Palantir首席执行官亚历克斯·卡普（Alex Karp）最近抛出一个极具传播力的判断：面对人工智能，有两类人可以对自己的未来放心，一类是接受过职业技能培训的人，另一类是神经多样性人群。这番话出自他2026年3月接受的TBPN的访谈，随后被《财富》等媒体广泛报道。他还特别补充，自己对“神经多样性”的定义非常宽泛。
究其原意，卡普是想说，职业技能和非典型认知方式，才能让人在人工智能迅速发展的时代拥有更大的生存优势。他还以德国职业教育为例，强调实际操作技能的重要性，并对美国长期以标准化考试衡量人才的教育体系提出批评。在他看来，现行考试制度仍然围绕工业时代所重视的能力来设计，却可能将阅读障碍者、神经多样性群体以及那些不适应传统课堂、喜欢动手创造的人排除在主流评价体系之外。
这样的话之所以刺耳，是因为它碰到了一个社会长期默认的信念：读好书、上一流大学、掌握体面的专业知识，就能换来稳定的未来。卡普的潜台词是，这条路不再保险。
所以，卡普的言论引起关注，并不令人意外。他把未来较难被AI替代的能力分成两个极端。一端是高度具身、现场化、与现实世界直接发生关系的技能（embodied skills）；另一端是神经认知方式与典型人群不同的人，因为不按照常规方式思考，反而不容易直接暴露在AI替代之下。
我们很容易驳斥这种两分法，比如，它把两种不同维度的特征当成了同一层次的人才分类；具身技能与人的神经认知特征既不互斥，也不在同一个分类维度上。一个具有神经多样性特征的人完全可能拥有高度熟练的具身技能；一个神经典型的人也可能拥有非凡的原创性和非标准化思维。
其次，卡普似乎认为，不按照常规方式思考的人，更可能具备人工智能难以复制的能力。这里存在一个未经充分证明的推论：认知方式不同，并不必然意味着思维更有创造性；思维具有创造性，也不意味着更难受到人工智能的影响。
神经多样性人群内部存在很大的个体差异。某些认知特征可能在特定领域形成优势，但在其他工作环境中也可能带来困难。更重要的是，创造性劳动本身也并非完全处在人工智能影响之外。人工智能已经参与文学写作、视觉设计、科学研究和程序开发，正在改变这些领域的活动方式。
同时，卡普遗漏了大量难以归入两端的人类能力，这些能力往往具有关系性、情境性、规范性和社会性。他的两分法不仅过于狭窄，也容易使人忽略，人类能力并不只是技术能力的集合，它还存在于社会关系、制度责任和共同生活之中。艺术家、教师、研究者、护理人员、社区组织者，该归入哪一类？一个二分法，装不下一个社会。
不过，真正值得讨论的，并不是卡普的二分法对不对，我们需要质疑他的提问方式本身。“什么样的人还有未来”，这个充满宏大叙事意味的问题，悄悄预设了一个前提：人的未来取决于他相对于机器有多少竞争优势。我们可以沿着人才、教育与社会契约三个层面，对这个前提作一次彻底检视。
被颠倒的人才等级
先要承认卡普激进言论中的洞见。工业社会形成了一套根深蒂固的等级观：脑力高于体力，文凭高于技能，坐办公室高于下现场。生成式AI恰恰首先在文字、代码、数据分析与信息整理这些高度数字化的领域显示出强大能力；而电工要在厂房里排查故障，技师要在机器运行中判断异响，其中的身体操作、现场决策与责任承担，当前的软件还难以直接完成。于是，“白领比蓝领安全”的常识出现了松动。
实际上，真正被动摇的，是过去几十年教育体系大量培养的那一类人：受过良好的学术训练，擅长阅读、写作、分析、制作报告、遵守组织流程，却没有特别深的领域功夫，也没有特别独特的创造。过去，标准化的认知能力本身就是稀缺资本，凭此可以进入白领中产。如今这种资本正在迅速廉价化。卡普点名的低端编码、低端法律工作与低端阅读写作，正处在这一层。
虽说卡普的观点不无道理，但要警惕两种简化。第一，AI不是按照社会声望，而是按照任务的可自动化程度来重新定价劳动。职业名称不是分界线，任务才是。律师不会消失，但检索与合同初审可能被改写；AI虽说可以参与影像识别、疾病筛查和诊断建议，但医生的工作还涉及临床判断、与患者沟通、治疗方案选择和医疗责任承担。国际劳工组织2025年的研究估计，全球约四分之一的岗位在不同程度上暴露于生成式AI，但转型比消失更可能成为主要结果。工作的组织方式和议价结构还在持续生变。
