徐飛

　　通用人工智能(AGI)的迅猛發展正在重塑全球教育格局，商科教育首當其沖面臨知識體系迭代、人才培養模式轉型的雙重挑戰。基于AGI時代的技術特征與教育變革邏輯，AGI的“可編碼能力”優勢，倒逼人類向“非編碼能力”遷移，而直覺思維、倫理判斷、創新設計等非編碼能力，構成了未來商科人才的核心競爭力。

　　一、AGI時代的教育革命與商科教育的現實挑戰

　　(一)AGI“元革命”

　　AGI作為第四次工業革命的通用核心技術，正在引發人類社會的“元革命”。之所以稱之為元革命，是因為歷次工業革命/技術突破只是人類智能(Human Intelligence：HI)的產物，都無關HI，唯獨AGI是關乎智能本身的革命，是完全以接近甚至超越HI為目標的技術。與傳統專用人工智能(ANI)不同，通用人工智能(AGI)具備跨領域問題解決能力，其底層技術架構(如Transformer模型)不僅實現了知識的高效檢索與重組，更催生出“智能體(Agent)”這一具備自主學習、任務執行與工具使用能力的新型系統。概言之，AGI的本質上是“工具的革命”向“革命的工具”躍遷，其對教育的沖擊遠超以往任何技術形態。實際上，當AI能夠在納秒級完成人類知識庫的檢索與重構時，以知識積累為核心的教育范式已難以適應時代需求。

　　(二)第四代大學呼之欲出

　　世界大學發展的歷程，大體上可分為三個階段。1088年意大利博洛尼亞大學和1200年法國巴黎大學的誕生，標志著第一代(中世紀)大學出現，其核心是知識傳授。1810年威廉·馮·洪堡創辦柏林大學，開啟第二代(近代大學)時代，大學在傳授知識基礎上重視知識創造，形成“大學自治、教授治校、學術自由、教學與科研統一”的理念，并確立了“教學與科研并重”的原則。1904年美國威斯康辛大學查爾斯·范·海斯校長提出，大學應具備人才培養、科學研究、社會服務三大職能，現代大學(第三代大學)至此成型。進入21世紀，隨著AGI技術的迅猛發展，大學教育迎來了新的變革契機，第四代大學呼之欲出。以可汗學院、奇點大學、密涅瓦大學等為代表的新型大學，以及以高舉“開環大學(Open Loop University)”旗幟的斯坦福大學為代表的諸多銳意改革大學，展現出與以往不同的特質，其最鮮明的特征是大學與AI深度融合。以密涅瓦大學、奇點大學為例，其課程設計不再局限于學科邊界，而是以解決氣候變化、數字治理等復雜問題為導向，強調AI工具與人類創造力的協同。這種轉型在商科領域尤為迫切——傳統商學院賴以生存的“知識傳授”職能正被智能教學系統、數字人導師等AI應用逐步替代，迫使教育者重新思考“培養什么人、怎樣培養人”這一根本問題。

　　(三)商科教育的現實挑戰

　　AGI的沖擊在商科教育領域具象化為六大現實挑戰。

　　一是知識半衰期驟降。工業時代知識更新周期約20-30年，信息時代縮短至5-6年，而AGI時代已逼近1年乃至更少。為數眾多的商學院畢業生因所學知識被AI快速迭代，而面臨“走出校門即知識過時，畢業即失業”的窘境，即便像哈佛商學院這樣的全球頂流商學院，調研顯示63%的畢業生認為，其所學知識在入職三年內已部分過時。

　　二是AI智能體的“黑洞效應”顯著。基于數據閉環的AI系統，呈現“越智能越易獲取數據，越獲取數據越智能”的“數據-智能”正反饋機制，導致人類在“可編碼知識”領域的劣勢持續擴大。劍橋大學研究發現，AI在標準化考試中的得分年均提升15%，而人類同期僅提升2%。

　　三是高校專業結構深度調整。美國國家教育統計中心數據顯示，2020-2024年美國商科本科招生量下降12%，而計算機科學專業增長27%。類似地，中國現有的14大學科門類中，理工農醫類因技術剛需持續升溫，而文史哲經管法教藝等文科專業招生遇冷。尤其是原來量大面廣的商學院生源持續萎縮，不少學校MBA和EMBA的報考人數小于招生計劃數，有的高校甚至停招商科本科生。

　　四是勞動力市場重構。AI不僅替代低端體力勞動，更向財務分析、市場調研等腦力崗位滲透。德勤研究表明，2024年全球30%的財務報告由AI生成，傳統財務崗位需求年均下降8%。

