本周核心判断：AI 正在从“帮人做事”进入“替人执行”的阶段。越是这样，人的价值越不只是会不会用 AI，而是能不能定义问题、验证结果、做出判断，并对最终结果负责。

这周有一组数据我觉得特别值得放在一起看。

IBM 在 9 月 21 日发布了一份针对 1,500 名 CHRO 和 8,800 名员工的全球研究。71% 的 CHRO 认为，未来员工最重要的能力之一，是能够监督、验证，并在必要时推翻 AI 的输出。但员工端对这件事的重视程度明显低得多。与此同时，60% 的员工已经开始担心 AI 会让自己的某些能力退化，其中最常被提到的就是 critical thinking。

另一边，Experis 最新的美国科技行业招聘调查也出现了类似结果。在科技公司最看重的能力里，Professionalism & Work Ethic、Critical Thinking & Problem-Solving、Adaptability、Communication & Collaboration，全部排在 AI Literacy 前面。AI Literacy 当然重要，但它已经不是唯一答案。

“会不会用 AI”正在逐渐变成基础题，“AI 做完以后你知不知道它做得对不对”开始变成区分人的题。

这两者听起来很接近，实际上完全不是一回事。

01｜这周加拿大很热闹，但真正值得看的不是又办了几个 AI 大会

过去两周加拿大科技圈的动作非常密集。蒙特利尔刚结束ALL IN，多伦多紧接着就是 Elevate Festival，而且开幕当天 Elevate 正式宣布更名为 NRTH。

ALL IN 今年吸引了超过 8,500 名、来自 50 多个国家的参与者。大会期间，加拿大宣布推动新的 open-source AI consortium，并与德国围绕 AI、安全和 sovereign technology 展开新的合作；加拿大和德国还计划分别投入 1.5 亿加元和 1 亿欧元支持 Yoshua Bengio 创立的 LawZero。

但如果只看这些大新闻，很容易忽略加拿大现在真正焦虑的问题。加拿大其实并不缺AI research，也不缺大学、人才和技术。现在越来越多讨论开始指向同一个问题：我们研究出来了，然后呢？怎么商业化？怎么进入企业？怎么帮助中小企业提高 productivity？怎么让普通员工真正具备使用 AI 的能力？

NRTH 这次改名，我觉得刚好把这个问题说得很直白。它在官方公告里写了一句话：过去加拿大需要的是让自己的 innovation 被世界看到，现在 “visibility alone isn't enough anymore”。NRTH 接下来会从一年一次的 Festival，扩展成全年帮助 founders 和 business leaders 理解、采用 emerging technology，并连接客户、资本和合作伙伴的平台。

我这几天也在NRTH 现场。关于大会本身，我不准备在这篇周报里展开，因为三天下来值得讲的东西很多。下一篇我会单独整理一次 NRTH Festival：我听到了什么、加拿大科技圈现在真正担心什么，以及有哪些东西对创业者值得关注。

至少从这周来看，我的观察很明确：加拿大AI 的下一阶段，重点已经开始从 invention 转向 adoption。这件事和 Human Upgrade 的关系，比看起来更大。

02｜加拿大政府花 1.62 亿加元做的，不是再给年轻人上一门 AI 课

9 月 25 日，加拿大政府宣布未来五年投入最多 1.62 亿加元，通过 Mitacs 支持 10,000 个 AI-related work placements，让大学生、毕业生和博士后直接进入加拿大企业参与 AI adoption 和 innovation。整个 National AI Strategy 的目标更大：到 2031 年创造最多 90,000 个 AI 相关就业和实践机会。

我比较关注的是这里的产品逻辑。两周前，加拿大刚推出National AI Literacy Initiative，准备覆盖最多 100 万名 post-secondary students 和超过 5 万名 K–12 educators。其中给大学生的基础 AI literacy 课程只有三个小时，而且免费。

现在又拿出1.62 亿，不是继续让年轻人“学更多 AI”，而是直接把他们送进企业做项目。这个顺序其实很合理：先让所有人懂 AI，再让一部分人真正用 AI 解决问题。

