中寻找生存空间。

要做到这一点，提问与鉴赏力成了架构师的核心技能。

我已年过五十，但过去两三年我的工作和学习效率是指数级提高的，一年完成的工作量甚至超过了过去五六年的总和。这种飞跃源于我将 AI 变成了深度学习的伴侣。面对如 NeurIPS 每年产出的五六千篇文章，传统读法已不可行。我利用 AI Agent 进行筛选，彻底改变了我的信息获取方式。我清楚自身兴趣方向与知识基础，借助 AI Agent 按明确条件（如作者 h 指数不低于 20、贡献足够大）筛选文献，留存优质内容后通过提问讨论，快速锁定核心任务。

我的读书效率也大幅提升，从一年 10 本增至 100 本。经典古籍即便结合 AI 讨论，阅读仍慢；但科技类新书可借助 AI 高效梳理：20 分钟内获取 10 句核心观点，筛选有新意的表述并延伸解读，最终锁定关键观点对应的章节快速翻阅，即可完成核心认知，实现了学习效率质的飞跃。

更重要的是，我教给学生一个判断创新价值的“幻觉原则”：同时用三个大模型测试，如果 AI 聊得头头是道，说明数据已经覆盖，不值得做；如果 AI 开始产生幻觉或胡说八道，说明你触碰到了认知的盲区。此时必须迅速在两周内完成突破，因为你已经通过提问暴露了方向，必须利用速度跑赢 AI 的进化。

三、数据质量：AI时代的价值分水岭

在智能革命时代，数据已成为核心生产资料，驱动着从数据飞轮到技术飞轮，再到产业飞轮的深度演进。一个国家若缺乏数据应用场景，就无法实现技术迭代与产业升级，更无法培养顶尖人才。中国拥有前所未有的应用场景沃土，这为 IT 与 AI 从业者提供了绝佳的历史机遇。放眼全球，真正有能力全方位进入这场飞轮角逐的只有中美两国。身为其中之一，我们正身处一个前所未有的广阔舞台。

人工智能时代，决定个人、企业乃至国家选择的核心逻辑究竟是什么？我认为答案很简单——数据质量。

个人又如何利用数据质量寻找适合深耕的产业领域呢？在探讨 AI 如何赋能产业时，必须区分不同的视角。对于国家和大型企业而言，首要任务是寻找数据肥沃的领域，通过高质量数据快速催生出业绩和成果；但站在个人职业规划的角度，我却建议大家应当反其道而行之。数据质量决定了 AI 渗透的速度，代码数据代表性好、评价机制明确的领域，程序员首当其冲被 AI 赋能甚至替代；而那些数据稀疏、环境复杂、采集成本高的行业，反而是人类经验的优势领域。

这种环境下，那些“可意会不可言传”的知识才具长期价值。我们需要去往人类未曾采集、未曾抵达的地方，才能做到认知层面的真正发现。

四、人机协作新型劳动体四大核心技能

全球发展规律已十分清晰：在美国，学历越高，与 AI 拉开差异化竞争的机会越大，薪资也越高。这对架构师是机遇，但机遇有前提：必须驾驭人工智能，成长为 AI 时代新型架构师，否则终将被时代淘汰。当下要着力培养人机协同新型劳动体，锤炼四大核心技能，且掌握 AI 是所有行业的必修课，而非选择题。

1、驾驭 AI 从事本行业的能力

驾驭 AI 已从行业加分项转为生存必选项。即使是非计算机相关的行业，如艺术行业，传统灵感的枯竭也能通过 AI 辅助得以破解，跨界交叉不仅催生了创新，更实现了产出的指数级跨越。这揭示了一个本质：无论身处何业，核心竞争力已不再是死守传统技能，而在于驾驭机器的能力。

2、培养和机器差异化的能力

AI 擅长 “从书本到书本” 的知识转化，正如维特根斯坦所言，凡是能用语言清晰表述的内容，AI 都能胜任。而那些只可意会不可言传的经验与智慧，才是人类的独特机会，更是架构师需要深耕的能力。

