轮到理科生焦虑了

撰文｜画画

过去两年，有一个共识几乎成了定论：文科生，是AI时代第一批被淘汰的人。

写作可以被替代，翻译可以被替代，甚至连表达本身，都被大模型接管了。 在一轮又一轮的效率提升里，文科生像是最先被卷进浪潮的人群。

于是一个简单粗暴的结论开始流行：

理科决定未来，文科只是过去。

但就在这个共识快要变成定论的时候，一个人把话说反了。

黄仁勋在最近一期播客里，谈到一个让很多人意外的判断：未来最重要的能力，不是写代码，而是写"语言"。

他甚至更进一步说：英语，正在变成一种新的编程语言。

这句话真正刺耳的地方，不在于语言很重要这几个字，而在于它暗含的那层意思，那些长期被认为没有技术含量的能力，正在变成新的硬通货。

这几乎是对过去两年叙事的一次翻转。

更有意思的是，这不是一句安慰文科生的鸡汤。

如果你把这句话放进整个AI产业的变化里去看，它指向的，是一种更底层的生产方式变化。

问题开始变得有意思了。

如果AI已经可以写代码、写文案、写报告，那为什么表达能力反而更值钱了？ 如果机器已经够聪明，人为什么反而更需要"语言"？

再往深一层问：黄仁勋到底是在为文科正名，还是在重新定义什么叫"能力"？

1、这种变化，已经在发生了

值得注意的是，这个趋势不是他说了才出现的，它已经在现实中每天都在发生。

很多工程师，开始花大量时间写Prompt，而不是写代码。一些最顶尖的AI公司，开始招沟通能力极强的产品经理。

甚至连一些研究员，也开始在小红书上分享思考，主动练表达。

还有一些更具体的人物路径：Daniela Amodei，英语文学本科，现在是Anthropic的总裁。林俊旸，英语本科出身，语言学硕士，之前是阿里通义千问一号位。

这些路径，放在过去的评价体系里，几乎不可能成为AI核心人才。但现在，它们开始变得合理，甚至有优势。

这不是巧合，也不是特例，它是人才市场上的一个结构性信号。

于是一个更尖锐的问题冒出来了：被淘汰的，真的只是文科吗？还是说，我们对"能力"的理解，本身就已经过时了。

2、能力结构正在被重写

如果只把这件事理解成文科翻身，其实低估了变化的深度。

真正发生的事情更底层，生产方式，正在从执行任务转向定义目标。

在传统的软件时代，你需要把需求拆解成代码，明确每一个逻辑步骤，机器只管执行。

但在大模型时代，你只需要描述"你想要什么"，AI自己生成路径，甚至给出多个方案。

听起来门槛低了。但其实门槛没有消失，只是挪了位置。

原来的问题是：你会不会写代码？

现在的问题变了：你能不能把自己要什么说清楚？

而这件事，才是真正困难的地方。

描述一个目标，听着简单，做起来很难。它要求你具备三样东西：

你到底想解决什么问题，这是抽象能力。

目标怎么拆、优先级怎么排，这是结构能力。

怎么让AI准确理解你，而不是让它瞎猜，这是表达能力。

这三样东西，本质上都更接近文科训练出来的底子。

有意思的是，黄仁勋在播客里反复强调了一个词：Specify，把目标描述清楚。

他说，未来的关键在于你能清晰地指定目标，给AI留出创造空间的同时，引导它产出你想要的结果。

他管这个叫一种"Artistry"——艺术性。

艺术性。这可不是工程词汇。

3、为什么偏偏是黄仁勋说这句话

同样的话换一个人说，可能只是一个观点。但英伟达的CEO说出来，分量不一样。

因为他站在整个AI基础设施的最顶端，看到的不是某个单点，而是整条链条的变化，GPU在卖给谁，Token在被谁消耗，AI工具被谁用得最狠。

他提到一个细节，如果一个年薪50万美元的工程师，一年只用5000美元的Token，他会觉得很可惜。

这话的重点不是"多用AI"，重点是：真正的高手，是会用AI放大自己的人。

他还打了个比方，勒布朗·詹姆斯每年花几百万美元保养身体，不是因为有钱任性，而是因为他把身体当成最重要的资产，值得持续投入。

对AI时代的从业者来说，Token就是"保养费"。

消耗得多，说明你在用AI放大自己。消耗得少，说明你还在靠人力硬扛。

而放大的前提，始终是你得先知道你要什么。你想清楚了，才能指挥AI去做。这一步，任何工具都帮不了你。

4、Prompt被误解了

很多人把写Prompt当成一个技巧问题，怎么写更准确，怎么让回答更好，怎么绕过限制。网上到处都是什么Prompt技巧大全、100个高效模板、Prompt专家授课......但这些全是表面的东西。

