夜雨聆风
外网有个很火的对黄仁勋的访谈 A Bit Personal with Jodi Shelton，我看完之后，发现其中有个片段很有意思。
主持人问黄仁勋，你见过最聪明的人是谁？
这本来是一个很容易出效果的问题。
按常见访谈节奏，他可以说出一个名字。某个科学家，某个企业家，某个工程天才，某个他早年遇到过的硅谷怪人。
然后大家就可以顺着这个名字往下聊。
但黄仁勋没有这么回答。
他没有把聪明落到某个人身上，而是转头去讲，什么才叫聪明。
这一下就把问题带往了另一个方向。
黄仁勋没有回答谁聪明
整场访谈并不是专门聊聪明。前面他们聊了 NVIDIA 的早期判断，聊加速计算，聊 CUDA，聊深度学习，聊公司怎么在一次次痛苦中成长，也聊到他童年、公开演讲、家庭和压力。
到后面的快速问答环节时，主持人才问出那个问题。
“你见过最聪明的人是谁？”
黄仁勋大意是，他很难回答这个问题。然后他开始拆解「聪明」这个词。
很多人会把聪明理解成会解决问题，技术上很厉害，懂软件，能把复杂题目做出来。
但他接着说，AI 正在让一部分能力变成更容易获得的东西。软件编程就是一个典型例子。过去很多人认为软件编程是很聪明、很高级的事，可 AI 首先替代的就是这块工作。
于是聪明的标准会往前移动。
从解决已经摆在桌面上的问题，移动到看见问题还没摆上桌之前的样子。
这个判断，我认为才是这段访谈最亮眼的地方。
而是因为它刺中了一件很多人都知道但又不太愿意承认的事。
我们过去太习惯用「会解题」来证明自己聪明了。
我们太习惯标准答案型聪明
从小到大，我们接受的训练，大多是标准答案型聪明。
题目已经在那里，边界已经画好，评分标准也在。
你要做的是比别人更快、更准、更稳定地把答案写出来。
考试是这样，很多工作也是这样。
老板给一个任务，客户给一个需求，系统给一个流程，表格给一个模板。你能不能按时交付，能不能少出错，能不能把复杂东西整理得清清楚楚。
坦率的讲，能把题做好，本来就很重要。任何组织都需要这种人。任何复杂社会都离不开稳定交付。
但问题在于，这种聪明有一个前提。
问题已经被别人定义好了。
你负责的是作答。
很长时间里，这套东西非常有效。因为世界运行得相对慢，职业边界相对清楚，技能的生命周期也比较长，那些提出问题或者说预判问题的人只是凤毛菱角。
你学会一门手艺，掌握一套流程，熟悉一类题型，就能在很长时间里就能拥有比较稳定的优势。
但 AI 时代来临之后，一切都变了。
它非常适合处理那些已经被写清楚、拆清楚、格式清楚的任务。
摘要、翻译、改写、初稿、代码片段、信息检索、客服回复、标准化方案、表格整理。
原来你能靠熟练度拉开的差距，现在完全被抹平。
就像世界银行有篇文章讨论过一个很有意思的问题。
”AI 到底是在让我们变聪明，还是只是让我们看起来更聪明“
历史上，看人从来不只看会答题
有意思的是，如果把视线拉远一点，黄仁勋这套说法并不孤单。
历史上很多先贤，其实都不太迷信标准答案型聪明。
他们都更关心一个人被放进真实处境以后，会变成什么样。
孔子看人，就不是只看说话漂亮。
《论语》里讲 ”听其言而观其行“
还有 ”视其所以，观其所由，察其所安“
看他做了什么，看他为什么这么做，再看他安在什么地方。也就是看行动、看动机、看他真正舒服和依赖的东西。
这套标准放到几千年后的今天依然很有前瞻性。
一个人简历写得很好，表达也很流畅，方案做得漂漂亮亮，这些当然都能加分。
但真要判断他靠不靠谱，还是要看他在具体事情里怎么做，遇到利益怎么选，压力来了会不会变形，没有人的时候会不会懂得慎独。
《将苑》里诸葛亮也有一套知人的办法。
它的思路大概是，用是非看志向，用辩论看应变，用计谋看见识，用祸难看勇气，用利益看廉洁，用约定的事看信用。
你会发现，孔明先生也不问这个人聪不聪明。
它问的是，这个人在不同情境下会不会露出真实形状。
再往近一点看，现代管理学里也有类似判断。
现代管理学之父德鲁克讲有效的管理者，重点不是聪明、努力、知识多，而是能不能把知识变成行动，能不能做对的事。
他那篇 What Makes an Effective Executive 里反复讲的，有效的管理者不一定是具有天才气质，而是几个很朴素的动作，问什么事需要做，问什么事对组织是对的，做行动计划，为决定负责。
亚马逊 1998 年股东信里，贝索斯说他在招聘员工时会问三件事。
这个人会不会让你钦佩。
他能不能提高团队的平均有效性。
他有没有某个维度特别突出的地方。
这也不是在问智商与解题能力。
它是在问，一个人进来以后，是把组织水位抬高，还是把组织水位拉低。
所以，把历史上这些大拿的标准放在一起看，会出现一个很清楚的图案。
评价一个人聪不聪明、能不能成事，从来不只是看他会不会答题。
孔子看做事的动机与言行是否一致。
《将苑》看人在是非、祸难、利益和承诺里会不会变形。
德鲁克看能不能做对的事。
贝索斯看能不能抬高团队水位。
这些东西加起来，其实都在讲同一件事。
真正贵的能力，不是解题的能力与效率。
而是人被放进复杂现实里以后，还能不能做出合理的预测、判断、和自我校正。
AI改变的，是价值链
所以我不太喜欢那种问法，程序员会不会消失，翻译会不会消失，财务会不会消失。
这种问题一点意思都没有。
真正的现实中，一份工作里面，其实有很多层。
有人定义问题，有人收集信息，有人生成初稿，有人执行交付，有人检查质量。有人承担后果。
AI 更容易压低的，往往是中间那几段成本，生成、整理、初步分析、格式化、标准化执行。
但前面的判断，后面的责任，反而更重了。
微软 2026 年的 Work Trend Index 里有一个方向很值得注意。它讨论 AI agents 进入组织之后，人不只是使用软件，而是越来越像在指挥一组能执行任务的系统。人类的价值会更多落在目标设定、判断、协调和承担结果上。
这不是微软一家公司的营销话术就能完全说明的事，但它抓住了一个变化。
当执行任务越来越容易，指挥执行的人就不能只会下命令。
他得知道什么事不该交给机器。
什么答案看起来漂亮但方向错了。
什么需求表面上是 A，其实背后是 B。
