英国科技大臣丽兹·肯德尔在政府如何应对AI对英国经济影响的演讲中坦承,人工智能技术的日益普及将导致就业岗位流失。她表示:"我想对公众坦诚相告,一些工作岗位确实会消失。"
在这次关于政府应对AI对英国经济影响计划的演讲中,肯德尔拒绝透露这项技术可能造成多少人失业,但她说:"我们知道人们担心法律和金融等领域的毕业生入门级职位。"
她同时表示:"会有其他工作岗位被创造出来取代它们。"
虽然一些预测表明这项快速发展的技术可能会带来净就业增长,但肯德尔表示:"我对此并不盲目乐观。"
本月早些时候,伦敦市长萨迪克·汗表示,如果不采取行动将AI"用作积极变革和创造的超级力量",它可能会成为"大规模摧毁就业的武器"。
在伦敦彭博总部向科技和商业领袖发表演讲时,这位前就业和养老金大臣承诺工党"不会让人们独自挣扎"。
她宣布了到2030年为多达1000万英国工人提供最基础AI技能培训的计划——包括内阁成员——这表明政府将重点帮助工人适应劳动力市场即将到来的变化,而不是抵制这些变化。
她表示政府的目标是"让英国成为G7中AI应用最快的国家",并称将围绕政府的四个AI增长区创造就业机会。
"我们正处于巨大变革的风口浪尖——一场在十年内发生的工业革命,"她说。"我们才刚刚开始看到这项技术将如何改变我们所有人的生活——我相信是朝着更好的方向。"
针对数百万工人的在线AI培训推广——将涉及由尤安·布莱尔创立的Multiverse公司,以及一个支持女性进入入门级科技岗位的新项目——"将是自哈罗德·威尔逊开放大学以来提升国家技能的最大单一计划",她说。
在科学、创新和技术部(DSIT)内部还将建立一个新的"工作未来部门",工会和企业领导者将参与其中。
部长们面临批评,认为他们过于依赖美国AI公司,这些公司的模型可能很快就会与英国白领工人竞争就业机会。据宣布,马克·扎克伯格的Meta捐赠的100万美元(75万英镑)正被用于政府建设防务、国家安全和交通AI系统的倡议。
与此同时,Anthropic,这家估值3500亿美元的美国AI初创公司,已被选中在gov.uk上为公共服务构建和试点专用助手工具,首先推出一个为求职者提供职业建议的模型。该公司免费提供这些服务。政府还与ChatGPT制造商OpenAI签署了谅解备忘录。
Q&A
Q1:英国政府对AI影响就业有什么具体应对措施?
A:英国政府计划到2030年为多达1000万英国工人提供最基础的AI技能培训,包括内阁成员。还将建立新的"工作未来部门",有工会和企业领导者参与,承诺不会让人们独自应对AI带来的变化。
Q2:英国在AI发展方面有什么目标和计划?
A:英国政府的目标是"让英国成为G7中AI应用最快的国家",将围绕四个AI增长区创造就业机会,并称这是"一场在十年内发生的工业革命"。
Q3:英国政府与哪些AI公司有合作?
A:英国政府与多家美国AI公司合作,包括Meta捐赠100万美元用于建设防务、国家安全和交通AI系统,Anthropic免费为gov.uk构建公共服务助手工具,还与OpenAI签署了谅解备忘录。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。