黄仁勋关于AI的一番话,惊醒多少焦虑的高考考生和家长

又到了一年高考志愿填报的前奏。

如果打开任何一个社交APP，输入"AI时代孩子该学什么"，弹出来的画风基本是：

"计算机专业还能报吗？"

"学文科必死？"

"连程序员都要被取代了，那还能学啥？"

"有没有AI碰不到的安全专业？求推荐！"

肉眼可见的焦虑。

黄仁勋——那个亲手把AI推入每个人视野的人，却轻描淡写地扔下一句话：

"我认为学什么专业并不重要。"

黄仁勋在接受新加坡亚洲新闻台（Channel NewsAsia）访问时，被问到：AI时代，孩子到底该学什么才不会被淘汰？

他回答：

"我认为这件事并不重要（I think it won't matter）。过去所有被认为重要的东西，在未来依然会重要。"

紧接着，他抛出“灵魂一问”——

"无论你把什么当作热情所在，唯一要问自己的是——

AI如何能帮助我提升我的学习、我的技艺、我的使命？"

新闻、叙事、艺术、设计……他说这些专业的价值不但不会归零，反而会因为AI把工具门槛打穿而更加凸显人的部分：

采访时的临场判断力、聆听后的追问直觉、把一个复杂真相讲成动人故事的叙事能力。

以前会写代码、会剪视频……这是稀缺技能，能换钱。

现在对着AI说一句话，它就把代码写了、把分析做了、把视频脚本出了。工具操作的壁垒，正在以月为单位塌方。

"会用某个软件/某个技能"本身，已经很难再当护城河了。

黄仁勋点出的三个东西，恰好是AI目前最不擅长、而且在可预见未来仍然不擅长的：

讲故事

AI能生成文本，但不懂"此时此刻这个人需要听到什么"——叙事的时机、分寸、情绪弧线，是高度情境化的。

举个例子：最好的记者靠的不是逐字稿整理，而是在受访者语气突然低沉的那半秒停顿里，嗅到真相的那个嗅觉。

创造力

AI的本质是"从训练分布中采样+重组"，它的"新"是统计意义上的“新”，不是突破边界意义上的“新”。

举个例子：黄仁勋特意提到美学的"侘寂"——不完美的、无常的、带着人味儿的美，恰恰是AI的均质输出最缺的东西。

判断力

判断 = 在信息不充分、利益交错的真实处境中做取舍，它依赖价值观、经验感和责任承担，不只是模式匹配。

举个例子：医生用AI读片没问题，但要不要告诉病人、怎么告诉、下一步赌什么方案——这是判断，不是推理。

AI越来越像一台超级洗衣机，能把"脏活累活"洗得又快又干净——但决定把什么放进去洗、用什么模式洗、洗完了怎么用，还是人的事。

黄仁勋的原话其实说得很到位：

"一份工作就像一篮子任务。很多任务会被自动化，但结果是我们能把精力集中在更困难的部分。"

写到这儿，可能有人要杠：黄仁勋自己当初可是学的电子工程，英伟达招的都是顶级STEM人才，他现在跟我说学什么不重要？

好问题。这里必须补一个关键的上下文——黄仁勋并不是说「基础知识」不重要。

就在2025年7月的链博会上，他和阿里云创始人王坚对话时专门强调过：不能因为AI能解决问题就不再学习底层的东西。

年轻人仍要继续学数学、推理、逻辑和编程思维——哪怕你不直接写代码，你也得懂它运转的第一性原理，否则你根本判断不了AI给你的答案对不对。

所以他的完整立场其实是两层嵌套的：

• 底层：

  数理逻辑、批判性思维、从第一原理拆解问题的能力——这些是地基，永远重要，永远不能省。

• 上层（选专业的那一层）：

  具体选哪个学科分支上——文学/生物/建筑/金融/CS——确实没那么决定性了，因为AI可以让一个有兴趣的人快速跨过原本需要四年才能积累的工具壁垒。

用他的话说："所有过去重要的事依然重要"——但"重要"的含义变了，从"掌握工具"变成了"驾驭工具+做判断"。

他用历史类比把这件事讲得非常透——

PC来了，不会用电脑的人被淘汰，不是因为电脑"抢了工作"，而是因为他们拒绝成为"会用电脑的人"。

互联网来了，不用网络分发内容的企业死了，不是因为网络邪恶，而是因为他们拒绝换渠道。

AI来了，逻辑一样。

他的反问很妙："我们比过去更忙了，还是更闲了？答案是：更忙了。"

每一轮技术并没有让人退化，而是拉升了整个游戏的基准线。

以前"会用Excel的会计"淘汰"不会用Excel的会计"；

以后就是"会让AI跑模型的财务分析师"淘汰"不让AI碰的财务分析师"。

如果你是一位家长，或者你自己就是那位站在十字路口的学生，

让我把黄仁勋的框架翻译成实操建议给你，大概是这三条：

✅ 第一：先找热情，再谈专业

他反复说的是 "whatever you decide is your passion…"——前提是你得有一个passion。

热情不是"什么赚钱选什么"，而是一个人愿意反复回到的话题、愿意主动琢磨的问题。

AI可以加速你走这条路，但它不能替你选路。

✅ 第二：把AI当私教，不当作弊器

黄仁勋的原话——AI可以像导师和教练一样帮你进入不同领域：

更快的练习反馈、随时解释难点、陪你迭代想法。

但"提出好问题、组织信息、评估结果、把复杂东西讲清楚"这些事，还得你自己做。

用AI偷懒 = 亲手把自己的判断力饿死。

用AI训练 = 让自己的判断循环每天转100圈。

✅ 第三：刻意练习"说清楚"

讲故事能力 ≠ 当作家。

它指：你能不能把一个复杂的东西，让人听明白、听进去、听出动容。 

不管是写代码的产品经理、做研究的科学家、还是管预算的CFO——谁把"复杂→清晰→有感染力"这条链路打通了，谁就有杠杆。

AI能帮你润色措辞，但"这件事值得讲、讲到人心坎里、在这个场合以这种方式讲"——那是你的判断，不是它的。

黄仁勋这番话，骨子里其实还是在谈一个更古老的命题：

当工具越来越聪明，人的价值到底在哪？

他的答案是：别再把"学了什么工具"当成你的身份锚点。

你的锚点应该是——你能不能判断、能不能创造、能不能把一个值得讲的故事讲得别人愿意听。

AI能指数级放大这三样东西。但AI自己，生不出这三样东西。

所以——

别问"学什么才安全"。问"我想把什么变厉害，AI能帮多大忙"。

问题一换，答案也就跟着出来了。

当然希望今年高考的学子们能选到自己想要的专业。

但如果事与愿违，也无需焦虑，

因为在AI时代，具体哪个专业，其实远没那么重要了。

希望对你有帮助～