四川
這一言論迅速在全球科技圈、教育圈掀起討論。
英偉達手握全球頂尖芯片技術，服務著絕大多數AI企業，掌舵者的判斷，絕非隨口閑談。
黃仁勛的表態，直接打破了多年形成的專業優劣固有認知。
想要理解這一觀點，需要追溯AI技術發展的底層邏輯。
早期AI研究轉而走向符號路線，符號主義認定，語言只是簡單的翻譯工具，人類思考等同于符號運算，依靠固定邏輯就能完成智能模擬。
如今全球主流大模型，可以用通俗的比喻來講，每一個單詞都是擁有上千個自由度的樂高積木。
AI理解語言、生成內容，本質就是按照語義規則拼接積木。
基礎代碼編寫、簡單邏輯運算這類工作，早已被AI高效承接。
基層工程師的基礎編碼工作，不少可以借助AI完成，員工的工作重心轉向需求梳理、內容審核與方向調整。
這套訓練體系，恰好對應駕馭AI的核心能力。
在AI只能機械拼接語言向量時，人類對詞匯、語境、表達分寸的把控，就成了無法被替代的核心競爭力。
精準提出需求、描述目標、修正偏差，這些依托語言完成的工作，才是驅動AI創造價值的關鍵。
單純的繪圖、剪輯等技能，依舊可以被AI快速模仿迭代，但定義目標、賦予內涵的語言能力，始終掌握在人類手中。
近兩年，AI熱潮復刻了曾經移動互聯網的發展軌跡。
移動互聯網興起時，大批人群跟風學習Java等編程語言，追逐風口紅利。
但浪潮褪去后，依靠淺層技術跟風入局者大多被淘汰，真正站穩腳跟的，是能夠用語言完成溝通、策劃、內容創作的從業者。
如今AI浪潮來襲，新一輪跟風學技術的現象再度上演。
很多人埋頭鉆研編程技巧，卻忽略了工具迭代的速度遠超過個人學習的速度。
短期掌握的技術，很快就會被AI覆蓋。
越來越多職場人出現“認知卸載”的習慣，遇到問題第一時間求助AI，放棄獨立思考。
長期依賴AI工具，還會催生新的問題。
這種狀態會造成記憶力下降、注意力分散，甚至出現“AI腦霧”，人類解決復雜問題的能力持續弱化。
AI可以解答問題，卻無法自主判斷哪些問題具備價值。
單純掌握技術的從業者，容易淪為AI的執行者。
而具備語言、邏輯、思辨能力的人，能夠指揮AI、優化AI，成為規則的制定者與價值的創造者。
數學是AI的底層邏輯，理工科知識是理解技術原理的基礎，二者不可或缺。
這場變革，是單一技能與綜合能力的重新排位。
所謂“學好數理化，走遍天下都不怕”的傳統觀念，誕生于技術稀缺的年代。
那時掌握專業技術，就等于掌握了不可替代的生存資本。
但AI時代，技術不再稀缺，工具觸手可得。
社會競爭的核心，從“會不會使用工具”，轉向“能不能指揮工具創造新價值”。
語言、數學這類底層原知識，永遠不會被技術浪潮淘汰。
AI可以重構行業崗位，迭代技術工具，卻無法取代人類經過長期訓練形成的思維、表達與共情能力。
AI是助力人類前行的階梯，最終能走多遠，決定權始終在人類自己手中。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
