撰文｜徽声在线编辑部

过去两年，科技圈普遍流传着一种观点：在AI浪潮席卷之下，文科生或将首当其冲成为被淘汰的群体。

从文案撰写到跨语言翻译，甚至日常表达交流，AI正以惊人的效率重构传统工作模式。这种变革浪潮中，文科从业者似乎最先感受到被技术替代的危机。

由此衍生出一种简单化的判断：

理科思维主导未来，文科素养沦为历史遗存。

然而就在这个论断即将固化时，英伟达创始人黄仁勋在最新访谈中抛出惊人观点：未来核心竞争力不在于编程能力，而在于"语言构建"能力。

他甚至断言：英语正在演变为新型编程语言，这种表述背后暗含着对传统能力认知的颠覆性重构。

这种论调之所以引发震动，不在于强调语言重要性本身，而在于揭示出被长期低估的软技能正在成为新的价值标杆。

这本质上是对过去两年技术叙事框架的彻底翻转。

值得注意的是，这并非单纯为文科群体提供心理安慰。

当我们将这个判断置于AI产业变革的大背景下观察，会发现它指向的是生产方式的根本性转变。

由此引发更深层的思考：

当AI能够自主生成代码、撰写报告时，为何人类表达能力反而凸显价值？在机器智能持续进化的今天，为何"语言"成为关键突破口？

这背后是否蕴含着对"能力"本质的重新定义？

1、变革早已悄然发生

需要强调的是，这种趋势并非因黄仁勋的言论而突然出现。在现实场景中，多个维度的变化正在同步上演：

• 顶尖AI工程师将60%工作时间投入Prompt优化而非代码编写
• 头部科技企业高薪招募具备战略思维的产品经理
• 科研人员通过社交媒体进行知识输出锻炼表达能力

