bet36体育备用_bet36体育投注-【点此进入】

徐飞

　　通用人工智能(AGI)的迅猛发展正在重塑全球教育格局，商科教育首当其冲面临知识体系迭代、人才培养模式转型的双重挑战。基于AGI时代的技术特征与教育变革逻辑，AGI的“可编码能力”优势，倒逼人类向“非编码能力”迁移，而直觉思维、伦理判断、创新设计等非编码能力，构成了未来商科人才的核心竞争力。

　　一、AGI时代的教育革命与商科教育的现实挑战

　　(一)AGI“元革命”

　　AGI作为第四次工业革命的通用核心技术，正在引发人类社会的“元革命”。之所以称之为元革命，是因为历次工业革命/技术突破只是人类智能(Human Intelligence：HI)的产物，都无关HI，唯独AGI是关乎智能本身的革命，是完全以接近甚至超越HI为目标的技术。与传统专用人工智能(ANI)不同，通用人工智能(AGI)具备跨领域问题解决能力，其底层技术架构(如Transformer模型)不仅实现了知识的高效检索与重组，更催生出“智能体(Agent)”这一具备自主学习、任务执行与工具使用能力的新型系统。概言之，AGI的本质上是“工具的革命”向“革命的工具”跃迁，其对教育的冲击远超以往任何技术形态。实际上，当AI能够在纳秒级完成人类知识库的检索与重构时，以知识积累为核心的教育范式已难以适应时代需求。

　　(二)第四代大学呼之欲出

　　世界大学发展的历程，大体上可分为三个阶段。1088年意大利博洛尼亚大学和1200年法国巴黎大学的诞生，标志着第一代(中世纪)大学出现，其核心是知识传授。1810年威廉·冯·洪堡创办柏林大学，开启第二代(近代大学)时代，大学在传授知识基础上重视知识创造，形成“大学自治、教授治校、学术自由、教学与科研统一”的理念，并确立了“教学与科研并重”的原则。1904年美国威斯康辛大学查尔斯·范·海斯校长提出，大学应具备人才培养、科学研究、社会服务三大职能，现代大学(第三代大学)至此成型。进入21世纪，随着AGI技术的迅猛发展，大学教育迎来了新的变革契机，第四代大学呼之欲出。以可汗学院、奇点大学、密涅瓦大学等为代表的新型大学，以及以高举“开环大学(Open Loop University)”旗帜的斯坦福大学为代表的诸多锐意改革大学，展现出与以往不同的特质，其最鲜明的特征是大学与AI深度融合。以密涅瓦大学、奇点大学为例，其课程设计不再局限于学科边界，而是以解决气候变化、数字治理等复杂问题为导向，强调AI工具与人类创造力的协同。这种转型在商科领域尤为迫切——传统商学院赖以生存的“知识传授”职能正被智能教学系统、数字人导师等AI应用逐步替代，迫使教育者重新思考“培养什么人、怎样培养人”这一根本问题。

　　(三)商科教育的现实挑战

　　AGI的冲击在商科教育领域具象化为六大现实挑战。

　　一是知识半衰期骤降。工业时代知识更新周期约20-30年，信息时代缩短至5-6年，而AGI时代已逼近1年乃至更少。为数众多的商学院毕业生因所学知识被AI快速迭代，而面临“走出校门即知识过时，毕业即失业”的窘境，即便像哈佛商学院这样的全球顶流商学院，调研显示63%的毕业生认为，其所学知识在入职三年内已部分过时。

　　二是AI智能体的“黑洞效应”显著。基于数据闭环的AI系统，呈现“越智能越易获取数据，越获取数据越智能”的“数据-智能”正反馈机制，导致人类在“可编码知识”领域的劣势持续扩大。剑桥大学研究发现，AI在标准化考试中的得分年均提升15%，而人类同期仅提升2%。

　　三是高校专业结构深度调整。美国国家教育统计中心数据显示，2020-2024年美国商科本科招生量下降12%，而计算机科学专业增长27%。类似地，中国现有的14大学科门类中，理工农医类因技术刚需持续升温，而文史哲经管法教艺等文科专业招生遇冷。尤其是原来量大面广的商学院生源持续萎缩，不少学校MBA和EMBA的报考人数小于招生计划数，有的高校甚至停招商科本科生。

