我要投稿

AI的边界，就是人类的领地

发布日期：2026-03-19 17:53:05 浏览次数： 1518

作者：腾讯研究院

微信搜一搜，关注“腾讯研究院”

人类的想象力与终极跨维

面对人工智能技术的冲击，人类的认知能力除了在“小数据和小算力”场景中占优外，是否还有其它的“立足之地”可以缓解人类所面临的知识危机？

对这个问题的回答必须深入到人类所创制的人工智能技术的特点与局限中，同时还要对人类认知与人工智能技术进行比较。人类不同于其它生物的特别之处，绝不仅仅体现在能够大规模的制造和使用工具，至少还体现在能够想象现实世界中不存在的事物并且将这种想象变成现实的造物，即所谓“从0到1”的原始创新或对未来图景的预见性。

例如，古代中国的神话故事以及上个世纪好莱坞所拍摄的科幻电影，其中某些宝物或超能力都已成为现实。《西游记》中不少神仙都有可以腾云驾雾日行千里的坐骑，但今天人们乘坐飞机出行早已实现日行万里。20世纪60年代好莱坞所拍摄的《星际迷航》假想了一种手持的无线通讯和视频通话器，而在今天具备这种功能的智能手机已经遍及全球。简言之，人类的想象力在知识创新中的作用和地位非常重要。既然人工智能技术能够很好的“复刻”甚至超越人类的分类思维，那么它在想象力方面是否可以媲美人类甚至超越人类呢？这个问题换一种问法即：人类与人工智能技术的想象力有何差别？

事实上，人工智能的想象力在较大程度上是一种数据驱动的概率想象，但人类的想象力主要由好奇心驱动，而且并不总是具备概率特征。就现有的人工智能技术而言，其想象力必须建立在大量可用的数据基础之上，不论这些数据是人工生成的还是人工智能技术自生成的。相比之下，人类的想象力并不依赖如此多的数据，尽管人类也可以在想象时借助人工智能技术的数据处理能力，但是人类的想象力常常体现在对有限数据的“过度”想象中¹，即这些数据不足以证明想象的结论。如果在海量的数据之中存在某些确定性，那么人工智能对于这种确定性的想象力确实是人类难以企及的。但是这也暴露了人工智能技术的短板，其想象力在知识创新中的作用发挥高度依赖数据的可编码性、准确性、稳健性以及数据本身所包含的规律性，但是人类的想象力对数据的要求远没有这么高。

如果套用维特根斯坦的理论而将现实世界分为“可以言说的”和“不可言说的”两种，那么人工智能想象力的优势主要体现在“可以言说的”世界中。因为这一世界建构的基础是语言与世界之间存在着较为精确的映射关系，所以充斥着各种各样可以借由概率计算和逻辑推理发现的确定性或规律性。近来，人工智能大语言模型与多模态大模型已经形成融合发展之势，尽管这意味着人工智能技术借助多模态交互可以涉足“不可言说的”世界，但是人工智能仍然面临幻觉、偏见和缺乏真正主观经验等难以克服的局限，并且其在想象力领域的主要作用是人类创新的工具，而非完全取代人类。

总体而言，人类想象力的优势尤其体现在“不可言说的”世界中，如宗教、美学、伦理学等领域，这些领域并不具有“可以言说的”世界中的那种确定性或规律性。换言之，“不可言说的”世界是人类心智所主宰的领地，人类的“非理性”将会成为对抗人工智能“理性”的最强大武器，AI的技术进步只能以人机协作的模式增强对这一领地的探索，本质上无法替代人类的想象力。在一定程度上，人类和人工智能的想象力差别有如中国的山水写意画与西方的实物写生画²，前者形似有限而意境无限，可以激发远离画面的各种想象，后者的画面则由于透视或射影画法而显得与实物更加相像，虽也可激发想象，但这种想象却是以画中的实物为核心或至少是与该实物密切关联的。