　　五是商學教育供給端和需求側結構性失衡。發展新質生產力和進一步深化改革，對復合型經管人才和相關研究的巨大需求與供給之間存在落差。

　　六是對商學教育價值質疑，這也是所有挑戰中最根本、最深刻的。商科培養的人才沒有展現出令人信服的變革領導力；實踐能力和創新思維培養不足，創新創業教育、針對中小企業管理的教育關注不足等也常被詬病。

　　二、非編碼能力

　　(一)可編碼與非編碼能力的二元分野

　　AGI的替代邏輯遵循“可編碼性”原則：凡是能夠通過數理模型量化、具備標準化流程、存在明確答案的任務(如會計核算、軟件測試、語音生成)，均可能被AI高效替代；反之，那些依賴情境判斷、充滿不確定性、需要價值權衡的“高灰度“任務(如戰略決策、心理咨詢、跨文化談判)，則構成人類的“能力護城河”。這種分野可通過2023年世界經濟論壇(World Economic Forum)發布的“AI智商淹沒曲線”直觀呈現：在任務結構化程度坐標軸上，圍棋(完全結構化)、翻譯(半結構化)、創業決策(非結構化)形成連續譜，AI表現隨結構化程度升高呈指數級上升，而人類優勢集中在非結構化區間。MIT的腦科學研究表明，人類前額葉皮層與默認模式網絡的連接強度，與非編碼能力呈正相關，這為能力培養提供了神經科學依據。

　　(二)非編碼能力的核心維度

　　21世紀商業思潮的拓荒者、著名未來學家趨勢專家丹尼爾·平克，在《全新思維》中提出決勝未來的六大能力：設計力、娛樂力、意義力、故事力、交響力和共情力。顯然，這六種能力都屬于非編碼能力。實際上，非編碼能力并非單一維度的技能，而是融合靈性、認知、情感、倫理的復雜體系和立體架構，其核心構成包括：

　　1.直覺與靈性認知。在人類認知的廣闊領域中，潛意識洞察、第六感官、頓悟能力等“非邏輯認知”，當屬獨特而神秘的非編碼能力。這些能力突破常規邏輯框架，以超越理性分析的方式，捕捉事物本質與潛在關聯。研究表明，90%的創新機會源于直覺思維，它如同黑暗中的明燈，指引著突破與發現。榮格心理學深刻揭示，直覺是連接個體意識與集體無意識的橋梁，集體無意識中蘊藏著人類長期進化積累的智慧，直覺讓我們得以從中汲取靈感。這種能力并非遙不可及，而是可通過系統訓練強化。哈佛商學院的實驗頗具說服力，8周正念訓練后，學生在商業洞察測試中的準確率顯著提升23% 。通過冥想、深度內省等方式能喚醒內在直覺，解鎖認知新維度，我們在復雜世界中能獲得獨特的理解與洞見。

　　2.倫理與情感智慧。AI無“ai”(愛)，AI不僅不具備良知判斷、責任擔當、共情能力、團隊領導力等“軟技能”，更無法理解人類情感需求。其實，商業活動的本質是“人的連接”，倫理缺失可能導致技術濫用(如算法歧視、數據壟斷)。沃頓商學院開發的“道德判斷測試”(MJT)顯示，通過腦電波分析(如P300成分)可有效預測管理者道德行為一致性，其相關系數高達0.68。

　　須知，當技術浪潮沖刷掉知識的“沙灘城堡”，留存下來的必定是人類文明的精神根系——對真善美的追求、對他人的共情、對未知的好奇心，以及在不確定性中堅守價值的能力。AGI恰如孫悟空能力超強，但商科教育的使命，卻在于培養能夠駕馭技術浪潮的“數字唐僧”——未必精通代碼，但一定擁有明確的方向感、強大的心力與溫暖的人性光輝。未來的商業領袖，將是“AI智商”與“人類情商”的平衡者，在技術理性與人文關懷的張力中，開辟可持續發展的新賽道。

　　3.創新與批判性思維。在AGI時代創新與批判性思維愈發關鍵。好奇心驅動的問題重構能力，能夠打破常規認知邊界，以全新視角重新定義問題本質；跨領域聯想能力，則如同搭建思維橋梁，將不同學科、行業的知識與經驗融會貫通，激發創意火花；而對既有范式的質疑精神，更是創新的基石，敢于挑戰傳統框架，突破思維定式。這三大能力相輔相成，共同構建起強大的非編碼思維體系，助力個人與組織在復雜多變的環境中實現突破與發展。

