-
日期: 2026-04-02 | 來源: 鈦媒體APP | 有0人參與評論 | 字體: 小 中 大
過去兩年，有壹個共識幾乎成了定論：文科生，是AI時代第壹批被淘汰的人。
寫作可以被替代，翻譯可以被替代，甚至連表達本身，都被大模型接管了。 在壹輪又壹輪的效率提升裡，文科生像是最先被卷進浪潮的人群。
於是壹個簡單粗暴的結論開始流行：
理科決定未來，文科只是過去。
但就在這個共識快要變成定論的時候，壹個人把話說反了。
黃仁勳在最近壹期播客裡，談到壹個讓很多人意外的判斷：未來最重要的能力，不是寫代碼，而是寫"語言"。
他甚至更進壹步說：英語，正在變成壹種新的編程語言。
這句話真正刺耳的地方，不在於語言很重要這幾個字，而在於它暗含的那層意思，那些長期被認為沒有技術含量的能力，正在變成新的硬通貨。
這幾乎是對過去兩年敘事的壹次翻轉。
更有意思的是，這不是壹句安慰文科生的雞湯。
如果你把這句話放進整個AI產業的變化裡去看，它指向的，是壹種更底層的生產方式變化。
問題開始變得有意思了。
如果AI已經可以寫代碼、寫文案、寫報告，那為什麼表達能力反而更值錢了？ 如果機器已經夠聰明，人為什麼反而更需要"語言"？
再往深壹層問：黃仁勳到底是在為文科正名，還是在重新定義什麼叫"能力"？
1、這種變化，已經在發生了
值得注意的是，這個趨勢不是他說了才出現的，它已經在現實中每天都在發生。
很多工程師，開始花大量時間寫Prompt，而不是寫代碼。壹些最頂尖的AI公司，開始招溝通能力極強的產品經理。
甚至連壹些研究員，也開始在小紅書上分享思考，主動練表達。
還有壹些更具體的人物路徑：Daniela Amodei，英語文學本科，現在是Anthropic的總裁。林俊旸，英語本科出身，語言學碩士，之前是阿裡通義千問壹號位。
這些路徑，放在過去的評價體系裡，幾乎不可能成為AI核心人才。但現在，它們開始變得合理，甚至有優勢。
這不是巧合，也不是特例，它是人才市場上的壹個結構性信號。
於是壹個更尖銳的問題冒出來了：被淘汰的，真的只是文科嗎？還是說，我們對"能力"的理解，本身就已經過時了。
2、能力結構正在被重寫
如果只把這件事理解成文科翻身，其實低估了變化的深度。
真正發生的事情更底層，生產方式，正在從執行任務轉向定義目標。
在傳統的軟件時代，你需要把需求拆解成代碼，明確每壹個邏輯步驟，機器只管執行。
但在大模型時代，你只需要描述"你想要什麼"，AI自己生成路徑，甚至給出多個方案。
聽起來門檻低了。但其實門檻沒有消失，只是挪了位置。
原來的問題是：你會不會寫代碼？
現在的問題變了：你能不能把自己要什麼說清楚？
而這件事，才是真正困難的地方。
描述壹個目標，聽著簡單，做起來很難。它要求你具備叁樣東西：
你到底想解決什麼問題，這是抽象能力。
目標怎麼拆、優先級怎麼排，這是結構能力。
怎麼讓AI准確理解你，而不是讓它瞎猜，這是表達能力。
這叁樣東西，本質上都更接近文科訓練出來的底子。
有意思的是，黃仁勳在播客裡反復強調了壹個詞：Specify，把目標描述清楚。
他說，未來的關鍵在於你能清晰地指定目標，給AI留出創造空間的同時，引導它產出你想要的結果。
他管這個叫壹種"Artistry"——藝術性。
藝術性。這可不是工程詞匯。
3、為什麼偏偏是黃仁勳說這句話
同樣的話換壹個人說，可能只是壹個觀點。但英偉達的CEO說出來，分量不壹樣。
因為他站在整個AI基礎設施的最頂端，看到的不是某個單點，而是整條鏈條的變化，GPU在賣給誰，Token在被誰消耗，AI工具被誰用得最狠。
他提到壹個細節，如果壹個年薪50萬美元的工程師，壹年只用5000美元的Token，他會覺得很可惜。
這話的重點不是"多用AI"，重點是：真正的高手，是會用AI放大自己的人。
他還打了個比方，勒布朗·詹姆斯每年花幾百萬美元保養身體，不是因為有錢任性，而是因為他把身體當成最重要的資產，值得持續投入。
