蔣余浩：AI都在替人打仗了，為什么仍未能推動經濟社會大發展？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

編者按：據等多家外媒披露，美國中央司令部在對伊朗的空襲行動中，調用了Anthropic公司的Claude AI執行情報評估、目標識別與戰場模擬任務。一時間，輿論場上圍繞“AI接管戰爭”的討論升溫。

在社會經濟領域，AI的技術迭代同樣在持續推進，今年以來，一系列AI智能體、人形機器人等產品相繼發布，使“自動化”的前景在不同行業看起來愈發接近。然而，從企業組織結構的調整，到具體應用場景的塑造，再到勞動者角色的定位，技術產生的效益和造成的摩擦，卻似乎并不如AI敘事所描繪的那般樂觀。

本文從重構人工智能產業供給與需求關系入手，探討如何以應用場景為牽引，使企業、勞動者等需求側主體更深度參與人工智能工具的設計與制度安排，在“人機協同”而非單向自動化的路徑上，推動人工智能真正嵌入經濟社會中。

本文作者

蔣余浩教授

華南理工大學公共政策研究院（IPP）研究員、教授，廣東新質生產力政策研究中心主任

“衛報”近期一篇文章揭示：“據報道，Anthropic的人工智能模型Claude被美國軍方用于大規模打擊行動中，該技術“縮短了殺戮鏈”——即從目標識別到獲得法律批準再到發動攻擊的整個過程。”

“此前曾利用人工智能技術在加沙地區識別目標的美國和以色列，在僅頭12小時內就對伊朗目標發動了近900次襲擊。在此期間，以色列的導彈擊斃了伊朗最高領袖哈梅內伊。研究該領域的學者表示，人工智能正在縮短復雜打擊行動所需的規劃時間——這一現象被稱為‘決策壓縮’。有人擔心，這可能會導致人類軍事和法律專家僅僅對自動化的打擊計劃進行蓋章批準。”

據《華爾街日報》報道，美國中央司令部在對伊朗的空襲行動中，調用了Anthropic公司的Claude AI執行情報評估、目標識別與戰場模擬任務。圖源：彭博社

“2024年，總部位于舊金山的Anthropic將其模型部署到了美國國防部及其他國家安全機構，以加快戰爭規劃進程。Claude成為了由戰爭技術公司Palantir與五角大樓合作開發的一個系統的一部分，該系統旨在‘顯著改善情報分析，并使官員們能夠在決策過程中發揮更大作用’。”

將這個報道結合特朗普近日宣布的“封殺Anthropic”，可以了解到，AI的確日益深度地應用于美國軍事領域。但是，AI目前如何起作用，起到怎樣的作用，還將發展成什么樣？并沒有詳細信息。

上述看法其實與我們近年關于人工智能如何應用于具體需求領域的思考相符：在與具體的應用需求相結合，人工智能會獲得更多樣的創新發展空間。AI軍事化應當予以抵制——至少如同美國的ChatGPT用戶近日做的那樣。然而，探索人工智能產業的供給與需求相銜接、在應用中推動人工智能發展成為經濟社會多個領域的適宜技術，卻是值得大力激勵的努力。

事實上，美國、中國等的人工智能、人形機器人等先進技術產業發展在近年取得令人矚目的成績，但產業供給側的急速擴張，尚未能引發需求側的相應發展。如何聯動供給與需求兩側，是當前提振經濟景氣、實現內需拉動戰略的關鍵。

中國共產黨的二十屆四中全會提出“注重在發展中保障和改善民生，在滿足民生需求中拓展發展空間”，為圍繞經濟社會中的多樣化需求而發展先進技術制定了基本遵循。有研究者解讀中國近年的政策創新，提出超越新自由主義經濟學與凱恩斯主義的理論認識：“供給側結構性改革”和“構建完整的內需體系”不是相互對立的，而是需要用不斷的制度創新和技術創新來突破供給約束和需求約束（崔之元，2022）。

本文沿著這個思考推進，從重構人工智能產業供給與需求的關系入手，探討需求側的企業、勞動者等主體參與人工智能工具設計，實現先進技術的發展方向選擇，推動人工智能賦能經濟社會多樣發展的可能性。

人工智能（AI）在近年的突飛猛進，一方面產生了先進技術如何改變全球化發展模式、地緣政治格局、新的生產和生活方式等討論，另一方面，也導致普遍的社會焦慮，如人工智能是否會造成大規模失業、用于軍事目的、操控輿論和民主選舉、嚴重危害國家安全和個人隱私、加劇對少數群體的歧視等等諸種疑慮，反復出現在各類媒介中。

