2026年5月25日，新加坡 演播室里绿植环绕，气氛却有些紧绷
坐在深色西装里的男人是黄仁勋
作为英伟达的掌门人，他是这场全球AI风暴里最大的“算力军火商”。
正是他手里的芯片，让无数程序员、白领和大学生的饭碗开始剧烈摇晃。
坐在他对面的，是亚洲新闻台（CNA）记者Victoria Jen。
她抛出了一个让全天下父母彻夜难眠的问题： 在AI狂飙的时代，我们的孩子到底该学什么专业，才不会被时代甩下？
所有人都竖起了耳朵 大家等着这位理工科之王报出一串“安全专业清单”，比如量子计算、生物工程，或者某种高深的底层算法。
但极其反常的一幕发生了
黄仁勋连一秒钟都没犹豫，直接推翻了问题本身： “学什么专业并不重要（It won't matter）。”
紧接着，这位身价千亿的芯片巨头没有提半个理工科词汇，反而伸手指向眼前的女记者，聊起了 新闻播报与现场采访 ，甚至冷不丁抛出一个古老的日本美学词汇， “侘寂”（Wabi-sabi） 。
这就奇了怪了
如今全网都在唱衰文科，人人都说文字工作者和艺术生最先被大模型淘汰。
为什么亲手造出AI算力帝国的黄仁勋，偏偏拿记者和传统美学当救命稻草？
在这句看似反常识的回答背后，他到底看到了什么我们没看到的行业底牌？
新加坡亚洲新闻台（CNA）官方频道发布的专访片段，黄仁勋在绿植背景前回应“AI时代孩子该学什么”
01 演播室里的微表情：为什么他死死盯住“提问”？
把这段只有1分40秒的采访录像慢放，第一条线索其实就藏在演播室的空气里。
当黄仁勋说出“过去重要的事，未来依然重要”时，他直接拿正在发生的这场对话做了现场解剖。
他对记者说，像新闻播报员这样向公众传递信息，未来一如既往重要。
但顶级的记者靠的是什么？
是背诵采访提纲吗？
绝非如此
靠的是“知道该问什么问题” ，而且要 “停留在当下（stay in the moment）”。
黄仁勋当场拆解了记者与他过招时的脑内活动：你提前准备了一大堆问题，但你没有照本宣科； 你在听我说话，同时敏锐地捕捉我话里那些观众可能会感兴趣的苗头，顺着苗头立刻追问。
“你在同一秒钟里同时思考好几件事，就像我现在一样。”
黄仁勋指了指自己的脑袋
在这一秒里，他既要照顾屏幕前的受众，又要听懂记者的弦外之音，还要把眼下全世界正在发生的大事装在脑子里，最后给出的回答还得严丝合缝。
科技账号High Signal AI对黄仁勋1分40秒访谈的逐段结构化拆解，完整还原了关于“现场多任务思考”的原话
访谈一出，《商业内幕》、TechNews科技新报等海内外媒体连夜跟进，把这段话提炼为AI时代的三大护城河： 讲故事、创造力、现场判断力 。
科技媒体TechNews将黄仁勋的演播室回答归纳为“说故事、创造力、判断力”三大核心能力
但这只是表层的归纳 如果我们去翻看全球内容产业刚刚交出的底层数据，就会发现黄仁勋随口拿记者举例，早已越过了寒暄客套，精准踩中了一条正在剧烈分化的行业断层线。
02 57%的网页已沦为“AI泔水”，幸存者在拼什么？
把镜头拉远，来看一组让人倒吸一口凉气的真实调查。
就在2026年1月，牛津大学路透新闻研究所发布了一份重磅年度报告，深度摸底了全球51个国家和地区的280位媒体掌门人（包括64位总编辑和64位CEO）。 这份报告直接撕开了AI时代的残酷真相：
亚马逊云科技（AWS）的研究显示， 如今互联网上约57%的内容，已经是由AI生成或翻译的了。
《哈佛商业评论》更是记录了一个职场新灾区：高达四成的打工人抱怨，自己过去一个月收到了大量被称为 “工作泔水（workslop）” 的AI文档，篇幅冗长、格式规整，读下来却全是空洞的套话，对实际业务寸步难推。
与此同时，随着谷歌AI摘要和周活高达8亿的ChatGPT变成直接吐答案的“答案引擎”，全球新闻网站来自谷歌的自然搜索流量在一年内暴跌了33%（美国更是狂跌38%）。 那些教人怎么办事的常青指南、四平八稳的日常资讯，正在被大模型碾成最廉价的面粉。
