在很多人的认知中，就业市场就是简单的供需关系。只要市场上工作多，人就不怕找不到工作；人多了，企业就不难招人。但近年来，许多人都面临找不到工作的困境。而另一方面，企业却长期招不到人。这些现象，是全球正步入一个新的结构性阶段 —— “大缺工时代” (The Era of Great Labor Shortage)。 什么是“大缺工”？ 所谓“大缺工”，并不是字面意义上的“没人工作”。它具体指的是在整体劳动力仍然存在的情况下，企业却长期找不到合适的人，从而形成了结构性短缺。简单来说，“大缺工”是企业难以找到匹配岗位的人才。在现实中，你可能发现某些餐厅或者便利店的门口长期贴着“招聘中”、工厂找不到相关技术的工人、医院和护理行业严重缺人等现象。与此同时，毕业的大学生找不到理想的工作、部分行业的就业竞争激烈等。这些情况构成了当前劳动力市场的结构性矛盾。 缺工到底有多严重？为什么它会发生？ 从全球来看，“大缺工”并非个别国家的现状，而是一种全球趋势。即使是在经济增长放缓的背景下，全球职位空缺却维持在高位，甚至呈现持续上升的趋势。 美国： 根据美国劳动力市场（BLS）统计，2026年2月的招聘率仅为1%，低于2019年的3.4%，也显著低于2020至2021年期间曾达到的3.9%至4.6%的水平。然而，就业市场上仍有约690万个职位空缺。这表明岗位与求职者之间存在明显的匹配问题。 中国：根据《2024年度人才白皮书》，数字人才市场中有高达74%的企业面临人才不足问题。其中44%的企业认为数字人才非常紧缺，30%的企业认为“略有不足”。与此同时，中国当前数字化综合人才缺口约为2500万至3000万人。这也直观反映出，当下的缺工并非单纯劳动力不足，而是人才技能升级速度难以跟上企业需求。 日本： 日本是全世界拥有最高的老龄化程度社会之一。根据帝国征信 (Teikoku Databank) 2026年1月的调查，超过 3% 的日本企业处于正式员工严重短缺的状态，而非正式员工缺工率上升至28.8%。许多企业，尤其是建筑行业的企业都因为劳动力短缺而无法承接项目。而且，社会的人口老龄化和退休将进一步加剧企业的用工短缺问题。 “大缺工”的发生主要受到社会与经济结构变化的影响。其中，社会动荡带来经济的不确定性使企业不敢扩大招聘规模。这导致岗位长期空缺，但企业出于谨慎而不着急招聘人才。除此之外，还有源自技能不匹配的因素。企业要求的是“高技能”，然而求职者提供的只是普通技能。这也就导致了企业招不到合适的人选，宁愿空着岗位直至有合适的人选应聘。最后，AI与自动化对部分岗位的替代效应正在增强。在目前的社会中，已有一些岗位已经被AI部分替代，导致企业选择推迟招聘并观望技术的发展。 我们该如何应对这个时代？ 面对“大缺工时代”，个人、企业和社会都需要进行调整，从而应对这一大趋势。 提升“不可替代性” 未来的就业逻辑正在发生改变，学历已经不再是唯一的标准。很多时候，企业更看重个人所具备的技能。因此，不断地学习新技能并提高跨领域能力才能避免被自动化所替代。 改变用人方式 自疫情之后，人们对工作的要求出现了一定的变化。对于企业，除了提高薪资和福利吸引人才，加大对员工的培训投入是有必要的。同时，远程办公或者弹性工作时间也能够吸引一定数量的人才，从而提升企业在人才市场中的竞争力。 调整政策方向 在政策层面，应对“缺工”的手段主要包括延迟退休、鼓励生育、引进外来劳动力，以及加强职业教育与技能培训。依据目前的社会发展趋势，只有通过类似的方式才能减少人岗错配，并提高劳动力质量。 “大缺工时代”并不是简单的表层就业问题。其本质是人口、技术、产业与社会观念共同变化所导致的结果。这一时代的到来也揭示了社会接下来要比拼的并不是多少人，而是“有多少能力的人”。

