我们正处在一个从工业经济时代向数字经济时代大转型的时期，这一转型最大的推手是新科技。

我们可以用DARQ5来总结推动未来变革的五项黑科技，分别是：D（Distributed Ledger，分布式账本，也就是我们常说的区块链）、A（AI，人工智能与大数据）、R（VR和AR，虚拟现实和增强现实）、Q（Quantum Computing，量子计算）及5G（快速实时的通信新标准）。

区块链是构建未来价值互联网的底层技术，有可能推动去中心化的实现，并更有效地在商业社会中构建信任。人工智能与大数据是数字经济变革的最大推手，将持续推动机器智能的发展。VR和AR是五项黑科技中应用最广的技术，在制造和娱乐领域已经有了应用场景，但是更重要的潜力则在于在创建人与机器的数字分身[1]的过程中，能够给予人直观感受。量子计算则是一个可能拥有巨大潜力的新推手，它将带来实质性的突破，不仅会带来机器算力的另类提升，也会为从密码学到化学制药的仿真实验等各个领域带来全新的实践模式。和4G一样，5G将是新一代移动通信技术的基础设施。如果说4G催生了至少三家市值接近万亿美元的公司，带来了智能手机这种几乎使人类肢体进化、大脑延伸的新科技，那么5G的潜力就更大。我们可以看到的是无人驾驶与远程医疗的突破，但是当5G真正成为全新的基础设施时，它最大的贡献可能是在全新的基础设施上“长”出新物种。

DARQ5意味着未来科技所带来的转型和迭代会更猛烈，也需要每个人做好准备。好在，这并不是人类第一次面临科技变革，历史的视角可以帮助我们更好地预见未来。

如果想要梳理历史上科技变革给工作带来的变化，可以从社会转型的角度进行。社会转型可以被简单划分为三次主要的转型，而伴随着每次转型都有大量工作岗位被消灭，同时又有大量新工作岗位被创造出来。

第一次转型是农业社会向工业社会的转型，起始于18世纪；第二次转型是电脑的广泛运用推动的工业社会向服务业社会的转型，起始于1973年个人电脑的兴起；第三次转型则以2015年作为起始点，开启了人工智能作为主要推动力的迈向数字社会的转型。

200多年前的第一次工业革命以机器动力取代畜力，迫使大量农民进入制造业，带来的最大的转变是制造业对农业的替代。20世纪70年代开始的计算机革命，则开启了发达市场去工业化的过程，更确切地说是蓝领工人被自动化取代或者他们的工作被新兴市场承接的过程。二战之后维持了30年的平衡被打破，20世纪70年代之后贫富差距拉大，蓝领的中产梦破灭，同时计算机革命让熟练使用电脑的白领工人工资更高，教育差距带来的收入差距被进一步拉大。

两次革命都有自动化和全球化两个层次。第一次工业革命所带来的全球化，相对于自动化滞后了一个世纪。比如，蒸汽动力带来的轮船革命和铁路革命，在全球推广需要时间，人们无法像推广一个App（手机软件）那样一下子在全球大规模复制和推广蒸汽机。第二次服务业转型所带来的全球化相对于自动化也滞后了将近20年。中国的很多企业甚至现在还身处流程自动化转型之中。

人工智能开启了第三次转型，我们身在其中。这次转型的特点是全球化与自动化同期而来，没有滞后：一方面是机器凶猛而来，自动化取代大量白领的工作岗位；另一方面，全球化带来的通信与交流的便利也正把白领劳动力的全球工资竞争推向白热化。

中国，作为前两次大转型的跟随者和追赶者，在第三次转型中，将面临三重挑战，或者说三重挑战。(www.daowen.com)

首先，许多企业本身的流程管理自动化转型尚未完成。一些大型企业刚刚完成流程管理转型的1.0版本，强调依赖流程来管理人，希望通过流程管理来提升效率。

其次，许多企业已经开始了数字化转型，但因为流程管理转型尚未完成，流程管理的刚性与数字化转型所需要的多样性和灵活性之间每每发生冲突，35岁的工程师被裁汰的现象就是例证——“不晋则退”（Up or Out，也就是如果没有升迁就被淘汰）这种工业经济时代的阶梯竞争机制，需要在数字化转型中改变。