总体而言，人工智能对确定性的想象力正在或将超越人类，而人类对于不确定性的想象力要明显超过人工智能，这部分源自人类的“胡思乱想”之中有人工智能技术难以捕捉的随机性。人类的“胡思乱想”与现实世界及其发展的不确定性高度契合，而现实世界在概率性质基础上的确定性和稳定性是人工智能技术的重要基础。换言之，人类可以通过有目标的“玄思妙想”甚至是“胡思乱想”实现对已有知识确定性的突破与创新，尽管人工智能有时也会由于数据质量或算法设计等因素出现“知识幻觉”，但这种“胡思乱想”与人工智能技术的底层逻辑相悖，容易在知识创新方面造成误导。和人工智能技术相比，人类的想象力在面对不确定性时展现出独特优势。一方面，它能应对数据匮乏、难以精确计算概率的事件或现象；另一方面³，它能处理那些缺乏明确映射关系或很难进行逻辑推理的事件或现象，这包括无法通过现有概率模型精确计算概率的情形、在当前技术和认知水平下概率为零的事件，以及那些完全随机、无法提炼规律以简化描述的过程或结果⁴。事实上，在人工智能技术出现之前，该技术也存在于人类的想象之中。在想象人工智能技术未来发展的种种不确定性方面，当前人类的想象力及其影响力也依然超越人工智能。目前，人工智能对确定性的想象力并不能覆盖它本身发展的不确定性，如它自己便无法预测通用人工智能何时能够实现。另外，它对确定性的想象（如概率想象）放在具体的个案中，理论上也总是可以出现例外的情况。即便是那些呈现出概率特征的事件，人工智能也未必能够计算出准确概率。例如，迄今为止，没有人证明π、e 、等无限不循环小数的十进制展开满足严格“概率均匀”的性质（数学上称为 normal 数）。但是，把目前已计算出的数以千亿甚至万亿位为样本去做统计检验，在这些无线不循环小数中0–9 十个数字的出现频率与 1/10 的理论值极为接近。人工智能无法解决这类问题，这类高度不确定性的问题只能寄希望于人类的想象力。在一定程度上，人类想象力的优势体现在准备和应对难以预测的黑天鹅风险上⁵，如疫病大流行；而人工智能的优势则在帮助人类发现和应对概率较高却容易被忽略的灰犀牛风险⁶方面，如全球气候变化。

除了上述“可以言说”与“不可言说”的世界划分外，人类还可以通过一种终极形式的“跨维”来推动知识范式的革命。这种终极跨维与人类的想象力有关，并且也是人工智能无法做到的。从分类思维的角度看，人类知识的累积在很大程度上表现于各种分类体系在横向与纵向的不断拓展上，如已有的各个学科和研究领域的持续细分。但是本书第四章第三节指出，基于还原论哲学的分类思维无法从整体的角度去把握事物的根本性规律。早在两千多年前，老子的《道德经》对人类的认知活动便有一个非常重要的分类：求学和求道。正如本章题头语所示，求学需要靠博闻强识、日积月累、逐渐精进，这是分类思维的体现。但是求道却需要“逆向思维”，即通过不断摒弃求学得到的知识所带来的束缚和障碍，最终才可能体认到宇宙的根本性规律，这是对分类思维的彻底批判。如果祛除“求道”的神秘主义色彩，那么实现终极跨维便需要使用非分类的方法从整体上去思考研究对象及其背后的规律，或者部分地说“对可研究事物进行研究并对不可研究事物进行玄想”⁷。换言之，人类不仅可以在“不可言说”的世界中“胡思乱想”，也可以在“可以言说”的世界中“玄思妙想”，从而推动知识范式的变革，进而给人类和人工智能的知识发展带来巨大影响。历史上牛顿创建经典力学、爱因斯坦发现相对论、高斯等人发明非欧几何等都属于这种“玄思妙想”。即便当前不少人对通用人工智能的发展前景满怀期待，但平心而论不应指望该技术会直接产生牛顿、爱因斯坦、高斯那样级别的知识贡献。简言之，人工智能技术无法通过“玄思妙想”实现终极跨维，因为这与其运行逻辑与能力建构的目标相背离。人类知识的革命终究只能依靠人类本身特别是那些最杰出的天才，而人工智能在知识革命中只能扮演工具的角色。