如果说如今的 AI 是能够精准完成某一项特定任务的“专才”，那么 AGI（Artificial General Intelligence）更像是一个“全才”——它不仅能够像人类一样学习、理解并执行各种智力任务，理论上甚至可能超越人类现有能力的边界。需要强调的是，截至目前，业界对于“什么才算真正达到 AGI”仍没有统一标准。因此， AGI 仍然更多是一种技术目标，而不是已经被普遍确认实现的现实状态。 AGI是什么？它和我们知道的AI有什么不同？ 在目前的科技发展阶段中，我们仍处于ANI（Artificial Narrow Intelligence）的阶段。我们如今熟悉的大多数 AI 应用，例如 Siri、自动驾驶系统等，都属于 ANI。甚至如今我们熟知的DeepSeek，ChatGPT等也都属于ANI，但正处于往AGI的方向发展。 ANI (弱人工智能)：ANI的功能十分局限，只具备特定的单一功能，如手机的语音助手、图像识别。该类人工智能只在特定领域的能力极强，但离开该领域便无能为力。 AGI (强人工智能)：AGI则是已经具备常识、因果推理和泛化能力的人工智能。它不再只是被动执行指令的程序，而是能够自主学习新技能、理解复杂情境，并在不同任务之间迁移能力的智能系统。不过，这类人工智能目前仍主要停留在理论设想与目标阶段。像 ChatGPT、DeepSeek 这类系统，仍然属于 ANI 的范畴，但它们在多任务能力、推理表现与工具调用方面，确实被视为通往 AGI 的重要过渡形态。 ASI (超人工智能)：全称为Artificial Superintelligence，即超越全人类智力总和的超人工智能。该类型的人工智能目前仍更接近科幻想象，也常被影视作品用来描绘未来社会的技术极限。 千亿美元级别的“军备竞赛” 2026年，AGI 不再只是实验室中的概念，而逐渐被资本市场视为下一轮科技竞争的核心叙事。资本市场中的大型投资机构与科技巨头，早已开始用真金白银为 AGI 研发下注。根据市场报道与公司相关披露，OpenAI 于 2026 年 2 月完成一轮规模空前的融资，融资额达 1,100 亿美元，融资前估值约 7,300 亿美元。主要投资方包括 Amazon、Nvidia 与 SoftBank。 然而，目前对AGI的研发仍然卡在三道大关。其中一项困难为AI的幻觉现象。截至目前，AI经常输出虚假或错误的资讯，这种不稳定性，意味着它在高风险、高准确度要求的商业与专业场景中，仍然存在明显限制。AI 幻觉的成因并不单一，它既与模型训练方式有关，也与其对世界知识、常识推理、因果理解与事实校验能力的不足有关这种因果理解能力的不足，也进一步影响了 AI 输出信息的准确度与可靠性。因此，现有大模型在很多时候仍然更接近于“基于概率生成最可能答案”的系统，而不是真正意义上拥有完整世界理解的智能体。同时，高成本的训练和推理也使其研发的能源是近乎为无底洞的。因此，它也推高了企业的研发门槛。 AGI 成功后带来的颠覆 然而，一旦 AGI 真正落地，它对各行业的影响很可能是结构性、深层次甚至颠覆性的。其中，金融业很可能会成为最先被深度重塑的行业之一，尤其是在自动交易、智能客服、风险管理欺诈侦测与合规监测等场景中。除此之外，AGI研发成功后，它有潜力协助人类处理规模更大、变量更多、超出单一个体认知负荷的复杂问题。这也让人们得以处理更多具有创造性、成就感的任务。以下，将分为三个观点进行阐述。 金融五大支柱：AI的自动交易系统将具备更深层的策略逻辑。而智慧客服将处理极度复杂的客诉；风险管理、欺诈侦测以及合规与监管将实现近乎实时的精准控制。 健康与科研：AGI 的发展有望帮助人类更高效地处理规模庞大、结构复杂的生物与医学数据，缩短药物研发周期。同时，它也能改变诊断、治疗方案、药物研发等从而改善人类整体的健康结果。 教育公平：在教育领域，AGI 有望推动更高程度的个性化学习，使优质教育资源更有机会跨越地域与资源差距。 研发背后的挑战和风险 尽管AGI的研发愿景很美好，研发的过程中仍有不少需要面对的挑战和风险。除了此前提及的技术瓶颈以外，还有诸如技术的不确定性、监管问题、地缘政治等。 其中，技术的不确定性源于目前的技术瓶颈尚未突破，虽然投入了大量资金但可能没有研发结果。此外，监管挑战主要来自各大国政府关注的网络数据安全和就业冲击。