大家好，我是talk君。
前一阵在新加坡的CNA演播室里，记者把全天下家长最焦虑的问题甩给了黄仁勋：「AI这么猛，我孩子该学什么专业才不被淘汰？」大家等着他报一串硬核名字：芯片、算法、量子计算、神经工程。
结果这位英伟达老板靠在沙发上，轻飘飘一句：「我觉得这根本不重要（It won't matter）。」
全场人仿佛心口挨了一拳。
他没有顺势推销「学AI保命」，反而聊起新闻、讲故事、艺术、设计，最后还搬出一个老词：侘寂（wabi-sabi），这个词来源日本传统美学理念，意思是在不完美、不对称、带着岁月磨损痕迹的事物中看见美。
一个靠纳米级硅片登顶的人，突然跟你谈「不完美」。这事比表面看起来要有意思。
和你有什么关系
如果你家里有人在填志愿或面临大学的抉择，或许你可以往下读一读。因为这些能力不是大学里教出来的，它们都得从人和事里长出来。看懂了它们为什么值钱，你才知道劲儿该往哪使。
1
没有「防弹专业」了，只有防弹的人
家长的执念从来没变过：想给孩子找一张「免死金牌」。二十年前是金融，十年前是计算机，现在是AI。本质都一样：试图用选专业，躲开时代的不确定性。
黄仁勋看穿了这个防御性陷阱。他说，过去重要的东西，未来依然重要。专业只是壳，里面装的能力才是肉。
为什么「选对专业」失灵了？因为生成式AI干的事，是把每份工作拆成“篮子任务”（a basket of tasks）。篮子里那些重复的、标准的、有固定套路的活，机器接得又快又稳：写周报、做报表、出海报、搓代码、审合同初稿……
你以为学个「安全专业」就能躲？对不起。计算机能被AI写代码，法律能被AI读案卷，会计能被AI对账，医学影像能被AI初筛。只要你的价值等于「熟练套用一套固定格式」，专业再硬也挡不住。
黄仁勋没说「别学技术」。他说的是：别把专业当成护身符。
真正能穿越周期的，不是某个学科，是学科底下那层「人味」。
2
机器最擅长「抹平」，人活着靠「毛边」
这是整场采访最锋利的一句话底色。AI的输出，天然朝「满分」收敛：语法零错误，但没脾气；构图很舒服，但没有险招；逻辑闭环，但没有痛感；图像丝滑得像塑料。
当全网每秒钟都在倾泻「100分标准件」，「完美」就通货膨胀了。完美变成工业品，毛边变成奢侈品。
这也是黄仁勋为什么突然提「侘寂」。侘寂不是「丑」，是承认残缺里有生命痕迹：陶碗上的窑变、采访里对方突然哽咽的那一秒、文章里一次真实的犹豫、设计里故意留的白。
这些东西机器能模仿样式，模仿不了来路。黄仁勋原话大意是：AI产出的东西太绝对、太精准，反衬出人类那种带瑕疵、有温度、不可复制的创造，会更贵。
翻译成人话：完美是标准品，毛边才是温度。
3
从他的话里，能拆出三种「机器干不掉」的能力
这段采访后来被归纳成一份清单，AI 时代定生死的，是三种底层能力：
1. 会讲故事：把「事的体温」递过去
CNA采访里，黄仁勋拿记者举例子。优秀采访者不是背提纲的机器。她得听得到对方停顿里的东西，能在现场临时改问题，能判断观众此刻想听什么，再把信息组织成「有人味的故事」。
AI可以帮你查资料、理结构、润色句子。但「为什么是现在讲、对着谁讲、哪一刀下去会见血」，这事儿归人。
讲故事不是煽情，不是加滤镜。讲故事是把冷数据焐热的能力。
你做产品、写方案、做科研汇报、带团队、卖东西、治病人，本质都是在讲一个故事：「这事为什么重要，和我有什么关系。」AI给你素材，不给你体温。
2. 会提问：敢把问题往下追三层
黄仁勋这段采访里藏着一个被忽略的点：他反复强调「知道该问什么」。
好记者知道追问。好工程师知道在模型跑出结果后问：「这结果哪里不对劲？」好老板知道在全员说「没问题」时问：「我们是不是问错了问题？」