第二，得出“读大学不如学电工”的结论更是荒唐。职业技能与大学教育不是两条彼此对立的道路。现代职业教育早已不限于简单的手工操作，许多复杂技术工作需要深厚的科学知识和持续的专业训练；大学教育的意义也不只是传授能够直接出售的知识和技能，还包括独立思考、科学研究、公共判断和人的全面发展。人工智能可能改变不同教育路径的经济回报，却不能据此断定哪一种教育必然具有更好的未来。
尤其需要警惕的是，将当下的技术能力边界理解为未来人才需求的固定边界。今天某些依赖现场操作的工作较难实现自动化，并不意味着随着机器人、机器视觉和智能控制技术的发展，这种优势将永久存在；今天某些知识任务已经能够由人工智能完成，也不意味着相关专业的人类能力将会失去意义。技术能力本身在变化，企业与社会对技术的使用方式也在变化，新的需求和工作形态仍可能不断出现。
因此，卡普的判断可以作为观察人才价值变化的一个切入点，却不宜被当作指导教育选择和职业规划的确定结论。把一场仍在展开、结果受到多种因素制约的技术变革，压缩成一份关于谁有未来、谁没有未来的人才清单，不仅可能误导个人与家庭的教育选择，也可能使教育制度为了追逐暂时的市场优势而不断调整培养目标。教育需要回应技术变化，但不能把对未来市场需求的猜测当作培养人的全部依据。
神经多样性：不要把差异变成新的标签
卡普的第二类人，更值得小心对待。神经多样性涵盖自闭症、ADHD、阅读障碍、发展性协调障碍等认知差异，它是一个描述差异的概念，并不等于天才或创造力。卡普本人有阅读障碍，他显然把自己的经验投射进了判断；而在访谈里，他又把这个词拉伸成“不按常规思考、不适应标准化体系的人”，远远超出了通常的医学与心理学含义。
在此，卡普并不是全然放空炮：当标准化认知任务越来越容易被机器完成，那些长期被教育体系视为“偏离常规”的思维方式，也许会获得新的评价。一个以统一试卷、统一进度、统一标准衡量人的体系，的确会过早地把许多人标记为“不适合”。
但批评不能走上浪漫化的道路：非典型不等于更有创造力，神经多样性者也不会自动在AI时代受益，他们面对的往往是真实的求学困难与职场障碍。还有，如果企业只在某种差异能够转化为生产力时才予以欢迎，那么这不是对多样性的尊重，而是对“有用的差异”的挑选，其余的差异依旧被排除在外。
更可取的说法是：AI时代需要更大的认知多样性，而认知多样性的价值，不应只靠劳动生产率来证明。
教育：从“出售技能”到“成为一个人”
卡普挑战了文凭与职业安全之间长期存在的制度性联系。过去，学历同时承担知识传授、能力认证和社会筛选三种功能。AI削弱的，主要是后两种功能背后的稀缺性：当写作、总结、基础编程、资料检索都可以被低成本调用，仅凭会做这些事获得溢价，就越来越难。
于是出现了教育界最常见的回应：要培养“AI替代不了的能力”，创造力、同理心、批判性思维等。这听上去很对，却暗藏陷阱。它仍然把教育当作劳动力市场的前置工序，只是把课程表上的技能换成了另一批“更抗替代”的技能。机器每前进一步，教育就得重新追赶一次，学生也要重新证明一次自己。技能贬值的速度一旦快过课程更新的速度，这场追赶就注定疲惫而无结果。
教育还有另一种可能：把目标从让人始终比机器聪明，转向让人不必把存在价值建立在比机器聪明之上。大学真正应当提供的，是机器无法直接给予的经验：长期研究的耐心，跨学科的理解，提出问题的勇气，以及在真实社会中为自己的判断承担责任的训练。它意味着教育要更多培养一个人理解世界、辨别信息、与不同的人共同生活、参与公共事务的能力，而不只是交付一份可以在市场上出售的技能清单。
这同样意味着，职业教育不该再被当作“考不上大学者”的退路。德国的职业教育之所以常被卡普提及，不仅在于它培养了复杂的技术工人，更在于它让技艺获得了社会的尊重。如果一个社会只在AI出现之后才发现电工和技师“有前途”，那么它所尊重的依然是市场的风向，而不是劳动本身。多元的路径与多元的评价，不是为了迎合科技企业的偏好，而是因为人本来就多元。