人工智能与职业危机

人工智能对职业的冲击是当下人们关注的一个热点，甚至连北京一所幼儿园的小朋友都会担心：“如果机器人把所有的事情都做了，那我们做什么呢？”⁹。一些审慎乐观的看法认为，人工智能技术的发展会替代一些工作职位，但也会创造不少工作岗位，但是两相抵消是否意味着更多的工作机会则尚未可知¹⁰。这类看法或多或少援引了计算机发明后人类工作岗位变化的历史经验，但是低估了人工智能技术及其发展对人类劳动的替代深度和规模。在人工智能技术出现和普及以前，现代社会发展的核心驱动力是劳动的专业化与分化，不同的职业将不同的人限制在特定的领域内发挥专门的作用。¹¹更一般的说，职业可以被定义为“一些由个体组成的排他性群体，用某种特定的抽象知识来处理特定情况”¹²。职业主义（professionalism）则意味着职业群体保持自身在工作中的自主性与控制力，这一方面需要维持职业知识的垄断性，另一方面也要避免这些知识脱离从事职业的人而被商品化，还要抵御各类组织通过改变社会分工而打破职业知识的垄断。¹³

尽管职业及相关群体随着技术进步与社会变革出现新陈代谢的现象，但是职业主义的基本逻辑在很长时间内大体上都能够维系，直到人工智能技术打破了职业群体对职业知识的垄断，而使得各种职业知识都在逐渐成为商品或暂时处于免费试用阶段。例如，马斯克在2025年7月发布了Grok 4，他宣称这一大语言模型是研究生级别的，在所有学科的学术问题上都超过了博士水平¹⁴，并为使用这一模型的用户设置了月付30美元和300美元两档收费标准。如同机器时代企业通过流水线设计而使得缺乏技能的人能够替代高技能的手工业者，现在检测水管裂缝、管理交通流量以及驾驶汽车这类职业技能型的工作也在被人工智能技术所取代¹⁵，甚至于那些传统上高度依赖相关知识训练的职业也岌岌可危：人工智能技术可以让普通高中生在没有受过系统天文学训练的情况下，做出传统天文学家无法做出来的研究成果（参见本书第五章第一节），或是让人工智能公司另辟蹊径解决生物学家们过去一直解决不了的蛋白质折叠难题（参见本书第四章第四节）。有乐观的看法认为，人工智能技术有可能使得劳动力成本急剧下降为零，因此人类有望告别短缺经济而进入一个全面丰裕的时代。¹⁶但这样一个时代是否能够到来还有不确定性，在此之前人工智能技术发展所带来的职业危机却是真实而又确定的。

人工智能技术的发展正在使几乎所有的职业知识都在脱离人，从而为职业知识的商品化铺平了道路。当前人工智能代理（AI Agent）与具身智能（embodied intelligence）技术的发展，正在尝试将人类的职业知识转移至AI agent和机器人，从而彻底实现多数职业知识的商品化。人工智能时代人类所面临的知识危机也带来了自身的职业危机，社会分工正在从人与人之间转向人与人工智能之间，而且正在朝有利于人工智能的方向发展。2025年11月，麦肯锡全球研究所（McKinsey Global Institute）发布的一项题为《Agents, robots, and us: Skill partnerships in the age of AI》的报告认为，未来的劳动力将会是人类、人工智能代理（AI agent）、机器人三方之间的技能分工与合作。在对美国大约800种现有职业进行分析后，该报告指出，具有最高自动化潜力的职业涉及当前美国总就业人数的40%，未来这些职业的工作可能主要由人工智能代理、机器人或二者的协作完成，而现有就业人口中仅有34%能够最大限度的抵御工作自动化的冲击。事实上，对知识的垄断依旧存在，只是垄断的主体正在从各类职业群体转向了人工智能巨头和数字巨头，他们由于掌握的职业知识种类最全、知识体量最大，因此也最能影响社会分工。福柯曾经批评说，如果个体对知识的热情只是导致了知识的累积，那么这种脱离实践和批判的求知热情毫无价值。¹⁷反讽的是，当前人工智能巨头和数字巨头们对职业知识的热情不仅导致了他们知识的增加，而且由此导致他们深度干预社会分工实践并“批判”职业群体对知识的垄断。这既给他们带来了商业价值，也带来了前所未有的控制权力，使得越来越多的人类工作被人工智能算法所设计和约束，同时人类的知识消费也越来越受制于人工智能所生成和推荐的内容¹⁸，这甚至将深刻影响大学教授这一以知识传授和知识生产为职业的群体。本质上，当前人类的职业危机起源于职业群体与组织之间的竞争，并在人工智能时代遭遇到了人工智能巨头和数字巨头这类组织对职业群体的空前威胁。尽管有部分人畅想未来将是人机协作的时代，人工智能将会成为人类的伙伴^{19，但仍不应低估这种协作很大程度上将受制于人工智能巨头和数字巨头，并且很可能主要为巨头们的利益所服务。}

