看了份报告，时间不算太新。 2025年7月10日，来自于微软研究院（Microsoft Research），名字叫：《Working with AI: Measuring the Occupational Implications of Generative AI》。 中文可以理解为《生成式AI与就业：职业影响评估》 整个报告，讨论生成式AI对全球职场的具体影响，它们通过分析20万个匿名对话，揭露AI如何改变我 们的生活方式，并评估了不同职业受AI影响的程度。 大概看完后，我认为可以分五个部分。第一个部分，主要讨论：生成式AI如何通过任务分类影响不同 职业的适用性。 01 这个分数综合了三个维度，分别是： 覆盖率，这个职业的多少任务能被AI覆盖？完成率，AI在这些任务上能做到什么程度？影 响范围，这些任务在整个工作中的权重有多大？ 最终结果显示，越依赖信息处理、文本生成、沟通协调的职业，AI适用性越高；越是依赖物理操作、 现场判断、人际互动的，AI越难插手。 像销售这个职业，AI适用性评分高达0.84。 他们调研很有趣，用美国劳工部O*NET职业分类体系，把工作分拆到任务层面。 最上层叫广义工作活动，比如：提 ...

以下文章来源于机器人技术与应用 ，作者唐 机器人技术与应用 . 传播企业信息和市场行情，交流业内创新成果，推动行业技术进步。宣传报道国内外机器人技术领域最新技术、 成果和信息，促进企业转型升级，搭建产学研交流平台。 机器人，正在 "听懂" 人类。 从需要写代码到 "说句话、动动手" 就能教，机器人训练方式的变化，其实是 "人机协作" 的一大步。 1. 远程操控模式 ： 通过操纵杆控制机器人完成高危任务（如处理有毒物质）； 长期以来，训练机器人掌握新技能是编程专家的专属领域，但 MIT工程师最新研发的 多功能演示界面（ VDI） 将 彻底改写这一规则。这款手持式智能工具首次整合 远程操控、运动引导、自然模仿 三大训练模式于一体，让普通 工人、护理人员甚至家庭成员都能成为机器人的 "老师"。 简单说，它是一个装了摄像头、力传感器和标记点的 "万能手柄"，插在任何常见协作机械臂上即可使用。 这种方式的创新点： | 传统做法 | 新做法 (VDI) | | --- | --- | | 写程序 → 调试 → 再写程序 | 直接上手演示 | | 一种训练方法用到黑 | 3 种方法随时切换 | | 只有工程师能操作 | 工 ...

核心观点 - AI技术革命正在重塑人类社会结构与个体经验，AI不仅是工具，更是新的生存逻辑，改变了知识生成方式、人与世界关系及自我理解[2] - AI迁徙一代（AI Migrants）是在数字原生与智能原生之间的过渡群体，他们成长于AI普及关键节点，既保留前数字时代记忆又必须适应AI主导的未来[4][5] - 技术迁徙带来社会分层加剧，世界银行2022年报告显示AI普及率在北美、欧洲、东亚城市青年中远高于全球平均水平，而非洲、南亚、拉美农村处于边缘地带[5] - AI正在重塑教育和工作本质，世界经济论坛2023年报告指出AI将重塑全球44%工作岗位，技能更新周期从十年缩短至三年[17][18] 技术革命与社会变迁 - 工业革命带来第一次大规模社会迁徙，农民变工人、乡村变城市，传统宗族关系被工厂规训取代[10] - 信息革命制造数字断层，皮尤研究中心2019年报告显示60后、70后成为被迫适应数字世界的"数字移民"[10] - AI革命超越以往技术变革，牛津大学未来人类研究所2018年报告指出AI将重塑人类社会方方面面[11] - 社会学家鲍曼提出"流动的现代性"概念，AI迁徙一代身份在断裂与连接张力中生成[12] 教育体系转型 - 联合国教科文组织2021年报告显示20世纪末教育以标准化、同质化为核心，强调记忆力与规范性[6] - AI驱动教育向个性化学习转变，哈佛大学加德纳提出多元智能时代学习是多维探索与协作[7] - 联合国教科文组织2021年指南指出AI自适应学习系统能动态调整内容与难度，实现教师与AI共创知识[16] - 牛津大学2020年报告显示80后、90后呈现混合型社交特征，既珍视现实连接也拓展虚拟关系[7] 工作模式变革 - 世界经济论坛2023年报告强调AI催生新职业同时淘汰传统岗位，重塑全球44%工作岗位[4][17] - 麦肯锡2023年报告指出80后、90后需快速适应AI主导未来，成为人机协作原型[12][16] - 牛津大学马丁学院2021年报告显示数字经济下技能更新周期缩短至三年[18] - 普华永道2023年报告发现AI迁徙一代在企业创新项目中担任关键桥梁角色[20] 伦理与社会责任 - 剑桥大学2023年报告指出AI迁徙一代对算法偏见、数据隐私等议题高度关注[21] - 牛津大学2022年调查显示超70%年轻科技从业者认为开发者应对AI社会后果负责[21] - 联合国教科文组织2021年建议书强调技术发展必须以人类尊严、公正、包容为前提[21] - 联合国人权理事会2023年报告主张AI系统设计需尊重个体权利[22] 文化多样性保护 - 剑桥大学2022年研究指出技术团队多样性直接影响AI系统公平性与包容性[23] - AI迁徙一代积极推动算法透明、包容性设计，反对数据单一化导致的歧视[23] - 在数字身份、情感计算等领域保持警惕，守护人类情感深度与精神自由[23]