值得重視的是，隨著新技術產品日益廣泛地進入日常生活，針對未來變化的簡單的情緒化反應，逐步被審慎的思考所替代，開始有更多的資料反映先進的智能技術是否改變以及如何影響生產和生活領域的方方面面。

春節過后，關于中國人形機器人產業發展的熱烈討論，體現了這種審慎思考正在日益增強的趨勢。“經濟學人”雜志2月中旬的一篇文章，指出了“中國政府需求”目前作為最大的市場驅動力，激發了產業供給側的急速擴張，但“當前從‘能后空翻的機器人’到形成可持續商業模式的路徑尚不明晰。目前市面上購買的人形機器人，多數如同春晚舞臺上那些，僅作展示用途，鮮少參與實際生產工作。”

該文分析，最大的瓶頸在于“機器人若想突破新奇娛樂工具的局限，就必須常態化部署于替代人力的作業場景，以持續收集訓練數據。”同時也指出“中國政府正積極推動場景落地。多地政府已建立機器人應用測試中心，供企業投放機器人執行多樣化任務并收集數據，部分數據經整合后實現共享。”

這張圖展示了中國前30大機器人零部件供應商的分布情況，按市場資本化（十億美元）進行分類。圖源：經濟學人

上述文章的審慎態度可以與“經濟學人”的另一篇文章相對照。該文對正以驚人速度迭代的人工智能先進技術是否助推生產率大幅提升提出質疑，認為根據實證研究，綜合技術普及廣度、應用深度以及具體任務場景中的產出改善程度三個方面的表現，人工智能對生產率并沒有明顯影響：

（1）技術普及度有所提升，如2025年11月美國職場中使用生成式AI的勞動者比例已達41%，較一年前的31%顯著上升；

圖表展示了截止2026年2月，美國各行業使用AI公司的百分比，并標明了預計接下來的六個月內將采用AI的公司比例。圖表中的行業包括信息、專業科學、教育、醫療等。圖源：經濟學人

（2）技術應用深度不顯著，如僅有約13%的勞動適齡人口每天使用AI。多數應用局限于獨立任務而非全流程自動化：OpenAI數據顯示其模型主要用于職場寫作輔助與信息檢索；Anthropic的Claude則主要協助編寫代碼。

（3）在某些應用場景中有改善工作效率的表現，如使用ChatGPT可使寫作任務耗時縮減近40%。

該文由此提出一個認識：生產率躍升通常不僅源于勞動者更頻繁使用新工具，更關鍵在于企業圍繞技術重組生產體系。

以上根據實證研究展開的審慎思考，為我們進一步探討人工智能先進技術與經濟社會實際發展需求之間的聯系奠定了基礎。人工智能是人類知識積累形成的一種“公共品”，其社會價值在于被寄托了實現多樣經濟社會發展價值的希望。現有的人工智能產品顯然還不能滿足這種價值期望，那么，是否可能改變這種技術發展現狀？從這個關切出發，我們可以把上述“經濟學人”文章提出的審慎思考持續推進。

人工智能產業目前的急速擴張，更多得益于產業政策的偏重支持以及全球少數科技巨頭的大力推動。按照哈佛大學杰森·弗曼（Jason Furman）估算，美國2025年上半年約90%的GDP增長來自數據中心及相關資本投資支出。剔除投資驅動因素的調整指標更清晰地印證了這一點：舊金山聯儲的研究發現，排除此類投資影響后，實際生產率增長幾乎為零。

同時，根據Gartner發布《2025年人工智能技術成熟度曲線》，全球AI領域融資規模實現爆發式增長，融資達8912.8億元，較2024年全年增長49%；全球AI領域融資的頭部聚集效應持續加劇，十億級融資事件數量占比8%，對應的融資金額占比卻高達82%，單筆融資均值攀升至80.2億元，較2023年53.6億元，2024年75.5億元持續增長。

2025年人工智能技術成熟度曲線標示了不同AI技術所經歷的階段。其中通用人工智能（AGI）等技術目前處于期望的高峰階段；而生成式AI已經逐步走向成熟并進入啟蒙坡道，接近實際應用和生產階段。圖源：Gartner

