ARTICLE · 1232620
黄仁勋一句话砸碎家长焦虑:AI时代读什么专业都不重要!真正稀缺的是这3种能力
几乎所有父母都在深夜搜过同一个问题：AI 狂飙的时代，到底该让孩子学什么专业，才不会被淘汰？
是咬牙死磕计算机？还是赶紧逃离文科、画画和新闻？
在新加坡亚洲新闻台（CNA）的演播室里，记者 Victoria Jen 把这个困扰全球千万家庭的终极焦虑，当面抛给了英伟达创始人兼 CEO 黄仁勋。
所有人都竖起了耳朵大家都在等这位“全球 AI 卖铲人”给出一份标准答案，或者划出几个所谓的“黄金避险科系”。
身穿标志性黑皮衣的黄仁勋，却在镜头前给出了出人意料的清醒回答：
“我认为这并不重要（I think that it won't matter）。过去重要的那些事，未来依然会重要”
▲ 新加坡亚洲新闻台（CNA）官方专访画面，黄仁勋直言“学什么并不重要”
一句话，瞬间击穿了整条教育鄙视链
Business Insider、Digit 等全球多家媒体迅速跟进，社交网络上一片热议。有人觉得他在灌鸡汤，有人却从这短短几分钟的交锋里，读出了一套清醒的生存法则大洗牌。
当旧时代的求生剧本彻底失灵，黄仁勋到底给出了一套怎样的“新方案”？
▲ 国际商业媒体 Business Insider 将黄仁勋的原话提炼为核心引语
01专业选择的转向：从寻找“防弹铁饭碗”到理解“侘寂”与表达
在面对 AI 冲击时，无数家庭正在执行一套标准的“旧方案”：寻找 AI 免疫的安全屋。
这套逻辑很简单机器会写文章了，那就别学新闻和中文；机器会画图了，那就别碰艺术和设计；哪怕孩子毫无兴趣，也要按着头去学编程、背算法。家长们像在雷区里排雷，试图帮孩子找一个“机器永远替代不了”的铁饭碗专业。
但黄仁勋给出的“新方案”恰恰相反：放弃躲避 AI，去放大那些最具“人味”的硬核能力，讲故事（Storytelling）、创造力与判断力。
▲ 科技媒体 Digit 报道聚焦黄仁勋观点：新闻采访、艺术与讲故事的能力将在 AI 时代持续保值
在这场专访中，黄仁勋毫无唱衰文科与艺术之意，反而点名力挺了三个让不少人意外的领域：新闻采访、故事讲述、艺术与设计。
为什么？因为一份工作就像“一篮子任务”（A basket of tasks）。
AI 确实会自动化篮子里那些重复、枯燥的工序，但这恰恰把人解放了出来，让人去攻克篮子里“最难的部分”。比如坐在他对面的记者黄仁勋当场举例说，优秀的记者单靠提前背好题库远远不够，更需要在对话中活在当下、仔细倾听、敏锐捕捉对方的眼神与语气，并在极短时间内给出临场追问。这种“懂得该问什么、临场如何互动”的现场张力，工具越强大，反而越稀缺。
在随后的对话中，这位理工科出身的芯片掌门人还引入了一个极具东方禅意的概念：“侘寂”（Wabi-sabi）。
▲ 日本传统美学中的“侘寂”（Wabi-sabi），强调在不完美、岁月痕迹与含蓄中看见深度
什么是“侘寂”？简单来说，就是“不完美之美”这种审美珍视粗陶茶碗上的裂纹、岁月留下的青苔，以及含蓄沉淀的留白，跳出了工业流水线对对称与无瑕的单一追求。
黄仁勋借这个词，道破了一个极其毒辣的未来趋势：当 AI 可以用零成本每秒生成一万张光鲜亮丽、语法绝对正确的完美行活时，“完美”本身就贬值成了廉价的工业品。
相反，人类身上那些带着瑕疵的真实经历、不按常理出牌的独特品味、甚至带着体温的脆弱与共鸣，将在未来迎来暴涨的溢价。
如果把这场访谈和他在 All-In Podcast 等场合的观点连起来看，逻辑就更清晰了：自然语言，已经变成了 AI 时代的“新编程语言”。
过去你得懂 C++ 或 Python 才能指挥机器；现在，谁能用人类语言把复杂的逻辑拆解清楚、把需求定义准确、把故事讲得让人产生共鸣，谁就是顶级的程序员。从这个角度看，受过严密逻辑与表达训练的文科生、语言类专业学生，并未走到狭窄的死胡同，反而拿到了调度庞大算力的有力工具。
02学习方式的革命：做“人肉 U 盘” vs 做“算力调度师”
选对方向只是第一步进入学校后，每天该怎么学？
传统的“旧方案”是“人肉 U 盘模式 + 严防死守”。
过去几百年，获取知识的门槛极高教育的本质，就是把学生当成一个个空白的“U 盘”，拼命往里拷贝公式、年代、标准答案。到了 AI 时代，不少老师和家长的第一反应是恐慌，天天像防贼一样防着学生用 AI 偷懒，试图捍卫那套靠死记硬背拉开分数的旧秩序。
而在黄仁勋和敏锐实践者眼中，“新方案”只有一句话：把大脑升级为“CPU”，把学会向 AI 提问当成第一必修课。
“如果我今天还是个学生，不管学什么，第一件要学的就是如何与 AI 互动。”黄仁勋在多次公开谈话中反复强调，向 AI 提问绝非随便打几个字就能见效，提示词背后需要极高的“专业性与技艺”（Expertise and artistry）。
