來源：AI深度研究員

2025 年 7 月 13 日，一場專訪意外成爲「訪華前夜」的前奏。

在 CNN《Fareed Zakaria GPS》的獨家專訪中，英偉達 CEO 黃仁勳，面對全球觀衆，拋出了一句冷靜卻刺耳的判斷：

如果世界沒有了新創意，那麼（AI帶來的）生產力提升就會轉化爲失業。

不是模型、不是芯片，也不是封鎖——他最擔心的，AI時代我們人類是否還「有想法」。

就在這句話說出的後，他即將踏上訪華行程——據 Reuters 報道，黃仁勳將於 7 月 16 日在北京出席媒體會。

這是他年內第二次來華，也是在英偉達歷史性市值突破 4 萬億美元后首次公開露面。

而這場對話，比任何業績數字都更具穿透力。 他談到了 AI 失業、提問能力、美國技術棧與中國開發者的關係，甚至直言：「未來計算機的編程語言是英語，或者您選擇的任何其他自然語言。」

這是AI 工業化加速期，也是「認知淘汰賽」的開場時刻。

對開發者、創業者、打工人來說，一個真實而殘酷的問題浮現出來：

誰將最先被 AI 淘汰？不是能力不夠，而是想法太少。

本文將通過「紀實 × 拆解 × 洞察」的方式，梳理這場專訪的核心內容，理解一個超級 CEO 對未來的真實判斷。

讀完，你將獲得一個審視自身'創意能力'的參照框架，也能看清英偉達與中國 AI生態互動的深層邏輯。

誰會被淘汰？黃仁勳警告「創意荒」

在這場CNN 對話中，黃仁勳並沒有重複那些聽膩了的AI熱詞。他只用一句話，就把人類未來的焦點打了出來：

「如果世界沒有了新創意，生產率提升就會直接變成失業。」

主持人 Fareed Zakaria 當時問的是 AI 會不會帶來大規模白領失業，尤其是像會計、法律、諮詢這些按流程做事的崗位。

但黃仁勳沒有直接回答「誰會丟飯碗」，他反問的是：「這個世界還有沒有人有新想法？」

這句話的分量比「AI 奪走多少崗位」更重。因爲他說的不是職位消失，而是創意消失。

核心不是失業，而是思路枯竭

黃仁勳給出的邏輯很簡單：

如果社會還有大量新的點子——比如更快的物流系統、更聰明的健康診斷、更高效的藥物發現——

那麼AI的到來就會幫我們把這些想法變成現實，工作也會更多、更豐富；

但如果大家只是不斷重複舊任務、抄別人路徑、等系統喂答案，那麼AI只需要幾秒鐘，就能把這些流程做完。

不是 AI 要不要取代你，而是你有沒有東西值得它來幫你做。

黃仁勳沒有列出一張"危險職業清單"，但他給出了一個"被淘汰者畫像"：

只會執行、不會設計任務的人；

不去思考目的，只等系統輸出結果的人；

一切工作都靠"問別人"而不是"問自己"的人。

反過來，他說："AI 是技術的均衡器，它提升了那些不懂技術的普通人——前提是你有事讓它幫你做。"

AI 不是「工具升級」，而是開始測試你有沒有獨立方向感。

在今天，AI 已經可以快速寫文案、編代碼、做圖表、列計劃……它最不缺的是把事做出來的能力。

真正的分水嶺已經不在「你會不會用」，而在你能不能告訴它你想做什麼、爲什麼要做、什麼樣才算做好。

這不是能力差，而是有沒有想法的問題。

換句話說："AI 不會裁掉你，AI 只是加快了'沒主意的人'被換下場的速度。"

這就是"創意荒"的真實含義。

它不是說每個人都要變得很有創意，而是說——你有沒有辦法，讓 AI 爲你所用，而不是被動等着被替代。

黃仁勳訪華：輸出技術觀，不只是帶芯片

2025 年 7 月 16 日，黃仁勳即將在北京舉辦媒體見面會。

這是他年內第二次踏足中國，也是在英偉達登頂全球市值第一之後，第一次以「訪華者」身份出現。

外界普遍關注他是否會宣佈「爲中國市場定製的 AI 芯片」，但從他在 CNN 專訪中的表態來看，比芯片更重要的，是他想傳遞一種技術觀念：

我們希望美國技術棧成爲全球標準。

( We want the American tech stack to be the global standard)。

用"開發者視角"重新定義AI遊戲

在 CNN 訪談裏，主持人直接拋出敏感問題：

美國現在對中國的AI芯片設置了越來越多出口限制，

你說這策略是『適得其反』，什麼意思？

黃仁勳並沒有迴避，他說：

剝奪某人的技術，不是目標，只是一種手段。

而且這種做法，並不會幫我們達成真正的目標。

那真正的目標是什麼？

他給出的答案：

他提到一個極少被西方 CEO 正面承認的事實：世界上50%的AI開發者，在中國。

這不是政治正確的表態，而是產業現實。英偉達要的不是簡單的「出貨」或「護城河」，而是一個更深層的戰略：

超越技術的"平台外交"

