【环球网科技报道 记者 张阳】在华为云主办的"828 B2B企业节"的现场，AI与实体经济融合的话题持续升温。其中，"数智员工"作为替代人类完成重复性工 作的新型生产力工具，成为本届数博会的焦点之一。今日人才作为国内数智员工领域的先行者，其创始人胡伟在展会期间接受了专访，深度解读数智员工的 技术逻辑、应用场景与未来方向，揭秘这一新型"员工"如何重构企业人力成本与效率的平衡。 "数智员工不是'空中楼阁'，而是从企业最痛点的需求里长出来的。"谈及今日人才的首款数智员工产品，胡伟开门见山。这款聚焦招聘场景的数智员工，如 今已服务多家行业大厂，其中一家企业通过它实现了"一年招聘1.9万人"的高效成果。 破解 AI" 失忆 " 难题：用 " 人类记忆逻辑 " 构建长期能力 "AI回答失真、记不住事情，是行业普遍难题，但数智员工必须解决这个问题——毕竟没有企业会用一个'经常忘事'的员工。"胡伟直言，今日人才的核心技 术突破，在于模仿人类记忆模式，构建了数智员工的"短期记忆+长期记忆"体系。 在胡伟看来，传统招聘中HR的大量精力被"重复性前置工作"消耗：每天登录招聘平台搜简历、逐一发送沟通消息、解答候选人关于五险一金、工作 ...

航天员在轨工作内容 - 神舟二十号乘组太空出差超过120天 开展新一周在轨工作[1] - 乘组开展在轨情绪评价技术研究及应急决策能力评估实验 探究长期在轨情绪状态及决策能力变化规律[1] 微重力物理科学实验 - 开展高温材料实验柜样品更换 无容器柜实验腔体清理及电极维护[2] - 无容器柜将钨合金加热至3100摄氏度 刷新国际空间材料科学实验最高加热温度纪录[2] 空间新技术应用 - 为地外人工光合作用装置更换新反应器 完成前三阶段在轨试验[2] - 验证多项关键技术 获得大量微重力下物理化学反应数据 为地外原位资源利用技术提供基础[2] 再生生保系统维护 - 完成再生生保系统设备检查维护 开展-80℃空间冰箱加电测试[2] 航天医学实验 - 利用笔记本电脑及测试软件完成精细动作控制 信任与协同机制实验测试[3] - 持续开展人与飞行机器人协作实验 "小航"与航天员磨合探索人机高效协作方法[3] 舱内环境管理 - 定期开展物资整理 舱内环境清洁维护 打造舒适洁净工作环境[5] 航天员健康监测 - 进行眼压及眼底检查 骨密度测试等医学检查 助力地面掌握在轨健康状况[5]

人工智能战略定位 - AI从辅助工具跃升为驱动社会变革的核心引擎 国务院出台《人工智能＋》行动意见推动技术与应用双向赋能 [1] - AI成为高质量发展的关键增量 核心价值体现在赋能 减负 提质 增效四个维度 [3] - 意见紧扣全球科技趋势 以战略性布局引领方向 科学性设计推动融合 指导性举措明确路径 及时性部署抢抓机遇 [4] 产业赋能应用 - AI拓展科学研究认知边界 如AlphaFold破解蛋白质折叠难题 支持科研范式转型加速创新成果转化 [3] - 智能制造领域车企通过AI维护系统将设备故障率降低20% 教育领域AI定制学习路径 医疗领域成为智能助手 [3] - AI通过自动化技术将人们从危险繁重工作中解放 创造智能化就业机会和工作方式 关注民生提振消费 [3] - 社会治理领域提升应急效率 生态治理领域实现实时监测模拟推演 推进治理能力精准提升 [4] 技术风险挑战 - 大模型存在黑箱特征 不可解释性导致决策逻辑难理解 鲁棒性不足易受对抗攻击 幻觉问题生成虚假内容 [6] - AI价值观是数据投射 训练数据偏见被模型放大 可能无意识传播与主流价值观相悖内容 影响社会和谐 [6] - 深度伪造技术生成以假乱真音视频 海量数据依赖导致隐私泄露风险 AI驱动网络攻击威胁个人安全与社会稳定 [6] 安全治理体系 - 构建四位一体协同治理体系 完善法律法规体系 构建多元公共安全体系 建设网络空间治理体系 建立智能应急体系 [8] - 技术安全方面开发可解释AI使决策透明化 通过对抗训练提升模型抗攻击能力 研发内容真实性检测算法 [9] - 伦理安全方面通过强化学习将中华传统文化与社会主义核心价值观嵌入模型 优化内容审核与行为约束技术 [9] - 应用安全方面制定数据保密网络安全供应链安全管理办法 引导安全行业数智转型 提升公众风险意识 [9] - 国家安全层面加快建设全维度安全测评体系 参与全球治理规则和技术标准制定 推动智能向上向善理念 [9]