因为企业真实环境和课堂完全不一样。一个学生可以很会ChatGPT、Claude、Copilot，但进入一家 30 人的公司以后，面对混乱的数据、没人整理过的 SOP、老板说不清楚的需求、员工对改变的抵触，再加上 privacy 和 compliance，才会发现 AI implementation 最难的部分经常不是 AI。

真正困难的是：你能不能理解业务，找到值得解决的问题，把技术放到正确的位置，再把它真正推下去。这也是为什么我认为纯AI Literacy 培训的商业价值会继续下降。政府、学校和科技公司都会大量免费提供这些东西。真正能收费的部分，会逐渐往后移：Learning → Applying → Delivering Results。

出自：Mitacs官方新闻发布页

03｜IBM 这周的数据，可能比任何“未来十大技能”榜单都值得看

IBM 这份 CHRO Study 里，我最关注的不是“critical thinking 很重要”这句结论。这个词我们已经听了很多年。真正有意思的是：AI 开始改变 critical thinking 到底用在哪里。

71% 的 CHRO 把 supervise、validate 和 override AI outputs 视为最重要的 workforce skills 之一。57% 的 CHRO 把 critical thinking 和 problem framing 放在重要位置，48% 提到 human judgment。更有意思的是，80% 的 CHRO 认为 AI 实际上给员工创造了一批新的“隐形工作”：检查 AI 的建议、修正错误、补充 context、处理 exception。

这和过去“AI 帮人省时间”的叙事不太一样。AI 确实可以替你做很多事情，但 AI 做得越多，人就越需要决定：这个任务应该不应该交给 AI？结果靠不靠谱？这里有没有漏掉 context？什么时候必须人工介入？如果 AI 的建议和自己的判断冲突，到底听谁的？

IBM 的数据里还有一个细节我觉得特别好：那些明确把 workflow 分成 human-led、AI-assisted 和 AI-executed 的组织，报告了更低的风险和更高的质量。这比一句“人机协作是未来”具体多了。真正的人机协作不是“人 + ChatGPT”，而是企业能够明确回答：这一步谁负责？

04｜一个以前不太存在的能力正在形成：AI Supervision

上周EY 的调查已经出现了另一个信号。在使用 Agentic AI 的大型企业里，91% 已经进入 pilot 或正式部署，但 49% 还没有针对 Agentic AI 更新治理体系；26% 甚至表示无法发现企业内部未经授权运行的 Agent。36% 的受访企业已经发生过造成实际负面影响的 AI incident 或 failure。

这周IBM 的数据刚好把另一半补上了。企业不只是需要一套 AI governance policy，也需要一批真正知道怎么监督 AI 的人。

所以我会把AI Supervision 单独拿出来。它不是 Prompt Engineering，也不完全是管理学。它更像一组新的工作能力：知道怎么 delegation，知道什么东西必须 verification，知道什么时候 escalation，知道什么时候应该 override AI，同时清楚最后的 accountability 还在人。

如果一个Manager 未来管理的不只是 10 个员工，而是 10 个员工 + 20 个 Agents，他的工作一定会发生变化。这可能也是 Human Upgrade 很值得继续追踪的一个产品方向：Manager Training for the Agentic Workplace。不是教管理者怎么写 prompt，而是教他怎么设计一支“人 + AI”的团队。

05｜美国科技公司招聘的数据也很有意思：Human Skills 排在 AI Literacy 前面

Experis 9 月 22 日发布的 Q4 Tech Talent Outlook 调查覆盖 42 个国家的 4,258 家科技和 IT 服务行业雇主。美国的数据里，企业最看重的能力包括 Professionalism & Work Ethic（44%）、Critical Thinking & Problem-Solving（39%）、Adaptability & Willingness to Learn（37%）、Communication, Collaboration & Teamwork（35%）。AI Literacy 是最受重视的 technical skill，比例为 34%。

这里很容易被解读成：“看吧，AI 时代还是软技能最重要。”我觉得这么理解有点太简单。这些能力之所以重新被放大，不是因为技术突然不重要了，而是因为技术能力正在快速普及。

