編者按：

　　本文由AI深度研究員出品，內(nèi)容翻譯自OpenAI COO Brad Lightcap和首席經(jīng)濟(jì)學(xué)家Ronnie Chatterjee的最新對(duì)話，多知獲授權(quán)轉(zhuǎn)載。在對(duì)談中，教育被反復(fù)提及。 Brad和Ronnie認(rèn)為:“AI 正在成為學(xué)生的第二課堂、職場(chǎng)人的第二搭檔，而'如何和 AI 配合做事’，本身就是一種能力。”總結(jié)來說，教育的終極目標(biāo)，正在變成“配置能力”。

　　2025 年 7 月 15 日，OpenAI 剛剛上線的播客第 3 期，引發(fā) AI 圈高度關(guān)注。

　　這場(chǎng)長(zhǎng)達(dá) 60 分鐘的對(duì)話中，OpenAI 首席運(yùn)營(yíng)官 Brad Lightcap 與首席經(jīng)濟(jì)學(xué)家 Ronnie Chatterji 首度同坐麥克風(fēng)，從 ChatGPT 爆發(fā)式增長(zhǎng)聊到教育轉(zhuǎn)型，從智能代理落地講到全球產(chǎn)業(yè)鏈重構(gòu)。

　　主持人 Andrew Mayne 一句開場(chǎng)就定了調(diào)：

　　The future of work is arriving faster than expected

　　(新的工作模式比我們想象的來得更快).

　　三組硬核底牌，先亮出來：

　　5 億周活：截至 2025 年 3 月，ChatGPT 的全球周活躍用戶已突破 5 億，企業(yè)級(jí)付費(fèi)客戶超過 300 萬。Lightcap 在接受 CNBC 時(shí)直言，消費(fèi)側(cè)爆發(fā)和企業(yè)側(cè)采購(gòu)正在相互拉動(dòng);

　　1 句定心丸：針對(duì)“AI 會(huì)沖走半數(shù)白領(lǐng)崗位”的悲觀預(yù)測(cè)，Lightcap 給出明確回應(yīng)——我們沒有看到相關(guān)證據(jù)。

　　3 條增量曲線：Chatterji 指出，AI 真正打開的，不只是“自動(dòng)寫代碼”這種淺層效率，而是 生產(chǎn)率 × 教育 × 地理 三個(gè)維度的結(jié)構(gòu)性杠桿。他也警告，如果準(zhǔn)備不足，這些機(jī)會(huì)很可能擦肩而過。

　　本文將基于這場(chǎng)完整對(duì)話，逐一分析這三條曲線，告訴你：下一波 10 倍增長(zhǎng)機(jī)會(huì)到底在哪、你該怎么準(zhǔn)備、又該站到哪條增長(zhǎng)線上?

　　第一節(jié)|AI 不是工具，是“生產(chǎn)杠桿”

　　“我不喜歡‘工具’這個(gè)詞，它低估了 AI 的能力。”

　　Brad Lightcap 在對(duì)話一開始就指出，大多數(shù)人對(duì) AI 還停留在“工具心態(tài)”——像用搜索、用表格軟件那樣，用完就丟。但今天的 AI，不再只是一個(gè)用來提高效率的小幫手，而是可以獨(dú)立完成任務(wù)的工作伙伴。

　　OpenAI 官方定義的'代理(agents)'，必須能承接復(fù)雜任務(wù)，并自己完成。它不是你事無巨細(xì)指揮的助手，而是能自主推進(jìn)一段流程的同事。

　　他舉了一個(gè)簡(jiǎn)單的例子：一個(gè)銷售團(tuán)隊(duì)，一天會(huì)收到上萬條客戶線索。原來你需要大量人力來看這些線索、判斷哪些是潛在客戶、再?zèng)Q定跟進(jìn)方式。

　　但現(xiàn)在，一個(gè) AI 代理可以代替這整條流程：

　　自動(dòng)讀取線索內(nèi)容

　　識(shí)別重點(diǎn)

　　推薦下一個(gè)動(dòng)作(比如發(fā)郵件、約會(huì)議)

　　決定由誰負(fù)責(zé)跟進(jìn)

　　這些步驟不是它照你吩咐一步步做，而是它自己看得懂流程，也能動(dòng)手完成。

　　Ronnie Chatterji 也認(rèn)為：我們?cè)诙x智能代理時(shí)，有個(gè)核心標(biāo)準(zhǔn)是：能不能交辦任務(wù)?能不能完成沒見過的工作?

