政策研究
我们的政策团队研究在香港看到的问题，再向政府提交建议。这里列出的都是真正提交过的工作，而且还会陆续有更多。
我们的主要项目
2026 年 2 月，香港财政预算案拨出五千万港元，推行一个普及人工智能计划。计划预计在两年内，通过超过 200 个课程、讲座和比赛，接触约 50,000 名市民，由数码港、香港科技园公司和香港生产力促进局负责推行，其中数码港的部分以学生、家长、长者和基层社群为对象。
我们可以这样说：我们提出了这项建议，而预算案朝这个方向走。AI for All 是政府的计划，由公营机构出资和推行。我们没有出资，也没有参与运营。
我们为什么提出
我们在没有人工智能课堂、也没有相关预算的学校教小学生。孩子很有兴趣，也学得很快，他们缺的是机会。所以我们每年的意见书都提出同一点：如果人工智能培训只经学校和雇主推行，最后只会惠及本来已有机会的家庭，漏掉真正需要的人。公帑应该先照顾排在队尾的人。
我们提交了什么
2025 年 8 月，我们在施政报告咨询中提出这个论点，之后在财政预算案的意见中再次提出。我们建议政府直接资助最难接触到人工智能的人，例如资源不足学校的孩子、他们的家长和长者，而不是经那些最迟才会照顾到他们的机构转介。我们要求的是专门拨给这群人的款项，而不是一个笼统的人工智能技能承诺。
这代表什么，又不代表什么
这是一个开始，不是终点。政府形容五千万港元只是初步拨款，50,000 名参加者的目标也只是按现有资源订下的基准；官员表示如果有需求，可能会再增加拨款。五万人只占香港人口的一小部分。我们在下一轮的立场是：需求确实存在，拨款应该跟上，我们也打算在五年规划的意见书中这样说。
能够接触人工智能，只解决了一半问题。2019 年，全港有 94% 的家庭可以上网，但月入少于一万港元的家庭只有 71%。而即使有电脑，如果没有人教孩子好好使用人工智能，他们也可能只是依赖它，而不是从中学习。这第二道差距，正是我们《Think First 先想后问》建议要处理的问题。
每一份提案都从受政策影响的人开始。我们的议题来自成员亲眼见到的事，而不是新闻；我们会访问老师、家长、上班族和一线人员，也会问我们自己的导师：发生了什么、影响了谁、是只发生过一次还是每星期都有。如果只有一个人留意到某个问题，我们会先找更多证据，才把它写成提案。
接着我们会检查这是否真的是政策问题。政府在这方面已经资助了什么？这些资助帮到谁、漏了谁？其他地方试过什么方法、成本多少？如果现有政策已经处理了这个问题，我们会直说，然后放弃这份提案。这一步的目的是筛掉提案，而不是替提案找理由。
由一位成员按下面的三段格式撰写提案，反对的理由会写得尽量有力。如果反对的理由胜出，提案就不会提交。通过的提案会交到当时开放的咨询，例如施政报告、财政预算案或个别政策局的意见征集，而建议会写得清楚具体，让对方可以据此行动。
每一份提案都用同一个三段格式：
支持的理由
最有力的支持论点：这项政策能做到什么、帮到谁，以及背后的证据。
反对的理由
诚实地写出反对的论点：成本、风险，以及由谁承担。如果这一方胜出，我们就不提交。
建议
在两方面都说清楚之后，用简单直接的话写出我们希望政府做什么，包括需要多少钱，以及怎样知道它是否有效。
以下是我们提交给政府的两个例子，较新的排在前面。每一份都先写支持和反对的理由，再提出建议，并列明成本和衡量成效的方法。
香港即将把人工智能带进每一间小学。用得好，每个孩子都可以有一位耐心的导师，而这本来只有家境较好的家庭才负担得起；用得不好，孩子还未学会自己思考，就先学会把思考交给机器。我们提出“Think First 先想后问”的做法，并建议拨款五千四百万港元，在服务全港最低收入家庭的小学推行试验计划。
这份建议针对 2025 年施政报告在数码教育方面的承诺，以及教育局的“AI for Empowering Learning and Teaching”资助计划，在 2026–27 年度财政预算案之前提出。
拨款比方法走得更快。 2025 年施政报告承诺制订人工智能素养学习框架、把人工智能纳入核心课程，并加强教师的人工智能培训，由优质教育基金预留二十亿港元支持。2025 年 12 月 16 日，教育局推出“AI for Empowering Learning and Teaching”资助计划，向每间公营及直接资助计划学校发放五十万港元，在 2025/26 至 2027/28 学年使用。这是很实在的承诺，但至今仍没有任何指引告诉小学老师，一个七岁的孩子应该怎样使用人工智能，或者什么时候不应该用。