倘若政府设立严苛的法规，其可能拖慢商业化步伐，而且监管缺位则可能引发社会反弹。此外，AGI 的发展也可能成为影响未来国际竞争格局的重要变量。最后，当 AGI 进化到人类无法掌控的程度，如何在追逐利润与维护社会责任之间取舍，也是目前所需要面临的挑战。 在目前的投资逻辑中，AGI已经被视为典型的“高风险、高回报”卫星资产。它具备改写地缘政治和国际格局的潜力，但也伴随着巨大的技术不确定性。对于企业和投资者而言，盲目跟风不可取，但在保持谨慎的同时，必须紧盯这一波可能重塑人类文明进程的“智能海啸”。 当然，AGI 的发展路径仍存在高度不确定性，相关判断更多反映当前技术与资本市场的阶段性趋势，而非确定结论。    

在当今的网络发展中，代码总是缺一不可的存在。而 GitHub 就是存放这些代码的“全球总库”。GitHub是一个在线软件源代码托管平台，并且不仅仅只是单一的代码存储功能。随着发展，GitHub已经演变成了一个连接全球开发者、驱动技术创新的社交生态系统。 程序员的“社交网络”与企业的心脏 GitHub 诞生于 2008 年，由开发者克里斯·汪斯崔斯、P·J·海特和汤姆·普雷斯顿·沃纳用 Ruby on Rails 编写而成。2018 年时，微软以 75 亿美元将其收购，这一动作引发开源界的震动。但随后GitHub的发展也证明了GitHub 的地位愈发不可替代。 根据GitHub在《Octoverse 2022》报告显示，全球 90% 的企业使用开源软体。而其中，财富 100 强企业中的九成以上都在使用 GitHub。到了2025年，GitHub平台迎来了爆发式增长，2025年全年新增 3600 万名开发者。在这一数量中，其中印度以520万的增量领跑，巴西、印尼等地的显著增长预示着全球软件协作模式的根本性重构。 为何 GitHub 无法被替代？ GitHub的成功在于其独特的“社会化编程”理念，而不仅仅是保管代码的仓库。 方便社会化和共同开发的软件功能：它提供了完善的权限管理、版本追踪和协作工具。 技术风向标：通过GitHub里的热门趋势榜，开发者可以第一时间把握全球技术的脉搏。 职业助推器：一个高质量的 GitHub 个人主页往往比简历更有说服力。它能够直观展示开发者的创造力和解决实际问题的能力。 GitHub面临的挑战 然而，随着 AI 技术的介入，GitHub 正在经历一场深刻的组织挑战。 “AI Slop”的泛滥：AI的出现让编码的门槛有所降低。降低的同时，大量由 AI 生成的低质量、错误频出的代码涌入开源社区。这些“高产而无用”的贡献极大地消耗了项目维护者的精力。因此，相关AI工具被推出帮助应对这一高流量场景，以此维护工作。 维护者的缺失：社区里的贡献者数量在显著激增，但真正承担管理职责的维护者人数却保持稳定。为了应对社区的失衡现象，社区开始转向“稳健系统”的打造，通过清晰的晋升路径和文档流程，避免权力过于集中或因时差导致的管理瘫痪。 4.24争议 于2026年3月25日，官方宣布其将于 2026 年 4 月 24 日 起，正式使用用户数据训练其 AI 模型。公告的发布引起了社区的轩然大波。这一新政的核心争议点在于： “默认开启，手动关闭”：GitHub 倾向于强制征集用户数据，理由是程序员与 AI 的“实时交互数据”比静态代码库更有价值，因为它包含了人类纠正 AI 错误的逻辑过程。这些过程也成为了训练AI的绝佳素材。 私有仓库的安全边界：除了以上争议最大的，公告还发布了GitHub会共享关联微软公司、合法性基础和区分个人与企业版。这些举措也打破了 GitHub 长期以来“尊重私有数据”的承诺。开发者社区对此反应剧烈，认为这使私有仓库失去了绝对的私密性，变成了 AGI 进化的“免费养料”。 从一个简单的代码托管平台到现在的 AI 数据源泉，GitHub 的演变缩影了整个互联网产业的权力转移。对于企业和个人而言，GitHub 依然是获取优质资源、增强职业竞争力的最佳场所。然而，如何在享受便利的同时，应对 AI 浪潮下的隐私挑战与低质贡献，将是 2026年每一个数字公民必须面对的课题。