　　這和以往的“提示詞—回應(yīng)”范式不同。代理系統(tǒng)的本質(zhì)，是把 AI 從“你問我答”，變成“你給我任務(wù)，我自己搞定”。

　　這意味著，未來的合作不是人+人，而是人+代理系統(tǒng)。

　　Brad 說得更簡(jiǎn)單：你會(huì)看到兩種類型的代理：一種幫普通人完成他們不會(huì)做的事，比如寫代碼、排流程;另一種，則是讓已經(jīng)很厲害的人，效率再提高一倍。

　　這句話的背后，其實(shí)說的是代理不是替代誰，而是放大誰的能力。

　　? 代理怎么“長(zhǎng)得像個(gè)同事”?

　　在Brad看來，一個(gè)真正能工作的代理必須滿足三點(diǎn)：

　　懂你的任務(wù)結(jié)構(gòu);

　　能自主推進(jìn)一段流程;

　　能在你沒教過的情況下，自己想出辦法。

　　這其實(shí)創(chuàng)造了一種全新的工作方式。

　　以前，我們說一家公司靠崗位運(yùn)轉(zhuǎn)——一個(gè)崗位一個(gè)人，一套流程靠人來填滿。 現(xiàn)在，流程可以交給代理來跑，人只需要在關(guān)鍵節(jié)點(diǎn)做決策。

　　Ronnie 甚至提出了一個(gè)重要洞察：AI 帶來的，不是哪一類人會(huì)被取代，而是誰能真正調(diào)動(dòng)代理完成一整件事。

　　? 代碼、銷售、醫(yī)療……哪些工作正在被“代理化”?

　　Brad 明確提到了幾個(gè)正在被快速改變的場(chǎng)景：

　　1、軟件工程

　　過去一個(gè)項(xiàng)目需要幾十人、幾個(gè)月

　　現(xiàn)在有團(tuán)隊(duì)用 Code Agent 把開發(fā)周期縮短到一周

　　代理負(fù)責(zé)寫代碼、測(cè)代碼、生成文檔、提建議

　　2、銷售流程

　　輸入大量客戶信息，代理自動(dòng)完成“篩選—推薦—對(duì)接”流程

　　不再靠人拉名單、定規(guī)則、做初篩，而是全流程智能化

　　3、科研和藥物發(fā)現(xiàn)

　　不再是科研人員一個(gè)階段一個(gè)階段試驗(yàn)

　　而是用代理同時(shí)模擬多條路徑，挑出最可能成功的方向

　　而這樣的變化不僅僅是個(gè)例。在 OpenAI 的合作案例中，他們發(fā)現(xiàn)代理系統(tǒng)在很多任務(wù)上已經(jīng)比人更快、也更穩(wěn)定。

　　? 那么問題來了：什么樣的人，在這個(gè)趨勢(shì)中被放大?

　　Lightcap 的回答非常清楚：

　　是那些懂得分配任務(wù)給 AI、能夠激活它完成閉環(huán)的人。

　　不是寫代碼最好的，也不是懂模型架構(gòu)最深的，而是：

　　能看清楚一個(gè)任務(wù)的起點(diǎn)和終點(diǎn)

　　能把任務(wù)交給 AI 跑完

　　能在中間做關(guān)鍵判斷

　　能圍繞代理做二次協(xié)作的人

　　這樣的人，就是未來團(tuán)隊(duì)里的10倍角色。

　　AI 時(shí)代，個(gè)人價(jià)值的新定義：不是你能做多少事，而是你能否讓 AI 成為你的力量倍增器。

　　第二節(jié)|小團(tuán)隊(duì)崛起：靠用 AI 做事

　　AI 讓一支三人的創(chuàng)業(yè)團(tuán)隊(duì)，擁有過去三十人的能力。

　　——Brad Lightcap

　　在這場(chǎng)對(duì)談中，Lightcap 提到的不是遙遠(yuǎn)未來的某種“設(shè)想”，而是他最近親眼看到的真實(shí)場(chǎng)景。