研究框架与核心观点 - 论文提出将工作技能拆分为决策层子技能和执行层子技能的双层数学框架 决策层涉及目标确立、问题界定和权衡取舍等认知工作 执行层涉及计划实施和工具运用等操作行为[1] - 人类和AI在决策层和执行层各具优势 当优势互补时整体成功率远高于单独工作[1] - 该框架已被ICML 2025接收[3] 工作价值重塑路径 - 工作价值正被根本性重塑 挑战在于理解重塑方式而非猜测哪些工作消失[4] - 技术替代或补充的是具体任务而非整个工作 但任务中心视角常忽略判断框架构建与实施过程的关键分野[4] - 论文在任务经济学和机器学习适配性评估基础上提出更精准分析工具 将工作解构为技能单元后再拆分为决策判断与执行实施两个核心构件[4][7] 案例分析与行业应用 - 以软件工程师为例 AI工具如GitHub Copilot和GPT接管大部分执行环节 加速甚至自动化实施部分[6] - 工程师角色从实施转向监督 核心竞争力转变为制定方案的判断力 包括决定开发内容、论证项目价值和核验AI产出[6] - 在医疗行业 AI可标记扫描影像异常但医生仍需敲定诊断方案 在分析行业 AI可草拟报告但分析师仍需确定叙事框架[9] 数学模型与量化工具 - 框架通过将岗位解构为任务与技能集合 并为人类与AI建立能力图谱 可测算任意劳动力-岗位组合的成功概率[10] - 研究揭示成功概率存在相变现象 决策层技能微小进步可能触发成功概率的非线性跃升[12] - 技能互补的劳动者组合或人类与AI协作能显著提升岗位成功率 强于决策的人类与擅于执行的AI配对时协同效能超越个体能力[14] 实际应用与数据验证 - 研究通过应用真实世界数据验证框架实用性 从O*NET综合数据库提取岗位结构 通过Big-bench Lite基准测试获取劳动者能力数据[16] - 借助大语言模型构建数据桥梁 证实理论预测成立 模型对理解当今劳动力市场具有现实指导意义[16] 技能培训与招聘策略 - 技能培训应聚焦提升决策层能力 包括精准定义问题、权衡冲突目标和在不确定性中调整策略 而非工具使用等执行层技能[18] - 招聘应识别互补优势 发掘高决策力但执行欠佳的人才 辅以工具稳定产出 而非依赖学历等粗放指标逼迫雇佣综合全能者[19] 体系设计与人类价值 - AI浪潮将执行与决策剥离 需重新定义人类独特价值 若继续基于执行层产出培训、招聘和评估人才将误判潜力和错配资源[20] - 框架为机构提供实用工具 构建能识别决策层卓越能力的体系 包括判断力、验证力和战略推演[20]

公司AI战略与实施 - 公司提出H类真人、R类机器人、A类智能体三类员工协作模式 经过半年多AI应用建设 各类AI智能体已在公司内部涌现 [1] - 首批6名AI员工于今年7月完成转正答辩正式上岗 同时GC平台升级至2.0版本 实现多种RAG与MCP升级及多AI agent员工协作 [1] - 公司认为完全自动化不现实 人机协作才是未来 大多数机器人可完成单一工作中90%以上工序 但仍需人类进行关键操作 [2] 业务场景应用 - 以深圳创智云中心移动充放电机器人为例 可响应车主需求并自动完成车辆与固定充电桩间充放电 但插拔充电枪仍需人工操作 [2] - 在同一业务场景下部署多台机器人同时作业 最后由人工统一完成收尾工作的模式与蝶城作业场景天然契合 [2] - 公司计划未来在蝶城内更全面落地人+机器的混合用工模式 [2] 人力资源转型 - 公司明确完全替代员工失业不是目标 需做好员工转岗规划与技能培训 [2] - 随着万科物业智能管家全天上线 约2万名管家正从重复性工作中解放出来 [2] - 公司重新拟定物业管家岗位说明书 开展新一轮技能培训 减少无效加班并打开基层员工收入天花板 [2] 技术发展理念 - 企业应用AI需与客户需求和服务感知结合 不能陷入技术自嗨 需积极与行业学界交流 [1] - 企业内部技术应用拥有决定权 更适合作为全面AI变革的起点 [1]