關于中國的狀況，北京大學國家發展研究院伍曉鷹教授近期提供很有價值的推算：2001年加入WTO后的7年時間里，我國經濟全要素生產率年均增速高達2.1%，2008年全球金融危機之后，中國經濟的全要素生產率增速轉為負值，但ICT制造部門的全要素生產率增長率仍在提升；2018至2023年，ICT生產部門對全要素生產率的年均貢獻為0.4個百分點，其中ICT密集使用的制造業組更高，達到了0.9個百分點；一些服務業、非市場化服務部門和密集使用ICT行業中的服務業組，對整體經濟全要素生產率增長造成顯著的拖累，分別為-0.4、-0.7、-0.5個百分點。

這幾組數據揭示了我國當前存在的“生產率悖論”問題（Productivity Paradox）：在產業政策偏重支持ICT行業的條件下，ICT產業出現了一定的擴張，但是并沒有帶動其他諸多生產部門效率的改進。換言之，目前的人工智能產業供給還未能滿足多數行業的發展需求。

AI“生產率悖論”問題的產生在于尚未有意識反思兩個關鍵性難題：（1）供給與需求的關系；（2）人工智能技術發展的方向。

先看第二點。阿西莫格魯（Daron Acemoglu）在近年發起“重新設計人工智能”大討論，所針對的正是人工智能越來越偏向自動化與監控，這種創新方向對增強勞動者話語和自由產生不了幫助。阿西莫格魯強調了對于技術發展方向進行重新“選擇”的必要性：

“社會向無工作和監控行進，并非不可避免。人工智能的未來依然是開放的，可以帶我們走向很多不同的方向。如果我們最終擁有了強大的監控工具和無所不在的自動化（即沒有足夠多的工作留給人去做），那只是因為我們選擇了這條路徑。”

圖片來源于阿西莫格魯與帕斯卡爾·雷斯特雷珀(Pascual Restrepo)于2018年發表的論文。圖表顯示，在1980年擁有更多“新興崗位”的職業類別，在1980—2015年經歷更快的就業增長。換句話說，新技術（信息技術）剛剛興起時就出現的職業，在此后的幾十年里成為了就業增長的主力。

由此，是否可能以及如何對人工智能這樣復雜的先進技術的發展方向進行“選擇”？這涉及到重新審視供給與需求的關系的問題。應對AI“生產率悖論”問題，在于使先進技術真正融入生產和生活的具體應用場景。

但是，這里涉及的不僅是“企業如何應用人工智能”“如何擁抱人工智能時代”這類僅站在產業供給側立場上提出的問題，更需要回答“目前的人工智能是否對企業有用”“如何使人工智能真正賦能千行百業”等需求側的疑問。

一篇同樣討論中國人形機器人產業發展的博文，把這個視角轉化的意義講得很清楚：“當前產業中存在一種‘供給創造需求’的幻想，即認為只要創造出令人驚艷的產品，需求自然會出現。這種幻想被iPhone的成功放大——蘋果似乎證明了，消費者并不知道自己想要什么，直到你展示給他們看。

然而，這一邏輯的適用性是有限的。iPhone創造的是消費端的全新需求，其價值可以直接被消費者感知和體驗；而機器人首先是生產力工具，它的價值必須通過替代或輔助人類勞動、并顯著降低成本來證明。工業企業購買機器人，不是因為它酷炫，而是因為它能算得過賬——投資回報率是多少？回收周期多長？可靠性如何？”

西方政黨政治長期的左右輪換，其政策形式大體表現為在供給學派（“供給自動創造其需求”）與凱恩斯主義（“有效需求理論”）之間的搖擺。這種左右搖擺的狀況成為常態，很大程度上限制了人們超越左右立場去思考供給與需求的關系問題。在中國，如清華大學崔之元教授的分析，進入新時代以來，中央逐步形成系統的綜合把握“供給側改革”與“有效需求管理”的政策認識，蘊含著超越供給學派與凱恩斯主義的理論創新。

《中共中央關于制定國民經濟和社會發展第十五個五年規劃的建議》系統地表述了這個政策認識：“堅持擴大內需這個戰略基點，堅持惠民生和促消費、投資于物和投資于人緊密結合，以新需求引領新供給，以新供給創造新需求，促進消費和投資、供給和需求良性互動，增強國內大循環內生動力和可靠性。”這是進一步建設高質量的現代化產業體系的指導，國家發改委解讀“中國人工智能+”政策時，則將推動人工智能供需銜接作為一個重要工作加以強調。

