黄仁勋直言“读什么专业已毫无意义”！1372人实验警告：最可怕的是向AI认知投降

每年到了填报志愿、规划出路的关口，无数家庭都在焦虑抉择。

纠结计算机还能火几年，盘算金融会不会崩盘，寻找哪个工科专业是AI啃不动的“铁饭碗”。 家长们拿着放大镜研究就业率，生怕一步踏错，孩子四年后毕业即失业。

但就在最近，那个亲手造出AI算力帝国、把全球科技巨头逼进军备竞赛的男人，冷冷地给所有焦虑的家长泼了一盆冰水。

英伟达CEO黄仁勋在新加坡接受亚洲新闻台（CNA）专访时，直接把“选什么专业不会被淘汰”这个问题本身给拆了。

他的回答干脆得近乎残忍： “我认为这件事并不重要。”

亚洲新闻台（CNA）专访黄仁勋报道首屏，他在访谈中直言专业选择不再是核心问题

没有所谓的“抗AI王牌专业”名单

在黄仁勋眼里，死磕某一个具体的学科，就像在泰坦尼克号上挑一个视野最好的头等舱。

当AI能在几秒钟内填平编程、翻译、基础建模的技能鸿沟时，过去“学好数理化走遍天下”的安全感已经彻底瓦解。

决定一个人未来出路的，早已无关录取通知书上的专业名称，全看三样曾被许多人当成“虚招子”的软实力： 说故事的能力（Storytelling）、创造力（Creativity）和判断力（Judgment） 。

就在黄仁勋抛出这套教育观的同时，微软研究院、卡内基梅隆大学与沃顿商学院接连发布了两项覆盖上千人的重磅实证研究，令人倒吸一口凉气。

科学家们发现，AI时代最恐怖的淘汰机制已经悄然启动， 绝大多数人以为自己在驾驭AI，实际上却在不知不觉中完成了“认知投降”（Cognitive Surrender）。

财联社转述黄仁勋观点：孩子学什么专业并不重要，关键是如何用AI放大能力

01 算力之王的反常识：为什么芯片教父在替“文科”站台？

过去十年，硅谷的主流口号只有一句话：“去学写代码。”

可现在，卖铲子赚得盆满钵满的黄仁勋，却在采访里大谈新闻记者、电影艺术，甚至搬出了一个极具东方禅意的日本美学概念， “侘寂”（Wabi-sabi） 。

为什么一个理工科顶流高管，突然开始跨界谈审美和讲故事？

因为黄仁勋看穿了现代工作的底牌

他在专访中打了个极其精准的比方： 任何一份工作，本质上都是“一篮子任务”（a basket of tasks）。

以前你招一个程序员、一个律师、一个设计师，买的是他整个竹篮里的所有动作。 现在，AI像一台抽水机，把篮子里那些有标准答案、可重复执行的任务，比如写基础代码、查法条判例、画标准海报，抽得干干净净。

当执行的成本跌到接近于零，竹篮底端剩下的那点东西，瞬间贵如黄金。

媒体报道黄仁勋谈AI时代核心竞争力：具备说故事、创造和判断力就不会被取代

黄仁勋在现场拿身边的记者举例

他说，AI当然可以帮记者在采访前搜集十万字资料、列出二十个标准问题。

但顶级的采访发生在哪一刻？

发生在现场

发生在对方眼神闪烁的那半秒钟，发生在你听懂了他话里的言外之意、决定立刻扔掉提纲追问痛处的那一瞬间。

这种“面向真实受众把意义讲透”的表达力，以及电光石火间的临场判断，机器给不了你。

他还在访谈中专门提到了 “侘寂”

什么是侘寂？

简单说，就是欣赏残缺、无常与不完美中的美。

好比一只手工烧制的粗陶碗，上面有一道天然的裂釉，摸上去糙手，但你觉得它有温度、有灵魂。

AI最擅长什么？

它擅长制造工业塑料花式的“完美”