什么风险还没出现在报告里，但已经在现场冒烟。
中国信通院那份 2025 年人工智能产业报告里也有类似线索。大模型落地不是简单买个工具，而是要看场景筛选、业务融合、数据支撑和技术适配。
这几个词听虽然看着有点官话套话。
但翻成人话，其实很简单。
AI时代真正的能力不是你会不会用 AI。
而是你知不知道把 AI 放进哪一个真实问题里，它才有用。
个人层面如此，公司层面也一样。
一个人会写prompt，会指挥Agent，这只是第一层。而一个组织能不能把模型嵌进业务流程，改掉原来的协作方式，识别新的风险和机会，才是更深的一层。
它更像把一些中间步骤压缩掉，然后逼着所有人去面对原来只有极少数人才需要解决的更前端的问题。
预判力不是玄学
黄仁勋那段话里，最容易被误读的地方，就是「预判力」。
被营销号一宣传，很容易变成成功学。
”真正厉害的人都有预感。“
”真正聪明的人能看见未来。“
但黄仁勋在访谈里讲的不是这个。他提到的那种预感，来自数据、分析、第一性原理、人生经验、智慧，还有对人的感知。
你看，这里面没有一样是凭空来的。
数据，是你能不能接触到足够真实的信号。 分析，是你能不能把信号和噪音分开。 第一性原理，是你能不能回到最底层的约束，不被表面热闹带着跑。 人生经验，是你见过足够多类似场景，知道事情通常会怎么变形。 对人的感知，是你能不能读懂别人没说出口的需求、恐惧、利益和防御。
这几样叠起来，才更像黄仁勋所说的预判力。
它不是道士掐指一算。
它更像一个人在长期观察里，慢慢形成的结构感。
而这样的能力在AI时代需要我们人人都具备。
重新定义聪明
聊到这里结论其实已经很明显了，AI 不是让人不再需要聪明。
它是在重新定义聪明。
过去可证明的聪明，往往是把别人给出的题做对。
以后更稀缺的聪明，可能是题目还没写出来之前，先判断它是不是真问题。
未来 AI 会越来越快速的生成越来越多的正确答案，而每个人都需要重新夺回定义问题的能力。
访谈中黄仁勋没有回答谁最聪明。
他绕开了那个人名。
但也正是这个绕开，让这个问题变得更扎心。
当正确答案越来越廉价以后，我们还能不能看见问题。
文章中部分图片由AI生成
参考文献：
《黄仁勋对聪明的定义，真的值得反复看》，https://www.douyin.com/video/7641857362530459045 《Jensen Huang: Founder and CEO of NVIDIA》，https://podcasts.apple.com/zw/podcast/jensen-huang-founder-and-ceo-of-nvidia/id1868090790?i=1000745304938 《Jensen Huang: Founder and CEO of NVIDIA》，https://www.youtube.com/watch?v=8FOdAc_i_tM 《论语，为政》，https://ctext.org/analects/wei-zheng/zh 《论语，公冶长》，https://ctext.org/analects/gong-ye-chang/zh 《论语，里仁》，https://ctext.org/analects/li-ren/zh 《将苑》，https://zh.wikisource.org/wiki/%E5%B0%87%E8%8B%91 《What Makes an Effective Executive》，https://pubmed.ncbi.nlm.nih.gov/15202287/ 《Amazon.com 1998 Letter to Shareholders》，https://media.corporate-ir.net/media_files/irol/97/97664/reports/Shareholderletter98.pdf 《Buffett Lecture at the University of Florida School of Business》，https://tilsonfunds.com/BuffettUofFloridaspeech.pdf 《Cargo Cult Science》，https://calteches.library.caltech.edu/51/2/CargoCult.htm 《人工智能产业发展研究报告（2025年）》，https://www.caict.ac.cn/kxyj/qwfb/bps/202602/P020260202487301304903.pdf 《人工智能是让我们变得更聪明还是仅仅让我们显得聪明？》，https://blogs.worldbank.org/zh/voices/is-ai-making-us-smarter-or-just-making-us-look-smart- 《Agents, human agency, and the opportunity for every organization》，https://www.microsoft.com/en-us/worklab/work-trend-index/agents-human-agency-and-the-opportunity-for-every-organization 《The Future of Jobs Report 2025》，https://www.weforum.org/publications/the-future-of-jobs-report-2025/in-full/3-skills-outlook/ 《Problem Finding, Creativity, and Giftedness》，https://eric.ed.gov/?id=EJ486457
如果这篇文章对你有启发，欢迎：
点个赞再看，让它被更多人看到。
转发给朋友，一起讨论这些正在发生的变化。
关注我，继续看见日常背后的结构。
关注「日常结构实验室」
重新理解日常，重新组织生活。