兼論AI時代的人才培養和代際傳承：如何規避AI時代“認知卸載”和“經驗斷層”

資產配置資產配置目 錄TOC\o"1-1"\h\z\u一、AI對職業沖擊是否會帶來“人才斷層” 3二、命題的延伸：投研角度的思考和實踐 5三、金融機構的應對框架：把師徒制工程化 7四、警惕“認知卸載”：知識庫迭代和人才飛輪 8五、風險提示 9一、AI對職業沖擊是否會帶來“人才斷層”關于AI人口老齡化和勞動力人口收縮，構成各個行業人才接續的壓力增加。如圖1所示，65歲及以上人口占總人口比重已從2010年的8.9%升至2020年的13.5%，再升至2025年的15.9%；與此同時，15—64歲勞動年齡人口在2013101,041萬人，到2025年為96,8484,193萬人（-4.1%）。圖1：老齡化程度與勞動年齡人口走勢對比資料來源：萬得，光大證券研究所因此，無論AI如果AIR&D圖2：R&D折合全時人員與經費支出資料來源：萬得，光大證券研究所。注：人均經費=經費支出/折合全時人員，全時人員為研發活動工時占比超九成人員。外部溢價并未失控，而內部培養的邊際回報更可控。如圖3所示，長周期視角下信息技術業與制造業的工資倍數從2003年的2.44倍收斂至2025年的2.19倍；2003至2025年制造業工資年化增速10.5%業的9.92019年的2.06觸底后回升至2022年的2.26圖3：信息技術和科研技術服務業，與制造業平均工資倍數對比/制造業平均工資倍數2.62.4

科研技術服務業/制造業平均工資倍數2.22.01.81.620032004200520032004200520062007200820092010201120122013201420152016201720182019202020212022202320242025資料來源：萬得，光大證券研究所。真正決定斷檔與否的，是行業層面的選擇。選取31個申萬一級行業作為代表，比較其222年與05（，圖4：AI出現前后，各行業員工變動與人均創收增幅四象限分析40%30%

規模擴張型

擴張成長型電子汽車行10%業

綜合 電力設基礎化工公用事業

有色金屬機械設備家用電器

國防軍工員 煤工人

交通運輸銀行

輕工制造

食品飲料通信計算機數0%

醫藥生物

紡織服飾變化率-10%

鋼鐵建筑材料

石油石化

建筑裝飾 環農林牧漁美容護理非銀金融傳媒-20%

房地產

商貿零售-30%

降本縮費型

效率提升型-30% -20% -10% 0% 10% 20% 30%行業人均創收變化率資料來源：萬得，光大證券研究所；注：選取申萬一級行業，采用行業整體法視角觀測2025年報相對于2022年報變化。從2022年到2025年，AI技術的加速滲透對各行業人均創收產生了顯著的分化升，直接印證了AI對知識型、內容型崗位的效率倍增作用；商貿零售、非銀金融AI公用事業、電力設備等傳統周期行業人均創收持續承壓，AI在這些領域的滲透率低、需求側疲軟又難正在加速重而重資產、強周期行業的結構性困境則進一步被放大。結構轉化，但并非源于專業崗位總量萎縮或技能市場撕裂，而最終取決于AIAI或資深同事的結果對照，用差距作為教材；跳過先做，對照這一教學環節就不復其三，把師徒制AI人對AI用AIR&DAI應當被用來二、命題的延伸：投研角度的思考和實踐AI正把研究、AIAI稀釋了初級研究投研判斷力本質上是跨周期經驗的函數。一輪完整的牛熊切換、一次業績暴雷、一次風格與政策的轉向，這些只有親歷才能內化為盤感與風險直覺。AI可以把知識即取即用，卻無法替從業者代償在場的經歷。技能是在挑戰、復雜度與同專家思維相連的三重條件下、經由師徒制發展出來的，而當技術吸收了常規工作，這三重條件往往被同時削弱。圖5：沉淀曲線——判斷力并非線性疊加圖5：資料來源：光大證券研究所。注：判斷力并非隨年限線性疊加，而是在親歷關鍵市場事件后階躍式沉淀，此為概念圖。AIAI圖6：投資場景的不同能力結構對比打分圖圖6：跨周期判斷1.000.800.600.401.000.800.600.400.200.00回撤與風險紀律 大類資產配置直覺經研究歷練步入組合管理 未經研究歷練、步入組合管理資料來源：光大證券研究所。注：按照每一環節不同場景的能力進行定性打分，分值區間為0-1，越高代表能力越強。AI三、金融機構的應對框架：把師徒制工程化知識管理、崗位重構、在崗學習、教練式管理可以完整地落地到投研團隊，其共同目標是讓判斷力在人、AI和組織之間加速沉淀。落地方向核心做法落地方向核心做法支柱圖7：知識管理

沉淀基金經理/資深研究員的判斷范式（框架、決策規則、假設、歷史判斷）；區分累積判斷與一次性經驗并賦權。

標準化投資備忘錄、可追溯底稿、統一行業與信用分類、系統化復盤歸因。AIAI或深PM決對比差距材。 AI/合經基準筆復差。答案鑰新先獨成稿/下結論與 并行工流：人獨判斷vs崗位重構在崗學習 AI作嵌式陪實提示復用偏收斂量化斷力成。

影子組合/模擬盤：貼近真實決策情境，先做后對。教練管理 教練管理 師徒制級為練制從給案向教判斷。傳幫帶式資深究員助，把握關鍵核心節點。資料來源：光大證券研究所。注：四個模塊圍繞判斷力養成這一核心目標相互支撐。AIAI與AIAI去完成本不會AI工具一同工作，AI四、警惕“認知卸載”：知識庫迭代和人才飛輪在擁抱AIAI可以借助AI用模擬與AI陪練，把過用來壓縮AI與