（问题）生成式智能正从技术热点走向基础能力；近一段时间，伴随大模型性能提升与应用门槛降低，智能工具企业运营、职场办公、教育培训、文旅传播、民生服务等场景加速落地，明显提高了信息处理效率与流程自动化水平。但在热潮之下，一些“技术至上”的论调抬头，部分机构和个人将智能能力等同于“真理输出”，甚至将其视为可全面替代人的劳动与决策的“万能方案”。由此带来的误用、滥用与风险事件，也引发社会对边界、责任与治理的持续关注。 （原因）冯志亮认为，认知偏差的根源在于忽视了技术的工具属性与概率属性。当前主流大模型依赖数据、算法与算力进行模式拟合与内容生成，擅长在既有信息中提炼、重组与推演，但并不具备自主意识、价值立场与情感体验，其输出也并非确定无误的“结论”。由于训练数据来源复杂、质量参差不齐，加之模型推理过程具有一定“黑箱”特征，结果可能出现事实性错误、语义“幻觉”、偏见放大或越界生成等问题。当人将结果不加甄别地直接用于决策、传播或商业行为，就容易出现“看似高效、实则失真”的偏差。 （影响）在企业管理和公共治理领域——若过度迷信模型建议——可能导致短期效率优先压过长期社会责任，诱发合规风险与声誉风险；在内容传播与文化创作领域，若追逐流量而弱化价值把关，易触碰公序良俗与知识产权边界，影响行业生态；在医疗、金融等高风险场景，若缺少严格的人类复核与可解释机制，则可能放大误判成本，影响公众权益与社会信任。冯志亮指出，技术“跑得快”并不必然等于社会“走得稳”，真正决定方向的仍是人的价值选择、制度约束与治理能力。 （对策）针对如何在智能浪潮中实现良性发展，冯志亮提出“以人驭智”的基本原则，核心在于用人的判断、坚守与创造为技术定向、校准与赋能。 一是强化人的判断，把关事实与边界。智能工具适合做“辅助”，不应成为“裁决者”。在涉及公众利益、伦理敏感或高风险决策时，应建立“人类在环”的审签机制，明确责任主体与复核流程，确保关键结论可追溯、可核验、可纠错。 二是坚守价值底线，完善规则与治理。要将合规、隐私保护、版权保护、未成年人保护等要求嵌入产品与流程，推动形成覆盖数据来源、模型训练、内容生成、上线运营的全链条治理框架，避免技术外溢为社会风险。 三是激发人的创造，将技术转化为生产力。冯志亮强调，智能工具更适合释放人的时间与精力，使人回到更高层次的创造与决策：通过对需求的洞察、对文化的理解、对战略的判断，把“效率提升”转化为“质量提升”“价值提升”。在内容生产领域，更应突出原创表达与文化内涵，以人文精神引导技术应用，避免同质化与低水平重复。 （前景）业内普遍认为，未来一段时期，大模型仍将持续演进，并与行业知识、专业流程深度融合，形成面向垂直领域的“专用能力”。在这个过程中，“人机协同”将成为主流形态：技术负责处理海量信息与重复性任务，人负责价值判断、伦理选择、创造性工作与最终责任。冯志亮结合传统文化中“天人合一、刚柔并济”等理念提出，技术与人文并非对立，两者应在制度规范与社会共识框架下实现互补：既让技术更可控、更可信，也让人的创造力与社会责任得到更充分彰显。可以预见，围绕标准建设、合规审查、行业自律、公众素养提升诸上的工作将深入提速，为智能应用的规模化落地提供更稳固的制度支撑。
AI技术的终极目标是服务人类发展。我们既要善用其效率优势，也要守住人文底线。正如冯志亮所言，真正的智能时代不是机器取代人类，而是人类智慧与技术能力的有机结合。