AI时代的人类技能，是人机协同的复合能力

（本文作者孙文华，上海市长三角科创产业金融服务协同创新中心研究员）

9月22日至27日，第48届世界技能大赛在上海举办。这场被称作“技能奥林匹克”的盛会，不只是一次全球青年工匠的同台竞技，更提供了一个极具穿透力的思想切口，当大模型、智能机器人快速渗透车间、设计、检测、运维乃至服务场景，AI正在改写“什么事人能做、什么事机器能做”的边界。本届世赛最深刻的议题，早已不止工匠技艺，而是一个时代之问：在人工智能全面进入人类生产生活场景的当下，我们该如何重新定义属于人类的能力与技能？

长期以来的认知框架正在失效。过去，我们习惯二分法：知识对应脑力，技能对应动手；高学历代表高阶能力，实操只是重复性劳动。而AI的出现，一次性击穿了这套划分逻辑，背诵理论、检索知识、标准化计算、固定流程操作、模板化绘图、重复性检测，这些曾经被视作“能力”或“技能”的内容，机器都可以更快、更稳定、更低成本完成。

这意味着，凡是可以被清晰编码、标准化、重复执行的任务，无论脑力还是体力，都不再是人类独有的护城河。

AI时代，重新定义人类能力

能力，不再是“记住知识、完成给定任务”，而是在模糊、不确定、未被预先定义的真实场景中，感知、判断、取舍、共情与创造，持续解决开放问题的综合禀赋。

它不再以信息储备量为核心，而以“对不可编码部分的处理”为核心，由四层底盘叠加而成：

第一层，情境感知与隐性洞察。图纸、参数、文字是显性信息；材料细微形变、设备异常异响、环境温湿度耦合带来的连锁影响、客户未说出口的真实需求，属于大量无法写成代码的隐性信息。AI可以读取数据，却很难捕捉那些弥散、模糊、多感官交织的现场信号。

第二层，价值判断与伦理取舍。技术方案往往不止一种解法，不同方案背后有成本、安全、耐久、审美、人文、风险之间的权衡。很多选择没有唯一标准答案，依赖人的价值排序、风险底线与责任意识。AI能给出多个方案，但不能自主完成负责任的最终决断。

第三层，系统性韧性与临场应变。当计划外故障、多重变量叠加、多环节连锁出错时，需要跳出预设流程重构解决方案。世赛选手在限时压力下处理突发偏差，正是这种韧性，它不是教科书上的标准解法，而是多源经验、直觉、逻辑在高压下的瞬时整合。

第四层，人的连接、协作与共情创造。跨团队沟通、理解使用者体验、传递审美、兼顾人文温度。这是嵌入社会关系里的能力，很难被纯算法替代。

简言之，AI擅长“在给定规则下求最优解”。人类能力，擅长“在没有完整规则时，先定义问题，再寻找可行解”。学历、理论知识依然重要，但它从“能力证明”变成了人类能力的素材库，不再等同于能力本身。一个人掌握再多知识，如果只会按固定流程输出，就有可能被AI替代；真正的人类能力，是驾驭知识、驾驭工具，而不是成为知识存储器。

AI时代，重新定义人类技能

传统定义里，技能等于反复练习形成的熟练动作。这套定义已经过时，AI时代的人类技能，是和智能工具协同，把抽象意图落地为高质量现实成果的可迁移实践系统。它不是单纯动手，也不是单纯动脑，而是人机协同下的“落地判断力+精细执行+动态校准”的复合体。

AI时代的人类技能，可以拆解成三个核心维度：

一是人机协同驾驭能力（提示、校验、纠偏）。AI是强大助手，但它会产生“幻觉”，会忽略现场约束，也会脱离工程现实。新技能的第一层，是懂得向AI提出精准问题、设置合理边界、甄别AI输出里的错误、修正脱离实际的方案。未来的技能人才，不是和机器比拼速度，而是学会指挥机器、审核机器、校准机器。数控技师用AI生成刀路，但由人判断切削余量、材料特性、设备极限；设计师用AI生成素材，但由人把控结构可行性、审美调性、落地成本。操作智能工具，本身就是新一代技能。

二是高容错要求下的精微控制与具象实现能力。很多实体世界的工作，误差代价极高，比如精密装配、建筑砌筑、轨道车辆检修、医疗护理、实物创意制作。即便AI给出模型，从数字模型到物理实物之间，永远存在现实世界的噪声。对毫米级误差的感知、手感、动态微调，在连续动作中维持稳定输出，这种和物质世界直接交互的精微操控，是当前AI机器人难以规模化复刻的高阶技能。它不是简单重复，而是每一次都根据实时反馈动态调整。