從 CUDA、GPU 到 AI 框架，英偉達想建立的是一套全球統一的技術底座，而中國，是不可或缺的一部分。

他的邏輯是——

正如他所說：

「我們希望世界上最優秀的 AI 系統，能在美國的技術平台上運行得最好。」

他來中國，很大程度上是爲了保住技術棧影響力最關鍵的一環。因爲今天的 AI，不再是一場硬件之戰，而是一場'誰來定義下一代基礎設施'的比拼。

而中國，正是這場競爭中最重要的開發者聚集地、落地場景測試場，以及產業反饋最快速的市場。

小結

黃仁勳的這場訪華，與其說是單純的市場行爲或象徵姿態，更多的是一次典型的'技術觀輸出'。

他說：

我想讓AI跑在最好的技術平台上。

不是強迫別人接受，而是讓別人願意依賴。

在中美技術關係變得複雜的當下，這是少數仍在搭橋而非拆橋的 CEO 之一。

而他所搭的這座橋，通向的不是哪家廠商，而是一群還在夜裏調模型、白天改代碼的開發者。

AI時代的硬通貨：你會提問嗎？

在這場專訪的中段，黃仁勳被問到一個非常現實的問題：

「現在有很多研究指出，使用 AI 太多的人，反而會變『懶』——他們動腦變少了，做事越來越依賴系統，你怎麼看？」

黃仁勳沒有直接否定研究結論，但他換了一個角度回答：

「我每天都在用 AI。我不覺得我的思維能力變差，反而更強了。 因爲我不是讓它替我思考，而是讓它教我我不知道的東西。」

他說，真正的關鍵不是你用了 AI，而是你怎麼和它打交道。

他提到了一個被嚴重低估的能力：提問的能力。

當你和 AI 互動時，不是隨便丟一句話。你會問它問題，然後繼續追問，像醫生開第二輪、第三輪化驗單一樣。

你甚至會把一個 AI 的回答交給另一個 AI，讓它來指出錯誤，然後再回去問第一個 AI：『你確定這是你能給出的最好答案嗎？』

聽上去像是「在爲難 AI」，但其實他說的是一種未來工作習慣的轉變：不是輸入一個問題，等一個答案，而是通過連續提問，不斷把問題問深、問清、問出道理來。

他還講了一個細節：CEO最重要的工作，其實就是問問題。

——「我 90% 的工作，其實都是在提問。我的很多指令和判斷，其實都藏在一個個問題裏。」

這句話看起來輕描淡寫，但其實是這場對話中最有力量的一句。

AI 時代真正被拉開的差距，不在技術，不在學歷，而在一個人是否具備提出高質量問題的能力。

爲什麼「會提問」比「會操作」更重要？

因爲今天的 AI 工具，已經不缺執行力——你說「寫個會議紀要」「畫個流程圖」「列一個招聘啓事」，它就能快速完成。

但它不擅長的，是分辨哪種做法更適合你，哪種目標更優，哪種表達更打動人。

也就是說，AI 很強，但它不知道該做哪一件事。

所以，如果你自己也不知道你在找什麼答案、解決什麼問題，那 AI 幫不上你。這時候，提問能力就成了連接你和 AI 之間的橋樑。

過去，一個人聰不聰明，往往看他會不會答題。

現在，一個人有沒有能力，反而要看他能不能把題目問對、問透。

比如——

AI 可以給你答案，但真正高級的問題，只能靠你自己問出來。

在這裏，黃仁勳說得很明確：與 AI 的互動，本質上是一個'問答過程'。你問得越深，AI 回答得越準。

這意味着， 「提問」已經成爲未來工作的核心能力。

編程不靠代碼：未來語言是英語

第三節我們學會提問之後，接下來的問題是——你要怎麼讓 AI 把它做出來？

很多人以爲，AI 是程序員的事情。但黃仁勳在訪談中說了一句出人意料的話：

未來的編程語言，是英語。或者是你選擇的任何自然語言。

換句話說——

你不需要懂代碼，才有資格用 AI 做事；

你只需要把事情說清楚，就能把 AI 調動起來。

一個真實場景：英偉達已經在內部「全員用 AI」。

在 CNN 的鏡頭下，黃仁勳淡淡地說出一句話，但信息量極大：我鼓勵所有員工使用 AI，甚至到了強制的程度。

不是鼓勵工程師試用、不是內部開小竈，而是整個英偉達，從軟件工程師到芯片設計師，所有人都必須把 AI 融入到工作流程中。

他這樣說：

「我們 100% 的軟件工程師，100% 的芯片設計師，都已經在用 AI。」

這不是概念上的「賦能」，而是公司制度層面的「基本動作」。

想寫代碼？先問 AI；

要查設計規範？問 AI；