Prompt的本质，是思维的外化。

你写不出好Prompt，通常不是因为不会写，而是因为你压根没想清楚问题。

有一个很好的测试方法：试着把你脑子里的想法，用一段话完整说给AI听。说完之后，你自己都觉得模糊，那AI给你的回答一定也是模糊的。

反过来，当你能用一段清晰的、有逻辑的、有层次的语言描述一个复杂问题时，AI几乎一定能给出有价值的东西。

所以好的Prompt工程师，本质上是好的思考者。而好的思考者，需要长期的语言训练。

这就是为什么黄仁勋说英语文学专业的学生可能会非常成功。他们擅长的，恰好就是逻辑构建、修辞表达、对意图的精准传达。

5、一个不太舒服的判断

但这里也有一个更残酷的现实。

过去，文科被诟病的问题是"没用"。现在，文科面对的新问题是：不够强。

因为AI可以帮你完成表达，但它没法替你想清楚目标。

所以分水岭出现在这里——

浅层表达，会被AI替代。深层表达，会被AI放大。

什么是浅层表达？写一篇格式正确的邮件，总结一段会议纪要，翻译一篇外文资料。这些事，AI已经做得比大多数人好了。

什么是深层表达？ 把一个模糊的商业问题抽象成一个清晰的命题。把一个复杂的组织现象拆解成可以分析的变量。把一个你自己还没想清楚的判断，逼着自己说清楚。

这些事，AI做不了。

因为AI没有你的背景、你的经验、你的立场，它只能放大你已经有的东西。

你没想清楚，AI放大的是你的混乱。你想清楚了，AI放大的是你的能力。

6、企业为什么突然开始重视表达

如果你观察最近大厂的变化，会发现一个趋势：大家不再只强调技术能力，越来越看重一件事，你能不能讲清楚一个复杂的问题，能不能定义一个方向，能不能说服别人跟你走。

这不是企业突然变文艺了，而是他们发现，在AI工具已经足够强的情况下，真正的瓶颈早就不在执行了，在定义。

一个能把方向定义清楚的人，价值远超一个只会执行的人。因为前者在指挥AI，后者在和AI抢活儿。

黄仁勋描述过一个画面：未来每个人都会领导成百上千个AI代理去完成工作。 你就是这支AI军队的指挥官。

指挥官的核心竞争力，从来不是单兵作战，而是战略判断和清晰的命令。

7、真正的分化已经开始了

未来的人才，不会再按文理分。 分法会变成两类：

第一类：执行者。接收任务，使用工具，完成交付。

第二类：定义者。提出问题，构建目标，驱动AI。

AI不会消灭执行者，但会大幅压缩他们的溢价。而定义者的价值，会被持续放大。

这里有一个值得警惕的陷阱。很多人以为自己是定义者，但干的其实还是执行者的活。

区别在哪？定义者的标志，不是"我有想法"，而是我能把想法说清楚。想法谁都有，但能把一个模糊想法变成一个清晰命题的人，极少。

这种能力不是天赋，是练出来的。

语言训练，文字训练，逻辑训练，恰好，这些都是文科的老本行。

8、一个更大的时代隐喻

所以当我们再回头看"文科到底有没有用"这个问题，其实已经问错了。

真正的问题是，你能不能把一个模糊的世界，说清楚。

代码是对计算机的表达，Prompt是对AI的表达，战略是对组织的表达，文章是对读者的表达。

归根结底，它们都是同一件事：

把你脑子里的东西，变成别人，或者机器，能理解的形式。

这件事在哪个时代都不容易，只是到了现在，它的价值终于被看见了。

【版面之外】的话：

说白了，黄仁勋不是在为文科正名。他说的是一件更冷静的事：未来最稀缺的，不是会做事的人，而是知道该做什么的人。

而知道该做什么，从来都不是一门技术。

它是一种能力，一种被低估了很久的能力。