　　四是劳动力市场重构。AI不仅替代低端体力劳动，更向财务分析、市场调研等脑力岗位渗透。德勤研究表明，2024年全球30%的财务报告由AI生成，传统财务岗位需求年均下降8%。

　　五是商学教育供给端和需求侧结构性失衡。发展新质生产力和进一步深化改革，对复合型经管人才和相关研究的巨大需求与供给之间存在落差。

　　六是对商学教育价值质疑，这也是所有挑战中最根本、最深刻的。商科培养的人才没有展现出令人信服的变革领导力；实践能力和创新思维培养不足，创新创业教育、针对中小企业管理的教育关注不足等也常被诟病。

　　二、非编码能力

　　(一)可编码与非编码能力的二元分野

　　AGI的替代逻辑遵循“可编码性”原则：凡是能够通过数理模型量化、具备标准化流程、存在明确答案的任务(如会计核算、软件测试、语音生成)，均可能被AI高效替代；反之，那些依赖情境判断、充满不确定性、需要价值权衡的“高灰度“任务(如战略决策、心理咨询、跨文化谈判)，则构成人类的“能力护城河”。这种分野可通过2023年世界经济论坛(World Economic Forum)发布的“AI智商淹没曲线”直观呈现：在任务结构化程度坐标轴上，围棋(完全结构化)、翻译(半结构化)、创业决策(非结构化)形成连续谱，AI表现随结构化程度升高呈指数级上升，而人类优势集中在非结构化区间。MIT的脑科学研究表明，人类前额叶皮层与默认模式网络的连接强度，与非编码能力呈正相关，这为能力培养提供了神经科学依据。

　　(二)非编码能力的核心维度

　　21世纪商业思潮的拓荒者、著名未来学家趋势专家丹尼尔·平克，在《全新思维》中提出决胜未来的六大能力：设计力、娱乐力、意义力、故事力、交响力和共情力。显然，这六种能力都属于非编码能力。实际上，非编码能力并非单一维度的技能，而是融合灵性、认知、情感、伦理的复杂体系和立体架构，其核心构成包括：

　　1.直觉与灵性认知。在人类认知的广阔领域中，潜意识洞察、第六感官、顿悟能力等“非逻辑认知”，当属独特而神秘的非编码能力。这些能力突破常规逻辑框架，以超越理性分析的方式，捕捉事物本质与潜在关联。研究表明，90%的创新机会源于直觉思维，它如同黑暗中的明灯，指引着突破与发现。荣格心理学深刻揭示，直觉是连接个体意识与集体无意识的桥梁，集体无意识中蕴藏着人类长期进化积累的智慧，直觉让我们得以从中汲取灵感。这种能力并非遥不可及，而是可通过系统训练强化。哈佛商学院的实验颇具说服力，8周正念训练后，学生在商业洞察测试中的准确率显著提升23% 。通过冥想、深度内省等方式能唤醒内在直觉，解锁认知新维度，我们在复杂世界中能获得独特的理解与洞见。

　　2.伦理与情感智慧。AI无“ai”(爱)，AI不仅不具备良知判断、责任担当、共情能力、团队领导力等“软技能”，更无法理解人类情感需求。其实，商业活动的本质是“人的连接”，伦理缺失可能导致技术滥用(如算法歧视、数据垄断)。沃顿商学院开发的“道德判断测试”(MJT)显示，通过脑电波分析(如P300成分)可有效预测管理者道德行为一致性，其相关系数高达0.68。

　　须知，当技术浪潮冲刷掉知识的“沙滩城堡”，留存下来的必定是人类文明的精神根系——对真善美的追求、对他人的共情、对未知的好奇心，以及在不确定性中坚守价值的能力。AGI恰如孙悟空能力超强，但商科教育的使命，却在于培养能够驾驭技术浪潮的“数字唐僧”——未必精通代码，但一定拥有明确的方向感、强大的心力与温暖的人性光辉。未来的商业领袖，将是“AI智商”与“人类情商”的平衡者，在技术理性与人文关怀的张力中，开辟可持续发展的新赛道。

　　3.创新与批判性思维。在AGI时代创新与批判性思维愈发关键。好奇心驱动的问题重构能力，能够打破常规认知边界，以全新视角重新定义问题本质；跨领域联想能力，则如同搭建思维桥梁，将不同学科、行业的知识与经验融会贯通，激发创意火花；而对既有范式的质疑精神，更是创新的基石，敢于挑战传统框架，突破思维定式。这三大能力相辅相成，共同构建起强大的非编码思维体系，助力个人与组织在复杂多变的环境中实现突破与发展。

