文章核心观点 - 英伟达CEO黄仁勋提出，在AI时代，未来最重要的能力不是写代码，而是写“语言”或表达能力，这标志着对过去两年“文科无用”或“文科先被淘汰”叙事的翻转 [7][8][9] - 这一判断并非安慰，而是基于AI产业底层生产方式的变化：从传统的“执行任务”转向“定义目标”，这使得抽象、结构和表达能力变得至关重要，而这些能力更接近文科训练的范畴 [11][19][27] - 真正的分化将发生在“执行者”与“定义者”之间，AI将压缩前者的价值溢价，而持续放大后者的价值，未来人才将按此重新分类 [56][57][58] 根据相关目录分别进行总结 1、变化已在发生 - 趋势已在现实中显现：许多工程师花费大量时间撰写Prompt而非代码，顶尖AI公司开始招聘沟通能力极强的产品经理，研究员也主动练习表达 [13][14] - 人才路径出现结构性信号：例如Anthropic总裁Daniela Amodei（英语文学本科）和阿里通义千问前负责人林俊旸（英语本科、语言学硕士），这些人文学科背景的人才在AI核心岗位的出现变得合理甚至具备优势 [15][16] 2、能力结构正在被重写 - 生产方式转变：在大模型时代，工作重心从将需求拆解为具体代码步骤，转变为清晰描述“你想要什么”，由AI自行生成路径和方案 [20][21] - 能力门槛转移：核心问题从“会不会写代码”变为“能不能把自己要什么说清楚”，这要求具备抽象能力（明确问题）、结构能力（拆解目标与优先级）和表达能力（让AI准确理解） [23][24][25][26] - 黄仁勋强调“Specify”（清晰指定目标）是一种“艺术性”，这并非传统的工程词汇 [28][30][31] 3、黄仁勋观点的分量 - 作为英伟达CEO，其观点基于对AI基础设施顶端和整条产业链的观察，包括GPU客户、Token消耗模式及AI工具使用情况 [33] - 他指出，一个年薪50万美元的工程师若一年只消耗5000美元的Token是可惜的，重点在于真正的高手会用AI放大自身能力 [34][35] - 将Token消耗比作“保养费”，消耗多意味着在用AI放大自己，而放大的前提是使用者必须清楚自己要什么 [36][37] 4、Prompt的本质 - Prompt被普遍误解为技巧问题，但其本质是思维的外化，写不出好Prompt通常源于思考不清而非技巧不足 [39][40] - 好的Prompt工程师本质上是好的思考者，这需要长期的语言训练，因此黄仁勋认为英语文学等专业的学生可能非常成功，因其擅长逻辑构建、修辞表达和精准传达意图 [41][42] 5、表达能力的分化 - AI时代文科面临的新问题是“不够强”而非“没用”，因为AI可以替代浅层表达（如格式邮件、会议纪要、翻译），但无法替代深层表达（如抽象商业问题、拆解复杂现象、厘清模糊判断） [45][46][47][48] - 分水岭在于：浅层表达被AI替代，深层表达被AI放大，AI只能基于使用者已有的清晰思考进行放大 [49][50] 6、企业重视表达的原因 - 大厂趋势显示，企业越来越看重员工能否讲清复杂问题、定义方向及说服他人，这是因为在AI工具强大的当下，真正的瓶颈在于“定义”而非“执行” [52] - 能清晰定义方向的人价值远超只会执行的人，前者在指挥AI，后者在与AI竞争，黄仁勋描绘未来每个人将领导成百上千个AI代理，其核心竞争力是战略判断与清晰指令 [53][54] 7、未来人才的分类 - 人才将分为两类：“执行者”（接收任务、使用工具、完成交付）和“定义者”（提出问题、构建目标、驱动AI） [56][57] - AI将大幅压缩执行者的价值溢价，同时持续放大定义者的价值，需警惕将执行性工作误认为是定义性工作，定义者的标志在于能将模糊想法转化为清晰命题，这种能力可通过语言、文字和逻辑训练获得 [58][59][60][61] 8、时代隐喻与核心结论 - “文科是否有用”是错误的问题，真正的问题在于“能否把一个模糊的世界说清楚” [63][64] - 代码、Prompt、战略、文章本质是同一件事：将头脑中的想法转化为他人或机器能理解的形式 [65][66] - 黄仁勋的核心论断是：未来最稀缺的不是会做事的人，而是知道该做什么的人，这是一种被长期低估的能力 [68][69][70]