当两个人都能使用同样的模型、同样的Copilot、同样的 Agent 时，差异就会回到：谁能定义更好的问题，谁更靠谱，谁能和别人合作，谁能处理不确定性，谁能把东西真正交付。

所以我不太喜欢把这些能力叫Soft Skills。在很多真实工作里，它们一点都不 soft。它们更像 Performance Skills。

06｜中国这周的信号更直接：市场要的不是“懂 AI”，而是“AI + 专业”

9 月 21–27 日，中国人社部门的“百日千万招聘专项行动”专门推出了人工智能招聘专场。人工智能专场有接近 8,000 家用人单位参加，提供接近 12 万个招聘需求，岗位包括大模型算法工程师、AI 产品经理、数据挖掘工程师、AI 架构师等。

但我认为另一个动作更值得Human Upgrade 关注。上海这周启动企业技术中心 FDE 通识班，官方对要培养的人才描述得非常具体：“懂业务、通模型、知安全、能交付。”目标不是培养更多纯算法研究人员，而是让企业内部真正出现一批能够连接研发、业务和生产的人。

这八个字其实已经很接近我这段时间一直在研究的Capability Stack。未来很多人的竞争力可能不是来自一个职业标签，而是来自一组能力的组合。

一个销售可能是Sales × AI × Communication × Industry Knowledge × Judgment；一个老师可能是 Teaching × AI × Assessment × Communication × Child Development；一个财务人员可能是 Accounting × AI × Compliance × Verification × Client Communication。

AI 本身不一定成为你的职业。它更像一个 multiplier。原来的能力越扎实，AI 越有可能把它放大；如果原来的判断力和专业能力很弱，AI 也可能只是让你更快地产出一堆看起来不错、实际上经不起检查的东西。

出自：上海市企业技术中心FDE通识班

07｜上海的世界技能大赛，让我想到另一个容易被 AI 讨论忽略的问题

这周第48 届世界技能大赛正在上海举行，68 个国家和地区的选手参加。讨论里自然也绕不开 AI：当 AI 会设计、会写代码，甚至开始进入制造和服务，人的技能到底还值不值钱？

我觉得这个问题有意思的地方，不是最后得出一句“人类不可替代”。这种结论太容易了。真正值得看的，是人才市场正在重新强调一件很朴素的事情：Can you actually do it?

AI 可以帮我们写更好的 Resume，可以帮我们准备 interview，可以帮我们完成 online course，甚至可以帮我们做很多传统 assessment。那么学历、证书、课程完成记录这些“能力代理指标”，未来可能都会受到一定影响。

企业最后还是要回到真实能力：你能不能现场解决问题？能不能发现错误？能不能把事情做完？能不能和人合作？遇到没有标准答案的问题时怎么办？

这也是为什么我一直认为Human Upgrade 如果以后做 assessment，不能做成另外一个 100 道选择题的“AI 时代能力测试”。应该尽量接近 Capability Simulation：给一个人真实问题、真实限制、AI 工具和有限时间，然后看他怎么做。不是问他“你认为自己的判断力强吗？”，而是让他真正做一次判断。

出自：Worldskills Shanghai 2026 官方比赛

08｜这周我反而更警惕“AI 焦虑生意”

市场需求是真的，AI 对工作的改变也是真的。但正因为这些都是真的，“AI 会淘汰你”就特别容易成为一种营销手段。

现在已经可以看到大量产品把逻辑写成：AI 即将淘汰大量岗位 → 某类 AI 人才存在巨大缺口 → 学完课程 / 拿到证书 → 进入高薪行业。这里最大的问题是，中间经常少了一整段证据。

一个职业被政府列入新职业，不代表上完某个培训班就能找到工作；一个行业存在人才缺口，也不代表所有相关证书都有价值。

所以我现在判断一个Human Upgrade 类产品，会优先看四件事情：有没有真实企业客户？有没有真实工作场景？学完以后能力有没有发生可观察的变化？这种变化有没有转化成工作结果？

如果这四个问题都回答不了，只剩“未来趋势”“高薪”“稀缺人才”和一张 certificate，我会比较谨慎。Human Upgrade 如果以后商业化，我也希望反过来：少承诺未来，多证明能力。

