打开网易新闻 查看精彩图片

在2026年哔哩哔哩超级科学晚活动上，中国科学院院士彭承志就AI发展带来的影响发表看法。面对公众对AI变化的关注，他的表述保持克制：“公众不必过度焦虑AI带来的变化，持续学习仍是提升个人能力的重要方式”。

讨论落点回到人的能力建设

AI技术正在进入通信、计算和内容生产等领域，围绕效率提升与岗位变化的讨论同步升温。从彭承志的发言看，讨论的落点并非停留在“替代”与否的二元判断，而是回到个人能力建设。他提到，学习和经验积累仍然重要，AI可以承担部分任务。这一表述将技术变化与人的学习投入放在同一框架下：工具承担部分任务，人的知识更新和经验积累仍需持续进行。

对通信行业而言，网络规划、运维优化、客户服务等环节都在引入智能化工具，工具处理部分流程性工作，并不自动等同于个人能力被替代；能否理解技术边界、把工具嵌入业务流程，仍取决于长期学习与工程经验。

持续学习的行业含义

在技术快速迭代的语境中，“持续学习”常被提及，但落到行业层面，它不是简单增加知识量，而是保持对新技术、新工具和新业务形态的理解能力。彭承志把持续学习视为个人能力提升的重要途径，这与“AI可以承担部分任务”的表述并不矛盾：前者指向人的主动性，后者描述工具可以分担的任务范围。

通信行业技术链条长、系统复杂，经验积累往往需要项目周期和工程实践。AI可以辅助分析、生成和初步处理，但在复杂系统判断、跨环节协同和现场问题处置中，人的判断和现场经验仍高度重要。这也是“不必过度焦虑”的现实基础——焦虑不能替代能力建设，学习需要持续投入。

公共讨论需要技术理性

作为中国科学院院士，彭承志此次发言的场合是面向公众的科学传播活动。这样的场合下，他给出的不是对AI能力的夸张描述，也不是对替代速度的简单预测，而是对公众心态和学习方式的提醒。

对通信行业媒体和产业观察者而言，这一提醒同样适用：报道AI进展时，既要呈现技术应用带来的效率变化，也要准确说明任务边界；讨论岗位变化时，既要关注结构性影响，也要避免把不确定性放大为情绪化判断。技术演进由产业实践推动，个人能力提升则离不开持续学习和经验积累。从这一发言出发，减少情绪化焦虑、保持学习投入，是更可取的讨论方向。