按理说，新闻编辑室该集体绝望了吧？
恰恰相反
报告揭示了一个极其震撼的“哑铃效应” ：当中间那层平庸的“二手整合信息”被AI彻底清空后，全球280位传媒高管正毫不犹豫地砍掉通用日常新闻（净差值-38个百分点），把全部资源投向哑铃的另一端， “实地调查与现场报道”的增投净意愿，飙到了惊人的+91个百分点！紧随其后的，是深度背景脉络解读（+82%）和充满人味的人物故事（+72%）。
瑞典《晚报》的AI主管Martin Schori说了一句极其毒辣的话： 面对AI平台的抓取与打包，人类唯一能活下来的领地，是那些“无法被轻易浓缩成三个要点（three bullet points）”的内容。
那么，AI在编辑室里到底干什么？ 答案是：当苦力
在美国小型非营利媒体《康涅狄格镜报》，记者们把AI当成一个 “狂喝咖啡的实习生（hyper-caffeinated intern）” 。
过去，有限的记者根本看不过来全州169个城镇的冗长公文和几十个小时的市政会议录音；
现在，这位不知疲倦的“AI实习生”几秒钟就能筛出数据异常和利益猫腻。
《纽约时报》更是用AI在两周内梳理完数千段播客与视频，干完了过去需要一年才能摸清的背景排查。
结果呢？
路透研究所的数据显示， 67%的媒体机构不仅没有因为AI裁掉任何一个岗位，反而像挪威地方媒体《iTromsø》那样，用AI把记者从办公桌前解放出来，“去现场！去和当地人面对面聊天！” 反过来，试图跨过人类判断、直接强推AI合成播客的《华盛顿邮报》，因为引语张冠李戴和事实误读，迅速翻车并引发信任危机。
查到这里，第一个谜团破案了
黄仁勋在新加坡演播室里夸赞记者，早已超越了单纯“码字”的手艺，他格外看重 在充满变数的真实世界里，带着意图去倾听、去试探、去构建信任并讲出好故事的“在场能力” 。
算法可以把过去十年的旧闻嚼碎重吐，但它进不了现场，更读不懂对面那个人眼神里一闪而过的犹豫。
03 从审问人类到审问机器：一条隐秘的能力轴线
顺着“提问”这根藤继续往下摸，你会发现黄仁勋过去一年多在不同场合留下的碎片，突然拼成了一张完整的藏宝图。
早在《Huge Conversations》访谈以及2026年2月再度翻红的剪辑里，黄仁勋就撂下过一句狠话： “如果我今天是个学生，我不会优先去学写代码，我会先学怎么跟AI说话。”
很多人觉得好笑：跟AI说话谁不会？ 在对话框里敲一行字按回车不就行了？
科技博主Dustin（@r0ck3t23）一针见血地指出，绝大多数人把AI当成了大号搜索引擎，问一句、拿个答案就走。
但黄仁勋把与AI互动称为 “提示词的艺术性（expertise in artistry）” 。
博主Dustin拆解黄仁勋的“提问艺术”，提出了“领域专长×AI流利度=能力放大”的公式
在中文社交平台上，猎豹移动董事长傅盛也拿这段话给迷茫的大学生支招：学校课堂教的死知识早就脱离时代了，破局的核心竞争力，在于 能否通过精准的发问，像指挥官一样驱动AI去完成专业领域内的任务 。
傅盛在推文中结合黄仁勋的观点，解答大学生关于“专业脱节如何破局”的焦虑
但到底怎么问，才算顶级的“艺术”？ 黄仁勋曾公开曝光过自己私下里“折磨”AI的独门手法，
他从来不把AI当成替自己动脑子的“拐杖（crutch）”。
当他向AI抛出一个难题并拿到初步答案后，他会像个严厉的老板一样追问： “这是你能给出的最佳答案吗？”
紧接着，他还会把A模型的回答复制下来，直接甩给B模型： “去，挑挑它的毛病，批评一下这份答案。”
然后再把多个模型拉到一起“核对笔记（compare notes）”、互相打擂台。
他说，这个过程非但没让人变懒，反而极大地锻炼了他的批判性思维。
热门剪辑展示了黄仁勋如何使用AI：拒绝把AI当拐杖，让多个模型互相挑刺、交叉验证