　　4.能量智能與流體智能。一般地，可將人類智能解構為“能量智能”+“物質智能”，其中，能量智能是系統或個體高效管理和利用能量的能力，涉及能量的獲取、存儲、轉換和使用；物質智能則是系統或個體有效管理和利用物質資源的能力，涉及物質的獲取、存儲、轉換和使用。人類智能亦可解構為“流體智能”+“晶體智能”，其中，流體智能涉及新問題和自適應推理，通常解決所見問題能力良好，但難以進行新穎的推理；晶體智能則涉及先前知識及其應用，通常知識保留能力強，但公開數據有限。在這四種智能中，物質智能和晶體智能可被AI模擬，能量智能和流體智能則是人類所獨有。后者突出表征的精神和“心力”——包括自驅力、使命感、抗挫折能力等，如同“唐僧”之于“孫悟空”，決定著技術應用的方向與邊界。

　　(三)人機對齊困境

　　AGI的工具屬性使其呈現“渣男”特性：不主動、不拒絕、不負責。它不會主動發起有益人類的行動，只會被動執行指令，且對結果不承擔倫理責任。例如，算法推薦系統可能加劇信息繭房，但AI本身無需為此負責。亞馬遜AI招聘系統曾因數據偏見降低女性簡歷評分，暴露技術中立性神話。需知，當下強調的“人機對齊”(Human-AI Alignment)，核心是“技術向善”，因此，商科教育的一大關鍵命題是培養學生駕馭技術的能力，而非被技術操控。這要求教育者引導學生思考“我們需要怎樣的AI?如何用人類的價值觀馴化技術?”。實踐中，歐盟《人工智能法案》(2023)嘗試建立“分級責任制度”，要求商科教育提前培養學生“算法審計”能力，如使用Python工具包檢測訓練數據偏差。

　　三、非編碼能力培養的理論框架與實踐路徑

　　(一)能力培養的雙維模型

　　基于認知科學與教育理論，可構建非編碼能力培養的雙維模型：能量智能×流體智能。

　　在橫向維度激活能量智能。通過哲學思辨、倫理研討、領導力實踐等課程，喚醒學生的使命感與價值觀。例如，開設“商業倫理與AI治理”課程，引導學生討論自動駕駛的道德困境、數據隱私保護等議題，強化“技術向善”的理念。

　　在縱向維度提升流體智能。設計“問題驅動型”學習場景，通過案例分析、沙盤模擬、跨界項目等方式，培養學生應對不確定性的能力。如借鑒密涅瓦大學的“全球沉浸計劃”，讓學生在真實商業場景中解決復雜問題，提升自適應推理能力。

　　(二)教學范式的三大轉型

　　1.從知識搬運到認知引導，教師角色轉向“元認知”引導者。一般地，知識可分為事實性知識、概念性知識、程序性知識和“元認知”知識。其中，元認知就是對認知的認知，也就是關于個人自己認知過程的知識，調節這些過程的能力，對思維和學習活動的知識和控制。元認知是可以橫跨學科的真正可遷徙的知識，包括戰略方面的知識，關于認知任務的知識(即情境、條件)，以及關于自我的知識。

　　例如，在戰略管理課程中，教師不再單純講授SWOT模型，而是引導學生思考：何時該用SWOT?其假設前提是什么?在AI時代如何迭代該模型?同時，借助AI學術助手(如GPT-4)完成文獻綜述、數據處理等基礎工作，教師聚焦于培養學生的問題定義能力與批判性思維。教師還可使用ClassMarker等AI工具對學生討論進行語義分析，實時生成“批判性思維熱力圖”，自動推送引導問題。

　　2.從標準化教學到場景化學習，構建“真實場景+虛擬仿真+AI輔助” 的混合式學習生態。其中，真實場景通過與企業合作開展“沉浸式項目”，如為初創企業設計商業模式，在實踐中培養方案落地能力；虛擬仿真利用數字孿生技術構建商業模擬環境，讓學生在虛擬市場中體驗戰略決策的復雜性；AI輔助通過智能教學系統實時分析學生的思維路徑，生成個性化反饋報告，如指出“該決策忽略了跨文化因素，建議參考XX理論”。典型的例子有，斯坦福大學“虛擬企業挑戰賽”利用Unity引擎構建元宇宙商業環境，學生向具情感計算能力的AI客戶推銷產品，系統根據微表情評估共情能力。清華大學“非編碼能力數字孿生系統”通過智能手環采集HRV數據，評估壓力應對能力。

