夜雨聆风“英语专业可能是最大的赢家。”
近日，英伟达CEO黄仁勋的这句话，最近刷屏。很多人兴奋地转发，仿佛AI时代终于要为人文学科正名了。
但黄教主说的“English major”，真的是我们理解的那个意思吗？
他对话的对象是美国高中生——母语为英语的学生。在美国顶尖大学，英语专业的核心是文学——研究思想、语言的艺术，约等于我们的中文系，而不是“学英语说话写字”的技能培训。所以，他其实是在说：把母语学到精通，在AI时代会变得极其珍贵。
不过，这句话还有另一层更现实的含义。这让我想起了自己三年前使用ChatGPT的经历。
那是2022年底至2023年初，ChatGPT刚火起来。我兴冲冲地去尝试，一开始用中文提问——结果经常是答非所问、逻辑混乱、甚至胡说八道。当时网上到处都是类似的抱怨：“ChatGPT中文不行”“对中国用户不友好”。
说实话，如果我只懂中文，大概率会失望地关掉页面，然后得出一个结论：这玩意儿没用。
但我的英语读写能力还行。我试着把问题换成英文来问——效果天差地别。它能准确理解我的意图，给出逻辑清晰、信息密度高的回答。虽然我的英语语法并不完美，但它似乎完全不在意。
于是我成了早期用户之一，一步步熟悉了这个工具的脾气和能力。
现在回头看，那段时间大模型对中文的支持确实很差。原因很简单：当时的训练数据以英文为主，中文语料占比极低。这是技术现实，不是谁的错。而恰恰是那个“懂英文”的变量，让我没有在起点上就放弃。
如果说三年前的这个选择只是个人习惯，那么去年的一件事，让我更加确信了英文在前沿科技中的不可替代性。
2025年春节，DeepSeek震惊世界。我硬着头皮读完了梁文峰团队发表的英文论文。
读这篇论文时，我理解了他们最核心的一个算法创新——MoE（混合专家模型）。传统大模型处理任何问题，都要调动全部参数，像一位全科医生无论看什么病都把全院科室叫来会诊，极其耗电。而DeepSeek的MoE则把模型拆分成上百个“专家”模块：有的擅长数学，有的擅长代码，有的擅长推理。当收到一个问题时，一个轻量级的“调度员”只激活最相关的几位专家工作，其余专家保持休眠。因此，DeepSeek-V3虽然总参数高达6710亿，但每次推理实际只激活约370亿参数，算力成本骤降。这种“该谁干谁干”的设计，正是它“四两拨千斤”的秘密。
读完后我庆幸自己懂英文——那种“读到源头”的踏实感，是任何翻译都无法替代的。同时我也看到网上有人不解：团队全是本土人才，为什么只发英文论文？
答案在读论文的过程中逐渐清晰：只有英文，才能精准描述这个前沿的科技。
不是他们不想用中文，而是这个领域的术语体系、逻辑框架、学术传承，都是在英文世界里长出来的。强行翻译成中文，反而会失真、会别扭。就像你不能把一段Python代码逐字翻译成文言文然后指望它还能运行。
那一刻，三年前那个“用英文提问”的习惯突然被照亮了——两次体验指向同一个事实。
回到黄教主的话。
他说“English major could be the most successful”，如果对我们有启发，不是“英语专业要翻身了”，而是两件事：
第一，人文素养本身的价值——把语言学到精通，无论母语还是外语，都是AI难以替代的能力。
第二，英语作为工具语言的重要性——前沿科技的知识体系生长在英语世界里。掌握英语，不是为了崇洋媚外，而是为了让自己站在离源头最近的地方。
试想：如果三年前我只懂中文，我会在ChatGPT表现糟糕的时候直接放弃，错过后来的整个AI浪潮。而正是因为懂英文，我留了下来，及早拿到了接触AI的“通行证”。
那么，我们普通人该怎么利用这个发现？下一篇，我会分享几条具体的方法。