你看懂了吗？
在CNA演播室里追问受访者的记者，和在电脑前逼问大模型的黄仁勋，用的根本是同一种底层肌肉！
Dustin在帖子里给出了一个堪称黄金定律的乘法公式： 领域专长 × AI流利度 = 能力放大（Domain expertise × AI fluency = Amplification） 。
做个最简单的算术题：如果你是个庸医或法盲，对本专业一无所知（领域专长为0），AI给你的诊断和辩护词就算漏洞百出你也看不出来，乘出来的结果就是一堆精致的噪音； 反过来，如果你满腹经纶，却只会像用传统搜索框一样敷衍AI（AI流利度为0），你就把这座核电站99%的能量白白浪费在了桌面上。
正如有中国网友在评论区感叹的： AI就像一面冷酷的镜子，能照出你的真实水平 ，你肚子里的货色、你拆解问题和追问的深度，决定了它反馈给你的是神器还是垃圾。
04 终极反转：为什么卖芯片的人都在聊“不完美”？
追踪到这里，还剩最后一个谜团没有解开：为什么黄仁勋要在访谈里特意点名艺术，甚至搬出“侘寂（Wabi-sabi）”这个词？
给不太熟悉日本传统美学的读者做个三秒钟科普：什么是“侘寂”？
工厂流水线上造出来的工业瓷杯，每一个都光滑圆润、分毫不差；
而老匠人手工烧制的一只粗陶茶碗，表面有细小的裂纹、不对称的弧度，甚至带着窑火留下的焦痕。
这种 在残缺、无常与不完美中透出来的真实生命力 ，就叫侘寂。
一个把半导体工艺精确到纳米级的科技狂人，突然开始赞美“不完美之美”，而且断言 “它在未来会比今天更重要” ，这难道不是自相矛盾吗？
恰恰相反，这是整场访谈里最让人起鸡皮疙瘩的洞察。
过去几百年，人类工业文明一直追求“标准化”和“无瑕”。
而在生成式AI时代， 光滑、工整、四平八稳的“标准完美”，已经变成了全世界最廉价的大路货。
只要按一下回车，AI一秒钟就能生成一万张构图挑不出毛病的海报、一万篇语法滴水不漏的公文。
当机器制造的“完美”泛滥成灾，什么东西会瞬间暴涨成稀缺奢侈品？
是人类的瑕疵，是带着毛边的真实感
是纽约大学商学院教授Scott Galloway所推崇的、像贝佐斯写1997年股东信或黄仁勋穿皮衣演讲那样构建情感共鸣的“故事弧线”；
是法新社高管在路透报告里疾呼的“有人味、专业且值得信赖的声音”。
AI可以算出最工整的音符组合，但它没有经历过痛失所爱的夜晚，唱不出那声让人起一身鸡皮疙瘩的破音。
这也就解释了，为什么到了2026年秋天，当网上到处流传“AI这么强，孩子已经不需要去上学了”的论调时，黄仁勋罕见地发火了。
在当时中英文社媒同步疯传的一段视频里，他对着镜头严肃地给出了对自己孩子的两条忠告： 第一，老老实实去上学（Go to school）；
第二，全面接触人工智能（Engage AI）。
他痛批那些吓唬孩子、让人相信“读书只是浪费时间和金钱”的言论是对社会的伤害， “绝对糟糕透顶” 。
2026年秋流传的访谈片段中，黄仁勋严厉驳斥“读书无用论”，强调去上学并接触AI
把5月的新加坡专访和秋天的这段警告拼在一起，黄仁勋的底牌终于彻底亮了出来：
他说的“选什么专业不重要”，可从未让人放弃学习去当混子，他想给所有家长和学生敲响警钟： 别再妄想靠选对某个“免死金牌专业”、背熟几本标准答案就能一劳永逸。
去学校，是为了浸泡在人类的知识脉络、审美趣味与真实社交里，修出你的底蕴、判断力与那点不可替代的“侘寂”人味；
去接触AI，则是雇佣一个“狂喝咖啡的实习生”，给你的野心装上核动力引擎。
无论你是正在挑专业的学生，还是在写字楼里焦虑的打工人，从今天起，不妨把“AI会不会取代我”的恐惧扔进垃圾桶。 就像黄仁勋在新加坡演播室最后留下的那句行动纲领一样，不管你热爱的是造芯片、设计汽车、拍电影还是写报道，每天只逼自己问这一个问题：
“我该如何利用AI，去抬升我的学习、我的手艺，以及我人生的目标？”
热门跟贴