本周我最关注的三个机会

这周重新筛完这些信号以后，我会把注意力集中在三个方向。

1. Human-AI Capability Assessment

AI 培训越来越多，但企业仍然缺一个很好的办法判断：这个人到底会不会和 AI 一起工作？而且这种 assessment 应该是 simulation-based，而不是 self-report。

2. AI Supervisor / Agent Manager Training

IBM 和 EY 的数据已经开始说明，监督、验证、override 和 accountability 正在成为真实企业问题。如果 Agent 数量继续增加，这可能发展成一套新的管理能力。

3. Role-specific AI Upgrade

不是“教所有人 AI”，而是分别研究 AI-enabled Sales、AI-enabled Teacher、AI-enabled Accountant、AI-enabled Manager。越接近真实岗位，越容易产生可以衡量的 ROI。

相反，我会继续降低对通用AI Literacy、Prompt Engineering Certificate 和“AI-proof Career”内容产品的长期商业预期。它们可能有流量，也可能有短期需求，但护城河并不强。

本周Thesis Update：AI 带来的一个副作用，是“判断”正在重新变贵

我之前把Human Upgrade 总结成：Agency × Judgment × AI Leverage。

这周看完IBM、Experis、中国的人才政策，再结合最近在加拿大参加这些活动，我觉得这个公式暂时不用改，但其中一个词需要被特别放大：Judgment。

因为AI Leverage 正在快速普及。今天只有一部分人在用 Agent，过几年可能每个人都有。今天企业还在花钱培训 AI literacy，以后可能新员工入职时默认就应该会。

真正难复制的是：当AI 给你一个看起来非常合理的答案时，你有没有能力判断它到底对不对。这件事需要专业知识，需要经验，需要 critical thinking，也需要一个人愿意承担责任。

而且这里有一个很有意思的矛盾。IBM 的研究显示，60% 的员工担心 AI 导致自己的技能退化；在担心技能退化的人里，四分之三认为这种退化已经在发生。

也就是说，我们一边需要更强的Judgment 去监督 AI，一边又可能因为过度依赖 AI，让自己的 Judgment 变弱。

我们怎么利用AI 放大能力，同时又不把最重要的能力外包掉？

这比“AI 会不会抢走工作”有意思得多。因为 AI 最终替代多少岗位，现在没有人能准确知道。但有一件事情已经开始发生：我们正在决定，未来哪些事情继续由自己思考，哪些事情交给机器思考。这个决定本身，可能就是一种新的能力。

最后

这周在加拿大参加NRTH，前面又刚刚结束 ALL IN，再看加拿大政府最近从 AI Literacy 到 10,000 个 work placements 的一系列动作，我观察到的主线其实很统一：AI 的问题正在从“有没有”变成“怎么用”。

而“怎么用”走到最后，还是人的问题。谁定义问题，谁判断结果，谁决定什么时候相信机器，谁承担责任，谁把技术真正变成结果。这也是 Human Upgrade 接下来会继续研究的方向。

下一篇我会暂时跳出周报，专门写一次NRTH Festival。三天下来我记了不少笔记，也见了很多人。与其整理成“十大金句”或者“大会重点”，我更想写写这次现场让我看到的加拿大科技生态：大家现在到底在焦虑什么、加拿大缺的是什么，以及对创业者来说真正值得注意的机会在哪里。

Human Upgrade｜人类升级

研究AI 时代，人的价值如何被重新定义。

来源｜发布前由助手逐条打开核验

加拿大政府｜ALL IN 2026 与加拿大 AI 产业动作

NRTH 官方｜Elevate → NRTH

加拿大政府｜10,000 个 AI work placements

加拿大政府｜National AI Literacy Initiative

IBM｜2026 CHRO Study

Experis / ManpowerGroup｜Q4 2026 Tech Talent Outlook

EY｜AI Risk and Governance Survey

人民网｜人工智能行业招聘专场

上海市政府｜企业技术中心FDE 通识班

新华社｜AI 大潮下的职业技能