　　一個(gè)只有 3 人的開發(fā)團(tuán)隊(duì)，靠一整套 AI 代理系統(tǒng)完成了從產(chǎn)品規(guī)劃、代碼編寫、Bug 修復(fù)，到版本發(fā)布的完整流程。他們用上了一個(gè) Code Agent，能自動(dòng)寫代碼、測(cè)試、記錄改動(dòng)，還能根據(jù)用戶反饋快速生成新版本。

　　原本需要一個(gè)月的迭代周期，現(xiàn)在縮短成一周。

　　而人，只需要做一件事：告訴 AI 要做什么，以及對(duì)結(jié)果是否滿意。

　　這不是靠加班做出來的，而是靠“調(diào)用 AI”完成的。

　　? 工具和杠桿，不再等于人力堆疊

　　Brad 強(qiáng)調(diào)：過去我們想象中'更強(qiáng)團(tuán)隊(duì)'的方式是擴(kuò)大規(guī)模——更多人手、更多預(yù)算、更多流程。

　　但在 AI 驅(qū)動(dòng)下，最強(qiáng)的團(tuán)隊(duì)不是人多，而是能調(diào)動(dòng)資源。

　　我們正進(jìn)入一個(gè)時(shí)代：一個(gè)很小的團(tuán)隊(duì)，只要能善用 AI，就能完成遠(yuǎn)超他們體量的項(xiàng)目。也就是說，小，是新的大;輕，是新的快;靈活，是新的重裝。

　　Ronnie 也補(bǔ)充說，這種模式會(huì)對(duì)傳統(tǒng)的“規(guī)模優(yōu)勢(shì)”帶來沖擊。

　　“以前你要跑通一個(gè)流程，需要大量人力支撐。但今天，一個(gè)用好 AI 工具的小公司，可以快速迭代，甚至在質(zhì)量和交付上壓過大公司。”

　　他用一個(gè)類比：

　　就像過去很多音樂人只能靠唱片公司才能發(fā)行專輯，

　　但現(xiàn)在，一個(gè)人加一套軟件就能在家出歌、剪視頻、上線平臺(tái)，直接面向聽眾。

　　創(chuàng)業(yè)也在經(jīng)歷同樣的去中介化。

　　Brad 舉了個(gè)具體例子：我們看到很多人拿著幾千美元啟動(dòng)項(xiàng)目，原因不是他們省，而是他們知道：能用 AI 做的，絕不再雇人來做。

　　? 企業(yè)組織邏輯也變了：不是堆崗位，而是拉任務(wù)

　　Lightcap 用一句話總結(jié)這種變化：未來組織的核心能力，不是設(shè)崗位，而是快速組隊(duì)。

　　什么意思?

　　以前企業(yè)的組織邏輯是：設(shè)立崗位，招人填上，每個(gè)人負(fù)責(zé)一小段流程。

　　但 AI 帶來的是“任務(wù)導(dǎo)向”的工作模式：

　　有事 → 拆任務(wù) → AI 先跑一遍 → 人判斷是否通過 → 下一步自動(dòng)連接

　　這也解釋了，為什么很多公司開始設(shè)立“AI Ops(AI運(yùn)營(yíng))”或“Agent Coordinator(代理協(xié)調(diào)員)”這種新崗位——不是因?yàn)樗麄兌a，而是他們懂得怎么指揮 AI 幫團(tuán)隊(duì)完成一件事。