7月31日，以"聚新质动能，引全球共振"为主题的第22届中国国际数字娱乐产业大会 （CDEC）在上海举行。作为行业头部公司，世纪华通总裁谢斐受邀参会并发表了题为 《在平衡中领跑：有关中国游戏新质发展的思考》的主题演讲。她指出，中国游戏行业虽 然已成为全球游戏领域的"领跑者"，但也面临三大亟需平衡的矛盾，需要在平衡中实现更 高质量的发展。以下是她的主要观点概述： △ 世纪华通总裁谢斐 当下"情绪价值"受追捧，"悦己经济"爆发，而游戏是满足情绪价值的绝佳载体，能提供娱 乐、释放压力等功能。但需将其升华为有持久生命力、文化底蕴和社会认同的"品牌价 值"，这是行业可持续发展的关键。 弥合价值落差的核心在于锻造高品质创新产品力：一方面行业应继续推出精品大作，另一 方面也应当具备开创而非跟随的意识，像《无尽冬日》那样去开拓蓝海市场。此外，行业 需主动展现技术推动作用，搭建更坚实的沟通桥梁，传递游戏行业的正向价值。今年，世 纪华通发起"数龙杯"大赛也是这样的初衷，以拉近与社会的距离，平衡业绩与价值。 日本动漫游戏产业的机器猫、马里奥等已成为国家的文化名片和软实力象征，而我国虽游 戏出海成绩优异，但在全球建立有文化穿透力的游 ...

AI内容领域未来展望 - AI娱乐领域将出现10亿级用户的超级内容平台[65] - 第一个10亿级别的一人公司可能是个体创作者打造的智能体IP[6] - AI将改变内容创作方式，从专业制作转向全民创作[10] - 娱乐形式将从被动消费升级为交互式体验[10][17] - 多模态内容融合将打破文字、图像、视频的界限[27] AI对企业服务的影响 - 企业服务工具将从效率工具转变为结果交付型智能体[11] - 智能体将重塑企业工作流，不再仅是提效而是重构流程[13] - 中国市场工具付费意愿将因AI结果交付能力提升而增强[11] - 传统工具+AI的模式不及AI原生解决方案有竞争力[12] 人机协作模式演进 - 人机协作将呈现对抗性、合作性和游离性三种关系[20] - AI可能从工具演变为创作主体，人类提供创意输入[21] - 创作主体性将取决于人类想法的具体程度和AI参与度[22] - 批评即创作将成为新范式，AI可即时实现批评建议[30] - 人类独特的生活体验是AI无法替代的创作源泉[17][18] 职业发展与教育变革 - AI将推动教育从专业分工转向博雅通识培养[48] - 初级知识工作者面临最大替代风险，需转型为资源整合者[51] - 想象力培养需要多模态输入和实践土壤而非工具[55][56] - 学习过程将更强调"习"的实践部分而非知识吸收[56] - 技术黑盒化趋势下，广博知识面比专业技能更重要[57][58] 硬件创新方向 - AI+硬件机会集中在输入、输出和执行三个维度[62] - 语言结构化将推动更精细化的物理执行需求[63] - 次生语义挖掘是硬件领域潜在机会点[64] - LOOI ROBOT展示手机与机器人结合的新形态[3][4] 内容创作新范式 - 短剧平台为创作者提供AI工具和发行渠道[2] - 虚拟角色社区月产30-40万原创角色，构建幻想世界[5] - 创作门槛降低将催生更多UGC内容和新型创作格式[45] - 内容质量平均水平将提升，普通人优秀作品涌现[18] - 创作目的可能从人类消费转向AI自我运转[40]

