引子  新质生产力跃迁后，人类能力结构必须重排。AI越强，可标准化能力越贬值，人的核心价值越向不可外包的高阶能力凝聚。 选择AI只是入口，不是核心。核心是人的能力能否在AI回路中形成生态、持续进化。新质生产力越强，人类核心价值越凝聚、越核心。AI赋能与新质生产，赋的是效率、精度和调度能力。人类元主权守的是目的、价值、边界、责任和意义。元主权不是生产力质态的对立面，而是生产力不失控、不跑偏、不空心化的前提。这是AI赋能新质生产力条件下，人类元主权的深刻位置。

元知识   元认知

零、AI的能力源

简单而言，它来自人类长期积累的知识、数据、经验与反馈，以及把这些内容转化为可计算、可泛化能力的技术体系。拆开说，它

1. 来自人类知识与数据AI 的语言能力、推理模式、领域知识，底层大量来自人类写下的文本、代码、图像、论文、书籍、对话和业务数据。

2. 来自人类反馈与标注很多模型能力不是“天生”的，而是通过人类示范、偏好排序、纠错、评审、强化学习反馈塑造出来的。

3. 来自算力与工程体系能力源还包括大规模计算、模型架构、训练方法、推理优化、数据治理和工程化部署。

4. 来自真实场景中的使用与迭代AI 辅助真正起作用，还因为它进入具体工作流，被用户使用、验证、纠正，形成“模型能力 + 场景知识 + 人类判断”的闭环。

所以更精炼地说：

AI的能力源来自人类知识与实践的数据化沉淀，以及将这种沉淀转化为可计算、可交互、可迭代能力的技术与反馈体系。

人类的学习与实践是AI的能力源。

无可替代，至善至美。让学习成为一生成长的快乐习惯！

一、AI辅助用度与刻画

AI真正改变的是认知劳动的边际成本骤降、使用行为高度隐蔽、评价信号被规模化污染。 所以核心变量是用度。AI没有发明学术不端，它只是把成本、速度、隐蔽性、规模改了。所以问题本质不该停在“谁负责”，而应落在AI的过人能力该用到哪一层，用到什么程度，才算不掏空评价目标。AI真正的新本质是用度的边际成本变了。

以AI辅助写作为例，以前“用度”贵。查资料、写初稿、改语言都要时间，代写有经济门槛。现在生成一段论证几乎零成本，改写到看不出AI几乎零成本，批量生产几乎零成本。使用不留痕，核实成本反而上升。所以AI的问题不是“能不能用”，而是当用度可以无限加深且不可见时，评价信号会失真。论文和作业不只是文本产品，还是“能力信号”。AI的过人能力若替你把信号发了，评价测到的就不是你。如果目标是最终文本质量，AI过人之处当然该用，越用越好，比如工作文案、代码辅助、翻译初稿、格式润色。如果目标是评价你的能力形成，AI用到“替代被评价能力”的程度，就是开外挂。不是用AI不道德，是任务目标和用度冲突。如果目标是人机协作创作，披露后大胆用，用度可以很深，但规则要事先说清。AI过人之处该用，但要用在任务目标允许的那一层。 目标不是测你，就大胆用；目标是测你，就不能让AI替你考。

用度怎么刻度化，可以设五档，按场景定上限如下：

• L0 禁用：闭卷考试、必须独立完成的诊断性写作。

• L1 辅助：润色、格式、查错、提纲头脑风暴，人写核心。

• L2 协作：AI生成备选段落/文献线索，人筛选、重写、核实。

• L3 深度协作：AI生成初稿或核心框架，人实质重写并披露，仅限允许场景。

• L4 代写：AI生成核心内容并冒充作者提交，红线。

关键不是禁止L3/L4，而是不同场景设不同上限。课程论文上限可能是L1/L2，工作文案可到L3，创意协作可到L3/L4但必须披露。用度由目标定义，不由道德直觉定义。