　　Ronnie 特別提到：最大的能力差距，不是你懂多少 AI，而是你知不知道有哪些事現(xiàn)在可以交給 AI 去做。

　　小結(jié)：

　　對(duì)小團(tuán)隊(duì)來說，AI 不只是幫你省錢，更是讓你站到杠桿上。

　　如果說以前創(chuàng)業(yè)需要 30 人 + 半年 + 天使輪;那么現(xiàn)在，也許只需要 3 人 + 3 個(gè)工具 + 3 周。

　　組織競(jìng)爭(zhēng)，也不再是比“誰人多”，而是比“誰調(diào)得動(dòng) AI 做事”。

　　第三節(jié)|AI 合作力，成了新通識(shí)

　　未來的基礎(chǔ)能力，不只是讀寫算，而是會(huì)和 AI 協(xié)作。

　　——Ronnie Chatterji

　　在整個(gè)對(duì)談中，教育，是被反復(fù)提到的關(guān)鍵詞。 但這一次，OpenAI 的討論并不是停留在AI 會(huì)不會(huì)替代老師這種老問題上，而是拋出一個(gè)全新的認(rèn)知：

　　“AI 正在成為學(xué)生的第二課堂、職場(chǎng)人的第二搭檔，而“如何和 AI 配合做事”，本身就是一種能力。”

　　? 什么叫“AI 合作力”?

　　Chatterji 給出了解釋：這不是學(xué) Prompt Engineering(提示詞工程)，也不是會(huì)寫代碼，而是能把 AI 融入到自己完成任務(wù)的全過程。

　　Brad 補(bǔ)充了一句：我們?cè)絹碓娇粗氐氖且环N混合能力：

　　你是否能理解一個(gè)任務(wù)?

　　能不能判斷哪一部分可以讓 AI 來做?

　　能不能和 AI 有效對(duì)話、共同完成結(jié)果?

　　他們把這種能力叫做：AI collaboration skills(AI 協(xié)作技能)，類似于你是否具備“會(huì)用搜索引擎”或“會(huì)用辦公軟件”的那種基本功。

　　?  高校改革：AI進(jìn)課堂

　　最具體的例子，來自加州州立大學(xué)(Cal State)。

　　這個(gè)擁有 50 多萬名學(xué)生的大系統(tǒng)，已經(jīng)正式將 ChatGPT 引入教學(xué)流程：

　　教授用 AI 輔助批改作業(yè)、生成測(cè)試題;

　　學(xué)生用 AI 寫摘要、做預(yù)習(xí)、查漏補(bǔ)缺;

　　課程設(shè)計(jì)者直接用 GPT-4o 生成教學(xué)大綱和內(nèi)容素材。

　　Brad 說：Cal State 在做的事情，其實(shí)是一種'雙軌教育'：你上課學(xué)知識(shí)，但你也在學(xué)怎么和 AI 一起完成任務(wù)。

　　這種雙軌模式背后，體現(xiàn)的是整個(gè)教育思路的轉(zhuǎn)變。 Chatterji 進(jìn)一步指出，我們培養(yǎng)學(xué)生的能力組合正在變成三個(gè)維度：

　　Emotional intelligence(情緒智力)

　　Domain knowledge(專業(yè)知識(shí))

　　AI collaboration(AI 合作力)。”

　　這也意味著，未來的'基礎(chǔ)能力'可能不再是傳統(tǒng)的文理分科，而是一種新的核心技能：能否與AI協(xié)作解決復(fù)雜問題。

　　這其實(shí)比考試更難，也更貼近現(xiàn)實(shí)。

　　? 新職場(chǎng)技能：AI協(xié)作力

　　Brad 提到，他現(xiàn)在在面試很多候選人時(shí)，不再看他們“過去做過什么”，而是問：你怎么用 ChatGPT 工作?你平時(shí)交給 AI 做什么?哪些事是你自己親自完成的?

　　他坦言：

　　很多表現(xiàn)突出的年輕人，不是因?yàn)樗麄儽葎e人聰明，

　　而是因?yàn)樗麄冎涝趺窗?80% 的工作‘交出去’。

　　不是一個(gè)人做 10 件事，而是一個(gè)人帶著 AI，完成原來要 5 人干的活”。

　　? 教育的終極目標(biāo)，正在變成“配置能力”

　　Ronnie 總結(jié)了一句非常關(guān)鍵的話：

　　“真正的競(jìng)爭(zhēng)力差距，不是你會(huì)不會(huì)寫代碼，而是你會(huì)不會(huì)“配置”AI。”

　　這個(gè)“配置”，不是技術(shù)意義上的裝系統(tǒng)，而是：

　　你會(huì)不會(huì)分析問題?

