内容提要：国家之间的竞争体现在人力资本的竞争。“投资于人”的一个重要维度是在教育和就业领域加大力度。为了在人工智能时代保持并提升我国国际竞争力，持续推动教育改革，着力于高质量、创新型人力资本培养，已成为一项刻不容缓的战略任务。人工智能时代加强创新型人才培养可从四方面着手，包括优化高等教育人才选拔与培养方式；改变项目制人才培养方式，营造创新环境；培养人工智能思维与人机协作能力；优化存量劳动力知识与能力的更新教育。
纵观近代历史，国家之间竞争的关键是科学与技术的竞争，而人是科学与技术的发现者、发明者、使用者，因此，国家之间的竞争归根结底是人力资本的竞争。2025年《政府工作报告》首提“投资于人”，如何落实，一个重要维度是在教育和就业领域。
过去几十年，我国充分利用丰富的劳动力资源和成本等优势，通过对外开放，成就了“世界工厂”的地位，实现了经济腾飞。然而，随着我国经济进入增长动能转换期，劳动力成本优势逐渐消退。人工智能（AI）技术的重大突破正在重塑产业格局，大量标准化、流程化的工作岗位面临被AI取代的趋势。与此同时，能够进行复杂创造、引领科技前沿的高端人才日益成为国家竞争力的决定性力量。我国现有的教育体系更擅长培养应用型、技能型人才，在激发顶尖创新潜能方面仍显不足。曾有学者警示，AI的发展可能冲击并削弱我国传统教育模式的优势。因此，为了在人工智能时代保持并提升国家竞争力，持续推动教育改革，使其转向高质量、创新型人力资本的培养，已成为一项刻不容缓的战略任务。
人工智能发展对人力资本需求的改变
人类社会的发展阶段与其对劳动力的需求息息相关。在农业时代，强健的体魄是主要的生产资本；工业革命带来了自动化机器，作为对体力的延伸与替代，社会对纯体力劳动者的需求逐步下降，转而青睐能够操作机器、拥有知识和技术的脑力劳动者，这部分劳动者成为推动经济发展的重要力量。
如今，AI不仅是自动化技术的延伸，更是对人类脑力活动（特别是程序性、事务性脑力活动）的延伸与替代。这意味着，许多在工业时代兴起的、依赖重复性认知技能的工作可以被高效的算法取代。这一转变使市场对人力资本的需求更加聚焦于“金字塔”的顶端——创造性的脑力活动。
与遵循既定规则的程序性思维不同，创造性脑力活动的核心在于“无中生有”，例如发现新的科学原理、发明颠覆性技术工具、创造引领市场的全新产品、设计创新的商业模式等。因此，AI时代对劳动者能力的要求正从熟练掌握程序化、操作化的知识与技能转变为具备创造性、批判性思维和解决复杂问题的能力。拥有这些能力的创新型人才，将是未来国家竞争力的决定性因素。
既往标准化、流程化的培养模式往往侧重于知识和技能，使学生能够精确地完成现有的、规定性的任务，如同机器上的标准部件。这种模式在培养规范化人才方面卓有成效，但在激发个体的主动性、培养独立的批判性思维和创造性方面则显得力不从心，难以完全适应人工智能时代对人力资本的新要求。
由此看来，教育体系需要从以知识传授为中心转向以能力培养为中心，特别是着重培养学生的创造力、批判性思维以及与AI协同工作的能力，使他们能够驾驭AI这个强大的工具，成为推动社会进步的真正引擎。
当前教育模式对学生创造力的影响
（一）选拔与评价方式对创造性的影响
当前，从基础教育的升学（中考、高考）到高等教育深造（研究生入学）乃至职业准入（如公务员考试），普遍将考试成绩作为最重要甚至唯一的衡量标尺。这种传统模式在确保选拔过程的客观性、公平性方面有重要价值，然而在有效识别和评价创造性这一关键能力上存在不足。需要看到，个体对已有知识的精通程度并不必然代表其拥有强大的创新思维和能力。
首先，以考试成绩为代表的单一维度评价体系导致了人才识别的局限性。大量在应试技巧之外拥有独特天赋和潜能（例如艺术创造力、实践动手能力、社会组织能力等）的学生，可能因不符合考试标准而被埋没。由此，单纯依赖标准化考试的评价方式并未成为国际主流选择，许多国家采用了更加多元的评价手段。
其次，单一维度的评价体系加剧了人才的同质化。学生个体的发展具有多样性和阶段性差异，学校理应是学生各种特长和潜能得以生长的乐园，但以考试为指挥棒的筛选机制使得进入高层次教育机构的学生越来越趋同，缺乏必要的异质性。多样性的流失，直接削弱了群体内部的创新思想碰撞，从而限制了整体创新活力的迸发。