“用度”不能只靠感觉，要看下面四件事：

1. 替代层级：只替打字，还是替了阅读、论证、取舍、原创？

2. 可核实性：人能否解释、复核每个关键论断？

3. 可披露性：是否按场景说明用了AI做什么？

4. 目标一致性：是否绕过了本来要评价的能力？

AI辅助的问题本质，不是署名责任突然没了，而是AI让“用度”可以无限加深且难以观察，从而冲击评价目标和能力形成。应对核心不是泛泛谈责任，而是按场景给用度设上限。该用过人之处就大胆用，但用到替代被评价能力那一层，就是越界。用度是本质，但用度必须由任务目标来定义，并由核实、披露、责任来兜底。

二、AI辅助的本质：不是工具，是“认知杠杆”

AI和锤子不同。锤子放大体力，AI放大的是认知劳动的边际能力，如检索、概括、生成、翻译、改错、推演备选方案。它的本质是认知杠杆，同时带两个方向：

• 增强：把你从低阶重复劳动里解放出来，让你把精力放到判断、取舍、原创、验证上。

• 卸载：如果你把判断、取舍、验证也交出去，被卸载的就是能力本身。

所以AI辅助的本质不是“替你写”、“替你做”，而是把认知劳动分层，然后决定哪一层外包、哪一层必须自留。辅助和替代的分界线，不在文本像不像AI，而在被外包的是不是核心能力形成环节。

三、核心价值没变，但“弱项”的定义变了

核心价值仍是判断力、责任心、原创性、伦理承担、对真实世界的理解。这些AI替不了，也不该替。

但“弱项”要重新定义：

• 不会检索、不会用AI做初稿、不会人机协作，这些会变成新弱项；

• 而把AI当答案机、不核实、不解释、不负责，是更致命的弱项。

承认弱项不是承认自己不行，而是承认能力结构变了。 不承认的人，会把AI当遮羞布；承认的人，会把AI当杠杆。前者保住面子，失去里子；后者短期露短，长期变强。

四、为什么人类个体容易拒绝承认弱项

因为AI辅助冲击的不是知识，是自尊和评价信号，同时，对评判评价能力提出极高要求：

• 以前“会写”是能力证明，现在AI一生成，文本显得不值钱；

• 承认用AI，像承认自己不够强；

• 偷偷用，又怕被说不端。

于是出现拧巴，明明受益，却说不端；明明用了，却不承认。 这不是地道不地道，是评价体系还停在“看终稿”，而能力结构已经变了。制度没给“诚实使用AI”留出体面位置，人就会偷偷用或一刀切排斥。

五、从“禁不禁”转向“增强学习”

核心原则是AI必须用，但要用成“增强学习”，不能用成“替代学习”。

1. 承认弱项，设能力锚点。每个任务先问这件事要训练我什么核心能力？阅读、论证、取舍、验证、表达，哪一层必须我亲自过？AI只能用在非锚点层。锚点层必须留下你的草稿、修改、口头解释。

2. 用度可见，辅助留痕，不靠检测，靠过程。提纲谁列的、初稿谁写的、哪些段落AI生成、你改了什么、核实了什么。披露不是认罪，是能力声明。我用了AI，但我能解释、能核实、能负责。

3. 人机分工协议。AI做“发散和粗加工”。如备选框架、文献线索、语言润色、反例提示、代码调试。人做“收敛和终审”。定问题、选路径、核事实、做判断、担责任、写核心论证。分工上。AI负责可能性，人负责必要性。

4. 评价需提升，评判需凝聚。从终稿转向过程+能力自证，加口头答辩、版本记录、课堂写作、随机追问、现场改稿。让“能否解释和迁移”成为硬指标。这样诚实用AI的人不吃亏，偷偷代写的人藏不住。

5. 元认知训练。训练识别我哪里弱？AI补的是弱项还是替了强项？我用完是变强了还是更依赖了？承认弱项是元认知，不是羞耻。 会用AI的人，不是没有弱项，而是知道哪一层必须自己长。

AI辅助的本质，是认知劳动的分层外包。解决之道，是把低阶劳动外包给AI，把判断、核实、原创和责任留在人这里，并让用度可见、能力可证。 核心价值没变，所以AI必须用；但人若不承认弱项、不设能力锚点，AI就会从杠杆变成拐杖。未来不属于拒绝AI的人，也不属于把AI当替身的人，而属于敢承认弱项、会用AI增强自己、还能对结果负责的人。

（待续...）

支持单位：