三是技能迁移与持续迭代的学习新技能的技能。产业迭代速度越来越快，单一固定操作很快会被自动化覆盖。最珍贵的技能，是学会学习新技能的技能，快速理解新工艺、新设备、新软件，把过去的经验迁移到全新任务。世赛赛项持续新增无人机、数字交互、智慧安防等前沿方向，本身就在传递信号，现代技能不是一劳永逸的手艺，而是持续更新的动态体系。

认知重构之后，城市竞争力的新内核是培育“人机协同型技能人才红利”

理解AI时代的能力与技能，我们才能读懂，为什么世赛对于城市发展的意义，早已超越奖牌。

过去的人口红利，比拼劳动力数量；早期技能红利，比拼掌握传统操作的人才规模；而AI浪潮之下，当今前沿城市争夺的，是能够和人工智能共生、懂得驾驭智能工具、擅长处理开放场景问题的人力资本。这是新一代技能人才红利。

城市竞争逻辑随之发生三重转变：

第一，人才评价，从“看学历标签”转向“看复杂场景下的问题解决绩效”。不再默认高学历就等于强能力，也不再把实操简单等同于低端劳动。无论是研发人员还是高技能人才，评价的核心标准统一为：能不能定义真实问题，能不能用好 AI工具，能不能落地、校验、承担结果。多元评价体系，本质是承认人类独有能力的价值。

第二，产教融合，从“教会人做固定工序”升级为“教会人协同机器、校验机器、迭代工艺”。职业教育、高等教育都需要调整重心：减少对记忆型、标准化操作的训练，增加模糊场景训练、故障排查训练、人机协作训练。培养的不是替代机器的人，而是驾驭机器的人。

第三，城市软实力，落点于“容错空间与终身学习生态”。AI持续淘汰旧岗位，也催生大量新岗位。一座城市能不能让劳动者低成本更新技能、允许试错、建立通畅的上升通道，决定了它能不能持续蓄积人机协同的人力资本。技能红利不再是一次性培养，而是城市持续供给终身学习机会的动态循环。

本届世赛的赛项设置，本身就是一张全球产业变迁的风向标地图。64个竞赛项目覆盖制造工程、建筑技术、信息通信、创意时尚、交通运输、社会服务六大领域，新增无人机系统、数字交互媒体设计、轨道车辆技术、智慧安防、软件测试等 7个前沿赛项，赛项跟着产业走、竞赛对标未来岗位。它打破大众对“技能=传统手工”的刻板印象：顶尖技能，既包括砌筑毫米级的精度把控、数控0.01毫米的误差控制，也包括大模型时代的软件测试、数字交互开发、智能装备集成调试。技能不再是制造业的专属标签，而是贯穿一二三产、适配新质生产力的通用底层能力。

这恰恰为我们提供了一种区分“机器可复制任务”和“人类独有能力”的标尺，倒逼我们对能力、技能做出面向AI时代的全新界定。

红利范式切换，高校分类改革与世赛标准校准城市人力资本供给

城市的竞争叙事，长期被GDP、楼宇、商圈、常住人口总量等指标主导。劳动力市场正在发生一场悄然而至的技能重定价：城市真正稀缺的，不是更多的人，而是能把技术标准落地、把图纸变成产品、把算法转化为场景、持续解决复杂现场问题的高水平技能劳动者。

这正是“技能人才红利”区别于旧有人口红利的本质，人口红利是劳动力的存量红利，而技能红利是人力资本的增量红利。人口红利追求“有没有人”，技能红利关心“人能不能干复杂工作”；人口红利随年龄结构自然消退，技能红利可以通过教育、实训、竞赛、终身培训持续积累、迭代升级。

世赛对城市的价值，从来不局限于短短六天的赛场。

赛事最大的溢出效应，是国际高标准的“平移与转化”。世赛的竞赛规范、考核模块、质量标尺，代表全球职业岗位的最高标准。把世赛标准转化为课程标准、实训标准、企业岗位标准，推动“赛教融合、赛证互通”，才能把一次性赛事红利，沉淀为城市常态化的人才供给能力。

国内多地已经开始实践：把世赛备赛模块引入技师学院课堂，围绕新兴赛项新设专业，企业参照世赛考核体系完善内部技能等级评价，让赛场里的严苛标准，变成车间、实验室、服务场景里的日常要求。这种标准引进，本质是城市人力资本体系的一次升级。

第一财经一财号独家首发，本文仅代表作者观点。