编译 | 褚杏娟 Anthropic 联合创始人 Jared Kaplan 是一名理论物理学家，研究兴趣广泛，涉及有效场论、粒子物理、宇宙学、散射振幅以及共形场论等。过去几年， 他还与物理学家、计算机科学家们合作开展机器学习研究，包括神经模型以及 GPT-3 语言模型的 Scaling Law。 近期，他在 YC 分享了 Scaling Law 未来如何影响大模型发展，以及对 Claude 等模型的意义。他在演讲中透露，Scaling Law 的发现源于他物理研究中 的习惯：问更基本的、看似"愚蠢"的问题。 在 Jared Kaplan 看来，AI 的大部分价值可能还是来自最强模型。他认为，目前 AI 的发展非常不平衡：AI 在快速进步、事情在迅速变化，模型能力尚未 完全解锁，但我们在释放越来越多的功能。他认为的平衡状态是 AI 发展速度变慢、成本极低。而 AI 的快速进化会让人优先关注能力，而非成本。 他建议大家去构建那些"现在还没法完全跑通"的产品、用 AI 更好地"集成" AI，并快速找到 AI 大规模应用的突破口。这些思考背后，一定程度上也与 Anthropic 的运营策略是相符的。 我为什么会转行做 ...

展会规模与亮点 - 世界人工智能大会在上海连续举办第八届，展览面积首次突破7万平方米 [2] - 60余款智能机器人成为焦点，涵盖格斗、书法等多样化功能 [2] - 机器人应用场景从生产扩展到生活，实现从"工具"到"伙伴"的角色转变 [2] 工业机器人创新 - 上海电气发布167厘米高、50千克重的人形机器人，拥有38个自由度，可自主识别和搬运不同规格箱体 [3] - 该机器人采用"工业基因·场景定制"开发理念，适用于多种工业环境 [3] - 擎朗智能的双足人形服务机器人XMAN-F1全球首秀，能制作爆米花和调制饮料，并可与其他专用服务机器人协作 [4] 核心技术突破 - 复旦大学研发的触觉夹爪采用创新视触觉传感技术，空间分辨率达每平方厘米4万个感知点 [5] - 柔性界面技术使机器人能精准感知多维力，可稳定抓取豆腐、薯片等易碎物品 [5] - 大模型与小模型协同工作的"大小脑"模式推动机器人技术发展 [7] 行业发展趋势 - 人形机器人从"展示"转向实用，即将进入规模化量产和商业化应用阶段 [6] - 政策支持力度加大，《人形机器人与具身智能数据采集合作倡议书》发布，构建开放数据生态 [6] - 部分企业突破"人形"限制，开发如四臂具身智能机器人等创新形态 [6] 人机关系探讨 - 未来机器人将具备社会属性，成为"伙伴型"角色，需要建立相应政策与伦理框架 [9] - 人机协作关键在于相互理解，技术突破需与共生关系变革同步 [9] - 行业将推动机器人以安全可靠方式融入社会，实现科技与人性的和谐共生 [9]

AI技术在影视行业的应用 - AI技术从早期简单图像生成发展到能创作高质量视频内容，应用已从实验性探索走向商业化落地 [1] - 生成式人工智能导演新兴职业出现，从业者通过AI工具调整镜头语言、优化视觉效果，生成符合艺术表达的作品 [1] - 北京电影学院摄影系AIGC单元金奖作品《溯洄记》完全依托AI技术制作，AI贯穿从剧本视觉化到成片渲染的全流程 [1] AI技术的进步与创作价值 - AI技术进化迅速，两年前连手指都画不好，现在已能让观众真假难辨 [3] - 有经验的导演懂得如何引导AI扬长避短，通过参数调试与人工筛选实现超现实场景 [3] - AI不仅提升效率（动画制作效率提升50%），还能打破想象边界，成为延伸人类感知的媒介 [3] 人机协作与导演职业内涵的重塑 - AI处理批量渲染，人类专注情感决策，这种分工或将重塑影视工业流程 [5] - AI承担奇观制造，导演更应捕捉真实情感瞬间，AI被视为"想象力加速器" [5] - AI解放创作者重复劳动，让人力投向更具创造性的叙事构建 [5]