另外，为了在激烈的考试竞争中胜出，学生被迫投入大量时间进行机械记忆和反复练习。这种高强度的应试准备不仅挤占了他们在创造力最为活跃的青少年时期进行自主探索、深度思考和实践创新的时间和精力，更容易在这个过程中消磨他们对学习本身的兴趣和对科学世界的好奇心，对培养真正热爱科学、勇于创新的下一代构成严峻挑战。
（二）过度分科教育对创造性的影响
源于工业时代的分科教育，将原本相互关联、作为有机整体的人类知识体系人为地切割成独立的学科进行传授。这种模式在特定历史时期对于知识的系统化梳理和学习效率的提升确有助益。然而，其在一定程度上割裂了知识间的内在联系，使学生难以形成对知识整体图景和普遍规律的宏观把握。
当思维长期被局限在人为设定的学科边界内时，容易形成认知壁垒和思维定势，这极大地阻碍了跨界思考和原始创新的产生。事实上，许多突破性的创新并非单一学科知识的线性延伸，而是多学科知识交叉、融合与碰撞的产物。人工智能领域的先驱杰弗里•辛顿的经历便是例证—他为探究人脑奥秘，在大学期间广泛涉猎数学、物理学、化学、哲学、建筑学乃至心理学等多个看似不相关的领域，正是这种跨学科的知识积淀，最终促成了模拟人脑的神经网络算法的诞生。同样，特斯拉首席执行官埃隆•马斯克在经济学、物理学和材料科学等领域的多元知识背景，也为其在特斯拉、SpaceX等前沿科技领域的颠覆性创新奠定了基础。
鉴于传统分科教育的局限性日益凸显，国际教育界已在积极探索面向未来的教育改革。STEM教育便是其中一个重要范例。它并非简单地将科学（Science）、技术（Technology）、工程（Engineering）和数学（Math）四门学科进行叠加，而是以解决真实世界中的问题为导向，强调学科知识的有机整合与跨学科的实践应用，其核心目标在于打破学科界限，培养学生在复杂情境中运用多学科知识进行批判性思考、协作创新和解决问题的综合能力，培养能够适应并引领未来的复合型创新人才。可以说，STEM教育正是对工业时代学科过度分割、知识与实践脱节的一种深刻反思与系统性改革。
（三）教学实践对创造性的影响
教学本应是激发潜能、培育人才的关键途径，然而在当前的教学实践中，对学生创造力的培养往往被置于次要地位。在中等教育阶段（初高中），教学活动几乎完全被升学目标主导。为了在标准化考试中取得优势，“拔苗助长”式的超前学习和高强度的重复性训练成为普遍现象。这种模式虽然可能在短期内提高学生的应试分数，却以牺牲其更加全面的发展为代价，对创造性思维、有效沟通、团队协作、主动探索精神、风险承担意识以及良好思维习惯等关键素养的培育有所欠缺，而这些恰恰是实现创新发展所必需的能力。
进入高等教育阶段，前述情况并未得到根本改善，反而呈现出新的特点。当前，对大学的核心评价指标往往聚焦于科研产出，“重科研、轻教学”的直接后果是，教师可能缺乏足够的时间和动力去更新略显陈旧的教学内容，以及深入钻研和改进教学方法，向学生提供的系统化、前沿化知识不够充足，更不用说有效点燃青年学生对科学探索的内在热情、充分激发其创新潜力了。
人工智能时代如何加强创新型人才培养
（一）优化高等教育人才选拔与培养方式
首先，改革招生评价机制，显著降低标准化考试成绩在录取中的决定性权重，赋予高校更大的招生自主权。这使得高校能够根据自身定位与学科特色，选拔特长各异、潜力多元的学生，从而促进各高校形成差异化特色和良性竞争格局。尽管增加自主权可能引发对程序公平性的担忧，但从长远看，此举能够积极引导基础教育逐步摆脱应试导向，更加注重学生综合素质的培养，其整体效益大于潜在风险。
其次，强化大学本科阶段对学生创造性的核心培养。这要求教育目标不应过度聚焦于短期就业，避免设立过细过窄的专业，而是要将创造力置于培养的核心位置。为此，需要大力推动学科交叉融合，构建宽口径的课程体系，为创新思维提供更加广阔的基础。同时，改革对教师的考核激励机制，切实扭转“重科研、轻教学”的倾向，进一步激发教师投入教学、指导学生成长的热情与积极性。此外，系统、全面地修订陈旧教材与课程内容，确保其紧跟现代科学发展的前沿，为学生提供滋养创新思维的知识土壤。
