從體力到腦力:AI驅動的第四次大壓縮正在發生|港大中心 × 信通院華東分院 × 模馭AI聯合報告發布

7月20日,香港大學人工智能管理與組織研究中心(HKU CAMO)、中國信息通信研究院華東分院與模馭AI三方聯合,在WAIC 2026西岸國際會展中心,發布《AI大壓縮:智慧經濟時代的生產範式轉移》研究報告。 報告系統提出「AI大壓縮」理論框架,核心命題是:AI正在對認知勞動的中間環節進行系統性壓縮,人類正經歷繼能源、材料、資訊之後的第四次生產範式轉移。 來自政府部門、智庫科研機構、學術單位、行業協會、投資機構及產業生態伙伴的數十位嘉賓出席發布會,共同見證這項產學研跨界研究成果的正式亮相。 理論溯源:「大壓縮」從何而來 「AI大壓縮」概念的提出者、港大CAMO主任李晉教授在視訊致辭中,從組織理論視角闡述了這個框架的學術起點。 李晉教授指出,一百年前亨利·福特的流水線壓迫了體力勞動的個體差異;今天,AI正在壓縮腦力勞動的個體差異。他將此過程概括為「大壓縮曲線」——少量投入即可獲得可觀產出,曲線陡峭上升後趨於平緩。駕馭這條曲線的核心機制是「拆分與整合」(bundling and unbundling):將任務拆分為AI擅長的標準化部分與人類擅長的判斷性部分,同時透過整合使單一管理者承擔過去三到五倍的管理幅度。 一、第四次大壓縮 從物質到認知人類技術史呈現一致的壓縮規律:能源 → 材料 → 訊息 → 認知勞動。 AI觸發的第四次壓縮,首次將對象從物理世界轉向認知勞動本身。凡是基於SOP和經驗的重複性認知工作,均處於壓縮區間。 二、四維壓縮同步展開 時間壓縮:蛋白質結構預測從數年縮至小時,合約審查從數天降至分鐘,交付週期壓縮達2-4個數量級空間壓縮:專業能力首次與專家物理位置解耦,理論上可實現無限並發價值鏈壓縮:數十人協作的創作鏈路,正收斂為「人定義需求—AI交付結果」的閉環組織壓縮:金字塔層級結構向「少量決策者 + AI系統」的精簡架構演進 三、第一原理:圍繞AI重構,而非在舊流程上疊加AI AI時代的設計原則是圍繞AI能力重建業務流程。人類的核心職責最終收斂為三項:定義目標、處理例外、承擔責任。…

AI 的能力很強,但它讀不懂「言外之意」

在 AI 時代,每個人都應逐漸變成定義標準的人。 哈佛商學院與 BCG 曾合作過一項大規模實驗:讓 700 多名諮詢顧問使用 GPT-4 完成一系列接近真實工作的諮詢任務。結果耐人尋味。在落在 AI 能力邊界內的任務上,使用 AI 的顧問完成得更快,質量也更高;但在一個被設計為超出 AI 能力邊界的複雜管理問題上,使用 AI 的顧問反而更容易得出錯誤結論。 一種解釋是模型能力仍有邊界。但另一個常被忽視的原因或許更值得重視:複雜任務往往依賴大量沒有被說出口的標準——什麼算「好」,怎樣算「達到要求」,哪些邊界不能越過。這些標準存在於人的經驗裏,卻很少被寫成規則。 這並不是一個新問題。它恰好對應知識理論和組織管理中一個經典概念:默會知識(tacit knowledge)。 這一概念最早由科學哲學家 Michael Polanyi 系統提出,核心洞察是:「我們知道的,遠比我們能說出來的多。」…

1 2 6