AI时代学什么最稳?黄仁勋100秒颠覆认知:别卷代码,未来最贵的是“不完美”!

全世界的家长都在等一个标准答案

人们自然把目光投向了黄仁勋作为英伟达的掌门人，他是这场AI淘金热里最大的“卖铲人”。按照常理，一个靠算力和芯片统治时代的理工科霸主，理应给出一份硬核的理工科避险指南，去学底层算法，去卷芯片工程，或者至少，去背熟一万条提示词。

但现实结结实实地给所有人泼了一盆冷水。

2026年5月25日，在新加坡接受亚洲新闻台（CNA）专访时，面对记者 Victoria Jen 抛出的“家长该建议孩子学什么”这一世纪难题，身穿标志性黑皮衣的黄仁勋靠在浅色沙发上，神情出奇平静。

他没有给出任何“铁饭碗清单”相反，他用短短1分40秒的回答，直接掀翻了整个问题的前提：

“我认为这并不重要过去所有重要的东西，未来依然会重要。”

紧接着，这位站在硅谷技术最前沿的超级工程师聊起新闻采访、讲故事和艺术，甚至冷不丁地抛出了一个根植于日本茶道传统的美学词汇，“侘寂”（Wabi-sabi，不完美之美）。

这段100秒的切片视频迅速席卷了全球社交网络。从《商业内幕》（Business Insider）到中文互联网的家长群，无数人一边转发一边困惑：那个亲手造出AI发动机的人，为什么反过来劝大家去守住“人的不完美”？

当我们把社会对AI时代的普遍预期，与黄仁勋揭示的残酷底层逻辑放在一起对照时，他的回答逐渐显出了另一层含义。

01对照一：“避险铁饭碗”的承诺 vs “任务篮子”的现实

过去几年，教育焦虑制造了一个巨大的承诺：只要选对一个“AI免疫专业”，就能买到一张通往未来的安全船票。

有网友把黄仁勋的原话和国内流行的高考志愿风向摆在了一起，发出了灵魂拷问：“张雪峰说要学计算机，黄仁勋说要学新闻学艺术，你说我该信谁？”

▲ 中文社交平台上，网友将黄仁勋的观点与传统“学计算机稳妥”的志愿建议进行对照

其实，这场争论的本质，是“生存折现逻辑”与“行业终局逻辑”的错位。

对于渴望毕业立刻拿到高薪offer的普通家庭来说，工科依然是当下最明确的敲门砖；但黄仁勋站在技术源头看到的，是五年、十年后的残酷现实，没有任何一个专业能靠“死记硬背的技能”成为防空洞。

为什么？因为在《商业内幕》转述的访谈细节里，黄仁勋拆解了一个极其毒辣的职场真相：“一份工作，就像一篮子任务（a basket of tasks）。”

谈到采访能力时，黄仁勋直接在现场拿采访他的女记者举了个例子。他说，新闻主播向公众传递信息依然重要，他还强调，采访者要“知道该问什么问题”。一个优秀的采访者，绝不只是在家里背熟了提纲；她必须活在当下的现场，盯着对方的眼睛，仔细倾听每一个微妙的停顿，然后临场做出灵活的追问。

信息可以被机器一秒钟汇总，但“对谁讲、为什么在此刻讲、如何组织意义打动面前的活人”，依然完全依赖人类的在场判断。

02对照二：算法“绝对完美”的承诺 vs “侘寂”审美的现实反弹

在这场100秒的访谈里，最让人意想不到的转折，出现在黄仁勋谈论艺术的那一刻。

他看着镜头说：“无论是艺术，艺术依然会一样重要。侘寂（Wabi-sabi），那种不完美之美，在未来甚至可能比今天还要重要。”

▲ 海外创作者整理黄仁勋CNA访谈核心原句，其中“Wabi-sabi（侘寂）”一词引发广泛讨论

一个卖GPU的科技巨头CEO，为什么要聊“侘寂”？

如果不了解这个词背后的历史张力，你很容易把它当成一句客套的文艺鸡汤。但如果翻开美学史，你会发现黄仁勋精准地按住了AI时代最深层的审美命门。

在日语的古老词源里，“侘（Wabi）”与“寂（Sabi）”原本是两个独立的词。“寂”最早出现在8世纪的《万叶集》里，原意是荒凉与凋敝，它在读音和词源上与日语里的“生锈（錆，sabi）”直接相通，指的是器物被岁月摩挲、腐蚀后留下的古朴包浆；而“侘”则兴起于15、16世纪战乱频仍的日本京都。

当时，贵族们追捧的那些对称、光洁、完美无瑕的名贵瓷器在战火中大量损毁。茶人们转向日本本土烧制的粗糙、不对称陶碗，也开始欣赏修补过的器物。

茶室空间也随之改变据科伦回顾，侘茶时代初期，茶室通常为四叠半榻榻米（约7.5平方米）；到这一时代后期，有的缩至一叠半（约2.5平方米），入口也变得低矮，客人须屈身爬入。

