问题——人工智能快速迭代之下，社会关注的焦点正从“能做什么”转向“该怎么用”。
一方面，技术在文本、图像、代码等领域表现出显著的效率优势，引发对岗位替代与技能贬值的担忧；另一方面，算法驱动的决策参与公共治理、产业组织与日常生活，价值导向与安全边界问题更加凸显。
围绕这些现实关切，徐扬生在论坛发言中提出，智能的核心不应脱离人的价值与体验，人机关系更应走向互补共生。
原因——徐扬生将讨论的关键指向“体验”与“人性”。
他认为，若人工智能仅停留在对知识、规则与模式的处理层面，而不走向对生命体验的理解与支持，所谓“真正的智能”难以成立。
其逻辑在于：人不仅是信息处理者，更是具有情感、意志与意义追求的主体。
机器的设计目标若被简化为“超越人类”，容易把技术竞争引向单一的算力与效率比拼，忽视价值、责任与社会后果。
与此同时，他从哲学视角提示，不同文化传统会影响人们对世界的理解方式：有的侧重将世界视作可拆解、可重构的对象体系，有的更强调关系、情感与体验。
由此带来的现实挑战是：科学作为方法论体系，其验证方式和底层逻辑相对稳定，但在不同价值体系下，人们训练与应用相关系统时，目标函数、偏好设定与行为约束可能显著不同，进而导致系统“看世界”的方式出现差异。
影响——第一，价值不对齐可能带来技术分化与治理难题。
徐扬生提出的风险在于：如果各方在关键价值维度上缺乏共同约束，系统可能沿着各自的价值路径迭代，形成难以互信、难以协同的技术生态。
这不仅增加跨境合作与数据流通成本，也可能加剧误用滥用风险，放大社会撕裂与信息对抗。
第二，就业结构将发生更细致的重构而非简单“替代”。
徐扬生以“三层结构”作出判断：处于上层的少数人从事开创性探索，依赖直觉、跨域联想与原创性突破，难以被系统复制；处于底层的一些强现实场景工作，受制于复杂环境、责任边界与非标准化变量，也不易被完全替代；真正更容易受到冲击的是大量位于中间层的标准化、可流程化岗位，其工作内容更容易被工具化能力吸收与重组。
第三，技术竞争将从“能力竞赛”转向“人本导向竞赛”。
谁能把技术更好地嵌入教育、医疗、城市治理、制造业等场景，提升人的体验质量与社会福祉，谁就更可能获得可持续的创新优势。
对策——面向上述趋势，需要在理念、制度与人才培养上同步发力。
其一，坚持以人为本的技术路线，把“辅助人类完善体验”作为重要导向，在产品设计、模型训练与应用部署中嵌入可解释、可审计、可追责的机制，避免只追求指标最优而忽略社会后果。
其二，强化价值对齐与协同治理，推动形成更可操作的行业规范与评估体系，在数据合规、安全边界、内容责任、偏见歧视等方面形成底线共识，提高跨机构、跨地区的可互认性。
其三，围绕“中间层重构”提前布局教育与就业政策，引导劳动力从重复性工作向复合型任务迁移，提升人机协作能力、场景理解能力与创造性解决问题能力；同时对受影响群体提供转岗培训与社会保障支持，降低转型阵痛。
其四，鼓励开展面向真实世界的应用验证，在医疗、交通、公共服务等高影响领域，坚持审慎推进与分级管理，确保技术进步与公共利益相一致。
前景——徐扬生判断，人工智能终将走向“以人为核心的科学”，人不仅是研究对象，也将成为技术发展与制度设计的中心变量。
展望未来，随着多模态交互、具身智能和行业大模型等方向深化，系统将更深地进入现实场景，“体验”维度的重要性将进一步凸显。
可以预期的是，技术不会自动带来共生，价值约束、治理能力与社会共识将决定其最终面貌。
谁能在效率提升与人本关怀之间取得平衡，在创新竞争与风险防控之间建立制度化护栏，谁就更能把握新一轮科技革命和产业变革的主动权。
徐扬生院士的论述为我们理解人工智能的未来发展提供了重要的哲学视角。
在全球人工智能竞争日趋激烈的背景下，如何在保持技术创新的同时，坚守人文精神和伦理底线，成为各国共同面临的课题。
东方哲学中关于人机共生、体验至上的思想，为人工智能的健康发展指明了方向。
只有当人工智能真正服务于人的全面发展，而非威胁人的主体地位时，这项技术才能真正造福人类社会。