本周行业资讯

• 《Mckinsey麦肯锡｜阻碍生成式AI加速落地的认知桎梏》： https://www.mckinsey.com.cn/%e7%a0%b4%e9%99%a4%e5%81%8f%e8%a7%81%ef%bc%9a%e9%98%bb%e7%a2%8d%e7%94%9f%e6%88%90%e5%bc%8fai%e5%8a%a0%e9%80%9f%e8%90%bd%e5%9c%b0%e7%9a%84%e8%ae%a4%e7%9f%a5%e6%a1%8e%e6%a2%8f/

• 《甲子光年｜请回答2026：38位中国AI关键人物的Magic Moment和趋势判断》： https://www.jazzyear.com/article_info.html?id=1691

• 《开源项目MiroFish｜基于红楼梦前80回数十万字，深度预测失传结局》： https://www.bilibili.com/video/BV1cPk3BBExq

• 《腾讯新闻大声思考｜应对AI的就业影响：让蚂蚁储备食物，让蚂蚱唱歌跳舞吧》 https://mp.weixin.qq.com/s/FCe_vvb2YjNTBVAiQ9GLtA

• 《问答神州｜从 18.9% 青年失业率到 2 亿灵活就业者，AI时代如何破局打工人“饭碗”迷思？》： https://mp.weixin.qq.com/s/4a8T9w006g2hXMmZlDPGsQ

特别推荐

• 《莫循科技工作室｜OpenClaw知识库》： https://moxunkeji.feishu.cn/wiki/IL03w3dvkibG5ykosbhcrcY9nef

本周学术资讯

• Zhang, Y. (2026). Vibe researching as wolf coming: Can AI agents with skills replace or augment social scientists? In arXiv [cs.AI]. https://doi.org/10.48550/arXiv.2602.22401

  导读

  具备多种技能的AI Agent，究竟会不会取代社会科学家？这篇论文以作者开发的 scholar-skill 系统为案例，系统梳理AI Agent如何介入从文献综述、研究设计、数据分析到论文写作和投稿回复的完整研究流程，并据此提出一套“可编码性”与“默会知识”相结合的分析框架。研究发现，AI如今确实已经能够高效完成大量规则清晰、步骤明确的研究任务，尤其在资料整合、代码生成、方法执行和写作脚手架方面表现突出，但在真正决定研究价值的理论原创性、问题意识、场域判断和学术直觉上，仍难以替代人类研究者。

• Wise, A. F., Gresalfi, M., & Spencer-Smith, J. (2026). Why AI is not the enemy: Opportunities to strengthen core commitments of qualitative inquiry through trustworthy AI-in-the-loop analysis. International Journal of Qualitative Methods, 25(16094069261435579). https://doi.org/10.1177/16094069261435579

  导读

  AI会不会破坏质性研究最看重的细读、解释和反思能力？这篇论文从质性研究的方法论传统出发，结合生成式AI的技术特征，提出“AI 在环分析”这一框架。研究认为，AI真正的价值并不在于替研究者自动完成编码或生成结论，而在于帮助研究者在大规模复杂材料中更快找到关键片段、比较不同解释路径、主动搜寻反例和边缘声音，并更完整地记录分析过程，从而强化质性研究一向强调的可信度、可确认性和真实性。

• Bosone, C., & Giudici, P. (2026). Machine learning models to measure the importance of Geopolitical Tensions on Trade. Socio-Economic Planning Sciences, 102473, 102473. https://doi.org/10.1016/j.seps.2026.102473

  导读

  在今天的全球贸易中，真正决定一国和另一国做不做生意的，还是关税和距离，还是越来越紧张的地缘政治关系？这篇论文使用联合国贸易数据库、世界银行数据以及基于联合国大会投票构建的地缘政治距离指标，整理出覆盖多个国家和地区的制造业双边贸易与国内贸易数据。论文将传统重力模型与随机森林、Lasso、Ridge 等机器学习模型进行比较，重点检验不同变量在样本外预测中的作用。研究发现，除了经济规模仍是最基本的贸易驱动力外，地缘政治距离已经成为近年来最重要的双边预测变量之一，而且在很多情况下比关税和区域贸易协定更能解释贸易流的变化；同时，随机森林这类能够处理非线性关系的模型，在预测表现上明显优于传统重力模型。

• Pandian, R. K., & Kwon, R. (2026). Does inequality blur class lines? Meritocratic attitudes in comparative perspective. The British Journal of Sociology, 1468-4446.70107. https://doi.org/10.1111/1468-4446.70107

  导读

  收入不平等越严重，人们是否会越怀疑“努力就会成功”这套精英主义叙事？这篇论文利用世界价值观调查多个波次的跨国调查数据，通过多层模型分析不同阶级群体对精英主义态度的差异。研究发现，在平均不平等程度更高的国家里，下层阶级和其他阶级在“成功是否主要靠努力”这个问题上的差距反而更小，也就是说，高不平等社会未必会自动激发更强烈的阶级批判；与此同时，当一个国家内部的不平等下降时，不同阶级群体整体上都会更认同精英主义，而不平等上升本身却没有显著削弱底层群体对精英主义的支持。

• Oleš, T. (2026). In-demand skills: a shield against automation—evidence from online job vacancies. Journal for Labour Market Research, 60(1). https://doi.org/10.1186/s12651-026-00424-6

  导读

  在自动化和AI不断进入工作场景的今天，究竟哪些技能真正能够保护劳动者，不那么容易被机器取代？这篇论文使用斯洛伐克几乎全量的在线招聘广告数据，借助语义模型将这些技能归类为多种能力类型，构建职业对AI、软件和机器人三类技术的自动化暴露指标。研究发现，并不是所有高技能都同样安全，真正更像“护盾”的，主要是项目管理、人员管理、软件专门技能、金融技能以及手眼脚协调等既复杂又不易完全标准化的能力；相比之下，客户服务、部分社会技能、性格技能和常规认知技能虽然仍被大量需要，却往往更常出现在自动化暴露较高的岗位上，说明它们更多是与机器协同，而不是天然免于被替代。