粗糙的茶碗和低矮的门洞，完成了一次对“傲慢完美主义”的祛魅：砍掉一切华而不实的炫技，逼迫人们面对真实的局限，在瑕疵、磨损与偶发痕迹中看见生命的重量。

到了1994年，建筑师兼美学学者伦纳德·科伦（Leonard Koren）写下了里程碑式的著作《侘寂：致艺术家、设计师、诗人与哲学家》。他后来在《侘寂之美》一文中回顾这套美学观：

在科伦看来，侘寂与光滑无缝的数码产品呈现出迥异的美感。文化对完美的推崇，也掩不住人自身的缺憾；承认缺憾同样有价值，可以让人感到宽慰。（来源：Leonard Koren《侘寂之美》）

把科伦的话放回2026年的今天，黄仁勋的深意瞬间豁然开朗。

生成式AI让制作精致内容的成本不断下降。算法能快速生成构图规整的海报、语句流畅的公文，以及光影丝滑得像塑料一样的电影镜头。

但物以稀为贵当“丝滑、标准、无瑕”沦为算力流水线上的廉价工业品时，完美就彻底贬值了。

人类为什么会被一部电影、一首诗或一件工业设计打动？创作者在作品里留下的独属于活人的情感毛刺、个人偏执、乃至因为生命有限而产生的脆弱感，都可能触动观众。AI也没有人类亲历的童年与衰老体验。那些算力试图抹平的“毛边”与“不完美”，恰恰成了区分“机器平均数”与“人类杰作”的最后分水岭。

03对照三：“学AI就是背提示词”的承诺 vs “提问如管人”的残酷现实

既然选什么专业都不重要，那黄仁勋到底建议大家怎么面对AI？

在CNA访谈的收尾处，他把所有路径收束到了唯一一个问题上：“无论你决定追求什么热情，你唯一要做的一件事就是问自己：AI如何帮助提升我的学习、我的技艺（craft）、以及我的人生目标（purpose）？”

这就引出了社交网络上最容易被误读的第三组对照：究竟什么才叫“会用AI”？

在很多焦虑营销的承诺里，“学AI”被包装成了某种神秘的技术咒语，似乎只要花钱买一套“神级提示词（Prompt）模板”，或者去学一点皮毛的代码，就能让AI替自己干完所有活、替自己思考。

但在中文互联网同期热传的另一组黄仁勋早期访谈切片里，这位CEO毫不留情地戳破了这种幻觉。

在一段被博主“谢嘉琪 Jiaqi”转发的高赞视频中，黄仁勋直言：“我不会让AI替我思考，我让AI教我不知道的事情，解决我解决不了的事。你必须仍然思考，才能提出高质量的问题。这其实是一种高阶的认知能力作为CEO，我工作的大量时间其实都是在提问，我下达的90%的指令都是带着问题的！”

▲ 在更早的公开访谈切片中，黄仁勋强调自己作为CEO，90%的指令都是通过“提问”下达的

把早期的“提问论”与这次新加坡CNA访谈的“技艺论”拼合在一起，你会看到黄仁勋完整的人才观。

正如科技博主 Vincent（@Vincent_AINotes）在长帖中所拆解的：很多人以为“会用AI”就是会注册一个ChatGPT账号、敲两行字。大错特错向AI提问的过程，也有几分管理工作的意味。

▲ 博主 Vincent 拆解黄仁勋的“提问艺术”：本质是把模糊想法拆解为可执行指令的管理过程

想象一下，你是一个部门主管，手下有十个不知疲倦、博学多才但缺乏现实常识的AI实习生。要让他们交出一份惊艳的成果，你需要具备什么？

1. 足够硬的领域底子（专业知识与技艺）
   ：如果你自己都不懂什么是好电影、好芯片、好文章，AI给你吐出一堆看似通顺的垃圾，你连挑错的能力都没有。就像网友 ResearchKONG 犀利吐槽的那样：“AI能帮你润色稿子，但没法替你想清楚到底要表达什么。自己脑子里的逻辑框架都搭不好，就别指望AI放大你的能力了。”
2. 拆解需求的架构能力（提问的艺术）
   ：你得知道什么活该交给AI，什么活必须自己拍板；怎么把一个模糊的念头，拆解成上下文清晰、边界明确的具体指令；以及在AI跑偏的时候，怎么像导师一样通过追问逼它迭代。

04尾声：当潮水退去，手艺人与提问者留在岸上

回看2026年5月新加坡的那个下午，黄仁勋用100秒时间，给所有试图在AI时代寻找“投机捷径”的人画下了一道休止符。

算力快速发展的今天，人类古老的看家本领依然有分量。专注地听完一次倾诉，或把一门手艺打磨出自己的风格，都留下了个人经验的痕迹。 对“不完美”的欣赏，也让这些痕迹显得珍贵。

不要再纠结哪张大学文凭能替你挡住AI的浪潮了。没有任何一张纸能做到这件事

唯一能让你留在岸上的，是你能否在自己热爱的领域里，先把自己锤炼成一个有审美、有判断力的“手艺人”；然后转过身，像一个敏锐的总导演一样，向手里的AI抛出那个决定命运的问题。