盖洛普最新报告显示,Z世代对AI的情绪日趋复杂——既无法放弃,又难掩不满。
Z世代对AI的幻想正在逐渐破灭,但这还不足以让他们彻底放弃使用它。
盖洛普本周发布的一份新报告,基于对全美近1600名14至29岁年轻人的调查,显示出随着AI在校园和职场中的深度渗透,这一"数字原住民"一代对AI的热情正在退潮,不满情绪与日俱增,尽管许多年轻人仍认为自己离不开这项技术。
盖洛普于今年2月至3月开展的这项调查发现,Z世代对AI的整体态度与去年相比已明显降温。仅有18%的受访者表示对AI抱有希望,22%表示感到兴奋,分别较去年的27%和36%大幅下滑。与此同时,负面情绪却持续攀升:31%的受访者表示对AI感到愤怒,高于去年的22%。对AI的焦虑感则相对稳定,维持在约40%的水平。
在AI用于工作或学习的成本感知方面,认知也出现了明显转变。近半数Z世代从业者认为,在职场使用AI的风险已超过其带来的收益——这一比例比去年上升了11个百分点——尽管仍有56%的受访者承认AI工具能帮助他们更高效地完成工作。但代价同样显而易见:八成Z世代受访者认为,依赖AI提升工作效率将在未来削弱他们的学习能力。
尽管如此,Z世代并未停止使用AI,不过盖洛普指出"增长势头已近乎停滞"。略超半数的Z世代表示每周至少使用一次AI,较去年的47%仅上升了4个百分点;约半数受访者认为,在高等教育或未来职业发展中,AI仍将是他们不可或缺的工具。
盖洛普高级合伙人斯蒂芬妮·马肯表示:"Z世代并非全面否定AI,而是在重新审视AI在自己生活中所扮演的角色。数据所呈现的,是一代认可AI实用价值、却对其长远影响——包括对学习能力、信任关系和职业准备度——愈发忧虑的年轻人。"
上述调查结果的出炉,恰逢AI技术步入更为成熟的阶段,相关影响也愈发清晰。这一代年轻人在进入职场时正面临大规模裁员所带来的严峻就业形势,与此同时,各大院校也在艰难应对AI快速普及所带来的挑战。而在公众与AI开发企业之间,信任危机亦在持续加剧。
Q&A
Q1:盖洛普报告中Z世代对AI态度的具体变化数据是什么?
A:根据盖洛普2025年的调查,Z世代中对AI感到"有希望"的比例从27%降至18%,"感到兴奋"的比例从36%降至22%。与此同时,"感到愤怒"的比例从22%上升至31%,"感到焦虑"的比例维持在约40%。整体来看,正面情绪明显下滑,负面情绪持续上升。
Q2:Z世代对在职场使用AI的看法发生了哪些变化?
A:调查显示,近半数Z世代从业者认为在职场使用AI的风险已超过其带来的收益,这一比例比去年上升了11个百分点。尽管仍有56%的人承认AI能提升工作效率,但有八成受访者担忧,长期依赖AI完成工作会削弱自身的学习能力,影响未来的职业发展。
Q3:Z世代目前的AI实际使用频率如何?
A:根据盖洛普报告,略超半数(约51%)的Z世代每周至少使用一次AI,较去年的47%上升了约4个百分点。约半数受访者认为AI在高等教育或未来职业中不可或缺。尽管态度趋于负面,但整体使用率仍在缓慢增长,只是增速已大幅放缓。
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。