　　你能不能找到哪些環(huán)節(jié)適合 AI?

　　你是否知道怎么組織 AI + 人協(xié)同起來完成目標(biāo)?

　　這種'配置'AI的能力，正是AI時(shí)代需要的新技能。

　　職場(chǎng)的分水嶺不是'會(huì)不會(huì)用AI'，而是'會(huì)不會(huì)與AI協(xié)作'。

　　這不僅是個(gè)人要掌握的新技能，也是每個(gè)組織必須思考的問題：如何讓所有人都具備AI協(xié)作力。

　　第四節(jié)|AI 正重構(gòu)地理紅利版圖

　　AI 不只是服務(wù)硅谷或華爾街的工具，它已經(jīng)成為全球通用的生產(chǎn)杠桿。

　　——Ronnie Chatterji

　　在這場(chǎng)對(duì)談里，最容易被忽略、但也最值得關(guān)注的一個(gè)變化，是：AI 正在打破機(jī)會(huì)只集中在一線城市的舊規(guī)則。

　　從鄉(xiāng)村農(nóng)戶到遠(yuǎn)程創(chuàng)業(yè)者，原本被邊緣化的人群，正通過 AI 連入全球生產(chǎn)鏈條。

　　Ronnie 說：

　　“我們正在看到，AI 能把技能和資源帶到原本缺乏基礎(chǔ)設(shè)施的地方，釋放出一種打破地理限制的能力。”

　　? 案例一：非洲農(nóng)民靠 GPT + 衛(wèi)星影像，提高作物預(yù)測(cè)精度

　　Ronnie 提到一個(gè)在非洲農(nóng)村展開的真實(shí)試驗(yàn)項(xiàng)目。農(nóng)民用衛(wèi)星影像 + AI 模型分析，提前預(yù)測(cè)作物收成;原本誤差在 20% 左右，現(xiàn)在壓到了 5% 以下。

　　原理并不復(fù)雜：

　　衛(wèi)星圖像捕捉田地變化 →

　　大模型理解土壤、水分、作物周期 →

　　輸出產(chǎn)量預(yù)估 + 播種建議

　　這對(duì)小農(nóng)戶來說，意味著什么?

　　這意味著：農(nóng)民第一次可以科學(xué)決策，不再靠‘經(jīng)驗(yàn)種田’;他們種得更準(zhǔn)、賣得更穩(wěn)，收入也更可預(yù)期。

　　更重要的是：他們不需要懂英語(yǔ)、不需要上 AI 課，只需要一部智能手機(jī) + 本地部署的模型系統(tǒng)。

　　? 案例二：印度的跨境賣家，用 AI 撬開海外市場(chǎng)

　　主持人提到他接觸到的另一個(gè)典型案例：在印度，一些做跨境電商的中小賣家，開始用 GPT 自動(dòng)生成商品文案、翻譯客服回復(fù)、模擬海外用戶畫像。

　　他們沒有請(qǐng)團(tuán)隊(duì)做市場(chǎng)調(diào)研，也沒有請(qǐng)專職翻譯，而是：

　　輸入產(chǎn)品細(xì)節(jié) → AI 自動(dòng)生成不同國(guó)家的產(chǎn)品頁(yè)

　　收到用戶評(píng)論 → AI 快速總結(jié)共性反饋并優(yōu)化描述

　　節(jié)省了團(tuán)隊(duì)成本，又提升了訂單轉(zhuǎn)化率

　　Brad 評(píng)價(jià)：

　　“以前一個(gè)人想走出去，需要語(yǔ)言能力、文化理解、團(tuán)隊(duì)支持;現(xiàn)在一個(gè)人 + 一個(gè)模型，就能觸達(dá)全球用戶。”