社会契约：被偷换的前提
这些讨论最终都要落到社会契约上。现代社会有一个深层的默认安排：成年人通过出售劳动获得收入，再通过收入换取住房、医疗、教育、养老和社会参与的资格。就业不仅是经济活动，更是获得保障、身份与尊严的主要通道。我们习惯用职业回答“我是谁”，也正是这个道理。
AI挑战的恰恰是这条纽带。如果技术持续提高生产率，同时降低某些人类劳动的稀缺性，那么我们为什么总是要在“人该学什么”上打转，而不去追问一个更根本的问题：一个人的基本生活，是否还应当取决于他能不能把自己的劳动卖出去？
卡普的说法之所以值得深入反思，正在于此。它把“有未来”与“拥有机器暂时难以复制的优势”画上了等号。电工因为具身技能而有前途，非常规思维者因为“不标准”而有前途，其余的人则仿佛被宣告为多余。人的价值被悄悄换算成了“机器不可替代性”。可是，人为什么必须证明自己比机器更难被取代，才配得上工作、收入与尊严？这仍是一种把人当作生产要素的工业时代逻辑，只不过竞争对手从别的人，换成了机器。
因此社会需要三个方向的转变。
一是从“就业权”走向“生活保障”。医疗、养老、教育、住房以及某种形式的基本收入保障，应当尽量不以就业能力为前提。一个人暂时没有市场价值，或者选择照护家人、学习、休整，不应因此失去有尊严生活的基础。这不是取消工作。社会仍然需要大量劳动，人也能从解决问题、服务他人中获得意义。区别在于，劳动可以是生活的重要内容，却不必继续是获得生存资格的唯一通行证。
二是从“劳动贡献”走向“社会贡献”。工业社会的价值尺度是：生产多少，贡献多少。于是大量维持社会运转的活动被排除在“贡献”之外。一个家庭成员花三年时间照护失智的父母，没有创造GDP，没有获得新证书，也不具备什么“机器做不了的技能”，但他确实维系了一个具体的人的生活与尊严。照护、教育、社区建设、公共参与、艺术与志愿服务，都应进入“贡献”的视野。这里还要避开一个新陷阱：不能因为护理需要同理心、机器做不了才承认它的价值，那仍是以机器为参照系。价值的依据，应当是它对人的福祉与社会关系的意义。
三是从机器无法替代什么走向我们希望什么样的人类生活。当我们不断追问“AI之后，人还能做什么”，实际上已经把问题的设定权交给了技术。反过来问才更根本：既然机器正在释放越来越多的生产能力，这些被释放的时间、资源与注意力，应当用来做什么？是让更多人有时间照护家人，让教育不再只是就业训练，让人有余裕参与公共生活、从事研究与创造，还是仅仅让收益流向少数资本所有者？
技术收益到底归谁
这里需要补上一句现实的提醒。生产率提高不会自动变成劳动者的福利。收益可能被企业、技术平台、资本所有者和劳动者以不同的比例分享，决定比例的是制度、议价能力与政治选择，而不是技术本身。卡普是AI产业的重要参与者，他的叙事把重心放在个人如何适应，却很少追问规则由谁制定、收益如何分配。把结构性问题转写为个人能力问题，是一种值得警惕的论述方式：当一个人够不够特别成为议题，收益该如何分享就被悄悄移出了讨论。
我们应当要求的，是企业与公共部门共同承担技能转型的成本，是工作场所里劳动者对技术使用方式的发言权，是税收与社会保障体系对新增价值的合理分享。这些议题没有“两类人”那样耸动，却决定着技术进步是否真正服务于多数人。
卡普问：AI时代，什么样的人还有用？这个问题并非全无价值，它迫使我们承认旧的人才等级正在松动，承认标准化教育有其盲区。但它不应成为我们唯一的问题。更值得追问的是：如果AI第一次让社会有可能不必要求每个人都通过“有用”来换取生存，我们是否有勇气重新设计一个不以人的可用性为起点的社会？
人的未来，不该由他相对于机器的剩余优势来决定。它取决于我们愿意让教育成为什么，愿意怎样承认各种形式的贡献，以及愿意把技术释放出的自由交给谁。这才是AI真正提出的社会问题，也是比“谁能幸存”更重要的问题。