更具说服力的是人才路径的重构：

• Anthropic总裁Daniela Amodei：英语文学本科背景
• 阿里通义千问前负责人林俊旸：英语本科+语言学硕士

这些案例在传统评价体系中几乎难以想象，如今却成为AI领域的关键角色。这种结构性转变预示着能力评估体系的范式转移。

由此引发更尖锐的质疑：被技术淘汰的究竟是特定学科群体，还是我们对"能力"的认知框架本身已经过时？

2、生产方式的范式革命

将此现象简单解读为文科复兴，实则低估了变革的深度。真正发生的革命性变化在于：

生产模式正从任务执行转向目标定义。

传统软件开发需要精确拆解需求为可执行代码，每个逻辑分支都要明确定义。这种模式下，工程师的核心价值在于技术实现能力。

大模型时代则呈现截然不同的图景：用户只需描述目标，AI即可自主生成解决方案甚至提供优化建议。表面看技术门槛降低，实则能力要求发生本质迁移。

核心问题从"能否实现功能"转变为：

• 如何精准界定问题边界
• 如何构建合理的目标体系
• 如何确保AI准确理解意图

这些能力要素与文科训练形成的思维模式高度契合：

• 抽象思维能力：从现象中提炼本质问题
• 结构化思维：拆解目标并建立优先级
• 表达精准度：消除语义歧义确保理解一致

黄仁勋在访谈中反复强调的"Specify"（精准定义）概念，正是这种能力转型的集中体现。他指出未来成功者必须具备：

• 清晰阐述目标的能力
• 为AI保留创造空间的同时引导结果导向
• 在模糊情境中建立确定性框架

这种能力被他定义为"Artistry"（艺术性），这个非技术术语的选择颇具深意。

3、黄仁勋论断的产业视角

当行业领袖发表类似观点时，其分量源于对产业全链条的深刻洞察。作为AI基础设施供应商，英伟达掌握着独特的数据维度：

• GPU算力的消费模式
• Token的使用效率分布
• AI工具的实际应用场景

黄仁勋分享的细节颇具启示：当发现年薪50万美元的工程师年Token消耗仅5000美元时，他判断这是人才效能的巨大浪费。

这个案例揭示的深层逻辑是：AI时代真正的高手，懂得如何通过技术杠杆放大个人价值。

他用职业运动员的保养投入作比：勒布朗·詹姆斯每年数百万美元的身体管理费用，本质是对核心资产的战略性投资。

在AI语境下，Token消耗强度成为衡量人才效能的新指标：

• 高消耗者：通过AI实现能力跃迁
• 低消耗者：维持传统人力工作模式

但这种放大的前提始终是：使用者必须先明确自身需求。这个认知盲区恰恰是当前多数从业者的瓶颈所在。

4、Prompt工程的本质解析

当前市场上充斥着各类Prompt技巧指南，从模板库到专家课程应有尽有。但这些表象之下，隐藏着对核心能力的误解。

Prompt的本质是思维的外化呈现。

撰写低效Prompt的根源，往往不在于技巧缺失，而是思维混沌。有个简单的验证方法：

当你无法用清晰语言向他人阐述问题时，AI给出的答案必然模糊不清。

反之，具备结构化思维的人能够：

• 将复杂问题拆解为可执行模块
• 建立逻辑严密的推理链条
• 预设可能的边界条件

这种思维特质与文科训练形成的表达素养高度相关。黄仁勋预言英语文学专业人才将脱颖而出，正是基于他们对：

• 逻辑框架构建的熟练掌握
• 修辞手段的精准运用
• 意图传达的误差控制

5、能力分化的残酷现实

文科领域正面临新的挑战：过去被诟病"缺乏实用价值"，如今则要应对"能力强度不足"的质疑。

AI可以优化表达效率，但无法替代目标思考过程。这种背景下，能力分化呈现新特征：

浅层表达：将被AI全面替代
深层表达：将被AI指数级放大

具体表现为：

• 浅层：格式化邮件撰写、会议纪要整理、基础翻译工作
• 深层：商业问题抽象化、组织现象变量化、模糊判断清晰化

这种分化的关键在于：

AI缺乏个体的背景知识、实践经验和价值立场，只能放大已有认知。当输入混沌时，输出必然混乱；当输入清晰时，输出才能精准。

你的思维清晰度，决定着AI的放大倍数。

6、企业人才战略的转向

观察头部科技企业的人才策略变化，可以发现明确趋势：技术能力不再是唯一标准，目标定义能力正成为核心考量。

这种转变不是管理理念的文艺复兴，而是基于AI工具成熟度的现实选择。当执行环节可被技术高效替代时，真正的瓶颈出现在：

• 复杂问题的解构能力
• 方向的战略性判断
• 资源的整合说服力

黄仁勋描绘的未来图景更具冲击力：每个知识工作者都将指挥AI军团作战。这种模式下：

目标定义者的价值，是执行者的百倍不止。因为前者在驾驭AI，后者在与AI竞争。

指挥官的核心竞争力不在于单兵技能，而在于：

• 战略视野的清晰度
• 指令传达的精准度
• 结果导向的坚定性

7、人才分类的新维度

未来的人才市场将呈现新的二元结构：

执行者：接收明确指令，运用工具完成交付
定义者：提出核心问题，构建目标体系，驱动AI执行

AI不会消灭执行岗位，但会大幅压缩其价值空间。定义者群体则将享受技术杠杆带来的红利倍增。

这里存在一个认知陷阱：许多人自认为属于定义者，实际仍在从事执行工作。二者的本质区别在于：

定义者的核心标志不是拥有想法，而是具备：

• 将模糊构想转化为清晰命题的能力
• 建立可执行的目标框架
• 预设可能的偏差场景

这种能力并非天赋使然，而是通过系统训练获得：

• 语言逻辑训练
• 写作结构化训练
• 批判性思维训练

这些恰恰是传统文科教育的核心优势。

8、时代能力的隐喻解读

当讨论"文科是否有用"时，我们可能问错了问题。真正需要思考的是：

如何将混沌的现实世界，转化为可理解的认知模型。

这种转化能力体现在多个层面：

• 代码：对计算机的指令系统
• Prompt：对AI的意图传达
• 战略：对组织的方向指引
• 文章：对读者的思想传递

其本质都是：

将内在思维转化为外部可理解的形式。

这种能力在任何时代都极具价值，只是在AI时代，其重要性终于被显性化呈现。

【深度观察】黄仁勋的论断实质上揭示了一个更本质的规律：

未来最稀缺的，不是技术执行者，而是价值定义者。

这种能力超越具体技术范畴，它关乎：

• 对本质问题的洞察力
• 目标体系的构建力
• 认知框架的输出力

这些恰恰是AI时代最关键的人类专属能力。