核心观点 - 当前具身智能和机器人技术仍高度依赖人类远程操控和干预 以实现可靠运行和性能优化[1][4][12] 自动驾驶领域人机协作 - 通用汽车旗下Cruise无人出租车每行驶6-8公里需触发一次远程人工协助 完全无人驾驶运营时每15-20辆车配备一名远程辅助人员[2] - 萝卜快跑等公司布局安全员 在系统无力应对时由远程驾驶员接管车辆[4] - 交通部要求远程安全员人车比不得低于1:3 即三辆车配一名安全员[14] 服务机器人领域人工干预 - 仓储物流、安防巡检、送餐送货等领域存在大量远程人工操作现象[4] - 配送机器人遇复杂路况时将控制权交给后台真人操作员[4] - 商用清洁机器人和安防机器人设有远程监控中心 工作人员随时接管或指导任务执行[4] 技术公司具体实践 - 英伟达通过模拟训练使机器人具备基础运动技能 但现实场景中行动决策仍由人类控制[7][9] - 宇树科技在人形机器人表演中采用工程师提前编排和实时遥控方案 下台阶时需要人工辅助[11] - 宇树H1机器人在竞技比赛中为追求速度采用人工遥控策略而非自主运行[11] - 宇树产品落地采用"人机混合"模式 机器执行动作 人类规划路线和应对突发情况[12] 人力资源配置要求 - 萝卜快跑安全员每日工作8小时 每小时休息10分钟 闭眼超过三秒会触发警报[14] - 机器人规模化部署可能导致远程操作团队膨胀成庞大支援中心[16] - 人类监督可增强自动化可靠性 但人员与机器比例要求较高[14]

人工智能引领广告行业智能化转型 - 人工智能正从辅助内容生产工具演变为驱动行业增长的新型基础设施 广告产业作为国民经济重要组成部分 对经济增长和消费拉动具有显著乘数效应 中国数字广告渗透率位居全球前列 [4] - AI正引领广告行业迈入"一人千面"、人机协作的智能化时代 腾讯研究院联合腾讯广告发布行业研究报告 基于产业链上下游实地调研和全球案例分析 [4] 行业应用现状 - 谷歌、Meta、腾讯、快手等平台企业及广告代理公司、广告主都在积极拥抱"人工智能+"浪潮 [5] - AI已激活数字广告创意生产、智能投放等环节效能 生成式人工智能从辅助工具进化为核心生产力 从文案构思到视觉呈现全过程被AI提效显著 [5] - 生成式召回、AI数据增强和多模态理解三大核心能力使广告引擎能深度理解用户实时意图与场景 [5] - 以自然语言为核心交互方式的智能代理(AI Agent)正成为下一代超级入口 可能将广告从APP界面展示位转向对话嵌入式、原生化呈现 [5] 核心趋势一：从计算广告到智能广告 - 广告技术核心从"计算"转向"智能" 生成式人工智能正在为行业铺设全新"智能广告"基础设施 [6] - 新基建由三大支柱构成：多模态大模型是智能广告底座 可同时理解文字、图像、视频、音频甚至情感 [9] - 基于长上下文记忆与链式推理的推理引擎让AI能够进行多步规划 跨越用户从"曝光-兴趣-点击-购买-复购"的整个旅程 [9] - 智能体协作协议是实现全链路自动化的关键 未来营销任务将由不同职能AI角色组成的虚拟团队自主完成 [9] 核心趋势二：智能体成为全新产品与服务模式 - 智能体将从"单点工具"演进为端到端的"超级智能体" 整合营销全链路实现端到端自动化管理 [11] - 腾讯广告"妙思"AIGC广告创意平台已打通创意到投放关键链路实现高度自动化 "妙问"AI营销助手为中小广告主提供7×24小时智能陪伴服务 [12] - 智能体核心能力从单个AI"单兵作战"进化为多个专业AI协同工作的"团队模式" [12] - 智能体重塑用户与广告交互范式 推动"广告入口人格化" 用户点击广告后迎接他们的是具备专业知识、能进行自然对话的AI销售顾问 [12] 核心趋势三：迈向深度个性化 - 广告匹配范式从"千人千面"跃迁至"一人千面" [14] - "千人千面"本质是"筛选" 基于用户固定标签匹配已有广告素材库 [14] - "一人千面"本质是"生成" 基于用户实时动态情境动态生成独一无二的广告 [15] - 广告从基于"过去是谁"的生硬推送转变为理解"此刻所需"的即时服务 从"打扰"变成"恰到好处的解决方案" [15] 核心趋势四：行业分工重塑 - AI赋能广告行业利益相关方 推动广告向人机协同生产方式转变 [16] - 平台方正加速构建AI原生广告基础设施 能力边界由投放执行延伸至创意生成、素材审核与场景理解 [16] - 代理商正经历从"人力密集型"到"智力密集型"转型 核心价值转向AI整合能力、深度行业洞察与顶层营销策划 [16] - 广告主迎来能力自建新机遇 头部品牌可构建自主可控智能体体系 中小企业成为AIGC工具普惠化受益者 [16] 人才需求变化 - 未来关键人才不再是埋头执行的"内容工匠" 而是能驾驭AI、懂得数据、具备独特洞察力的"策略型创意人" [18] - 人机协同成为主流范式：人负责设定目标、把握创意方向和品牌温度 AI负责高效执行与优化 [18] 技术发展与人文价值 - 技术带来效率、规模和精度 但不能替代意义、情感与信任 [20] - 真正动人的创意源于人性的共鸣 广告温度仍需人的介入 广告底线仍系于信任与真实 [20] - 不论技术如何演进 创意的人文内核不可被替代 合规与真实的边界也不可被模糊 [20]

