人工智能 · 文章
Palantir的Alex Karp为什么说技术工人和神经多样性人群将在AI时代蓬勃发展
发布:
图片: UK Government · CC BY 2.0 · Wikimedia Commons要点
Palantir首席执行官Alex Karp在2026年3月表示，在AI驱动的经济中，只有两类工人可以确信自己有未来：具有职业培训的人，以及神经多样性人群。他辩称，熟练的技术行业抵抗自动化，而神经多样性的思维方式适合非常规问题解决，Palantir已为这两类人群开设了带薪研究金。
此版本是原文（English）的机器翻译。 阅读原文
数据分析和防御软件公司Palantir Technologies的首席执行官Alex Karp在2026年3月的商业脱口秀TBPN上表示，有两种工人能清晰地度过人工智能预期将为职业带来的变革。Karp说："基本上有两种方式知道你有未来。一是你有一些职业培训。或者二是你是神经多样性的。"
根据Karp的说法，为什么是技术行业
报道TBPN亮相的Fortune杂志报告称，Karp指出电工、水管工和类似的熟练技术工作是难以自动化的工作。他将这些工人需求的上升与两个因素相关联：科技公司建设大型数据中心基础设施，以及美国现有的技术行业劳动力短缺。
根据Karp的说法，为什么是神经多样性
曾公开谈论过自己有诵读困难症的Karp辩称，与ADHD、自闭症和诵读困难症等条件相关的认知差异在AI驱动的经济中可以作为优势而非劣势发挥作用。根据Fortune的报告，他将这样的思想家描述为倾向于采取创意、非常规的方法，使他们能够创造他人无法想到的原创作品。
TokenPost报告称，Karp在2026年1月于达沃斯世界经济论坛上发表了相关评论，告诉观众人工智能将显著减少人文科学的职业机会，传统的文科凭证本身具有有限的市场价值。根据TokenPost，他多次质疑精英大学学位的价值，以哲学为例，他预期该领域将受到AI的经济压力。
Palantir的研究金
Palantir通过招聘计划支持了Karp的论点。Palantir在其职业平台上发布的招聘启事将神经多样性研究金描述为全职招聘渠道，面向表现出模式识别、非线性思维和超专注等特征的人员开放。该启事说明申请者不需要正式诊断或披露诊断，并将该计划框架为招聘战略而非多样性倡议，将神经多样性招聘描述为构建未来技术的竞争优势。公布的薪资范围是每年$110,000至$200,000，加上可能的受限制股票单位和入职奖金，适用于纽约或华盛顿特区的现场职位。
TokenPost报告称，Palantir分别运营一项择优研究金，针对未进入大学的高中毕业生。根据该报告，该计划的信息鼓励申请者放弃大学债务，优秀表现者可以获得公司的全职工作邀请。
背景：为什么现在讨论这个问题
Karp的评论出现在关于AI系统最可能首先自动化哪些工作的更广泛的公众辩论中。该辩论迄今为止集中在编码、法律和行政研究等白领、基于凭证的工作上。Fortune的报道将Karp的言论与这一辩论相联系，将他的职业培训/神经多样性框架与"高级学位能最大程度保护工作免受AI驱动失业影响"这一假设相对立。
Karp的两个群体，如来源报告所述| 群体 | Karp的陈述理由 | 来源 |
|---|
| 职业/技术工人 | 动手技能工作（例如电工、水管工）难以自动化；随着数据中心建设和劳动力短缺，需求上升 | Fortune |
|---|
| 神经多样性专业人员 | 认知差异（ADHD、自闭症、诵读困难症）可以支持在AI经济中有价值的非常规、基于模式的思维 | Fortune、TokenPost |
|---|
常见问题
- Alex Karp究竟说了什么关于谁将在AI时代成功？
- 根据Fortune对该亮相的报道，Karp在2026年3月的TBPN上表示，有两种方式知道你有未来：具有职业培训，或是神经多样性的。
- Karp为什么认为技术工人更能应对AI的威胁？
- Fortune报告称Karp引用了电工和水管工等熟练技术工作很难自动化，需求因数据中心建设和现有美国技术行业劳动力短缺而提升。
- Karp为什么将神经多样性与AI经济中的成功联系起来？
- 曾谈论过自己有诵读困难症的Karp辩称，与ADHD、自闭症和诵读困难症相关的特征支持非常规、基于模式的思维，Fortune描述他将其描绘为创造原创作品的创意、非常规方式。
- Palantir的神经多样性研究金是否要求诊断？
- 否。Palantir自己关于该研究金的招聘启事说明申请者不需要正式诊断或披露诊断，并将该计划描述为招聘战略而非多样性倡议。
- Palantir的择优研究金是什么？
- 根据TokenPost，它是Palantir针对未进入大学的高中毕业生的独立计划，信息鼓励申请者避免大学债务，优秀表现者可获得全职工作邀请。
本文由人工智能撰写，发布前已通过自动来源核查。如发现错误，请申请更正。 申请更正或回应 · 我们如何制作
相关文章
人工智能文章
神经网络通过进行预测、用损失函数衡量预测的错误程度，然后通过网络向后调整称为权重的内部值来学习——这个过程称为反向传播，与称为梯度下降的优化方法相结合。同样的机制，扩展到数十亿个参数的规模，是ChatGPT和Gemini等系统首先被训练，然后通过微调适配特定任务的基础。
人工智能文章
Midjourney和Stable Diffusion等AI图像工具通过学习反转噪声过程来生成图片，而Suno和Udio等音乐工具将音频压缩为令牌，并在文本提示的指导下逐步预测它们。这两个过程是否算作真正的创意仍未解决：研究人员分为两派，一派称其为基于模式的'混音'，另一派则赞同其具有可衡量的创意表现。
人工智能文章
中国AI实验室Moonshot表示,它从新款Kimi K3.1 Pro模型中删除了与网络安全相关的训练数据,以防止开源权重系统推动进攻型黑客能力的"前沿"。这一举动于2026年10月24日星期六宣布,此时各国政府和安全研究人员纷纷警告,日益强大的AI可能会使复杂的网络攻击更便宜、更容易实施。
人工智能文章
AI文本检测工具无法证明谁写了某段文本，它们通过测量词汇可预测性和句子长度变化等统计模式来估计概率。名为Pangram 4.1的检测工具最近认为一部获得€20,000奖金的西班牙语小说有99%的内容由人工智能生成，促使其出版商暂停宣传活动进行调查。