除了人工智能相关的职业之外，是否会有一些职业免于或者较少受到人工智能技术的冲击呢？第一类这样的职业与教育和塑造人的心灵有关，如提供未成年人教育的幼师和中小学教师。概括的说，与教育和塑造人的心灵越接近的职业，会更需要人的参与、反馈和引导，因而会越少的受到人工智能技术的冲击。第二类职业与马斯洛需求层次理论中²⁰涉及安全、爱与归属、尊重等高级需要有关，因为这类需求的满足很大程度上需要依靠个性化与真实的人际互动。这些职业包括法官、律师、医生、护士、中医、心理咨询师、专业顾问、社会工作者、健身教练，等等。以医生这一职业为例，根据“能力—个性化理论”（Capability—Personalization Framework），当人们患癌后希望被当作独特个体对待时，那么他们在就医场景中选择医生而排斥直接使用人工智能技术的可能性就越大，即便人工智能技术的诊断能力比医生更强。²¹第三类职业与人类对审美的需要有关，而这种需求及其意义解读很难被人工智能技术所直接满足。相关的职业包括艺术家、音乐家、设计师、园艺师、高级厨师、美容师、化妆师、整理收纳师、仪式策划，等等。第四类职业与陪伴有关。这类职业虽与马斯洛所指“爱与归属”的需求有一定关系，但更多的与人工智能时代所导致的孤独感和疏离感有关。随着人工智能技术的发展，成年人与亲友之间的直接互动将更趋减少，越来越多的人习惯于“蜷缩”在“数字洞穴”中与外界间接交流，这反倒凸显了那些与陪伴有关职业的价值，如导游、游戏陪玩、各种陪练、老人陪护、宠物相关的职业，等等。

在人工智能时代，尽管上述四类职业相较其他传统职业“更安全”，但是这些职业群体或多或少在工作中会需要使用到人工智能技术，或以人机协作的方式开展工作，同时他们不可避免地在生活中受到人工智能技术的影响。从生产关系的角度看，几乎所有职业群体和个体都将会受到人工智能算法的控制甚至“奴役”，这也是人工智能巨头和数字巨头被称为新的“封建领主”的重要原因。换言之，巨头们凭借各自的“数据领地”免费占有和垄断用户生成的内容与数据，任何依靠这些内容、数据及相关技术开展工作的职业群体都必须向巨头们缴纳“数字地租”，而巨头们却不必对为其赚取超额利润的用户及职业群体负有雇主的责任与义务。²²职业群体在这种“技术封建主义”中是否能够有效维护自身权益，很大程度上取决于国家和人工智能巨头、数字巨头之间的竞争博弈结果。如果国家与巨头们形成共谋或被巨头所俘获，那么职业群体在人工智能技术所编制的无形牢笼之中将很难有喘息的空间。当前，人工智能技术正在塑造和增强每种职业群体及其工作的“AI感”，并且这种“AI感”取代了“科技感”成为时髦与先进的代名词，甚至成为了一种社会心理状态。但是这种心理状态也将带来重要的后果，即人们在工作中的自主性和独立性不仅会在较大程度上丧失，职业和人生的安全感与意义感也将会被大大削弱，这正如作家米兰•昆德拉所言：

从前的职业，至少有一大部分，都是因为有一种个人狂热的依恋：农民热爱他们的土地，我的祖父是一位能做出漂亮桌子的魔术师，鞋匠心里知道村里所有人的脚是什么样子的，管林人，园丁，等等。我设想甚至那些战士也是带着热情去杀人的。生命的意义那时不是个问题，这种意义自然而然地跟他们在一起，在他们的工作室里，在他们的田野里。每一个职业都创造出了它的思维方式，它的存在方式。一个医生跟农民想的不一样，一个军人跟一个老师的举止不一样。今天我们都是一样的，我们都被我们面对工作的那种一致的无所谓而联合在一起。这种无所谓成了热情。这是我们时代的惟一的共同热情。²³