中國政策對此已有較為系統的部署。

國務院早在2017年7月印發的《新一代人工智能發展規劃》中，就提出“根據基礎研究、技術研發、產業發展和行業應用的不同特點，制定有針對性的系統發展策略”等基本原則。

《國務院關于深入實施“人工智能+”行動的意見》提出“健全人工智能應用場景建設指引、開放度評價與激勵政策，完善應用試錯容錯管理制度。”

2025年11月出臺的《國務院辦公廳關于加快場景培育和開放推動新場景大規模應用的實施意見》制定關于場景應用的系統政策：“場景是用于系統性驗證新技術、新產品、新業態產業化應用以及配套基礎設施、商業模式、制度政策的具體情境，是連接技術和產業、打通研發和市場的橋梁，是推動科技創新和產業創新融合發展的重要載體，對促進新技術新產品規模化商業化應用具有重要牽引作用。”相應形成了“技術突破—場景驗證—產業應用—體系升級”的全鏈條路徑及一系列有關資源配置和要素改革的配套保障。

“應用場景引領”政策以促進供給與需求、研發與應用、試驗與推廣之間反復互動為特征，因地制宜發展人工智能等新質生產力技術工具，為應用端提供了參與新技術創造和改進過程的機遇。

但是，踐行應用場景引領、從需求出發選擇技術發展方向，還需要考慮“需求側是否有創新資源解決實踐問題”這樣的現實難題。

實際上，作為長期處于趕超戰略下的發展中國家，中國的科技與產業政策受“線性分工”思維的影響比較大，中國工程院李國杰院士在最近的文章中描述了這個現象：“新中國成立的時候，幾乎沒有能從事應用研究和技術開發的企業，本應由企業完成的產業創新就都交給了大學和科研單位。因此，在經濟系統之外形成了一個獨立的科技系統，體制內的事業單位幾乎成為科研的唯一載體。由于企業技術開發能力薄弱，我國在‘科研線性模型’的末端又加了一個‘成果轉化’階段，形成‘基礎研究—應用基礎研究—技術開發—成果轉化’的中國科研模式，這種模式一直持續到現在，這就是人們常說的‘科技與經濟兩張皮’。”[10]

在“線性分工”的思維下，第一，“創新”被狹隘地理解為先進科技的輸入，研發與生產構成相互隔離的兩套系統，包括制造業在內的生產體系的內生創新需求和實踐被排除在所謂創新系統之外，在政策上得不到支持；

第二，科學優于技術、科研優于生產的觀念具有壓倒性影響力，“創新能力”在指標體系中被等同于“發明專利”。全球許多城市為模仿硅谷模式而投入巨資，但所謂“創新高地”長期只屬于少數幾個地區。創新系統相對于生產系統的封閉性，使科研機構往往脫離產業發展實踐，不能從企業實際的創新需求中提煉科研問題，造成許多新興科技產品無法深度融入生產過程，而相當多企業找不到適宜的科研資源來輔助其解決轉型升級問題。由此，無論在科研上還是在產業發展路徑上，都經常難以擺脫被鎖定在發達國家的既定技術路線內的命運。我國很多重要行業中出現“引進-落后-再引進”的“追趕者陷阱”，正是這個政策思維導致的企業獲取科技創新資源嚴重不足的后果。

在當前的人工智能前沿發展中，少數科技巨頭所起到的作用已經無以復加，這形成了從需求側出發來選擇人工智能發展方向的重大阻礙。這個狀況是人工智能的創新特性所決定的。實際上，自從辛頓（Geoffrey Hinton）探索出“反向傳播”的算法給予了神經網絡一種“自我糾正”的機制，即能夠將所判斷為錯誤的信號一層一層的傳導回去，自動調整內部參數，從而實現機器的自我學習，人工智能就具備了打破規則主義所遵循的“向后看”的線性時間路徑。

隨著“深度學習”技術的進一步突破，神經網絡表現出更加不可限量的從海量數據中提取特征（“向后看”）、最終識別出復雜對象的思考深度（“有限的向前看”）。這種突破人工智能“線性時間”科研路徑的方法，在Transformer構架的發明中得到充分體現。因此，在發表于2023年3月《科學》（Science）雜志上的研究中，麻省理工學院三位專家指出：在人工智能研發中，所謂基礎研究與應用研究之間的界限非常模糊，比如谷歌大腦研究團隊（Google Brain）在2017年推出的主要用于自然語言處理（NLP）和計算機視角（CV）領域的深度學習模型Transformer架構，既是技術發明上的創新，又是原理發現上的突破。