我常对学生说，学习模式必须转型：用 50% 时间搭建知识框架，剩余精力拓展多领域知识并躬身实践。架构师亦是如此，唯有亲手攻克复杂问题，才能沉淀书本之外的核心能力。

3、锻造人机混合创新能力

这种能力需在点滴实践中积累，曾国藩的 “三令五申” 在新时代应有新解读：不再是警示过错，而是自我迭代的标尺 —— 做完每件事，务必思考如何做得更好。交办任务不能只满足 “完成”，更要追求 “优化”。聪明人做事，第一次投入 120% 精力无妨，第二次压缩至 80%，第三次降至 50%，在这个过程中总结创新，提升效率与质量，才是真正的成长，也是人机协同时代的核心竞争力。

4、培养从 0 到 1 的创新能力

现代社会亟需培育从 0 到 1 的整体创新能力，而创新容错环境是关键前提。创新本就是九死一生，企业若想孕育创新的热带雨林，必先构建容错的土壤。纵观美国硅谷与中国大湾区的发展，其底层逻辑可归结为 12 字内核：拓荒之勇、包容之量、创新之魂。

• 其一，拓荒之勇是破局根基。“卷”本是中性词，在存量空间里内耗是无效内卷，但在增量无人区深耕细作，就是值得推崇的工匠精神。
• 其二，包容之量是成长沃土。为什么中国这么多年来还没有出现诺贝尔奖得主？我认为无需焦虑，等到 95 后、00 后真正成长起来，未来必然会有。因为诺贝尔奖的诞生需要创作者摆脱功利目的，纯粹为兴趣而钻研，而这一代新人应当是具有贵族精神的群体，他们从未经历过物质匮乏的困境，没有生存的恐惧感，能够全身心投入自己热爱的研究。同时，这一切也离不开国家、社会、企业乃至家庭共同营造的包容、容错的创新环境，这种环境是培养 “从零到一” 创新人才的土壤，也是诺贝尔奖得以诞生的必要前提。
• 其三，创新的核心，在于敢于突破认知边界。要从数据盲区切入，逐步突破感知盲区、认知盲区，去往人类未曾涉足、未曾采集的领域，才能实现真正的认知与盲区发现。
• 最后，我总结了一套创新实践法则：知行合一、试错迭代、大力出奇迹。当下聪明人比比皆是，机会往往集中在头部领域，唯有向头部迈进，才能抢占更多机遇。

五、架构师的时代使命

随着人工智能极大地提升研发效能，企业的组织形式正发生根本性变革。过去，我们依赖人海战术的大兵团作战；未来，组织将转向类似现代战场的特战队模式。这意味着，企业不再单纯追求基础开发人员构成的工程师红利，而是极度渴求具备顶层认知的领军人物。

从人才到人物，是跨越式的进阶。T 型人才拥有深厚的专业底蕴与广博的视野，而“人物”则是在此基础上完成了认知的跃迁。如果说人才提供了解决问题的“金手指”，那么人物则提供了定义问题的“金脑袋”。

我对核心人物的价值衡量还有一个明确标准：在科学技术化、技术产品化、产品产业化、产业资本化、资本科学化的全链条循环中，聚焦建平台、做系统、定标准、创品牌四大核心动作 —— 这既是我们对标杆人物的定位，也是架构师的核心职责。

我们要致力于成为平台、系统、标准的建设者与品牌的打造者，更要以此为目标赋能每一位架构师。在 AI 新时代，架构师需要突破边界、定义边界，而能够扛起 “建平台、做系统、定标准、创品牌” 的重任，正是这个时代赋予架构师的核心使命与明确要求。

我们正处于人工智能的前沿，这既是挑战也是幸运。正如罗曼·罗兰所说：世界上只有一种真正的英雄主义，那就是在认清生活的真相后依然热爱生活。我希望我们不仅能熟练驾驭工具，更能在洞察了世界的真相、看见了科技带来的种种冲击后，依然热爱这个世界。