AI时代最危险的不是不会答题。是被满地答案牵着走，忘了自己本来要问什么。
会用AI的人，不是提示词背得熟。是能把一个模糊念头，拆成可验证的问题链：我要解决什么？假设是什么？反例在哪？这个结果如果错了，错在哪？再往下三层，真正的问题是什么？
黄仁勋自己说过，作为CEO，他大量时间不是在「下指令」，是在「提问题」。
提问是高级判断力外化出来的形状。
3. 认得出「不完美里的好」：不被平均值磨平
这一点最玄，也最贵。侘寂的本质，是一种审美判断力：你能不能在一堆「都挺好」的工整方案里，认出那个有点歪、有点险、但活的东西？能不能在团队里留住一个奇怪但有用的人？能不能在AI生成十个完美封面后，选那个「没对齐但对的」？
这种能力没法写进教材。它来自审美积累、生活粗糙度、对「人」的敏感。
平均值负责安全，毛边负责记忆点。AI会把你拖向平均。人要把你拉回具体。
4
别误读成「文科逆袭，理科完蛋」
看到这，很多人立刻脑补：「张雪峰说学计算机，黄仁勋说学艺术」。
别急。这不是文科复兴宣言，也不是反技术宣言。
黄仁勋的原意非常拧巴但准确：不否定技术，反而鼓励你用AI；不神化学文科，文科生如果只会套模板，一样被替代；不贬低理工，芯片、代码、物理照样重要，但「只会写代码」不够了。
他给的那句收尾很关键：「无论你热爱什么，只问自己一件事：AI怎么帮我把学习、我的技艺、我的目标，再往上抬一层？」
翻译一下：不是「AI替代我」，是「AI放大我」。但放大有个前提：你肚子里得先有东西。
你不懂好文章，AI给你一堆通顺垃圾，你分不清。你没审美，AI出一百张图，你只会选最俗的那张。你不会提问，AI再强，你也只会问出「帮我写个周报」。
工具越强，使用者的底子越藏不住。
5
为什么是黄仁勋说出来，才这么扎人
如果这话出自一个文学院教授，你大概率划走。心里还得嘟囔一句：“又来，象牙塔鸡汤。”。
但从黄仁勋嘴里出来，分量不一样，即便最近他的名声不太好，但你也得承认，他从来不是站在AI对面的人，他是给AI供铲子的人。
他比谁都清楚：算力越便宜，标准答案越泛滥；标准答案越泛滥，人的判断越值钱。
英伟达把「生成」成本打到地板。黄仁勋反过来提醒你：别只练生成，练「生成之后那一下」。
那一下是：听得出人情绪的人；问得出真问题的人；选得出不完美里那点好的人。
这三类人，不是「不被AI取代」，是AI越厉害，他们越像人。
6
给普通人的落地版：别卷专业，卷这三样
把黄仁勋的话落成日常，就三件事：
1. 每天练一次「把事讲给人听」
不是发朋友圈，是讲清楚：背景、冲突、选择、代价、余温。别追求漂亮，追求「对方真的懂了」。
2. 遇到答案先别接，追一层问题
AI给完结果，逼自己问：它漏了什么？前提错没错？如果反过来会怎样？提问题，是防止自己变成AI的显示器。
3. 留一点不完美的胃口
别什么都求「最优化」。写东西留一句笨的，做设计留一道粗的，开会留一次沉默。训练自己认得出：什么时候「整齐」是死，什么时候「毛边」是活。
黄仁勋这次的采访，表面在聊教育，实际在聊一件事：AI把「标准」做成免费自助餐之后，人得重新学会挑食。
以后不缺会答题的人。缺的是：能把答案讲出体温的人；能在满屏答案里，问出第一句真问题的人；能在完美工业品里，一眼认出那只歪碗的人。
专业会过时。毛边不会。
机器负责平滑，人负责留下指纹。
这大概就是黄仁勋想说的：不是「别学计算机」。是别只学计算机里，机器明天就能替你干的那一半。剩下那一半，叫人。
关注一刻 talks。我们不追风口标题，只帮你把大佬的话，翻译成明天就能用的动作。
本文章谨为商业研判，不构成任何投资建议
热门跟贴