（二）改变项目制人才培养方式，营造创新环境
改变通过项目制培养创新拔尖人才的方式。现有的项目制，如少年班、强基计划以及各种人才计划，往往提前选择所谓的“胜者”，按照既定的标准评判和筛选人才，但创新本质上需要突破现有的标准和体系。从历史经验来看，许多作出重大创新贡献的人，如苹果公司前CEO史蒂夫·乔布斯、特斯拉创始人埃隆•马斯克、RNA干扰机制的发现者安德鲁•法尔和克雷格•梅洛、人工智能先驱杰弗里•辛顿等，都未必是符合传统评价体系的“合格者”。他们的成功源于对规则的挑战、对未知的探索，而不是对现有体系的顺从。因此，那些基于现有标准、设定明确目标的大规模项目制人才培养方式，未必能够在经济和最终效果上达到理想的预期。
真正的创新需要自由宽松的学习和科研环境。要鼓励多样化的探索和试错。作为人口大国，我国拥有足够的人才储备和资源，应该给予不同领域、不同特点的个体更多机会。只有鼓励多样性和包容失败，才能在众多尝试中催生出真正的创新。与其通过项目制提前选出“胜者”，不如着力于进一步夯实基础教育和大学教育，营造更加浓厚的敢于创新、鼓励试错的科研、商业氛围。只有这样，才能为创新拔尖人才的成长提供真正适宜的土壤，最大程度释放其创新潜能。
（三）培养人工智能思维与人机协作能力
20世纪80年代初，手持计算器的出现曾引发广泛疑虑，担心其可能削弱学生的计算能力，许多学校甚至一度禁止使用。然而历史证明，计算器不仅未阻碍反而促进了整个社会数学学习的兴趣与效率。如今，我们正处在由AI驱动的新时代，应积极培养与之共存、共创的核心能力——人工智能思维与人机协作能力。
人工智能思维并非专属于技术专家，而是这个时代每个人都应具备的基本素养，如同电气化时代人们需要了解电的基本原理一样。人工智能思维构成了我们理解和驾驭这个智能世界的基础，主要包含三个层面。
首先，需要从概念上把握AI是如何工作的。未来社会，AI将无处不在。若缺乏对其基本运行逻辑的认知，将难以理解世界的运作方式，如同在电气时代不识电力一般，必然会在工作和生活中困难重重，甚至被边缘化。
其次，具备辨识智能边界的能力。需要培养区分人类智能与人工智能各自优势与局限的能力。人类智能在创造性、情感交流、复杂伦理判断等方面拥有不可替代的价值；而AI则在处理海量数据、执行高速运算和完成重复性任务上表现卓越。认识到这种互补性，才能在具体情境中明智地判断哪些任务更适合人类智慧主导，哪些更适合借助AI高效完成，从而实现人与AI的分工与协作。
最后，也是最重要的，是运用AI实现高效人机协作的能力。这要求我们不仅要学会使用AI工具，更要学会与AI系统进行深度互动，将其作为提升自身能力的强大伙伴，从而增强决策的精准度，激发创新的灵感，提高解决复杂问题的效率，通过人机协同，为社会创造出远超个体能力的巨大价值。
（四）优化存量劳动力知识与能力的更新教育
过去几十年，我国的中等和高等教育培养了一大批高素质劳动力，他们拥有扎实的理论基础，积累了丰富的行业经验，正处于年富力强的阶段。然而，随着AI技术的深入发展，一方面，未来可能有大量工作岗位面临冲击，失业与再就业将呈现新形势；另一方面，新的工作岗位需要具备创造性能力的人才。
面对AI时代的岗位需求，存量劳动力如果缺乏最新知识与技能的训练，可能会影响他们转岗、再就业，影响他们创造力的发挥。因此，如何对现有存量劳动力进行再教育，帮助他们更新知识与技能，适应人工智能时代的岗位需求，无论对于社会稳定，还是挖掘我国劳动力市场的潜力、激发劳动者的创造性都发挥着重要作用。因此，教育系统需要从三个方面采取措施。一是评估不同行业、岗位受AI影响的程度，建立针对性培训体系；二是重点强化人机协作能力培养，提升劳动者批判性思维和创造性思维能力；三是构建政府、企业、高校、行业协会等多方协作机制，针对新行业、新岗位落实转岗培训计划。
总之，人工智能发展对于人力资本提出了新的要求，教育系统须适应这种转变，继续巩固提升我国劳动力优势，持续增强我国国际竞争力。
（作者为中国社会科学院财经战略研究院研究员，中国社会科学院大学教授）