文章核心观点 - AI正引领广告行业从程序化广告迈向智能广告时代 实现从"千人一面"到"一人千面"的转型 推动广告形态 产业结构和价值分配的根本性变革 [1] 技术驱动变革 - 生成式人工智能使广告创意生产从辅助工具进化为核心生产力 显著提升文案构思到视觉呈现的全过程效率 [2] - 广告引擎通过生成式召回 AI数据增强和多模态理解三大核心能力 实现从关键词匹配到深度理解用户实时意图与场景的跨越 [2] - 多模态大模型作为智能广告底座 可同时理解文字 图像 视频 音频和情感 使广告生成从基于模板跃升至根据用户实时情境动态生成 [5] - 基于长上下文记忆与链式推理的推理引擎让AI具备多步规划能力 可跨越用户从"曝光-兴趣-点击-购买-复购"的完整旅程 [5] - 智能体协作协议实现全链路自动化 不同职能AI角色（文案Agent 设计Agent 数据分析Agent 投放Agent）可像微服务一样互调和资源共享 [6] 产品与服务模式创新 - 智能体从"单点工具"演进为端到端的"超级智能体" 能整合营销全链路实现自动化管理 例如腾讯广告"妙思"AIGC平台已打通创意到投放关键链路 [8] - 智能体核心能力从"单兵作战"进化为多专业AI协同的"团队模式" 由虚拟AI专家团队自主拆解任务 分配职责和协同工作 [8] - 智能体重塑用户与广告交互范式 推动"广告入口人格化" 用户点击广告后面对的是能进行自然对话的AI销售顾问而非静态落地页 [9] 个性化范式升级 - 广告匹配范式从"千人千面"跃迁至"一人千面" 本质从基于固定标签的"筛选"变为基于动态情境的"生成" [11] - "一人千面"基于用户实时动态情境（浏览内容 地理位置 情绪状态）动态生成独一无二的广告 使广告从"打扰"变为"恰到好处的解决方案" [11] 行业分工重塑 - 平台方正加速构建AI原生广告基础设施 能力边界从投放执行延伸至创意生成 素材审核与场景理解 在价值链中发挥更广泛连接与支撑作用 [14] - 代理商从"人力密集型"转向"智力密集型" 核心价值转向AI整合能力 深度行业洞察与顶层营销策划 [14] - 广告主迎来能力自建新机遇：头部品牌可构建自主智能体体系 中小企业成为AIGC工具普惠化受益者 [14] - 行业人才需求从"内容工匠"转变为能驾驭AI 懂得数据 具备独特洞察力的"策略型创意人" 人机协同成为主流范式 [14] 生态体系构建 - AI驱动广告价值链形成分工明确 高效协同的体系 涵盖应用领域 技术创新 商业化落地 生态建设 合规内容安全和用户体验等多维度 [17] - 技术带来效率 规模和精度 但创意的人文内核不可替代 广告的温度仍需人的介入 底线仍需信任与真实 [18]

