輪到理科生焦慮了

撰文｜畫畫

過去兩年，有一個共識幾乎成了定論：文科生，是AI時代第一批被淘汰的人。

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。 在一輪又一輪的效率提升里，文科生像是最先被卷進浪潮的人群。

于是一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，一個人把話說反了。

黃仁勛在最近一期播客里，談到一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"。

他甚至更進一步說：英語，正在變成一種新的編程語言。

這句話真正刺耳的地方，不在于語言很重要這幾個字，而在于它暗含的那層意思，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一次翻轉。

更有意思的是，這不是一句安慰文科生的雞湯。

如果你把這句話放進整個AI產業的變化里去看，它指向的，是一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，那為什么表達能力反而更值錢了？ 如果機器已經夠聰明，人為什么反而更需要"語言"？

再往深一層問：黃仁勛到底是在為文科正名，還是在重新定義什么叫"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。一些最頂尖的AI公司，開始招溝通能力極強的產品經理。

甚至連一些研究員，也開始在小紅書上分享思考，主動練表達。

還有一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，之前是阿里通義千問一號位。

這些路徑，放在過去的評價體系里，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，它是人才市場上的一個結構性信號。

于是一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，明確每一個邏輯步驟，機器只管執行。

但在大模型時代，你只需要描述"你想要什么"，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么說清楚？

而這件事，才是真正困難的地方。

描述一個目標，聽著簡單，做起來很難。它要求你具備三樣東西：

你到底想解決什么問題，這是抽象能力。

目標怎么拆、優先級怎么排，這是結構能力。

怎么讓AI準確理解你，而不是讓它瞎猜，這是表達能力。

這三樣東西，本質上都更接近文科訓練出來的底子。

有意思的是，黃仁勛在播客里反復強調了一個詞：Specify，把目標描述清楚。

他說，未來的關鍵在于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。

他管這個叫一種"Artistry"——藝術性。

藝術性。這可不是工程詞匯。

3、為什么偏偏是黃仁勛說這句話

同樣的話換一個人說，可能只是一個觀點。但英偉達的CEO說出來，分量不一樣。

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。

他提到一個細節，如果一個年薪50萬美元的工程師，一年只用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么。你想清楚了，才能指揮AI去做。這一步，任何工具都幫不了你。

4、Prompt被誤解了

很多人把寫Prompt當成一個技巧問題，怎么寫更準確，怎么讓回答更好，怎么繞過限制。網上到處都是什么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。

有一個很好的測試方法：試著把你腦子里的想法，用一段話完整說給AI聽。說完之后，你自己都覺得模糊，那AI給你的回答一定也是模糊的。

反過來，當你能用一段清晰的、有邏輯的、有層次的語言描述一個復雜問題時，AI幾乎一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。

這就是為什么黃仁勛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、對意圖的精準傳達。

5、一個不太舒服的判斷

但這里也有一個更殘酷的現實。

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里——

淺層表達，會被AI替代。深層表達，會被AI放大。

什么是淺層表達？寫一篇格式正確的郵件，總結一段會議紀要，翻譯一篇外文資料。這些事，AI已經做得比大多數人好了。

什么是深層表達？ 把一個模糊的商業問題抽象成一個清晰的命題。把一個復雜的組織現象拆解成可以分析的變量。把一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、企業為什么突然開始重視表達

如果你觀察最近大廠的變化，會發現一個趨勢：大家不再只強調技術能力，越來越看重一件事，你能不能講清楚一個復雜的問題，能不能定義一個方向，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。

一個能把方向定義清楚的人，價值遠超一個只會執行的人。因為前者在指揮AI，后者在和AI搶活兒。

黃仁勛描述過一個畫面：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：

第一類：執行者。接收任務，使用工具，完成交付。

第二類：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。

這里有一個值得警惕的陷阱。很多人以為自己是定義者，但干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，但能把一個模糊想法變成一個清晰命題的人，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、一個更大的時代隱喻

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，你能不能把一個模糊的世界，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，它們都是同一件事：

把你腦子里的東西，變成別人，或者機器，能理解的形式。

這件事在哪個時代都不容易，只是到了現在，它的價值終于被看見了。

【版面之外】的話：

說白了，黃仁勛不是在為文科正名。他說的是一件更冷靜的事：未來最稀缺的，不是會做事的人，而是知道該做什么的人。

而知道該做什么，從來都不是一門技術。

它是一種能力，一種被低估了很久的能力。