　　? 地理優(yōu)勢(shì)反轉(zhuǎn)：“你在哪”，變得沒那么重要了

　　正如Ronnie所說：過去，資源聚集在哪里，機(jī)會(huì)就出現(xiàn)在哪里?，F(xiàn)在，AI讓這個(gè)規(guī)則失效了——任何地方都可能成為下一個(gè)起點(diǎn)。

　　AI 就像一個(gè)隨身的專家團(tuán)隊(duì)，無論你在哪里，都能獲得類似的智能幫助。

　　這正在改變游戲規(guī)則：地理位置的影響在減弱，信息獲取的門檻在降低，更多人有了平等競(jìng)爭(zhēng)的可能。

　　那么，誰能真正抓住這波"地理逆襲"的機(jī)會(huì)?Ronnie 給出兩個(gè)關(guān)鍵詞：

　　1、連接感

　　不管你在哪，只要你能連接到 AI，能調(diào)用模型、借助工具，你就能打破信息孤島。

　　2、主動(dòng)性

　　地理逆襲不是自動(dòng)發(fā)生的，它依賴于你是否主動(dòng)使用 AI，是否敢把業(yè)務(wù)、工作、學(xué)習(xí)“外包”給新工具。

　　AI不只是讓一線城市更強(qiáng)，而是把偏遠(yuǎn)地區(qū)的起點(diǎn)大幅前移。

　　從非洲農(nóng)民到亞洲創(chuàng)業(yè)者，AI正在重寫'地理決定命運(yùn)'這條規(guī)則。下一波機(jī)會(huì)，很可能就在你沒關(guān)注過的角落。

　　結(jié)語(yǔ)|三條增量曲線：你在哪一條?補(bǔ)哪一塊?

　　60 分鐘的對(duì)話，其實(shí)只說了一件事：

　　AI 不再是風(fēng)口，而是像水電氣一樣的基礎(chǔ)配置。

　　它正沿著三條曲線，重構(gòu)個(gè)體與組織的增長(zhǎng)邏輯：

　　生產(chǎn)率線：從“親自做”變成“調(diào) AI 做”，小團(tuán)隊(duì)靠智能代理獲得十倍杠桿;

　　教育線：從“教知識(shí)”變成“教協(xié)作”，AI 合作力正在變成基礎(chǔ)素養(yǎng);

　　地理線：從“機(jī)會(huì)集中”變成“機(jī)會(huì)普惠”，技術(shù)正向全球偏遠(yuǎn)地帶下沉。

　　這三條曲線背后，是三種能力的遷移地圖：

　　你可能沒有意識(shí)到—— AI 已經(jīng)在參與你的每一件事。未來的價(jià)值分布，不看你在哪，也不看你學(xué)什么，而看你能不能把握住AI帶來的機(jī)會(huì)。

　　現(xiàn)在，現(xiàn)在，停下來想想這三件事：

　　你的業(yè)務(wù) / 學(xué)業(yè) / 工作，接入了哪條曲線?

　　哪項(xiàng)能力，是你下一個(gè)要補(bǔ)的短板?

　　下一次 10倍的增長(zhǎng)浪潮來時(shí)，你準(zhǔn)備好了沒有?

　　The future of work is arriving faster than expected.(新的工作模式比我們想象的來得更快。)

　　這未來，不再遙遠(yuǎn)——它已經(jīng)到了。

　　你要做的不是等待未來，而是融入它。

　　現(xiàn)在。

　　(本文來自“AI深度研究員”，多知經(jīng)授權(quán)轉(zhuǎn)載)

　　原文鏈接：

　　https://www.youtube.com/watch?v=XHqC70la8Xc&t=1035s&ab_channel=OpenAI

　　https://shows.acast.com/openai-podcast/episodes/jobs-growth-and-the-ai-economy

　　https://americanbazaaronline.com/2025/06/05/openai-hits-3-million-paying-enterprise-users-463403/

　　https://www.businessinsider.com/openai-response-to-dario-amodei-white-collar-jobs-ai-prediction-2025-6

　　https://getcoai.com/video/brad-lightcap-and-ronnie-chatterji-on-jobs-growth-and-the-ai-economy-the-openai-podcast-ep-3/