OpenAI 最近那份关于 Codex 和知识工作的报告，最值得拎出来讨论的，不是 Codex 本身有多强，而是它给政策制定者的那句建议：把 AI 熟练度作为基础经济基础设施。

这句话的分量，远远大于“鼓励大家学 AI”。

因为“鼓励学习”是教育宣传，“基础设施”是国家和组织的底层供给。前者靠倡议，后者靠预算、制度、长期供给和默认可得性。换句话说，OpenAI 这次不是在卖一个培训口号，而是在给未来的经济运转方式重新定标。

如果把这句话翻译成更直白的话，就是：AI 不再只是某个岗位的加分项，而会像电力、宽带、公共图书馆一样，成为人人都应该接触到的生产力底座。没有它，很多人将无法顺利参与现代知识经济。

目录

一、这句话为什么比“学 AI”更重

“学 AI”听起来像个人成长建议，像英语、PPT、表达能力这类通用技能。

但“把 AI 熟练度作为基础设施”是在说另一件事：AI 能力的缺失，会直接变成参与经济活动的门槛。

这两者差别很大。

前者默认你可以学，也可以不学； 后者默认你必须有，而且社会要负责让你有。

这就是为什么这句话让人停下来读一读。它不是在说“未来很重要，所以大家要加油”，而是在说：未来的公共资源配置方式要变了。就像当年修路、架电线、铺宽带，不是因为大家“爱好交通”或“兴趣发电”，而是因为没有这些，市场和社会根本跑不起来。

如果你把 AI 只看成一个工具，那它只是一个效率插件。 如果你把 AI 看成一层公共能力，它就开始接近基础设施。

这不是语言游戏，而是预算和制度问题。

二、什么叫把 AI 熟练度当作基础设施

这里的“AI 熟练度”不是泛泛的“会不会问 ChatGPT”。

它至少包含四层能力：

  1. 知道什么时候该用 AI，什么时候不该用
  2. 能把模糊需求拆成可执行任务
  3. 能判断输出是否可靠、是否需要人工复核
  4. 能把 AI 嵌入真实工作流，而不是停留在聊天框里

把它做成基础设施，意味着这些能力不能只靠少数“自学成才”的人去掌握，而应该被系统性地铺开。

这和今天很多企业里常见的做法完全不同。很多团队的“AI 培训”本质上只是一次工具演示：教你怎么提问、怎么生成总结、怎么改写文案。学完之后，大家会用一点，但不会改变组织流程。

基础设施思维要求更进一步：

  • 教育系统要把 AI literacy 纳入基础课程
  • 公共机构要提供可接触、可持续、可复用的训练资源
  • 雇主不能只要求员工“自己去学”
  • 基层劳动者也要有获得新能力的路径

这就是 OpenAI 这句建议最锋利的地方。它不是给极客圈写的，而是给整个经济系统写的。

三、为什么 OpenAI 会把钱指向学校、社区学院、图书馆和公共机构

你给的摘要里，报告把具体做法写得很明确：

Funding hands-on AI training through schools, community colleges, public agencies, libraries, and employer partnerships.

这组机构很有意思，因为它们覆盖了一个社会里最典型的“技能普及链路”。

学校

学校负责把新能力变成下一代的默认常识。

如果 AI 只在高校计算机系或少数精英公司里流转，那么它永远只是上层能力。真正进入社会以后，只有从基础教育开始，AI 才可能像搜索、打字、表格一样，变成普通人的工具箱。

社区学院

社区学院的定位非常关键：它们连接的是就业和再培训，而不是纯学术研究。

这意味着 AI 熟练度不是“学术研究生才需要的高阶概念”，而是劳动者换岗、转岗、升级时必须补上的技能。

公共机构

公共机构的作用是兜底。

当市场培训只追求 ROI 时，很多最需要帮助的人反而进不去。公共部门介入，才能让失业者、低收入群体、老年劳动者、非技术岗位员工真正接触到 AI 能力。

图书馆

图书馆这个点尤其妙。

图书馆不是“资料仓库”这么简单，它是一个低门槛、非商业化、可触达的知识入口。把 AI 培训放进图书馆，等于承认：AI 能力不是少数人的会员权益，而是公共知识的一部分。