人工智能驱动广告行业智能化转型 - 人工智能正引领广告行业从"千人一面"迈向"一人千面"的人机协作智能化时代 [1] - 生成式人工智能推动广告核心逻辑从"计算"转向"智能"，形成多模态大模型、推理引擎和智能体协作协议三大支柱 [3] - 智能广告系统能深度理解用户实时意图与场景，实现动态生成广告素材 [3] 行业参与者与技术应用 - 谷歌、Meta、腾讯、快手等平台企业及广告产业链各环节积极拥抱"人工智能+"浪潮 [2] - 生成式人工智能在广告创意生产环节从辅助工具进化为核心生产力，显著提升文案构思到视觉呈现的全流程效率 [2] - 智能代理(AI Agent)成为下一代超级入口，推动广告从APP界面展示转向对话嵌入式原生呈现 [2] 广告形态与技术演进 - 广告形态从传统横幅广告、搜索广告向AI生成广告、元宇宙互动广告等全新形式演进 [5] - 数字广告技术从程序化广告推荐系统向基于消费者实时洞察的智能广告系统升级 [5] - 智能广告引擎实现从"关键词匹配"到"意图理解"的跨越，刷新广告效能 [10] 智能体(AI Agent)的变革作用 - 智能体从单点工具发展为端到端的超级智能体，整合营销全链路实现自动化管理 [6] - AI团队协作模式取代单兵作战，由虚拟专家团队自主完成复杂营销任务 [6] - 广告入口人格化，用户交互从静态落地页转向具备专业知识的AI销售顾问 [6] 行业分工与人机协同 - 平台方加速构建AI原生广告基础设施，能力边界延伸至创意生成、素材审核等环节 [10] - 代理商从人力密集型转向智力密集型，核心价值转向AI整合与策略能力 [10] - 广告主能力分化，头部品牌自建智能体体系，中小企业受益于AIGC工具普惠化 [10] 未来人才需求与行业挑战 - 行业需求转向能驾驭AI、具备数据洞察力的策略型创意人才 [11] - 人机协同成为主流范式，人类负责目标设定与品牌温度，AI负责执行优化 [11] - 需平衡技术创新与内容真实性监管，通过数字化监管工具箱等手段确保生态健康 [11] 行业人文内核 - 技术无法替代创意的人文内核，广告的温度与信任仍需人类介入 [13] - 合规与真实是技术演进中不可模糊的边界 [13]

机器人行业现状 - 许多看似自主运行的机器人实际上依赖人类远程操控才能可靠运行[1] - 英伟达3月展示的受《星球大战》启发的机器人由幕后操作员控制移动时机和位置[1] - 特斯拉Optimus机器人在演示中承认"目前由人类协助操作"[2] - 行业惯例：未标注"自主"字样的演示视频通常存在人工干预[2] 人机协作模式 - 远程操作员是当前确保机器人平稳运行的关键环节[1] - 人类操作不仅处理机器人无法应对的障碍，还生成训练AI模型的数据[3] - Avride送餐机器人遇到过高路边石时会请求人工协助，相关数据用于训练AI[3] - Waymo车辆在特殊路况下会接受远程团队指导[3] 远程操作战略价值 - 远程操作从权宜之计演变为获取高质量训练数据的核心手段[3] - Coco Robotics CEO指出操作员干预本身就是训练过程，如饮料倾洒数据可优化移动方式[4] - 初创公司正愈发坦诚地将远程操作视为战略而非技术缺陷[3][4] 自主化发展路径 - 行业长期目标仍是实现更高自主化，最终实现一人监督多台设备[5] - Ultra Robotics CEO认为机器人需要持续人工监督以确保全年可靠运行[5] - Vay公司采用100%远程遥控模式，由驾驶舱操作员控制城市另一端的汽车[5] - Deft Robotics工程师指出80%自主率对工业场景仍不足，需人工填补20%空白[5]