AI浪潮下的职场博弈：当员工开始“藏私”，企业该如何破局？
点击蓝字 关注我们近期，AI领域出现了一个引发热议的新概念——反蒸馏。它并非某种全新技术，而是正在部分企业内部悄然蔓延的一种职场现象。越来越多企业开始加速布局AI Agent，希望通过梳理员工的工作流程、SOP（标准作业程序）、知识库以及Skill（技能组件），将资深员工的方法论萃取出来，再交由AI学习和执行，从而实现流程自动化与效率提升。然而，与企业热火朝天推进知识萃取形成强烈反差的是，部分员工开始采取另一种应对方式：他们在提交的SOP中有意加入冗余信息、模糊关键环节，甚至故意让流程显得更加繁琐，企图拖
AI能否复制老师傅的手艺？
木匠面对一块木料时，会先审视木纹走向、掂量分量、感受干湿程度以及变形的可能性；摄影师架起相机时，目光所及不仅是曝光参数，还有光线在物体上的呈现质感；设计师审视某个页面时会说"这里有问题"，虽然说不出具体公式，却能确认问题确实存在。我们通常把这类直觉式的判断称为经验。哲学家波兰尼在1966年的《默会维度》中为它找到了一个更精确的名称——默会知识，并留下了那句被广泛引用的名言："我们知道的，远比我们能表达的更多。"这大致解释了经验为何难以传递：师父可以讲解方法、带徒弟观摩案例、指出一处修改为何合理，却无法将几
人工智能取代人类劳动，究竟还有多远？
引言：迈入2026年，“机器替代人力”正从一种心理恐慌演变为切实行动，多家美国公司一边压缩人员编制、削减开支，一边加大对人工智能基础建设的投资——Meta在5月份裁撤了约10%的雇员，以便将更多资源转向AI领域；亚马逊也在近期一轮裁员中减少了1.6万个职位。类似的做法同样开始出现在中国企业之中：一些公司缩减初级和中等技能岗位，并降低应届生招聘规模。当越来越多人手被AI外包，“人力”大规模让位于“数字员工”的趋势，是否已进入最后阶段？在IPP副研究员杨海燕看来，当前AI确实已经在占据部分行业的初级岗位。然而
AI时代青年需先当“管理者”
新浪科技讯 6月29日午间消息，知乎举办毕业季线下活动。在一场探讨AI时代毕业生未来发展的盐沙龙活动上，She Nicest女性科技文化社群主理人托托指出，AI时代最大的变化是需求者直接变成产品的开发者，用户只需通过自然语言描述需求，就能把产品做出来。因此，AI带来的不是裁员而是提效，每个人的任务变重，产出要达到之前的2到3倍。年轻人还没学会管理，就要先成为AI的“管理者”。当下流行的“一人公司”叙事本质是风险从组织转移到个人身上，并不值得盲目歌颂。 知乎盐言故事签约作者“闲得无聊的仙女”表示，市场上大量
AI 时代：借力智能工具深化学习与表达
读完这个故事，我深受触动。并非折服于AI的强悍，而是那位学生向AI提出的两个问题实在精妙。他并未让AI代劳总结教材考点，而是问道："该领域顶尖专家共有的五大核心心智模型是什么？"以及"该领域三大争议为何，双方最强有力的论点又是什么？"或许有人会觉得，这故事证明了在AI面前，传统课堂讲授已毫无价值。但我认为，那位研究生能提出如此问题，说明他已领先于大多数人。AI仅仅帮他节省了数月查阅文献的精力。故此，今日想探讨一个议题：在AI时代，如何借助AI让自己学得更透彻、表达更出色？一
AI时代下，哈耶克“知识问题”为何仍站得住
人工智能、计划与哈耶克的知识难题：为何《知识在社会中的运用》仍对人工智能时代有解释力摘要本文再次审视哈耶克《知识在社会中的运用》在人工智能时代所具有的理论价值。人工智能在数据获取、模式识别、需求预估、物流调度、组织监督以及集中协调等方面显著增强能力，因此的确给传统哈耶克式的安排提出了强烈的反思压力。尤其是Acemoglu (2023a, 2023b)以及Brynjolfsson and Hitzig (2025)的最新讨论提示：人工智能或许会削弱地方决策者的信息优势，扩大企业的最优规模，使总部对地方单位的
AI时代：清晰提问、深度思考与个性化需求
“直言不讳、实话实说、精准对接。”你或许能获得一个答案，但这答案未必是你所期待的。事实上，它很可能与你的设想相去甚远。因此，无论你使用的是最前沿的Claude Opus4.7、GPT-5.5，还是性价比极高的Deepseek V4 Pro或Minimax，若想从AI那里得到满意的答案，首要任务便是清晰地阐述你的问题。这一点，想必但凡与AI打过交道的朋友都能深有体会。语言的局限即是思维的疆界。含糊不清的提问只会引来模糊的回应。更有甚者，我们常常连自己真正想要什么都难以明晰。在这种情况下，AI也束手无策。此时
家务动作成了AI原料
来源：APPSO 全球已有数千名工人戴着头戴摄像头，以每小时15美元的报酬，把叠衣、铺床、炒菜这些身体动作卖给硅谷机器人(14.830, 0.47, 3.27%)公司。这些来自印度、尼日利亚、菲律宾的普通人，正在为特斯拉人形机器人贡献难以言明的“默会知识”——而他们对自己数据的去向几乎一无所知。幽灵劳动，正从屏幕延伸到人类的身体本身。 你也许刷到过一段来自印度南部服装厂的画面。 工厂工人把头戴摄像头戴在头上，记录手部动作，用来训练人工智能系统。 这是因为特斯拉、Figure AI 等公司都在加速研发人形机
额头戴摄像头，为 AI 训练人形机器人
由于特斯拉、Figure AI 等企业争相研发人形机器人，导致训练所需的现实世界动作数据变得极度匮乏。为此，硅谷公司 Micro1 在全球 71 个国家招募了约 4000 名工人，每月收集超过 16 万小时的视频素材。每人每周需提交至少 10 小时的录像，并轮流执行各类任务。Scale AI 和 Encord 也在组建各自的数据采集团队，而 DoorDash 计划在 2026 年 3 月推出 Tasks 应用，让旗下外卖员在家录下家务视频，不过排除了隐私法律严苛的州。这项工作的具体执行方式，比听起来还要怪
AI与工人：替代困境与赋能之路
近年来，AI将取代人类岗位的预言几乎成为科技讨论中的固定背景音。写字楼里的白领早已习惯借助大模型生成文案和代码，互联网平台依靠算法指挥着骑手与司机，智能工厂内也贴满了工业大脑与数字孪生的宣传标语。然而，当我们将目光转向传统工业与公共基础设施——如钢铁、能源、化工、电网、供水、城市交通及轨道交通等领域，这些关乎国计民生与安全生产的行业，AI是否真能取代一线工人？本文基于机器人、AI与劳动关系的现有实证研究，探讨以下三个核心议题：1、在传统工业与公共基础设施领域，AI究竟能替代多少岗位，又会取代哪些工种？2、