怎样用人工智能，比用不用更重要。 目前最有力的证据，是 2025 年 6 月在《PNAS》发表的一项随机对照试验（Bastani 等人），对象是近一千名高中数学学生。使用一般 ChatGPT 式助手的学生，练习时的分数高出 48%；但考试时拿走人工智能，他们的分数反而比从未用过的学生低 17%。另一组学生使用只给提示、不给答案的人工智能导师，这种设计大致避免了上述的损害。如果青少年都会这样受影响，六至十二岁、仍在建立基本能力的孩子风险更大，而这些正是人工智能最容易取代的能力。联合国教科文组织 2023 年的指引建议，独立使用生成式人工智能的最低年龄为 13 岁。
两道差距，落在同一群孩子身上。
每所学校划一五十万港元，两道差距都缩小不了。大部分家庭都通过收入审查的学校，和只有少数家庭通过的学校，拿到的金额完全一样。
这份建议从哪里来。 这份建议来自我们自己的补习经验。我们教的孩子从来不缺兴趣，缺的是接触的机会，以及有人教他们怎样用这些工具来锻炼思考，而不是代替思考。
1. 在人工智能素养框架中，加入按年龄分阶段的“Think First”阶梯
| 阶段 | 原则 | 课堂上的做法 |
|---|---|---|
| 小一至小三 | 不用人工智能，先学思考 | 学生不设个人的生成式人工智能帐户。老师可以向全班示范人工智能，但永远以“电脑说得对吗？”的角度提出。课堂培养人工智能代替不了的习惯：解释自己怎样知道答案、计算前先估算、在示范例子中找出错处。 |
| 小四至小六 | 先思考，再用人工智能核对 | 只在老师监督下以“提示模式”使用，并跟从下面的四个步骤。 |
| 中一至中三 | 与人工智能一起思考 | 在指导下独立使用，评估著重学生自己的推理，而不只是最后答案。 |
2. 每一节用到人工智能的小学课堂，都跟从四个步骤
最后一步是安全网。孩子能在没有人工智能的情况下解释答案，就代表真的学会了；如果做不到，那就是人工智能替他们思考了。
3. 以“提示模式”作为公帑采购的条件。 任何用公帑（包括五十万港元的拨款）为小学生购买的人工智能工具，都应该预设提供提示和引导问题，而不是完整答案；让老师看到学生的提问和人工智能的回复；并且绝不使用儿童的资料来训练人工智能模型。
4. Think First 学习室：在 100 间小学推行三年试验计划。 选出领取学校书簿津贴全额津贴学生比例最高的 100 间公营小学（政府已经收集这项收入审查资料），每星期为小四至小六学生举办两节各 90 分钟的课后活动。由一位老师带领，配合受训的中学生及大学生导师，大约每六名学生一位导师，并在校内使用学校的器材，孩子毋须在家有电脑或宽带也可以参加。
5. 教师培训。 通过教育局现有的专业发展课程，开设一个六小时的“用人工智能教思考”单元，目标是在 2026/27 学年结束前，每间公营小学至少有两位老师完成培训。
| 每所学校每年 | 港元 |
|---|---|
| 教师及导师津贴 | 130,000 |
| 器材、网络及物资 | 35,000 |
| 独立评估 | 15,000 |
| 合计 | 180,000 |
100 所学校 × 180,000 港元 × 3 年 = 五千四百万港元，约为优质教育基金已预留作数码教育的二十亿港元的 2.7%。教师培训单元和提示模式条件，可以在现有预算内完成。
整体而言，我们建议五项措施全部采纳。反对理由中最有力的是证据不足，正因如此，学习室应该先以三年、独立评估的试验计划开始，而不是全港推行。如果做错了，代价是一整代孩子会用人工智能，却不会自己思考；这远比谨慎推行的代价高。
2026 年 6 月，教育局发表中小学数码教育发展蓝图（Blueprint for Digital Education Development），当中包括人工智能素养学习框架和在教学中使用人工智能的指引，并要求教师由 2026/27 学年起，在每三年的专业发展周期内完成至少 30 小时的数码教育培训。
香港一方面缺人手，另一方面人工智能可能令大量日常文书工作不再需要。结构性失业就是这样开始的：职位仍然存在，但失去工作的人却无法填补。香港现时主要在工人失业后才资助他们再培训。我们建议在失业之前，就资助高风险的在职人士再培训，引导他们转投人手短缺的行业，并奖励选择培训员工而非解雇员工的雇主，三年开支上限约二亿四千万港元。
这份建议参考了 2024 年施政报告中有关雇员再培训局改革的内容、政府的《2028 年人力推算报告》，以及 2025–26 年度财政预算案。