对称的构图、丝滑的排比句、挑不出语法毛病的公文，要一万份有一万份。

当这种光滑均质的“完美”泛滥成灾时， 人类独有的颗粒感、瑕疵、痛感，以及“到底什么才算高级”的审美品味，反而成了机器无法仿造的奢侈品。

社交平台热议黄仁勋的教育选择观：告别死守单一学科，重点培养讲故事、创造力与判断力

02 别再当“人形U盘”了：向AI发问，到底在考什么？

既然专业光环不再护体，今天的大学生和职场人到底该抓紧什么救命稻草？

猎豹移动董事长傅盛转发的一段视频里，黄仁勋给出了一个极其务实的动作： 如果我今天还是个学生，我第一件要学的绝非编程或数学，当务之急是学会如何向AI发问。

傅盛转发黄仁勋建议：未来的核心竞争力在于能否通过精准发问，驱动AI完成专业任务

评论区里有一位网友（@feixiaohaocom）留下了一段堪称封神的总结：

“人类历史上第一次，知识的获取门槛降为零。未来的大学生要告别‘U盘’模式，进化成‘CPU’。学校教的是过时的参数，但社会需要的是算法调优师。黄仁勋所说的‘发问’，本质上是对AI算力的调度能力。”

这句话戳破了传统应试教育最大的泡沫。

过去十几年寒窗苦读，我们把自己训练成了一个个大容量 “人形U盘” ，比谁存的公式多、比谁背的法条准。

可现在，一个免费大模型肚子里的存货，顶得上一万个人形U盘。

但这是否意味着，我们什么基础知识都不用学了，只要去背几句“提示词咒语”（Prompt Engineering）就能躺赢？

恰恰相反 这是公众对黄仁勋最大的误读

科技博主拆解黄仁勋的“提问学”：把模糊想法拆解成可执行指令，需要专业知识与表达艺术

黄仁勋讲得很透：要把问题问好，你需要两样东西兜底， 专业知识（Domain Expertise） 和 表达的艺术性 。

海外科技圈用一个极简公式概括了这种乘数效应： 领域专长 × AI流利度 = 能力放大 。

海外高互动帖解析黄仁勋观点：缺乏领域专长，AI的输出只是噪声；缺乏AI流利度，专业能力就会被埋没

为什么评论区里有人一针见血地提醒 “能精准提问的基础，是至少掌握了一定量的死知识” ？

因为乘法公式里有一个残酷的归零律：如果你脑子里的专业底子是0，哪怕你的AI用得再溜，0乘以100依然等于0。

你连医院化验单上的指标意味着什么都不知道，怎么可能指挥AI帮你排查罕见病？

你连合同里的法律风险点都看不懂，怎么可能靠提问让AI帮你堵住商业漏洞？

没有专业底子的人用AI，只能产出一堆看似通顺的垃圾噪声。

03 脑电波消失的恐怖实验：AI正在把学生变成“空心人”？

然而，怀疑的声音依然存在

2026年9月23日，黄仁勋做客《纽约时报》王牌专栏作家埃兹拉·克莱因（Ezra Klein）的深度播客。 节目一开始，克莱因就直接把一份令人毛骨悚然的教育心理学实验数据拍在了桌面上。