最后，中国人的代际转型会越来越快，代际之间的差异也越来越大，尤其是当95后和00后一代进入职场之后，这些年轻人会带来一系列的冲击。这种冲击将会带来价值观的重构，对工作保障、工作与生活的关系等重要问题都会进行重新定义。

大转型时代，给个人、企业和社会都带来了巨大的挑战，同时也提供了更多快速发展的机遇。身处其中，我们有一些重要的思考点。

首先，我们未来面临的挑战将日益复杂，且面临重要的未知问题。和之前“追赶型发展”不同的是，面临复杂未知的问题，我们没有前人/他者的案例可以借鉴，外部环境也无法给我们的行为提供快速准确的反馈，我们需要学会拥抱风险，不能只依赖强大的执行力来推动发展。这些都需要我们有全新的思考，而这种思考的出发点是：过去的经验可能会快速贬值——就好像我们积累的知识折旧的速度会越来越快一样。面对未来，快速学习、快速选择、快速迭代，变得特别重要。

其次，我们需要对效率做出全新的思考。在追赶型发展的时代，强大的执行力所带来的高速发展有一个重要的前提，那就是我们对未来有着明确的目标，对发展的方向也有着明确的预期。大转型期，首先被颠覆的恰恰是长期积累起来的对高效率，以及高效率所带来的高速度的固定认知。我们需要慢下来，这种慢，不是经济增速放缓的慢——虽然经济增速放缓，在中国经济体量变得越来越大也越来越复杂的时候，是必然的——而是一种自己放慢节奏的主动行为。机器的算力可以按照摩尔定律不断增强，人如果在算力上去与机器比拼，早就被甩在后面了。人相对于机器的优势是触类旁通，是见微知著，是从纷繁复杂貌似没有关联的现象中看到本质的关联，并在新的关联中找出创新点。这需要我们去有意识地停下脚步思考，不再被外部速度所驱使，在偶然和跨界中、在思想的碰撞中擦出火花来。这正是人与机器最大的区别。

再次，数字世界也给我们带来了不少的烦扰。其中一个最重要的挑战就是我们的时间变得日益碎片化，注意力越来越难以集中。我们曾经以为，如果把时间切成越来越细小的时间段，我们可能会完成更多的工作。认知科学告诉我们，人的价值在于利用大块的时间去专注地做事情，去分析和思考。以小时为计算单位的大块时间非常重要，在没有被打扰的情况下专注地做事情和思考非常重要。这时候，我们就需要思考：在数字经济时代，到底有哪些前数字经济时代的工作和生活方式应该被保留。这种生活方式可以特指智能手机出现之前的生活方式。比如用纸和笔做记录的方式，又比如花更多时间进行人与人之间面对面的沟通方式。千万不要小看这种坚持，它能让我们更深入地去理解人与机器的区别。

最后，科技带来的快速迭代，也让我们进入一个“终身学习”的时代。一方面，终身学习对工业时代所形成的标准化的学习方式提出了巨大的挑战。针对下一代的学习，我们希望他们能够掌握更多新技术，同时我们也希望在科技的赋能之下，让孩子们能从标准化学习“应试教育”的重压中解脱出来，真正做到定制化教育，按照每个孩子的特点和差异确定学习的节奏和方向。另一方面，终身学习也需要我们去持续思考学习和练习什么。对知识点本身的掌握、对零散新知的记忆，机器比人强很多。人与机器最大的区别是，人拥有学习、思考和跨界的能力，人能够构建面向未来的知识体系，而构建这样知识体系就仿佛织网一样，每个人的网都可能不同，但是一旦有了比较成型的网状结构之后，我们对于新知会有更敏锐的判断——这些新知应该被放置在网络的什么节点，又可能由什么新的关联催生出新的想法、新的机会。这样，我们不仅有更强的学习能力，也能不断培养创新力和想象力。

[1]数字分身是指，通过越来越精密的传感器追踪人和机器的各种行为，在虚拟世界中重构这样的行为，并使人工智能根据这样的重构对未来的行为进行预测。对人而言，这样的预测是对个人兴趣爱好或者未来购买行为的预测；对机器而言，这样的预测则指更好地预判未来可能发生的问题，比如说预测飞机发动机需要大修的时间。