　　3.從單一評價到能力圖譜。傳統以考試為中心的評價體系難以衡量非編碼能力，需引入多元化評估工具。過程性評估通過課堂辯論、項目提案、團隊協作表現等，評估學生的溝通能力、領導力；倫理決策測試通過設計兩難情境(如“是否為短期利益犧牲用戶隱私”或“是否披露環保違規”)，考察學生的價值觀；AI能力畫像利用學習分析技術(LAT)追蹤學生的認知發展軌跡，生成包含“問題提出能力、人際鏈接能力”等維度的動態能力圖譜。

　　(三)構建“非編碼能力矩陣”，重構課程體系

　　商科課程需打破學科壁壘，圍繞非編碼能力的核心維度重組內容。在基礎層，開設“直覺與創新思維”“商業倫理與社會責任”等必修課，討論自動駕駛道德困境等議題，奠定認知與倫理基礎；在應用層，設置“跨文化管理與共情力”“人機協同設計”“復雜系統決策”等模塊，培養實踐能力；在拓展層，引入“藝術與商業創新”“哲學與領導力”等跨界課程，激發想象力與跨界整合能力(交響力)。例如，南洋理工大學“能力積分制”允許學生通過AI倫理辯論獲取學分，通過這一舉措畢業生創業率三年提升27%。福耀科技大學擬試點“AI+商業”課程，學生需運用GPT-4生成市場調研報告，再通過小組辯論評估報告的倫理風險與戰略價值，實現“技術應用”與“價值判斷”的融合。

　　四、構建人機共生的商科教育新生態

　　(一)教育者的自我革新

　　麥肯錫預測，到2030年60%標準化教學任務將由智能體承擔，教師知識傳遞職能的不可替代性年均下降15%。鑒于此，AGI時代的教師亟待提升三重能力。(1)數智力：熟練運用AI大模型(自然語言大模型、推理大模型、多模態大模型)及AI工具輔助教學，如使用ChatGPT設計討論題、用Tableau可視化學生學習數據；(2)認知教練能力：引導學生理解AI的優勢與局限，培養“批判性技術觀”；(3)生態整合能力：協同企業、政府、技術平臺等多方主體，構建“教育-產業-研究”的閉環生態。例如，與科技公司合作開發“倫理決策模擬系統”，將前沿技術轉化為教學資源。

　　(二)學生需完成從“知識消費者”到“價值共創者” 的角色轉變

　　商科學生需完成從知識“被動接受”到“主動創造”的轉型，為此需在三方面發力。一是成為AI的“馴養者”，學會向AI提出高質量問題(如“如何用第一性原理重構這個商業模式?”)，而非依賴現成答案；二是構建“T型能力結構”，即垂直領域知識(晶體智能)+跨領域整合能力(流體智能)。摩根大通與哥倫比亞大學合作項目中，學生發現的算法歧視問題使少數族裔貸款通過率提升18%，體現“AI馴養者”價值；三是積極參與技術倫理建設，通過實習、競賽等渠道，為企業的AI應用提供人文視角的建議，如設計“包容性算法”減少偏見。

　　(三)教育政策與制度創新

　　政府與高校需共同推動系列改革。比如，學分制改革。可借鑒新加坡模式，允許學生通過參與AI倫理研討、社會創新項目等獲取學分，打破“課時-學分”的剛性關聯；進一步完善校企合作機制，建立行業級“倫理沙盒”，如金融領域算法公平性測試平臺。可要求企業為學生提供“人機協同實踐崗位”，如“AI產品倫理顧問”“智能決策分析師”，將職場場景轉化為學習場景。同時，啟動師資培訓計劃，設立“AGI時代教學創新基金”，支持教師開發非編碼能力培養的新課程新工具。亦可設立“人機協同教學導師”認證，對接德國雙元制經驗。

　　結語。AGI的崛起并非人類能力的終點，而是進化的新起點。AGI時代的商科教育，不是與AI比誰記得更快，而是要回答“我們究竟想成為怎樣的人”。這或許就是非編碼能力的終極意義——在數字荒原上培育出精神根系，在算法統治的世界里守護人類獨有的溫度與光芒。

　　作者簡介：

　　徐飛 博士，文科資深教授、博士生導師，國務院政府特殊津貼專家，美國哈佛大學、MIT高級訪問學者，出版著作20余部。歷任上海交通大學副校長，上海財經大學常務副校長，西南交通大學校長，現任福耀科技大學常務副校長。