核心观点
Google DeepMind 首席执行官、诺贝尔奖得主德米斯·哈萨比斯在伦敦 SXSW 大会上强调，AI正在加速替代旧有工作岗位，但同时也将催生“全新的、非常有价值的工作”。他预测，未来5-10年，懂得与AI协作的人将进入职场红利期，并指出数学、物理、计算机等STEM学科背景的人才将更受欢迎，而非传统MBA。
AI带来的变革规模
哈萨比斯明确表示，这并非灾难，而是提醒人们“要学会和它一起工作”。AI正在“接手”大量重复性、流程化、标准明确的工作任务，例如：
招聘岗位： 简历筛选、面试安排。
基础编程： 模板代码编写、接口文档查询。
文案编辑： 初稿生成、结构润色。
DeepMind内部已能用AI完成视频生成、代码编写等复杂任务，效率甚至高于新手程序员。微软、Meta、亚马逊等公司也已在大量岗位中引入AI协作，重塑入门级职能。哈萨比斯归纳了AI时代的三类高价值新工种，它们的核心是与AI的深度协作，而非简单使用工具：
1. AI 协作师（AI Workflow Orchestrator）
定义： 不亲自编写代码或开发模型，而是**“调动AI去做事的人”**。他们懂得如何下达清晰任务、判断AI输出的可靠性，并跟进AI的工作进度，在必要时进行人工完善。
核心能力：理解AI能力的边界（能做什么，不能做什么）。掌握与AI沟通的技巧（例如：提示词设计）。具备判断AI输出结果准确性的能力。
典型工作： “AI营运”、“提示设计”、“任务协调员”等。
哈萨比斯洞察： AI应从“回答问题”升级为“完成一件事”，例如自动处理电子邮件。他表示愿意为这样的AI工具支付高昂费用，这凸显了这类角色在提升效率方面的巨大价值。
2. 科学合作者（Scientific Collaborator）
定义： AI不再是辅助工具，而是**“一起破题的人”**。这类人与AI共同提出科学假设、搜索和交叉比对资料，甚至让AI自行设计验证方案，再由人类检查成果。
核心能力：具备一定的数学和领域专业知识。能快速理解AI工具的优劣势。拥有强烈的问题意识和“打破常规”的勇气。
典型案例： DeepMind的AlphaTensor独立发现50年未改进的基础数学运算新方法；AlphaFold在18个月内预测了2亿个蛋白质结构，远超人类过去几十年总和。
3. AI 伦理专员（AI Safety & Ethics Officer）
定义： 面对AI的快速发展，“我们不能等到出事才来修规则”。这类专员负责提前思考AI可能被误用、滥用的风险，主动测试模型的漏洞和潜在歧视，并为特定应用场景制定AI的底线和使用规范。
核心能力：像技术专家一样找漏洞（好奇心、逻辑性）。像监管者一样立规矩（责任感）。像心理学家一样考虑人类如何使用AI。
DeepMind实践： 设立“红队”（Red Team）机制，在模型上线前进行“故意捣乱”测试，以发现偏见、错误信息或敏感内容。
哈萨比斯警示： “AI不是原子弹，但也不是微波炉。它是新一类技术，不能套用旧模板。” 该岗位是所有AI部署的“保险垫”，尤其在高敏感场景（医疗、金融、教育）中至关重要。国内大厂也已开始招聘“模型安全测试工程师”、“AI伦理分析师”等岗位。
职场转型：升级你的AI组合力
哈萨比斯强调，AI不是工具，而是合作者。普通人应“要能和AI共事，而不仅仅是使用它”。他给出以下四条建议，构建“学好基础 → 掌握工具 → 解决实际问题”的发展路线：
优先选择理工（STEM）类学科： 数学、物理、计算机是理解AI底层能力、训练优化模型、掌握工具和自动化流程的关键。LinkedIn报告显示，数学、计算机、物理是AI人才增长最快的关键技能。
亲自试用AI工具，越多越好： 亲身实践是理解AI能力边界的最佳方式。未来的工作模式是“你给出目标，AI跑完整流程”
适应变化，而非被流程框死： 具备快速理解新工具并调整工作方式的“适应性（Adaptability）”至关重要。岗位职责会随着AI迭代而不断演变。
找回科学、人文和哲学的连接点： 在追求技术优化的同时，更要思考AI应解决哪些问题、为什么解决。这需要跨学科理解、价值判断和人文关怀。
总结
哈萨比斯的演讲指出，未来的工作模式不再是“人对机器”，而是**“人和AI一起解决更复杂的问题”。关键在于将AI视为“合作者”而非“工具”。下一代人才的核心技能将是“懂工具 × 懂合作 × 懂机会”**，即：能分解任务、指挥AI、与AI配合试错、与不同人协作，并能看清哪个问题值得解决。这“三类新工种”——执行者（AI协作师）、合作者（科学合作者）、监管者（AI伦理专员），共同构成了AI时代协作链上的三种关键角色，代表着人类与AI搭档时必须学会切换的三种身份。
如果希望和主播建立联系/加入听友群，可加微信bonewe2004！
关于主播：
加入听友群，请扫二维码
空空如也