方案做完第一版？扔給 AI 優化；

所有員工都必須先讓 AI 給出參考、結構、驗證和替代方案，然後才往下推進。這不是用不用 AI的問題，而是如果你不熟練用 AI，你在這個崗位上就沒法推進工作。

爲什麼「會用 AI」，不是程序員的特權？

因爲今天的 AI，已經能聽懂人話了。

你不需要寫複雜的函數，只要你能準確描述目標、約束條件、期望結果，AI 就能自動生成代碼、改圖紙、查漏洞、寫文案。

這背後變化的，不是技術，而是人與技術的連接方式：

從「代碼翻譯器」，變成「協作夥伴」；

從「操作系統」，變成「對話接口」。

這也意味着：你的思路越清晰，AI越有用；你越會描述，它越能替你落地。

英偉達的這些真實做法說明了一個趨勢：未來職場中'技術崗'和'非技術崗'的界限會越來越模糊

懂產品的人，只要能把需求說清楚，就能通過 AI 快速生成 demo；

做銷售的人，只要能列出客戶關注點，AI 就能自動寫出定製方案；

做內容的人，不需要寫 prompt 教程，只要表達到位，就能生成結構化內容。

AI 正在變成每個人的「第二大腦」，而你要做的，就是掌握如何調動它。

因爲未來的計算機語言，就是你說的話。

AI開始「動手」：從視頻到現實抓杯子

AI 給人的印象是隻會說話、寫字、畫圖，是一個「屏幕裏的工具」。

但黃仁勳在 CNN 專訪中，提到了一件看起來很小、但本質很大的事：

如果你能生成一個人拿起杯子的視頻，

那你也就能生成一個機器人拿起杯子的動作。

這不是隨便說說，而是一種技術判斷：

AI 不只會「生成內容」，

它正在開始「執行動作」。

全新的模型能力：從語言到動作的閉環。

今天你可以對 AI 說：「幫我寫一封道歉信」、「生成一個辦公室的3D圖像」、「給我一段視頻：一個人拿起杯子」。

接下來呢？

如果你能生成視頻，說明 AI 能理解空間、動作和時序關係。 那麼，它也就能把這個動作「交給機器人」去實際執行。

這就是黃仁勳講的：「AI 正在進入物理世界。」

換句話說： 以前，AI 是「能說」，不能「動」； 現在，它開始「說出來的事，自己也能做」。

他說：我們現在看到的，是一種可能性的藝術。你能描述動作，就能生成動作。

這不是設想，而是進展中的現實。谷歌發佈的 Veo 3，就已經可以根據文字描述，生成非常逼真的「人類動作視頻」。

你說：「一個人在廚房拿起一個透明的水杯」，Veo 會還原出手的角度、水的波動、燈光的反射。

這類模型理解的不只是畫面，而是動作背後的規律。

而這種能力，一旦和機器人結合，下一步就不是「生成視頻」，而是「控制機械臂」。

AI 的「下一跳」——從信息世界，走進真實世界。

他說：如果 AI 能看懂圖像、聽懂語言，那它就能懂蛋白質，懂化學，懂操作。我們可以教 AI 不只是名詞，還要教它這些詞彙的意義和交互方式。

這意味着，AI 不只是個助手，而是正在成爲一名初級研究員、技術員，甚至一名工程合作者。

應用遠比我們想象得近。

這不再是理解問題，而是執行問題。

從輸入一句話 → 生成動作步驟 → 指揮機器執行， 整個鏈路已經基本可用，只差幾個工業接口和大量場景訓練。

小結

黃仁勳說：

「今天，這項技術已經存在，也已經在工作。三到五年內，你會看到大量這樣的機器人走入現實。」

AI 不再只是「生成工具」，而是正在變成「現實的合作者」。

它正在從屏幕上跳下來，拿起杯子，打開門，接手真實世界裏的重複動作。

而這正是黃仁勳所說的——AI 的下一階段，是 「物理智能」：它不再只是給你建議，而是開始替你完成任務。

誰會被淘汰？不是 AI

黃仁勳這次專訪既沒有拋出技術數據，也沒有展示產品藍圖。 他說的每句話，其實都在劃出一個清晰的界線：

有想法的人，用 AI 做事；

沒想法的人，被 AI 淘汰。

他避開了具體的職業建議，而是重點談了三個問題：

「AI 是技術的均衡器。」

「它不會拉開差距，但它會暴露誰從不思考。」

這是黃仁勳給出的回答，也是留給我們每個人的思考：別等行業變了、崗位沒了、淘汰發生了，還在問怎麼學 AI。

它不是你掌握了什麼，而是你有沒有在用它——參與未來的建設。

現在，就是起點。

編輯/melody