社交平台上，许多一线家长和科技从业者对这一变化感触极深。正如从业者在讨论中指出的那样：人类历史上第一次，知识的获取门槛降为零。未来的大学生要成为调度算力的“CPU”，不再做单纯储存死记硬背的“U 盘”；发问的深度，直接决定了机器输出的上限。
那到底该怎么在日常中训练这种“CPU 级提问力”？
博主“波波 Lucy”分享了自己带女儿用 AI 探索的实战经验：绝对不要满足于 AI 给出的第一层表面标准答案。 遇到不懂的概念和术语，要顺藤摸瓜继续追问，要求它解释底层逻辑，甚至逼它拿出证据和出处。
“其实深度思考，本质上就是学会问问题。”
▲ 家长视角：教孩子通过持续追问概念与求证来源，在人机互动中训练深度思考
但这里也有一个极其关键的陷阱在中文科技圈围绕“提问能力”的激烈交锋中，不少清醒的评论者泼了一盆必要的冷水：如果脑子里没有扎实的基础知识，你连 AI 在一本正经地胡说八道都看不出来，又怎么可能提出直击要害的好问题？
AI 可以帮你把句子润色得天花乱坠，但它不能替你想明白到底要表达什么。领域专长 × AI 流畅度，构成了决定最终效能的乘法公式。一旦底座是零，再华丽的提问技巧，乘出来的结果依然是零。
03职场与人生的终局：幻想“躺平清闲” vs 迎战“杰文斯悖论”
既然 AI 这么能干，那我们未来的日子是不是就轻松了？
这就触及了当下最流行的两种“旧方案”幻觉：一种是“躺平幻想”，觉得 AI 把活儿都干了，人类马上就能过上每周工作四天、下午两点喝咖啡的清闲日子；另一种则是极端的“读书无用论”，既然 AI 什么都懂，那努力还有什么意义？去上大学简直就是浪费时间和金钱！
面对这两种幻觉，黄仁勋在 CNA 专访和后续发声中，给出了最冷酷也最振奋的“新方案”：打消清闲的幻想，去上学，并用 AI 撑大你的野心。
当 CNA 记者问他“AI 会不会让人变懒、变清闲”时，黄仁勋反问了一句堪称醍醐灌顶的话：
“回顾个人电脑、互联网、智能手机这几波技术浪潮，我们是变得更忙，还是更不忙？我认为答案显而易见：我们变得更忙了！”
为什么工具越先进，人类反而越忙？这在经济学上有一个著名的铁律，“杰文斯悖论”（Jevons Paradox）。
1865 年，英国经济学家杰文斯发现了一个诡异的现象：瓦特改良蒸汽机后，烧煤的效率大大提高。按理说，英国应该更省煤才对结果恰恰相反，全英国的煤炭消耗量出现了几何级数的暴增！为什么？因为当动力成本断崖式暴跌后，原本用不起蒸汽机的纺织厂、铁路、远洋轮船全都蜂拥而上，新创造出来的庞大需求，瞬间吞没了单机省下的那点煤。
同样的剧本，在现当代职场重演过不止一次：
- 1980 年代的自动取款机（ATM）
：当年所有人都预言银行柜员要被彻底淘汰。结果从 1980 年到 2010 年，全美全职银行柜员反而从 40 万人逆势涨到了 50 万人以上。因为 ATM 让开一家支行的成本大降，银行在全美疯狂扩张了 43% 的网点；而活下来的柜员不再干“机械数钞票”的活，全被逼着转型去干更烧脑的信贷咨询和理财销售。 - 华尔街的电子表格（Excel）
：在纸质账本时代，改一个利率数字，财务团队要用橡皮擦掉几十页账本重算好几天，所以公司一年只做一两次预算。当 Excel 能在一毫秒内重算几万个单元格时，财务分析师不仅没有减少，反而迎来了一场业务量激增，老板往往不仅要求提交静态报表，更希望在下班前看到牛市、熊市、蒙特卡洛模拟等十几个维度的动态推演！
看懂了历史，你就看懂了黄仁勋的潜台词。
当 AI 把写初稿、敲代码、做设计的成本砸到接近于零时，人类组织大多不会选择“提前下班”，往往会选择“把盘子铺大十倍”。以前因为精力不够不敢碰的硬骨头，现在全都要啃下来；以前交一份方案就能过关，现在下班前必须拿出五套跨维度验证的精品。
正因为未来的认知战局如此激烈，黄仁勋才对那种鼓吹“不用上学”的论调深恶痛绝。在 2026 年 10 月流传极广的一段访谈中，他一字一句地亮出了自己对亲生孩子的两条底线叮嘱：
“第一，去上学第二，接触人工智能……让孩子相信努力不再有意义，认为上学是在浪费时间和金钱，简直糟糕透顶。”
▲ 黄仁勋谈 AI 时代的教育底线：第一去上学，第二接触人工智能，用工具拓展自己的抱负
04唯一必须问自己的问题
剥开所有的焦虑与噱头，这场席卷全球的教育大讨论，其实只剩下一个最核心的转折。
旧时代的剧本，是把自己修剪成一颗严丝合缝的螺丝钉，祈祷时代的大机器永远需要这个型号的零件。
而新时代的剧本，正如黄仁勋在新加坡演播室里留给所有年轻人的那句行动纲领：
“无论你认定自己的热情是什么，你唯一必须做的事，是每天问自己：AI 如何帮助抬升我的学习、我的技艺、我的目标？”
别再费尽心机去寻找所谓“没有 AI 的避风港”了。最可靠的安全感，始终来自那个坐在驾驶舱里的你自己，既有深厚的基本功，又懂得用自然语言调度算力，同时永远保有带着体温的不完美与旺盛的求知欲。