　　4.能量智能与流体智能。一般地，可将人类智能解构为“能量智能”+“物质智能”，其中，能量智能是系统或个体高效管理和利用能量的能力，涉及能量的获取、存储、转换和使用；物质智能则是系统或个体有效管理和利用物质资源的能力，涉及物质的获取、存储、转换和使用。人类智能亦可解构为“流体智能”+“晶体智能”，其中，流体智能涉及新问题和自适应推理，通常解决所见问题能力良好，但难以进行新颖的推理；晶体智能则涉及先前知识及其应用，通常知识保留能力强，但公开数据有限。在这四种智能中，物质智能和晶体智能可被AI模拟，能量智能和流体智能则是人类所独有。后者突出表征的精神和“心力”——包括自驱力、使命感、抗挫折能力等，如同“唐僧”之于“孙悟空”，决定着技术应用的方向与边界。

　　(三)人机对齐困境

　　AGI的工具属性使其呈现“渣男”特性：不主动、不拒绝、不负责。它不会主动发起有益人类的行动，只会被动执行指令，且对结果不承担伦理责任。例如，算法推荐系统可能加剧信息茧房，但AI本身无需为此负责。亚马逊AI招聘系统曾因数据偏见降低女性简历评分，暴露技术中立性神话。需知，当下强调的“人机对齐”(Human-AI Alignment)，核心是“技术向善”，因此，商科教育的一大关键命题是培养学生驾驭技术的能力，而非被技术操控。这要求教育者引导学生思考“我们需要怎样的AI?如何用人类的价值观驯化技术?”。实践中，欧盟《人工智能法案》(2023)尝试建立“分级责任制度”，要求商科教育提前培养学生“算法审计”能力，如使用Python工具包检测训练数据偏差。

　　三、非编码能力培养的理论框架与实践路径

　　(一)能力培养的双维模型

　　基于认知科学与教育理论，可构建非编码能力培养的双维模型：能量智能×流体智能。

　　在横向维度激活能量智能。通过哲学思辨、伦理研讨、领导力实践等课程，唤醒学生的使命感与价值观。例如，开设“商业伦理与AI治理”课程，引导学生讨论自动驾驶的道德困境、数据隐私保护等议题，强化“技术向善”的理念。

　　在纵向维度提升流体智能。设计“问题驱动型”学习场景，通过案例分析、沙盘模拟、跨界项目等方式，培养学生应对不确定性的能力。如借鉴密涅瓦大学的“全球沉浸计划”，让学生在真实商业场景中解决复杂问题，提升自适应推理能力。

　　(二)教学范式的三大转型

　　1.从知识搬运到认知引导，教师角色转向“元认知”引导者。一般地，知识可分为事实性知识、概念性知识、程序性知识和“元认知”知识。其中，元认知就是对认知的认知，也就是关于个人自己认知过程的知识，调节这些过程的能力，对思维和学习活动的知识和控制。元认知是可以横跨学科的真正可迁徙的知识，包括战略方面的知识，关于认知任务的知识(即情境、条件)，以及关于自我的知识。

　　例如，在战略管理课程中，教师不再单纯讲授SWOT模型，而是引导学生思考：何时该用SWOT?其假设前提是什么?在AI时代如何迭代该模型?同时，借助AI学术助手(如GPT-4)完成文献综述、数据处理等基础工作，教师聚焦于培养学生的问题定义能力与批判性思维。教师还可使用ClassMarker等AI工具对学生讨论进行语义分析，实时生成“批判性思维热力图”，自动推送引导问题。

　　2.从标准化教学到场景化学习，构建“真实场景+虚拟仿真+AI辅助” 的混合式学习生态。其中，真实场景通过与企业合作开展“沉浸式项目”，如为初创企业设计商业模式，在实践中培养方案落地能力；虚拟仿真利用数字孪生技术构建商业模拟环境，让学生在虚拟市场中体验战略决策的复杂性；AI辅助通过智能教学系统实时分析学生的思维路径，生成个性化反馈报告，如指出“该决策忽略了跨文化因素，建议参考XX理论”。典型的例子有，斯坦福大学“虚拟企业挑战赛”利用Unity引擎构建元宇宙商业环境，学生向具情感计算能力的AI客户推销产品，系统根据微表情评估共情能力。清华大学“非编码能力数字孪生系统”通过智能手环采集HRV数据，评估压力应对能力。