改造我们的学习与教育

人工智能时代的学习和教育也引起了普遍的关注。与对职业冲击的担忧类似，人们担心接受的教育与学习的内容跟不上时代，从而导致在未来的就业和社会竞争中处于不利地位。2025年的高考志愿填报，多所职业前景明确的军校和二本院校，其录取分数线在一些省份历史性的超过不少985重点高校的非人工智能相关专业。表面上看，这只是当下家长和学生们“求稳”心态的一种反映；但深层次看，却很可能是一个长期趋势的开端：人工智能技术的发展将使得学习和教育的职业导向得到空前加强，大家都想尽力避开那些容易被AI取代的专业和岗位。换句话说，当人工智能使得各种专业的知识变得“唾手可得”后，每个理性的人都会思考如何让自己的学习和教育在时间与金钱的花费上变得更有性价比。

全球范围内的学历和学位或将进入一个加速“贬值”的通道，支撑这一趋势的主要原因并非是全球高等教育扩张所带来的供给增加，而是人工智能技术的发展正在侵蚀“象牙塔式”的高等教育机构在传授知识方面的组织地位。例如，数字平台上的教育AI和知识博主将会比传统的大学更能提供个性化与普及化的教育，大学老师在提供丰富知识和全面指导方面也越来越难与人工智能竞争。

理论上，大学为了应对挑战，可以通过加快人工智能转型以重塑教学、研究和教育管理模式，但这种转型大概率会侧重于通过AI辅助提高工作效率，而非实现教育的制度性与系统性变革。我们只要想一想大学老师的专业化是其职业利益的根本所在，同时那些长期阻碍大学推行跨学科教育与研究的组织和制度因素始终存在，便会明白大学教育的人工智能转型说起来容易做起来难。简言之，人工智能技术打破学科壁垒的知识整合趋向，与大学学科专业的“知识护城河”利益机制有着难以调和的矛盾。对于大学的生存和发展而言，如果不加快人工智能转型并加强教育的职业导向，那么将会在少子化的人口趋势中面临越来越大的招生压力。

正如每一枚硬币都有正反两面，人工智能技术对于个体的学习而言也并非全是福音。增强对人工智能的“负向认识”比“正向认识”更能提高人类在学习能力方面的韧性²⁴，从而使我们在人工智能技术的使用上尽可能的做到趋利避害。尽管这一技术使得“知识记忆型”的传统学习变得不那么重要，但是这也给人们带来一种自己“无所不知”的错觉。这种错觉源于混淆了通过学习而内化的知识与可获取的外在知识²⁵，从而使得人工智能时代的人们不容易意识到自己的“浅薄”，尽管越来越多的人丧失了深度阅读的能力²⁶。人工智能技术也会让人们更不容易察觉到自己的“偏执”。和“搜索引擎依赖症”相比，“人工智能依赖症”可能更容易能让人类的大脑“变懒”“变笨”。例如，美国麻省理工学院2025年的一项研究表明，在使用ChatGPT、搜索引擎和纯脑力进行作文写作方面，纯脑力参与者的神经网络连接度不仅最强而且分布最广，搜索引擎用户次之，ChatGPT用户则显示出最弱的连接；并且该项研究发现，用户长期过度依赖使用ChatGPT对其神经网络、语言表达和行为均有负面影响。²⁷从人机关系的角度看，人工智能技术可以是我们的学习工具与伙伴，或者我们最好将它当作切磋知识的对手。但需要警惕的是，对人工智能的过度依赖将会导致其对人类的反向权力与控制，这也符合不对称的依赖关系会产生权力这一基本原理²⁸。

总的来看，人工智能时代对人们的学习提出了更高要求而并非相反，这不仅体现在人们需要具备更强的批判性思维，而且要在学习中兼顾知识的广度与深度。在传统的学科分界逻辑下，学习者成为“专才”是理性的选择和现实的出路，而“通才”一般只是对不学无术者的一种揶揄。即便是极少数专精多个领域的天才，最终也得选择以某个专业作为自己主要的谋生之道。过去人们依靠“一万小时定律”便能成为某个领域的“专才”，这意味着在知识的深度上下功夫，较长时间内深耕一个专业领域即可获得高价值的回报。但是现在这一定律已经在很多专业领域失效，人工智能技术使得这些领域的专家知识“常识化”，从而更容易被“门外汉”所获得和理解，因此“专才”们越来越难在认知深度的基础上建立起“知识壁垒”，亟需在广度上拓展以重新建立起竞争优势。作为主流的技术发展方向，当前通用人工智能力图在多领域形成比肩甚至超越人类的智能水平。这一技术趋势正在深刻改变知识广度与深度的关系：人工智能时代的知识深度越来越体现在知识广度基础上形成跨领域和跨维的深度整合与创新。这种知识整合与创新既是人工智能技术发展本身的需要，也是更好解决各种现实问题的需要。这要求人们在知识广度上比过去投入更多时间，并且努力成为掌握跨领域知识并具备整合能力与问题解决能力的新型“通才”。简言之，尽管传统“专才”仍有一定生存空间，但新型“通才”更能适应人工智能时代，现阶段正式教育仍侧重于培养传统“专才”，尚不能很好的培养和提供足够数量的新型“通才”。

