【导语】在AFAC2025金融智能创新大赛的圆桌对话上，多位专家就AI技术的“内卷”现象及其影响展开了深入探讨。清华大学副教授姚权铭指出，AI同质化竞争虽带来压力，但也促使科研人员反思研究本质。机器之心联合创始人李亚洲认为，AI发展是“内卷式创新”过程，大模型技术扩大了应用场景。蚂蚁集团项目管理总监李晖强调，AI能否提升生产力取决于能否找到差异化价值。同时，对于AI创业时代所需人才，Xcube.co董事Eelee Lua提出，企业需“创业型人才”具备批判性思维、跨领域执行力和市场洞察力。姚权铭还分享了高校培养科研人才的思路，李亚洲则建议AI人才需具备扎实理论基础，并积极与产业界沟通。
圆桌对话现场 来源：AFAC2025金融智能创新大赛
“AI同质化竞争一定程度上加速了‘内卷’，但‘内卷’也未必是坏事。”8月27日，在AFAC2025金融智能(néng)创(chuàng)新(xīn)大(dà)赛(sài)圆(yuán)桌(zhuō)对(duì)话(huà)环(huán)节(jié)《临(lín)界(jiè)2025：AI时(shí)代(dài)青(qīng)年(nián)定(dìng)义(yì)浪(làng)潮(cháo)的(de)破(pò)局(jú)点(diǎn)》上(shàng)，清(qīng)华(huá)大(dà)学(xué)电(diàn)子(zi)工(gōng)程(chéng)系(xì)副教授、博士生导师姚权铭表示，当前AI技术的发展使得跨界成为常态，科研领域的竞争也变得更加激烈，这种竞争的压力正倒逼科研人员重新思考， 做研究的本质究竟是为了发顶刊论文，还是为了能让技术在未来产生深远的应用价值。
姚权铭谈到，作为一名科研人员，过去他主要从事自动化支持类技术，但在大模型时代，这类技术一定程度上已经被淘汰。过去“小作坊”模式是为每个客户定制模型，进行数据清洗和模型调优，但现在大模型技术兴起后，这个过程已经被标准化、平台化替代(dài)。
在(zài)这(zhè)个(gè)过(guò)程(chéng)中(zhōng)，他(tā)一(yī)直(zhí)向(xiàng)博(bó)士生强调的是，从指标来看，博士毕业要求有一篇毕业论文，或许未来可能要求一个人发六篇论文，但这种表面上的数字增长与否并不代表全部。真正重要的是在经历这一过程时，论文本身应该是为了解决技术的核心问题，并且能超越短期的一两年商业周期，指向未来可能的技术突破。
机器之心联合创始人、副主编李亚洲认为，人工智能的发展本质上是一个“内卷式创新”的过程。他从2014年开始报道AI领域，早期深度学习刚出现时，大家都认为这是一项具有突破颠覆性技术，但能解决的问题和应用场景非常有限，比如语音识别、计算机视觉等任务。随着数十年的技术迭代之后，大模型技术的兴起，才真正扩大了AI的通用性和应用场景，也具备了更广泛地解决问题的能力，也正因此卷着大家不得不跟进大模型技术，然后实现创新。
蚂蚁集团财富保险事业群项目管理总监大赛执委会主席李晖认为，AI最终成为能提升生产力还是加速同质化内卷，取决于是否能在平台之外找到不可复制的差异化价值和优势。在这个过程中，创业的逻辑(ji)也(yě)在(zài)发(fā)生(shēng)变化。过去十年，创业经历了两个周期，一个周期是以移动互联网为代表的创业浪潮，最大的创新是应用层创新，这一阶段也成就了一批如今的知名公司，如滴滴、美团、今日头条等。第二个创业周期，即当下的AI创业潮，这一时期也呈现出一定差异和特征。
李亚东指出，AI创业浪潮下呈现明显年轻化的趋势，越来越多博士在读或刚毕业的年轻人就做出知名创业项目，并且迅速获得投资，另一方面，技术创业变成应用创新创业的趋势越来越明显。
“特别明显的感受是，大家现在推很多AI产品，都会先去大肆宣传一波吸引流量、用户和投资，之后再去完善自己的产品，这从技术领先创业，变成流量性创业了。”李亚东说。
AI创业时代，企业到底需要怎样的人才？
Xcube.co首席幕僚长兼董事Eelee Lua认为， 企业成功不(bù)仅(jǐn)依(yī)赖(lài)创(chuàng)始(shǐ)人(rén)与(yǔ)技术，更需要“创业型人才”。这类人才须具备批判性思维、跨领域执行力和市场洞察力。她特别强调，AI的普及反而可能让人减少思考，因此软技能愈发重要。
她指出，当前不论在中国、东南亚、中东欧美都有一个趋势，企业需要的人越来越少。所以我们需要思考的是，我有什么和别人不一样的地方，找出自己的强项和特点，最大程度展示出来。
在这个时代，她认为有三种人群是不可或缺的，一种是技术底座的构建者，比如能够为模型底座提供架构；一种人才类似整个生态的链接者和翻译者，能深刻洞察用户痛点，知道用户需要什么，也能快速、敏捷地解决问题。这种模式现在已经在AI创业机构中出现了，特点具有模块化(huà)、敏(mǐn)捷(jié)性(xìng)的(de)特(tè)征(zhēng)；还(hái)有(yǒu)一(yī)种(zhǒng)高(gāo)纬(wěi)度(dù)人(rén)机(jī)互(hù)动(dòng)的(de)实(shí)践(jiàn)者(zhě)，能(néng)够(gòu)非(fēi)常(cháng)好(hǎo)地运用技术实现高纬度的人机互动。
姚权铭谈到当前高校培养科研人才的思路，他认为，一类人才是深度研究型，这类人才偏好刨根问底，关注基础概念，例如样本复杂度、泛化能力、优化代价和准确度等，这类人才适合走学术。另一类人才比如有编程基础，并能对大模型保持批判性思考，他们能尝试做 API 演示，能力强的甚至能在顶级会议上发表论文 。这类人才偏向于实践导向(xiàng)，对(duì)新(xīn)问(wèn)题(tí)和(hé)新(xīn)应(yīng)用(yòng)有(yǒu)浓(nóng)厚(hòu)的(de)兴(xìng)趣(qù)，执(zhí)行(xíng)力(lì)强(qiáng)，不(bù)会(huì)过(guò)度(dù)纠(jiū)结(jié)于(yú)技(jì)术(shù)瓶(píng)颈(jǐng)，他(tā)们(men)是(shì)推(tuī)动(dòng)技(jì)术(shù)转(zhuǎn)化(huà)和(hé)应(yīng)用(yòng)落(luò)地(de)的(de)关键力(lì)量(liàng) 。
他(tā)强调，不论哪类人才，都必须具备“讲清楚自己为什么做这件事”的能力，即整体思考与批判性思维，这是AI无法替代的。
李亚洲补充道，AI人才还是需要扎实的理论基础，同时积极主动与产业界沟通，“学界与业界的结合将推动更多基础模型创新”。他建议从业者从算力思维转向效能思维，从技术追赶转向场景定义。