人手短缺和人手过剩同时出现。 政府在 2024 年 11 月发表的《2028 年人力推算报告》推算，到 2028 年全港人手将短缺约 180,000 人，研究的 17 个行业之中，有 10 个各自短缺超过 10,000 人。目前失业率偏低，2024 年 12 月至 2025 年 2 月经季节性调整后为 3.2%。但国际货币基金组织估计，全球近 40% 的工作会受人工智能影响，在先进经济体更高达约 60%。香港经济倚重金融、贸易和专业服务，而这些行业中大量日常文书工作，正是生成式人工智能最擅长的事。
为什么会变成结构性失业。 周期性失业会随经济复苏而结束，结构性失业却不会，因为重新出现的职位和失去的职位并不一样。如果人工智能削减的是日常的办公室职位，而短缺的却是养老服务、医疗支援、楼宇服务和建造业这类需要亲身处理和面对人的工作，那么一位被取代的文员和一个养老院的空缺，可以并存多年。一个人失业越久，技能和信心就越被消磨，也越难重新就业。经济学家称之为迟滞效应（hysteresis），一时的冲击就是这样变成永久的损失。
现有制度在工人失业后才资助再培训，而不是之前。 2024 年施政报告接纳了改革雇员再培训局的建议，把重点由培训低技术工人，转为为整体劳动人口提供以技能为本的培训。自 2025 年 1 月 1 日起，雇员再培训局取消了学历上限，课程开放予所有 15 岁或以上的劳动人口，并承诺在 2025–26 年度增加至少 15,000 个培训名额。这是好事。但雇员再培训局的再培训津贴（每月最多 8,000 港元，即每天 333 港元或每半天 166.50 港元），只适用于以就业为目标、主要对象是失业或待业人士的课程。一位看得见自动化将至、但仍在职的文员，晚上进修是得不到任何收入补助的；如果改用持续进修基金，就要先付学费，之后才申请发还。对低收入的工人来说，两者都是实实在在的障碍。
对人工智能的投资，跑在对受影响工人的投资前面。 2025–26 年度财政预算案预留十亿港元成立香港人工智能研发院。支持人工智能发展本身合情合理，但政府至今仍未承诺以相若的资源，帮助工人适应人工智能带来的转变。
现在行动，成本最低。 失业率仍处于 3.2%，工人可以在职时再培训，雇主也仍在招聘。如果等到被取代的情况反映在失业数字上才行动，就要承担更长的失业期、更少的税收和更高的福利开支。
1. 公布香港各职业的人工智能影响指数。 劳工及福利局和政府统计处应把香港的职业分类，对照国际上衡量人工智能影响程度的方法，公布结果，并纳入日后每一份人力推算报告。影响程度最高的四分之一职业，会列为下列措施所指的高影响职业。
2.“裁员之前先培训”津贴。 从事高影响职业、月入低于工资中位数的在职人士，参加晚间及周末的技能提升课程时，可获发雇员再培训局现有的半天津贴，即每节 166.50 港元，每 12 个月最多 60 节（9,990 港元）。这是把现有的津贴延伸至在职人士，而不是另设新计划。
3. 为高风险工人预先支付学费。 对同一群人，持续进修基金应直接把认可课程的学费付给培训机构，而不是事后才发还给工人。
4. 转投人手短缺行业的“转职路径”。 雇员再培训局应与人力推算报告中人手短缺行业的雇主合作，设计以就业为目标的课程，例如养老服务、医疗支援、楼宇及城市运营和建造业。参与的雇主承诺面试每一位完成课程的学员。学员可获现有每月最多 8,000 港元的再培训津贴。
5. 为雇主而设的“培训留任”奖励。 利用政府科技资助（例如科技券计划）以人工智能把工作自动化的公司，如果选择把员工培训至公司内的新岗位而不是解雇，每位员工可申领最多 20,000 港元的额外资助。这样，引入人工智能就不再是裁员的理由，而是重新调配人手的理由。
| 项目 | 计算基础 | 三年上限（港元） |
|---|---|---|
| “裁员之前先培训”津贴 | 20,000 名工人 × 9,990 港元 | 2 亿 |
| “培训留任”额外资助 | 2,000 名工人 × 20,000 港元 | 4,000 万 |
| 人工智能影响指数 | 由劳工及福利局和政府统计处现有资源承担 | — |
| 持续进修基金预先付款 | 只是改变付款时间，并非新增开支 | — |
| 合计 | 约 2.4 亿 |
转职路径使用雇员再培训局现有的课程和津贴预算。由于并非每位合资格工人都会用满 60 节，实际开支很可能远低于上限。
资金来源： 雇员再培训基金，其资金来自雇主输入外劳时缴付的雇员再培训征款。随着输入劳工的规模扩大以填补短缺，用这笔征款资助工作正在转变的本地工人再培训，是公平的做法。
整体而言，我们建议五项措施全部采纳，并以人工智能影响指数为首，因为其他措施都以它为基础。最有力的反对理由是推算的不确定性，所以指数应每年检讨，并按最新证据更新高影响职业名单。“培训留任”刻意设计为奖励而非规定，鼓励公司重新调配员工，而不会惩罚引入人工智能的公司。