人工智能的這種創新特性決定了，少數科技巨頭有可能依靠其擁有的龐大算力、超大規模數據集和更多的技術專家來完成通用性強、與一般性實踐問題結合更緊密、跨越多個學科的前沿探索，由此產生“產業界對應用端的主導也給予了它塑造基礎研究方向的權力”的支配性效果。

少數科技巨頭以其龐大的資源聚集能力而形成的對于人工智能發展方向的主導，的確不易被打破。但是，如李飛飛提出不同于大語言模型的“大世界模型”（LWM），理查·薩頓（Richard S. Sutton）等提出“基于經驗的學習模式”，麻省理工學院初創團隊推出挑戰Transformer的LFM（Liquid Foundation Model）新架構模型，等等，這些新的人工智能技術路線探索，都在尋找更直接從物理世界和人類經驗中學習、從而形成“智能”的可能性，更徹底地突破線性時間對于人工智能先進技術發展路徑的桎梏。可以將需求側的多樣要求融入這些豐富的探索中，使得更多的技術創新能夠更緊密地從需求側的多樣要求中產生。

因此，需要以極大的精力推進產業政策和創新系統的變革，給予在需求側的廣大非ICT或AI行業和企業以政策支持，同時突破長期“線性分工”思維形成的科研與生產、高校與產業相分割的障礙，使各行各業有可能基于自身發展需求來動員各類創新資源，共同進行改善具體領域生產率的技術研發和創造。

在近期有幾份研究報告提出了頗具啟發性的探討，值得在此處加以介紹。值得引起重視的是，較之前述“經濟學人”那篇文章提出需要將機器人“常態化部署于替代人力的作業場景”的見解，以下的這三份研究報告更側重于對于勞動者發展能力的保護和提升，因此不僅關注在先進技術加速時期企業的發展，同時還注重普通勞動者的成長空間。

2025年4月聯合國貿易與發展委員會（UNCTAD）公布報告，倡議“包容性人工智能”（Inclusive Artificial Intelligence）的政策方案，提出“以工人為本位的AI發展路徑”：要實現更具包容性和公平性的技術發展，就需要更加重視勞動者及其職業成長。這包括將傳統旨在實現最高生產率和效率的目標的范圍擴大，以促進技能發展，并使勞動者能夠適應并在不斷變化的技術環境中蓬勃發展。

UNCTAD發布的報告指出，從開發、生產到維護，人工智能產品的每一個生命周期階段都依賴于人類勞動。圖源：UNCTAD

為了建立信任和認可，工人應當有機會積極參與人工智能工具的設計和實施過程。工作流程和任務應當進行重新安排，以有效整合人工智能技術，同時滿足工人的需求并保持有意義的人類角色。這種“協作型人工智能系統”應當增強而非取代工人，促進工作滿意度，并為個人和職業發展創造機會。報告用更多的篇幅指出，在人工智能基礎設施、數據和技能上如何進行重新設計，使工人參與設計的人工智能工具有可能得到研發和應用測試。

伯克萊加州大學勞動研究中心2025年連續發布兩份研究報告，提出實際應用先進技術的勞動者參與技術設計的思路，如通過以“工人為中心”的治理、加強企業責任、提升透明度以及強化勞動力保護等手段，構建安全、公平的未來工作形態。報告指出，應引入一線工人的聲音來防止工作崗位被過激策略所取代，并通過“人機協作模式”確保技術創新惠及所有勞動者，而不僅僅依賴技能培訓來提高工人輔助先進機器運作的能力。

有意思的是，這三份報告都提到了人與機器協作系統的重要性。在參加阿西莫格魯發起的大討論時，一位技術專家指出了以“人機協同”（Human-AI Interaction，HAII）替代自動化取向的人工智能技術路線的可能性：

“人工智能系統，反過來，可以在用戶的幫助下與時俱進。當任務變更或流程調整時，系統可依托用戶輸入來修正認知、捕捉相關案例、并通過自我訓練適應新場景。要實現這種運作，系統需要特定的能力：首先，能夠觀察用戶，穩健地推斷其狀態、預測其意圖和行動——甚至他們的參與程度和情緒狀況；其次，基于對物理世界的常識，與用戶進行有效溝通。這類似于人類的互動：通過借助物體、手勢和指向來消除歧義，預判后續行動，必要時主動干預。我們需要突破現有聊天機器人的局限，打造多模態、有情境感知力的交互系統；最后，協同系統需要不斷從用戶那里學習，根據用戶的輸入持續優化感知和決策。它需要對自身的不確定性有原則性的理解，并尋求更多數據來改進自身的學習并解釋自身的行為。”

