清华院长杨斌:当AI成为新的“参与者”,教育需要重新思考人才培养

编者按：每一次技术革命都会重新定义人才的价值。工业时代，教育回应的是规模化生产对标准化人才的需求；互联网时代，教育开始关注信息获取、创新能力与终身学习。而当人工智能逐渐从工具走向伙伴，教育面临的核心问题也正在发生变化：未来的人才，需要具备怎样的能力，才能在人与智能系统共同运行的世界中找到自己的位置？

人工智能带来的挑战，并不仅仅是知识传递方式的改变，更涉及教育目标、培养模式以及人才评价逻辑的重新思考。当知识获取越来越便捷，当部分认知任务可以由智能系统完成，教育需要重新回答：什么能力仍然属于人的独特价值？学校应该如何培养面向未来的学习者？

从商业领域正在发生的变化中，我们或许能够观察到人工智能时代社会运行方式的转变。理解这些变化，对于教育工作者而言，不只是关注技术本身，更重要的是思考技术背后正在形成的新型关系、新型组织和新型人才需求。

清华大学可持续社会价值研究院院长杨斌教授提出“To A”这一概念，希望借助这一视角，引发教育领域对于人工智能时代人才培养、组织变革与未来教育形态的进一步讨论。

杨斌：To B/To C 已经过时，“To A”的新时代来了

To B、To C，我们驾轻就熟；

To A ，才刚刚开始。

互联网普及后，我们所熟悉的商业模式根据对象不同，分为面向企业（Business）的To B与面向消费者（Customer）的To C两类，由此区分开产品或服务是卖给企业采购部门，还是卖给终端用户。无论创业、投资还是战略分析，这样的二元框架常被用于定义企业属性、市场赛道。但伴随今天的AI演进发展，一种全新的模式正在快速显现，重要性与日俱增，那就是To A 。

To A 中的A ，可以是 AI，也可以是 Agent（智能体），还可以是那些以 AI 为原生思维、原生生产力、原生工作方式甚至原生组织形态的企业，现在常被叫作AI native 或AI pilled 的企业。

过去讨论商业活动，出发点是“人类中心”的——默认“交易发生在人与人之间”，企业服务企业，企业服务消费者，消费者购买产品和服务。把AI放在指数位，底数的商业模式发生质变，越来越多的信息、数据及其界面由AI生成，也由AI读取，越来越多的决策由 AI 辅助甚至自主落地。已经越来越成为现实的情况是：商业活动中的参与者不再只是人，Agent会成为不可或缺的重要角色。不同信源的最新数据都告知我们，“2025年底，最迟至2026年一季度后，AI智能体间的API调用量就已经超过人类用户的网络请求总量”。

AI能做的事情越来越多，不知不觉超出了我们的想象。如果一个采购 Agent 能够自主完成供应商筛选、价格比较、订单谈判和履约管理；如果一个投资 Agent 能够独立完成信息搜集、模型分析和组合配置；如果一个家庭 Agent 能够代替用户完成大部分消费决策，那么企业面对的对象，究竟还是消费者，还是消费者背后的 Agent？企业竞争的对象，究竟是“人”的注意力，还是算法（巧的是A也是Algorithm的缩写）或智能体的调用权限、推荐权重与调度优先级？

许多企业、企业家或许尚未意识到，这片新场域正在加速崛起。我们过去时常讨论供给侧改革、供给侧创新、供给侧效率提升，但之于未来商业，首先需要认识到：一场需求侧革命正在发生——这场革命的源头，是承担需求表达、筛选和做出决策并执行的角色正在悄然发生变化，AI Agent成为越来越多需求的代理“人”、话事“人”。

甚至在某些场景中，Human not in the loop——这可能是 To A 最重要的商业逻辑之一。传统商业流程中的很多瓶颈，都与人类（非常有限的）注意力、（非常稀缺的）时间和（带有局限性的）认知能力有关。商业世界的大量 loop，往往都卡在“等待一个人”的环节中，卡在“人类“的处理能力上。而在to A 的世界中，商业活动不再需要每一个环节都有人的介入，当人的经验、偏好和决策逻辑开始以 Agent 化的认知框架持续运行，loop才能真正飞起来。

商业系统第一次有机会摆脱 Human in the loop 的天然限制。新的需求侧在形成，新的市场主体已出现。

To B或To C，关注的是企业客户需要什么、消费者需要什么，本质上都是在理解和服务“人”的需求。而To A 的出现和快速增长意味着，企业需要认真思考如何服务一个“并非人类”的需求主体、决策主体甚至价值创造主体。这种变化不会彻底取代To B 和To C，就像电子商务没有消灭传统商业一样。但是会重塑相当一部分行业的底层逻辑。