對AI時代的從業者來說，Token就是"保養費"。
消耗得多，說明你在用AI放大自己。消耗得少，說明你還在靠人力硬扛。
而放大的前提，始終是你得先知道你要什麼。你想清楚了，才能指揮AI去做。這壹步，任何工具都幫不了你。
4、Prompt被誤解了
很多人把寫Prompt當成壹個技巧問題，怎麼寫更准確，怎麼讓回答更好，怎麼繞過限制。網上到處都是什麼Prompt技巧大全、100個高效模板、Prompt專家授課......但這些全是表面的東西。
Prompt的本質，是思維的外化。
你寫不出好Prompt，通常不是因為不會寫，而是因為你壓根沒想清楚問題。
有壹個很好的測試方法：試著把你腦子裡的想法，用壹段話完整說給AI聽。說完之後，你自己都覺得模糊，那AI給你的回答壹定也是模糊的。
反過來，當你能用壹段清晰的、有邏輯的、有層次的語言描述壹個復雜問題時，AI幾乎壹定能給出有價值的東西。
所以好的Prompt工程師，本質上是好的思考者。而好的思考者，需要長期的語言訓練。
這就是為什麼黃仁勳說英語文學專業的學生可能會非常成功。他們擅長的，恰好就是邏輯構建、修辭表達、對意圖的精准傳達。
5、壹個不太舒服的判斷
但這裡也有壹個更殘酷的現實。
過去，文科被詬病的問題是"沒用"。現在，文科面對的新問題是：不夠強。
因為AI可以幫你完成表達，但它沒法替你想清楚目標。
所以分水嶺出現在這裡——
淺層表達，會被AI替代。深層表達，會被AI放大。
什麼是淺層表達？寫壹篇格式正確的郵件，總結壹段會議紀要，翻譯壹篇外文資料。這些事，AI已經做得比大多數人好了。
什麼是深層表達？ 把壹個模糊的商業問題抽象成壹個清晰的命題。把壹個復雜的組織現象拆解成可以分析的變量。把壹個你自己還沒想清楚的判斷，逼著自己說清楚。
這些事，AI做不了。
因為AI沒有你的背景、你的經驗、你的立場，它只能放大你已經有的東西。
你沒想清楚，AI放大的是你的混亂。你想清楚了，AI放大的是你的能力。
6、企業為什麼突然開始重視表達
如果你觀察最近大廠的變化，會發現壹個趨勢：大家不再只強調技術能力，越來越看重壹件事，你能不能講清楚壹個復雜的問題，能不能定義壹個方向，能不能說服別人跟你走。
這不是企業突然變文藝了，而是他們發現，在AI工具已經足夠強的情況下，真正的瓶頸早就不在執行了，在定義。
壹個能把方向定義清楚的人，價值遠超壹個只會執行的人。因為前者在指揮AI，後者在和AI搶活兒。
黃仁勳描述過壹個畫面：未來每個人都會領導成百上千個AI代理去完成工作。 你就是這支AI軍隊的指揮官。
指揮官的核心競爭力，從來不是單兵作戰，而是戰略判斷和清晰的命令。
7、真正的分化已經開始了
未來的人才，不會再按文理分。 分法會變成兩類：
第壹類：執行者。接收任務，使用工具，完成交付。
第贰類：定義者。提出問題，構建目標，驅動AI。
AI不會消滅執行者，但會大幅壓縮他們的溢價。而定義者的價值，會被持續放大。
這裡有壹個值得警惕的陷阱。很多人以為自己是定義者，但幹的其實還是執行者的活。
區別在哪？定義者的標志，不是"我有想法"，而是我能把想法說清楚。想法誰都有，但能把壹個模糊想法變成壹個清晰命題的人，極少。
這種能力不是天賦，是練出來的。
語言訓練，文字訓練，邏輯訓練，恰好，這些都是文科的老本行。
8、壹個更大的時代隱喻
所以當我們再回頭看"文科到底有沒有用"這個問題，其實已經問錯了。
真正的問題是，你能不能把壹個模糊的世界，說清楚。
代碼是對計算機的表達，Prompt是對AI的表達，戰略是對組織的表達，文章是對讀者的表達。
歸根結底，它們都是同壹件事：
把你腦子裡的東西，變成別人，或者機器，能理解的形式。- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見