实验人员让两组学生写论文，一组独立撰写，另一组允许直接使用ChatGPT。

结果发现，使用AI的那组学生，在写作过程中的 脑电波活跃度显著暴跌 ，交完卷没多久， 他们甚至记不清自己在文章里写过的核心论点是什么！

克莱因当面质问黄仁勋：当孩子们把思考外包给AI，他们的大脑正在发生真实的萎缩，你还觉得这只是“换个工具”那么简单吗？

黄仁勋谈AI时代教养：告诉孩子“去上学”并“接触人工智能”，拒绝用恐惧否定努力的意义

面对这记重拳，黄仁勋没有回避 他承认，人类的某些局部技能确实会退化，但这在历史上早就发生过无数次了。

他打了个比方：电子计算器普及后，我们确实不会在草稿纸上手算复杂的“长除法”了；

智能手机普及后，没人能背下五十个亲友的电话号码；

GPS导航出现后，出租车司机记不住全城的小巷地图了。

但人类变蠢了吗？

没有

黄仁勋拿自己的老本行计算机工程算了一笔账。

三十年前，工程系学生要花大量心血去死记硬背单个 “晶体管” （芯片最底层的微型开关）和逻辑门的细节。

可今天，一块英伟达芯片里塞进了上千亿个晶体管，谁能靠人脑去记？

教育的演进，从来都是 用低阶机械记忆的退场，换取高维“系统思考”（Systems Thinking）的升级 。

什么叫系统思考？

就是你放下对每一块砖头烧制细节的执念，站到总工程师的视角，看整座摩天大楼的承重结构怎么搭、水电系统怎么配合、成本和安全性怎么权衡。

在同一期节目里，黄仁勋罕见地掏出了塑造他思维底座的 三本枕边书 。

只要把这三本书摆在一起，你就会瞬间读懂他所谓的“三大能力”到底是什么：

1. 《计算机体系结构：量化研究方法》

   （图灵奖得主撰写的工程圣经），教你如何在算力、功耗与成本之间做冷酷的量化权衡，锻造顶级的 判断力 ；

2. 《创新者的窘境》

   （克里斯坦森的商业经典），剖析老牌巨头为什么总死在守旧上，教你如何打破常规，激发破局的 创造力 ；

3. 《定位：争夺用户心智的战争》

   （营销学开山之作），教你如何在信息爆炸的噪音里，一句话击穿受众心智，锤炼极致的 说故事能力 。

看明白了吗？ 黄仁勋让你放下“死记硬背”，绝非纵容你放空大脑，分明是在逼着每一个普通人，把自己的大脑从“施工队小工”强行升级成“系统总架构师”。

04 1372人实验揭开残酷分水岭：你在驾驭AI，还是向AI“认知投降”？

理想很丰满，但现实的残酷之处在于： 大多数人扔掉了手算长除法，却根本没有升级成总架构师，转身直接瘫在了沙发上。

2026年，宾夕法尼亚大学沃顿商学院学者史蒂文·肖（Steven Shaw）与吉迪恩·纳夫（Gideon Nave）针对 1372名受试者 做了一场行为决策实验。

实验揭开了一个比“变懒”可怕得多的心理黑洞， “认知投降”（Cognitive Surrender） 。

为什么人会向机器投降？

因为今天的大语言模型有一个致命的特性，叫 “迎合性偏见”（Sycophancy） 。

说白了，AI被训练成了一个“顶级马屁精”。

它说话永远那么流利、自信、温顺，还会顺着你的偏见哄你开心。

沃顿商学院的实验发现，当AI用这种极具迷惑性的自信语气给出一个 完全错误的结论 时，相当一部分受试者会瞬间卸下心理防线，关停自己的直觉警报和逻辑复核，心甘情愿地在错误答案上签字画押。

这早已超越了把查资料的活外包给工具的范畴，简直是把方向盘直接交给了副驾驶座上那个满嘴跑火车的老好人。

那么，到底怎样才能守住方向盘，不沦为AI的提线木偶？

微软研究院与卡内基梅隆大学（CMU）联合团队在人机交互顶会（ACM CHI）上公布了一项里程碑式的调查。

他们追踪了 319名高频使用AI的知识工作者 ，解剖了整整 936个真实工作任务 ，最终发现了一条冰冷的 “信任悖论” ：

• 对AI越崇拜、越信任的人，工作时的批判性思维越弱。

  他们把AI当成全知全能的神，直接复制粘贴，沦为毫无灵魂的二传手。

• 对自己专业能力越自信的人，批判性思维反而越强。

  因为他们心里有一条极高的质量红线，清楚知道“好东西长什么样”，所以会像最苛刻的总编辑一样，反复拷问、挑刺、打磨AI交上来的初稿。

在这群高手身上，人类的脑力非但没有闲置，反而完成了一次惊险的 三重身份跃迁 ：

传统认知阶段

AI 时代的新角色

高手作为“质量守门人”的真实动作

亲自找资料 信息核验官

告别大海捞针找素材，拿放大镜交叉审讯AI的信源真伪与逻辑幻觉

从零想方案 方案整合师

让AI一口气吐出10个备选方案，结合人情世故、受众审美与业务边界做嫁接

埋头搬砖执行 任务督导官（Task Steward）

像总导演一样死盯全局方向，决定何时采纳、何时推翻，为最终结果兜底

行业评论者总结“AI流利度”的四大实操标准：知道何时信任、何时反驳，用对话迭代结果，这也将成为未来三年最残酷的职场分水岭

正如海外开发者Melvin Luu在评论区所预言的：未来三年，各行各业最醒目的分水岭，就在于你懂不懂什么时候该相信AI，什么时候该狠狠反驳它。

回到文章开头那个让无数父母失眠的问题：AI时代，我们的孩子、我们自己，到底该学什么？

答案其实已经写在了黄仁勋的访谈和这一串实验室数据里。

别再去寻找那个一劳永逸的“避风港专业”了，那样的孤岛已经沉没。

无论你学的是文学、历史、艺术，还是物理、化学、计算机，能救命的只有一件事， 在这个机器负责“完美执行”的时代，死死守住你作为人类的品味、表达与怀疑精神。

毕竟，当算力像自来水一样廉价流淌时，世界不再奖励那个背熟了标准答案的好学生，它只奖励那个敢于向机器发问、并在机器说谎时一眼看穿它的 总督导 。