2026 年 10 月 25 日（周日）上午，AKL AI Club 在 Safari Group 举办线下公益讲座，请到厦门大学信息学院江敏教授（IEEE Computational Intelligence Magazine 主编、梅西大学访问学者）主讲《AI：奇迹之后，常识之前》。现场坐满了来自各个大学、学院、机构和公司的伙伴。
江教授先把报名表里大家留的问题归成三类：AI 往哪走？AI 怎么落地？我们怎么办？讲座就按这三条展开，之后是开放讨论。
江教授 2007 年进入 AI 领域，二十多年一直做进化计算。2016 年 AlphaGo 下出第 37 手，是他心里的「奇迹时刻」。
他没有讲公式，而是把十几年的关键进展串成了一条线：每一步，都是人类把一件原本只能自己做的事交给了机器。写规则（2012 AlexNet）、设计特征（2013 word2vec）、标注数据（2017 Transformer）、提供偏好（2022 RLHF）、示范解题步骤（2024 推理模型）、亲自动手（2025 Agent），一直到正在发生的那一步：用 AI 研发 AI。
但今天的 AI 是「锯齿状」的：能拿奥数金牌，换个说法问一道简单的过河题，却会被经典题型带偏。
江教授引用了 Anthropic 10 月 16 日发布的两份报告。他的判断是：这家公司今天的样子，很可能就是一般机构一年半以后的样子。
两百多年来，一直是人催着机器干活；现在变成了机器催着人干活。
为什么大多数公司没感觉？差别在于，Anthropic 员工把一整件事交给 AI，并且为此改了流程；大多数人只是把 AI 当成升级版的搜索引擎。他给了三种落地路径：大企业嵌入流程，创业者做垂直领域，个人做一人公司。一句话：先改流程，再谈工具。
至于 AI 往哪走，他的概括是：从「会说话」，到「懂世界、能动手」，也就是世界模型、具身智能和 AI for Science。
江教授用进化计算的四个环节做框架：变异、评估、选择、遗传。「变异」，也就是生成想法和方案，已经可以交给 AI 了。人要守住的是后三步：选择靠品味，评估靠检验能力，遗传靠沉淀。不要追着模型跑，要把自己的知识和判断积累下来。
他也提醒大家做一个「等待淘汰测试」：花两年做的事，做完那天别人用最新的模型写几句提示词，能不能做得比你好？要选的是AI 越强、你也越强的事。
不要只拿它聊天。
比别人更准地判断 AI 做得对不对。
数据、客户、判断力。
把生成交出去，把选择、检验、积累留给自己。
提问：Jason Huang，Moon Robotics 创始人，做中小学生机器人培训与 STEM 教育。
江教授：「电的时代来了，还非要孩子用火，对他们不公平。」他还提醒，用别人写的 Skill 之前一定要打开看看，你不知道它会把你的东西发到哪里去。
提问：一位刚到新西兰两个多月、关注企业落地的参会者。
江教授：高校追求「这条路能打通」，企业要的是「能跑货车的高速公路」。用 AI 改造流程不是技术问题，而是系统问题。
提问：一位在线教育公司的从业者。
江教授：真正的品味是懂你的客户。可以每天记下一个自己的判断，过段时间回来复盘、修正。
提问：明明，奥克兰大学。
江教授：和潮流相悖的，都会被碾压。高等教育应该更注重训练学生的审美、判断和沉淀。
感谢江敏教授带来的精彩讲座；感谢 Safari Group 亚洲区总监 Lisa Huang 女士的场地支持；也感谢各位伙伴到场参与，提出了很有价值的问题。
关于本文 根据现场录音整理，有删节。讲座中引用的 Anthropic 数据已对照 Anthropic 2026 年 10 月 16 日发布的两份报告原文核对：How employment is changing at Anthropic、Working at the frontier shapes expectations for the future。
下一期活动 信息会在社群公布。登记会员，第一时间收到通知。加入社群 →
如果明天 AI 能替代你现在做的所有事，你还会去做什么？
来过现场的、没来成的都欢迎。说说你的答案，或者你在工作里把哪件「完整的事」交给了 AI。评论将公开显示，请对观点直接，对人友善。