　　3.从单一评价到能力图谱。传统以考试为中心的评价体系难以衡量非编码能力，需引入多元化评估工具。过程性评估通过课堂辩论、项目提案、团队协作表现等，评估学生的沟通能力、领导力；伦理决策测试通过设计两难情境(如“是否为短期利益牺牲用户隐私”或“是否披露环保违规”)，考察学生的价值观；AI能力画像利用学习分析技术(LAT)追踪学生的认知发展轨迹，生成包含“问题提出能力、人际链接能力”等维度的动态能力图谱。

　　(三)构建“非编码能力矩阵”，重构课程体系

　　商科课程需打破学科壁垒，围绕非编码能力的核心维度重组内容。在基础层，开设“直觉与创新思维”“商业伦理与社会责任”等必修课，讨论自动驾驶道德困境等议题，奠定认知与伦理基础；在应用层，设置“跨文化管理与共情力”“人机协同设计”“复杂系统决策”等模块，培养实践能力；在拓展层，引入“艺术与商业创新”“哲学与领导力”等跨界课程，激发想象力与跨界整合能力(交响力)。例如，南洋理工大学“能力积分制”允许学生通过AI伦理辩论获取学分，通过这一举措毕业生创业率三年提升27%。福耀科技大学拟试点“AI+商业”课程，学生需运用GPT-4生成市场调研报告，再通过小组辩论评估报告的伦理风险与战略价值，实现“技术应用”与“价值判断”的融合。

　　四、构建人机共生的商科教育新生态

　　(一)教育者的自我革新

　　麦肯锡预测，到2030年60%标准化教学任务将由智能体承担，教师知识传递职能的不可替代性年均下降15%。鉴于此，AGI时代的教师亟待提升三重能力。(1)数智力：熟练运用AI大模型(自然语言大模型、推理大模型、多模态大模型)及AI工具辅助教学，如使用ChatGPT设计讨论题、用Tableau可视化学生学习数据；(2)认知教练能力：引导学生理解AI的优势与局限，培养“批判性技术观”；(3)生态整合能力：协同企业、政府、技术平台等多方主体，构建“教育-产业-研究”的闭环生态。例如，与科技公司合作开发“伦理决策模拟系统”，将前沿技术转化为教学资源。

　　(二)学生需完成从“知识消费者”到“价值共创者” 的角色转变

　　商科学生需完成从知识“被动接受”到“主动创造”的转型，为此需在三方面发力。一是成为AI的“驯养者”，学会向AI提出高质量问题(如“如何用第一性原理重构这个商业模式?”)，而非依赖现成答案；二是构建“T型能力结构”，即垂直领域知识(晶体智能)+跨领域整合能力(流体智能)。摩根大通与哥伦比亚大学合作项目中，学生发现的算法歧视问题使少数族裔贷款通过率提升18%，体现“AI驯养者”价值；三是积极参与技术伦理建设，通过实习、竞赛等渠道，为企业的AI应用提供人文视角的建议，如设计“包容性算法”减少偏见。

　　(三)教育政策与制度创新

　　政府与高校需共同推动系列改革。比如，学分制改革。可借鉴新加坡模式，允许学生通过参与AI伦理研讨、社会创新项目等获取学分，打破“课时-学分”的刚性关联；进一步完善校企合作机制，建立行业级“伦理沙盒”，如金融领域算法公平性测试平台。可要求企业为学生提供“人机协同实践岗位”，如“AI产品伦理顾问”“智能决策分析师”，将职场场景转化为学习场景。同时，启动师资培训计划，设立“AGI时代教学创新基金”，支持教师开发非编码能力培养的新课程新工具。亦可设立“人机协同教学导师”认证，对接德国双元制经验。

　　结语。AGI的崛起并非人类能力的终点，而是进化的新起点。AGI时代的商科教育，不是与AI比谁记得更快，而是要回答“我们究竟想成为怎样的人”。这或许就是非编码能力的终极意义——在数字荒原上培育出精神根系，在算法统治的世界里守护人类独有的温度与光芒。

　　作者简介：

　　徐飞 博士，文科资深教授、博士生导师，国务院政府特殊津贴专家，美国哈佛大学、MIT高级访问学者，出版著作20余部。历任上海交通大学副校长，上海财经大学常务副校长，西南交通大学校长，现任福耀科技大学常务副校长。