# NTU教授谈AI时代青年危机：消失的会是工作，还是思考力？

URL: https://www.shicheng.news/v/xEBmy
Published: 2026-11-07
Source: 狮城新闻

AI能在几秒钟内写完一封邮件、生成代码、整理会议记录，甚至提出完整方案。对刚进入职场的年轻人来说，这既像一把加速器，也像一道正在抬高的门槛。

当企业不再需要新人完成大量基础任务，毕业生要从哪里获得第一份工作？当学生习惯把问题直接交给生成式AI，又如何建立验证信息、拆解论证和独立判断的能力？

在CNA播客《Deep Dive》的最新一期中，**NTU教授Will Cong**与新加坡社科大学副教授Jennifer Ang围绕这些问题展开讨论：AI正在怎样改变就业市场、教育与社会利益分配？技术进步又该如何与人类价值保持平衡？

真正的风险不只是“AI会不会抢走工作”，而是年轻人是否还有机会通过基础工作积累经验，以及我们会不会把思考本身也外包给机器。

说明：本文讨论的是播客提出的风险与政策问题。“AI剥夺工作和思考力”是节目标题，并非一项已经证明直接因果关系的NTU研究结论。

## 第一重挑战：AI先接管的，往往是入门任务



很多职业并不是从最复杂的决策开始。新人通常先整理资料、进行基础分析、撰写初稿或测试代码，再在一次次修改中理解行业规则和组织判断。

生成式AI擅长的，恰好包括许多标准化、重复性较高的初级任务。企业因此可以让更少的人完成更多工作，也可能提高招聘门槛：过去需要入职后学习的能力，如今被期待在求职阶段就已具备。

这不等于所有初级岗位会消失。AI也可能创造新的职位、提高生产力，并让年轻员工更快接触复杂工作。但真正值得警惕的是**职业阶梯中最下面的几级是否被抽走**。如果企业减少新人岗位，却没有新的实习、学徒制和导师机制，未来又由谁来成长为资深专业人士？

因此，AI时代的就业政策不能只关注“培训大家使用工具”，还需要重新设计青年进入职场、积累经验和获得反馈的路径。

![NTU教授谈AI时代青年危机：消失的会是工作，还是思考力？](https://www.shicheng.news/images/image/1793/17936869.avif?0)





## 第二重挑战：答案越来越快，判断未必越来越好



AI能够快速给出一段结构完整、语气自信的答案。但流畅不代表准确，信息量也不等于理解力。

当学生在尚未形成基础知识框架前就大量依赖AI，可能出现“认知卸载”：跳过检索、比较、推理和验证，直接接受看起来合理的结果。久而久之，最容易退化的并非记忆，而是辨别证据质量、发现逻辑漏洞和提出反例的能力。

这也是为什么AI素养不能只等同于提示词技巧。真正成熟的使用者还需要知道模型会在哪里出错、哪些结论必须寻找原始来源，以及什么时候不应该使用AI。

学校面对的任务不是简单禁止AI，而是重新设计学习过程：要求学生展示资料来源、解释推理步骤、比较不同答案，并在没有AI辅助的情况下证明自己掌握了基本概念。

## 第三重挑战：谁控制AI，谁获得大部分收益？



播客还提出了一个更宏观的问题：当先进模型、算力与数据集中在少数大型企业手中，AI带来的生产力收益会如何分配？

如果企业拥有自动化工具，而普通员工只承担更高的产出要求，效率提升未必自动转化为更轻松的工作或更高收入。对缺少优质设备、付费模型和训练资源的学生而言，技术差距也可能进一步变成教育和就业差距。

因此，AI治理不只是模型是否安全，也包括竞争、数据权利、劳动转型和公共教育。技术利益能否被更广泛分享，取决于制度怎样塑造市场，而不是由技术本身决定。

## NTU视角：人的优势，在于提出正确的问题



Will Cong是NTU金融、计算与数据科学领域的President’s Chair Professor，并担任全球金融、科技与社会研究院（GIFTS）院长。他的研究关注AI从生产力工具走向自主经济参与者后，对金融市场、企业和治理带来的机会与系统性风险。

在NTU此前发布的公开观点中，他强调，AI可以比人更快地完成编码和优化，但治理、价值判断和组织选择并不是单纯的技术问题。金融、经济学、哲学、社会科学与组织行为等领域的知识，会在AI时代变得更加重要。

当机器越来越擅长回答问题，人的竞争力可能更多来自三件事：**知道该问什么、判断哪些答案可信，以及为最终决定承担责任。**

这也解释了为什么NTU推动跨学科AI教育，不应只被理解为“让每个人都学会用AI”，而是让技术能力与领域知识、伦理意识和人类价值结合起来。

![NTU教授谈AI时代青年危机：消失的会是工作，还是思考力？](https://www.shicheng.news/images/image/1793/17936866.avif?0)





## 年轻人可以怎样建立不可替代的能力？



**1. 先掌握基础，再调用工具。**没有专业知识，就很难发现AI答案中的错误，也无法判断它遗漏了什么。

**2. 建立固定的验证流程。**追溯原始来源、检查数据日期、寻找反方证据，并区分事实、推断与建议。

**3. 不只生成答案，还要解决真实问题。**企业最终看重的是能否理解业务、用户和约束，而不是谁能最快复制一段AI输出。

**4. 保留“无AI训练”。**定期独立写作、计算、编程或分析，确认工具提升的是能力，而不是掩盖能力缺口。

**5. 培养人际与价值判断。**沟通、同理心、谈判、责任意识和跨领域协作，仍是高度依赖人类情境理解的能力。

## 不是拒绝AI，而是拒绝放弃思考



AI并不必然让年轻人失去工作，也不必然削弱批判性思维。结果取决于学校怎样教学、企业怎样设计岗位、政府怎样分配转型成本，以及每个人怎样使用工具。

最危险的选择不是使用AI，而是把它当作无需质疑的答案机器；最有价值的选择，也不是与AI比速度，而是借助它处理重复劳动，把更多精力投入判断、创造和人与人之间的协作。

AI时代真正需要守住的，不是一项旧技能，而是独立思考的习惯，以及人类决定技术应该服务于什么目标的权利。