實踐中，“人機協同”研究近期取得快速拓展，最新的進展是探討如何讓人類深度參與人工智能系統的開發、運營與采用過程，突破“可爭議性”的局限賦予用戶自主權，使其能夠調整乃至共同設計AI的內部機制。

形成用戶自主調試人工智能的“人機協同”技術突破，或許能為各行各業、尤其是從事靈活就業的群體提供輔助其獨立處理復雜信息、獨立決策的幫助——人工智能成為David Autor所希望的“私人專家”（personal expert）？

無論如何，這些不同于少數科技巨頭引領的自動化和監控為主要功能的技術發展探索，值得專門予以總結和推進。在政策上夯實“從需求側來選擇先進技術發展方向”的理念，是將“供給側結構性改革”和“構建完整的內需體系”有機銜接的制度創新與技術創新，這樣才能使先進科技落地為對多樣發展需求有益的技術進步。

蔣余浩

華南理工大學公共政策研究院研究員、廣東新質生產力政策研究中心主任

參考文獻：

“China’s humanoids are dazzling the world. Who will buy them?”，https://www.economist.com/business/2026/02/18/chinas-humanoids-are-dazzling-the-world-who-will-buy-them.

“The AI productivity boom is not here (yet)”，https://www.economist.com/finance-and-economics/2026/02/22/the-ai-productivity-boom-is-not-here-yet?itm_source=parsely-api.

“The AI productivity boom is not here (yet)”，https://www.economist.com/finance-and-economics/2026/02/22/the-ai-productivity-boom-is-not-here-yet?itm_source=parsely-api.

伍曉鷹：“AI：一個新的‘索洛悖論’？”，https://finance.sina.com.cn/cj/2025-07-24/doc-infhqpau9151563.shtml.

Daron Acemoglu，Redesigning AI：Work，Democracy，and Justice in the Age of Automation，Boston Review Forum，2021.

同上，第24頁。強調為原文所有。

“舞者與工作者：中國人形機器人的‘死亡谷’困境”，https://mp.weixin.qq.com/s/_fcB8j1JfMG_KSjIU76mWg.

崔之元：《新三位一體：供給側結構性改革、雙循環和共同富裕》，載《清華金融評論》2022年第3期；《文化縱橫》編輯部對崔之元教授的訪談：《一個被誤讀的關鍵詞：清華教授揭示“內卷”的真正代價與出路》，載《文化縱橫新媒體·政策觀察》2025年第41期總第241期。

“擴內需有何新舉措？如何實施好‘人工智能+’行動？——國家發展改革委解讀當前經濟熱點”，https://www.gov.cn/zhengce/202508/content_7038283.htm.

李國杰：《大力推進以產業發展為導向的科技創新》，載《中國科學院院刊》2025年第5期。

陳玲、孫君、付宇航：《政策協調、不確定性與大型技術系統創新——中國核電技術趕超的案例研究》，載《公共政策評論》2024年第3期。

Nur Ahmed，Muntasir Wahed，and Neil C. Thompson，“The growing influence of industry in AI research：Industry is gaining control over the technology’s future”，Science，2 Mar 2023，Vol 379，Issue 6635，p.885.

Ahmed，Wahed，and Thompson，“The growing influence of industry in AI research：Industry is gaining control over the technology’s future”，p.885.

“2025 Technology and innovation report：Inclusive Artificial Intelligence for Development”，https://unctad.org/system/files/official-document/tir2025_en.pdf.

“Take the Mic: How Worker Voice Shapes Workplace Technology”，https://techequity.us/wp-content/uploads/2025/07/Take-the-mic-worker-voice.pdf；“AI & Workforce Development: Building a Secure, Equitable Future for Workers”，https://techequity.us/wp-content/uploads/2025/11/AI-Workforce-Development-2025-Report-_final.pdf.

Lama Nachman，“Beyond the Automation-Only Approach”，in Daron Acemoglu，Redesigning AI：Work，Democracy，and Justice in the Age of Automation，p.74.

Muhammad Raees，Inge Meijerink，Ioanna Lykourentzou，Vassilis-Javed Khan and Konstantinos Papangelis，“From Explainable to Interactive AI: A Literature Review on Current Trends in Human-AI Interaction”，https://arxiv.org/pdf/2405.15051.

IPP評論熱門文章

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。