从逻辑上来说，传统教育所培养的知识深度都是建立在学科分界基础上的，而学科分界又是由于人类算力和认知限制而被迫选择的分类简化办法。但在这种分类办法中，各个学科在促进人们认识和改造世界方面，必定有其理论上可以到达的极限。一旦接近这个极限，人类所投入的时间和资源的产出就会越来越少，这就类似于开始钻牛角尖了，用力甚多而所得甚少。由于人工智能技术极大地突破了人脑的算力和认知限制，故而可以在知识广度基础上重构知识的深度，即在知识广度基础上形成跨领域或跨维的深度整合与创新。这种深度与以往那种纯粹的学科深度是完全不同的，而且为人类认识和改造世界提供了更多的可能性，使我们容易找到更有效率的认知路径。但是这种人机协作带来的新深度，必须和知识的可验证性、可理解性、可修正性结合起来，否则可能会产生“看起来很深”的幻觉。对于当前和未来一段时间个体的学习而言，掌握传统的学科知识依旧重要，这是人机协作的重要基础。但在这一前提下，个体需要学会如何利用人工智能更有效率的学习以及更好的开展研究，其中包括将一个模糊的现实问题转化为人工智能可以处理的形式化问题，并在此基础上进行批判性思考或通过人机协作进行深入研究。

当前，各种人工智能大语言模型仍在“如饥似渴”地吸收人类的知识，同时又在人机互动中输出知识。随着算力的增加、算法的优化以及时间的推移，纯粹由人类所构建的知识终有一天会被人工智能所完全吸收，而且这一天很可能正在到来甚至已经到来。人类此后是否还有动机和能力创造完全“人工”的知识吗？随着人工智能技术的发展，人机协作生成的知识中“人工”的色彩是否会越来越弱？当人工智能只能消化吸收自己生产的“非人工知识”后，这又是否会导致知识发展出现停滞？

这些问题背后的一个共同担忧是：人工智能对人类知识的无节制使用或将导致人类知识资源的枯竭，最终会对技术发展造成反噬并形成对人类影响巨大的“公地悲剧”。从学习和教育的角度看，为了使得人类始终拥有避免这一“公地悲剧”的能力，我们必须重视对人工智能时代以前人类知识经典的学习，这不仅是保有人类知识生产能力的需要，而且也是通过培养知识品味与审美对人机协作知识进行有效批判的需要。这就好比有了智能炒菜机器人后，厨师们可以向美食家转型，他们虽不必亲自做菜了，但是仍需谨记菜的做法，并重点研究口味与人群的适配，从而更好的指导炒菜机器人做出美食。

我们还应让下一代通过对历史人物传记的学习增加对人类经历的深入了解，从而提高他们在现实世界中处理人际关系问题及对抗挫折的能力。以前“纸上得来终觉浅”，现在“智能得来更觉浅”，因此在人工智能时代很有必要增加个人化的经验和体验，这也是我们理解和运用各类知识的重要基础。最后，就保持人类的想象力与好奇心而言，笔者已经指出这是人类思维抵御人工智能技术冲击的“立足之地”，语言、文学、艺术、伦理、历史、哲学等领域的人文素质培养在人工智能时代的重要性不是下降了而是提高了，尽管这些素质并不与就业直接挂钩，却是我们保持人类“底色”以抵抗人工智能对人性侵蚀的重要基础。对于在这些领域从事工作的教师和研究人员而言，他们不仅需要在学校和课堂抵御人工智能和部分“网红”对学生的负面影响，而且还应在各类数字平台上努力争取到更多用户的青睐。这是挑战和机遇，更是崇高的责任。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业