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Xuhui Kang等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要 的。 写在前面&出发点 在物理世界中，人类协作时能快速适应物体的物理属性（如大小、形状、重量）和环境约束（如狭窄通 道、受力要求），这种能力对机器人等具身智能体与人类高效协作至关重要。然而，现有研究多聚焦于离 散空间或任务层面的人机协作，简化了交互动态，难以应对物理接地场景中连续状态-动作空间的复杂性、 多样的物理约束及人类行为的多样性（Figure 1）。 例如，AI-AI协作可通过自博弈实现良好性能，但这类智能体往往难以适应人类伙伴的多样且不可预测的行 为，尤其是在物理场景中，人类动作的微小变化（如抬升角度、施加的力）都可能显著影响结果。因此， 亟需一个能仿真物理交互和多样协作场景的基准，以及相应的方法来提升智能体的适应性和泛化能力。 核心创新点 主要工作 Moving Out环境设计 基于2D物理仿真平台Magic ...

AI在职场中的应用现状 - 全球36%的职业岗位中，员工已将AI用于至少四分之一的日常任务，80%的美国职场人至少有10%的任务受到AI影响，其中近五分之一的岗位中AI已介入超过一半的工作内容 [2] - 职场人最希望AI接手的是最琐碎、最重复、最容易出错的低值任务，如安排预约、整理文件、修工资单、导入数据等，而非生成内容或创意设计 [5][6] - 在844项任务评估中，46%被职场人士评为"希望AI来做"，其中七成以上受访者明确表示最希望AI处理"重复但低价值"的日常事务 [8] 职场任务自动化需求与AI能力匹配 - 研究构建WORKBank体系，从"人类愿不愿意交出去什么"反向定义AI落地优先级，引入"Human Agency Scale"将任务分为五类（H1至H5） [6][10] - 任务自动化愿望排名前五包括：安排客户预约、整理应急档案、修正工资记录、数据转格式与导入、网站数据备份，这些任务标准化高、重复频繁、判断强度低但耗时易错 [9][11] - 自动化愿望最高的任务集中在"隐形加班"重灾区，不属于KPI考核核心却极度消耗时间精力，AI的实际机会在于减负而非炫技 [12] AI应用的技术与意愿错配 - 研究通过"愿望-能力四象限"发现，AI公司和研究者资源集中在"Red Light区"（AI能做但用户不愿交出的任务），而用户真正需要的"Green Light区"（愿望高+能力强）和"R&D机会区"（愿望高+能力弱）未被充分开发 [14][15] - 大部分受访者选择H3（人机协作）而非H1（完全由AI完成），表明用户希望AI处理底层机械步骤，人类保留决策与创造权 [17] - AI系统需根据不同行业需求灵活切换协作模式，金融、法务等领域注重"靠谱不出错"，媒体、教育等领域则高度在意"表达主控权" [18] AI对职场能力结构的重塑 - 传统高薪的"信息处理"类技能（如分析数据、整理文档）因AI自动化导致"人类参与价值"下降，而"人际型"与"管理型"能力（组织协调、跨团队协作、判断决策）稀缺性增强 [20][22] - AI对编程行业冲击显著，预计未来3-6个月内AI将编写90%代码，12个月内实现99%自动化，美国"计算机程序员"岗位就业比例已降至1980年以来最低点 [23] - 未来职场能力结构更强调"界定问题""组织资源""协调人机"的综合判断力，而非单纯技术性技巧 [24][25] AI赋能的本质与边界 - 理想的AI应懂得配合与退场，识别可自动化任务与必须由人类完成的部分，而非全面替代 [26][28] - AI替代可替代任务的同时，倒逼人类重新思考"不可替代的价值"，如判断力、共情力、跨团队沟通能力等 [27][29] - AI赋能的核心在于释放人类注意力，使其聚焦于判断、创造、协作等真正体现人的价值的领域 [30]