雇主合作

最后是 employer partnerships。

这说明 OpenAI 也明白，单靠学校不够，单靠政府也不够。真正发生生产力迁移的地方，还是工作现场。把培训和雇主合作绑在一起，才可能让 AI 从“会用”变成“用得进业务流程”。

四、这不是培训题，而是分配题

很多人看到“AI 熟练度”会本能地想到培训课程、证书、学习营。

但更深一层的问题是：谁有资格进入 AI 增强后的生产系统？

这就是分配题。

如果 AI 只加速高薪白领，那么它会扩大收入差距。 如果 AI 的训练和工具只面向大公司和精英岗位，那么它会把生产率红利锁在少数人手里。 如果 AI 的可用性足够普遍，低门槛岗位也能受益，社会整体的效率才可能被抬高。

所以，OpenAI 这句话真正指向的，不是“每个人都要学会写 prompt”。

它指向的是一个更现实的目标：让 AI 的收益不只在资本和少数高技能人才之间循环，而是能向更广的人群扩散。

这也是为什么“基础设施”比“培训”更准确。

培训是一次性消费； 基础设施是持续供给。

培训可以结课； 基础设施不能停。

五、企业、学校和政府分别该怎么做

如果把这篇报告当成一个行动信号，而不是新闻标题，那么三类主体都应该立刻动起来。

1. 企业：别只教工具，要重写流程

企业最容易犯的错，是把 AI 培训当成宣传片。

正确做法不是“让每个人都学会问 AI”，而是：

  • 找出最耗时、最重复、最容易出错的流程
  • 设计 AI 可介入的步骤
  • 明确哪些环节必须人工复核
  • 把经验沉淀成可复制的工作模板

说白了，企业真正需要的不是“AI 课时”，而是“AI 化的工作流”。

2. 学校：把 AI literacy 变成基础通识

学校不需要急着培养“AI 专家”，而是应该先培养“AI 时代的正常人”。

至少包括：

  • 如何判断生成内容是否可信
  • 如何识别偏差和幻觉
  • 如何把 AI 当作协作对象，而不是答案机器
  • 如何处理隐私、版权、引用和责任边界

如果这一步做不好，学生学到的只是几个表面技巧，离真正的生产力能力还很远。

3. 政府：把 AI 训练当成公共投资

政府最重要的角色，是把 AI 能力的普及看成长期投资，而不是短期项目。

因为一旦 AI 成为基础设施，公共部门面对的就不是“要不要推广”，而是“谁在被排除在外”。

这时候，补贴、课程、公共服务窗口、再培训计划，都不再是锦上添花，而是现代经济参与权的一部分。

六、真正的风险，不是不会用 AI

最后说一句可能不太好听的话。

真正的风险，不是“某个人不会用 AI”。

真正的风险是：一个社会把 AI 视为奢侈技能，然后在机会还没扩散之前，就先让分化固化了。

如果 AI 成了新的基础设施，那么“会不会用”只是第一层门槛，更关键的是：

  • 有没有可负担的接入方式
  • 有没有持续更新的训练路径
  • 有没有适合非技术人群的工作流改造
  • 有没有把收益扩散到更广人群的制度设计

这也是这份报告最值得读的地方。

它没有停留在“AI 很强，所以大家要学”这种浅层结论上，而是把问题推进到一个更现实的层面：如果 AI 正在重塑知识工作，那么熟练使用 AI 的能力，本身就应该被视为现代经济的公共底座。

这不是危言耸听，反而是相当务实的判断。

因为任何真正改变生产方式的技术，最后都会从“新玩具”变成“基础设施”。

结语

OpenAI 这次最值得记住的，不是某个模型指标，也不是某个产品特性，而是这句判断：

AI 熟练度正在从“加分项”变成“基础设施”。

这意味着接下来讨论 AI，不应该只问“它能做什么”，还要问：

“谁能接触到它？” “谁能学会它？” “谁能把它用进真实工作？”

这三个问题，决定了 AI 是成为少数人的放大器，还是成为多数人的公共能力。

如果你做政策、教育、培训、管理，或者你自己就在一线工作，这个变化都值得提前准备。

欢迎关注收藏我，获取更多硬核技术干货

参考资料