这一趋势带来的最直接影响,便是极大消除了AI落地过程中的社会与政治阻力。在包括美国和英国在内的许多西方国家,公众对大规模失业的焦虑往往会转化为对保护性法规的呼吁、工会的抵制,甚至是政治层面的激烈博弈 。
相比之下,中国的这一抵触情绪比例极低,这意味着从智能制造到医疗服务,AI技术的规模化部署无需面对来自基层的巨大反弹压力。我们可以将这种广泛的社会共识视为“社会加速器”——这种文化上的乐观,极大地缩短了从实验室的科研突破到产生实质经济效益的时间差。
除了政策红利,每周高达96%的职场AI使用率,还构成了一个强大的数据反馈闭环。毕马威(KPMG)发布的全球AI研究报告也佐证了这一现象:中国职场员工在工作中使用AI的比例高达 93%,远高于 58% 的全球平均水平 。
当成千上万的劳动力每天都在与AI发生高频互动时,他们实际上是在源源不断地生成最真实的训练数据和丰富的应用场景。这种源源不断的“燃料”,使得中国的AI大模型能更敏锐地迭代进化,并更快地找到适配现实业务需求的路径。在其他市场,由于用户分布零散、接受程度参差不齐,几乎很难复制如此规模和密集度的反馈机制 。
调查还揭示了一种面向未来的主动姿态。高达79%的公众对高校开展有效的AI教学提出了强烈诉求,这意味着中国社会正在自主地压缩技能升级曲线 。
未来几年,企业主面对的或许不再是需要耗费巨资去说服和培训“老员工”如何克服技术恐惧,相反,新涌入劳动市场的毕业生会将AI工具视为如同办公三件套一样基础的专业能力。这种由下至上的人才管道,是维持AI竞争力的长久之本。
UCL此次的发现,并非孤证,而是与国际上多份主流调查形成了一个互相验证的链条。
当然,我们需要客观地看待这种乐观。中国公众并非毫无保留的盲信——另外的研究也发现,大家普遍对虚假信息泛滥和隐私泄露感到担忧 ——但围绕“AI与工作”这一核心经济命题的叙述逻辑,中国社会的主流基调是机遇而非威胁。
在决定全球AI领导力的天平上,当基础科学的差距在慢慢缩小,“采纳速度” 就成了决出胜负的关键砝码。而这种由广泛社会共识凝结成的文化买账,或许正是中国在这场长跑中最经得起考验的战略护城河。