To A 很可能会逐渐成长为独立的、规模与增长潜力都大于传统To B、To C市场的新场域和商业范式；也需要新增一种语言框架，来服务A 这种新的需求主体、决策主体、价值创造主体。

更进一步看，To A 并不仅仅是人和 Agent 的交互，也意味着 Agent 与 Agent 的交互也在成为新的商业活动形态。作为To A的一种。随着长程规划的能力提升和更强的 agency 能力出现，Agent之间的交互带宽、信任机制与协同节奏都将出现新的探索空间。并非如一些看法所说，To A 将仅属于管理科学与工程的范畴，其中也大有可能产生新的Agent管理学，与token经济学相呼应；To A 并不是所谓的“美丽新世界“，A 终究源自于不同的人，他们有着多种多样的差异，也会衍生出更多个性与例外，这同样需要管理。

企业需要准备好，以面对A这个新的市场参与主体所带来、所要求的种种变化。

而这，也正是我明确提出“To A ”这个概念的目的。

或许有人会认为To A 最终只是To B或To C中的一个组成线段，并没有改变B和C才是需求表达与评价来源的本质。这种看似“万变不离其宗”的表达，是低估“AI次方变革”所带来的质变的一种典型推挡。即使从To A 作为一个组成线段、最终仍是人在主导的角度来看，To A 也会深刻地影响交易结构、效率与成效。

洞察并把握To A ，对于今天的大多数企业而言，挑战在于从业者需要跨越的不仅仅是技术鸿沟，更是认知鸿沟。进入To A 时代的最大障碍，是放下旧经验，甚至得完全反着来才行——To A 的第一步，是 unlearn to B 和 to C时代默认的做法。

来看这个场景：为什么在酒店当中服务的机器人，上电梯时并不伸手去按键？不管是上下楼键、楼层号键，都不需要（用手）按，却能顺利出入电梯并到达目标楼层？

希望这里能有个Aha Moment 。愣一下，然后想通：To B或To C时代中的很多理所当然，到了To A 就不只是繁文缛节，甚至是南辕北辙。

传统上习惯于认为用户一定是人，因此产品设计强调界面友好、体验流畅、情感共鸣；但对To A 而言，它并不关心页面是否精美，而更关心接口是否开放、数据是否标准、响应是否稳定。

传统上习惯于认为商业模式建立在人类时间和注意力的稀缺之上，因此广告、订阅、会员和流量一直是互联网、移动互联网时代关注的重点；但对To A 而言，真正稀缺的资源稳定的算力、可信的数据。

传统上习惯于认为最终结果的呈现才是B或者C所期待的，也是B或者C有限的注意力便于吞吐的，因此过程的分支树、细节枝杈都被丢弃，但To A 却很乐于也很擅长去一股脑地汲取所有这些冗余，并没有人类对于所谓“泔水”的嫌弃，这不仅更有利于Agent复现，也保留着Agent再有新发现的可能。

传统上习惯于认为组织增长来自更好的内部分工和优化的业务流程，一个劲儿地想着怎么AI赋能，而AI原生企业证明，未来的企业需要 "目标对齐 + 能力开放 + 价值共享"的新能力组合，组织创新是涌现的、生成式的，组织的生态系统和决策机制都与过去截然不同。To A 首先得建立起“碳硅共生”的基本假设。

是故传统业务模式和价值创造逻辑需要重构；商业活动的各个环节，交互范式不但是拓展、而要做颠覆式的转变。这些变化，本质上都需要战略扬弃创新、模式按照第一性原理重新设计。一些过去似乎是“唯一成立”的、也将“一直这样下去”的被视为理所当然、天经地义的认知，在今天需要被系统性地改写。

所以对组织来说真正困难的，又是“破执”，unlearn。破去那些To B和To C中的理所当然、天经地义，承认传统的成功经验与路径无法延续，承认我们面对的是全新的业务模式、服务对象、价值标准，这样才能全面扎根这全新的To A 的商业场域，并在To A 中重写你的竞争优势，拥抱AI次方变革带来的无限游戏。

To B、To C，已驾轻就熟；而To A ，才刚刚开始。但打一开始，就要刻意地跟那“熟悉”说不，就要对互联网时代的成功unlearn。unlearn，对赢过互联网时代的“大厂”、大神尤为关键。这两个带“大”字的称呼，让我想起贡布里希在《艺术的故事》中对比的，首字母大写的Art和普普通通也人皆可为的artists。《置身X内》的种种，说出来一个共通：对“大写封神”的组织和领导者来说，如何能变回“小写”，是场大考。

来源：腾讯研究院（原文标题：杨斌- To B/To C已经过时，“To A”的新时代来了）