过去两年，有一个共识几乎成了定论：文科生，是AI时代*批被淘汰的人。
写作可以被替代，翻译可以被替代，甚至连表达本身，都被大模型接管了。 在一轮又一轮的效率提升里，文科生像是*被卷进浪潮的人群。
于是一个简单粗暴的结论开始流行：
理科决定未来，文科只是过去。
但就在这个共识快要变成定论的时候，一个人把话说反了。
黄仁勋在最近一期播客里，谈到一个让很多人意外的判断：未来最重要的能力，不是写代码，而是写"语言"。
他甚至更进一步说：英语，正在变成一种新的编程语言。
这句话真正刺耳的地方，不在于语言很重要这几个字，而在于它暗含的那层意思，那些长期被认为没有技术含量的能力，正在变成新的硬通货。
这几乎是对过去两年叙事的一次翻转。
更有意思的是，这不是一句安慰文科生的鸡汤。
如果你把这句话放进整个AI产业的变化里去看，它指向的，是一种更底层的生产方式变化。
问题开始变得有意思了。
如果AI已经可以写代码、写文案、写报告，那为什么表达能力反而更值钱了？ 如果机器已经够聪明，人为什么反而更需要"语言"？
再往深一层问：黄仁勋到底是在为文科正名，还是在重新定义什么叫"能力"？
1、这种变化，已经在发生了
值得注意的是，这个趋势不是他说了才出现的，它已经在现实中每天都在发生。
很多工程师，开始花大量时间写Prompt，而不是写代码。一些最*的AI公司，开始招沟通能力极强的产品经理。
甚至连一些研究员，也开始在小红书上分享思考，主动练表达。
还有一些更具体的人物路径：Daniela Amodei，英语文学本科，现在是Anthropic的总裁。林俊旸，英语本科出身，语言学硕士，之前是阿里通义千问一号位。
这些路径，放在过去的评价体系里，几乎不可能成为AI核心人才。但现在，它们开始变得合理，甚至有优势。
这不是巧合，也不是特例，它是人才市场上的一个结构性信号。
于是一个更尖锐的问题冒出来了：被淘汰的，真的只是文科吗？还是说，我们对"能力"的理解，本身就已经过时了。
2、能力结构正在被重写
如果只把这件事理解成文科翻身，其实低估了变化的深度。
真正发生的事情更底层，生产方式，正在从执行任务转向定义目标。
在传统的软件时代，你需要把需求拆解成代码，明确每一个逻辑步骤，机器只管执行。
但在大模型时代，你只需要描述"你想要什么"，AI自己生成路径，甚至给出多个方案。
听起来门槛低了。但其实门槛没有消失，只是挪了位置。
原来的问题是：你会不会写代码？
现在的问题变了：你能不能把自己要什么说清楚？
而这件事，才是真正困难的地方。
描述一个目标，听着简单，做起来很难。它要求你具备三样东西：
你到底想解决什么问题，这是抽象能力。
目标怎么拆、优先级怎么排，这是结构能力。
怎么让AI准确理解你，而不是让它瞎猜，这是表达能力。
这三样东西，本质上都更接近文科训练出来的底子。
有意思的是，黄仁勋在播客里反复强调了一个词：Specify，把目标描述清楚。
他说，未来的关键在于你能清晰地指定目标，给AI留出创造空间的同时，引导它产出你想要的结果。
他管这个叫一种"Artistry"——艺术性。
艺术性。这可不是工程词汇。
3、为什么偏偏是黄仁勋说这句话
同样的话换一个人说，可能只是一个观点。但英伟达的CEO说出来，分量不一样。
因为他站在整个AI基础设施的最顶端，看到的不是某个单点，而是整条链条的变化，GPU在卖给谁，Token在被谁消耗，AI工具被谁用得最狠。
他提到一个细节，如果一个年薪50万美元的工程师，一年只用5000美元的Token，他会觉得很可惜。
这话的重点不是"多用AI"，重点是：真正的高手，是会用AI放大自己的人。
他还打了个比方，勒布朗·詹姆斯每年花几百万美元保养身体，不是因为有钱任性，而是因为他把身体当成最重要的资产，值得持续投入。
对AI时代的从业者来说，Token就是"保养费"。
消耗得多，说明你在用AI放大自己。消耗得少，说明你还在靠人力硬扛。
而放大的前提，始终是你得先知道你要什么。你想清楚了，才能指挥AI去做。这一步，任何工具都帮不了你。
4、Prompt被误解了
很多人把写Prompt当成一个技巧问题，怎么写更准确，怎么让回答更好，怎么绕过限制。网上到处都是什么Prompt技巧大全、100个高效模板、Prompt专家授课......但这些全是表面的东西。
Prompt的本质，是思维的外化。
你写不出好Prompt，通常不是因为不会写，而是因为你压根没想清楚问题。
有一个很好的测试方法：试着把你脑子里的想法，用一段话完整说给AI听。说完之后，你自己都觉得模糊，那AI给你的回答一定也是模糊的。
反过来，当你能用一段清晰的、有逻辑的、有层次的语言描述一个复杂问题时，AI几乎一定能给出有价值的东西。
所以好的Prompt工程师，本质上是好的思考者。而好的思考者，需要长期的语言训练。
这就是为什么黄仁勋说英语文学专业的学生可能会非常成功。他们擅长的，恰好就是逻辑构建、修辞表达、对意图的精准传达。
5、一个不太舒服的判断
但这里也有一个更残酷的现实。
过去，文科被诟病的问题是"没用"。现在，文科面对的新问题是：不够强。
因为AI可以帮你完成表达，但它没法替你想清楚目标。
所以分水岭出现在这里——
浅层表达，会被AI替代。深层表达，会被AI放大。
什么是浅层表达？写一篇格式正确的邮件，总结一段会议纪要，翻译一篇外文资料。这些事，AI已经做得比大多数人好了。
什么是深层表达？ 把一个模糊的商业问题抽象成一个清晰的命题。把一个复杂的组织现象拆解成可以分析的变量。把一个你自己还没想清楚的判断，逼着自己说清楚。
这些事，AI做不了。
因为AI没有你的背景、你的经验、你的立场，它只能放大你已经有的东西。
你没想清楚，AI放大的是你的混乱。你想清楚了，AI放大的是你的能力。
6、企业为什么突然开始重视表达
如果你观察最近大厂的变化，会发现一个趋势：大家不再只强调技术能力，越来越看重一件事，你能不能讲清楚一个复杂的问题，能不能定义一个方向，能不能说服别人跟你走。
这不是企业突然变文艺了，而是他们发现，在AI工具已经足够强的情况下，真正的瓶颈早就不在执行了，在定义。
一个能把方向定义清楚的人，价值远超一个只会执行的人。因为前者在指挥AI，后者在和AI抢活儿。
黄仁勋描述过一个画面：未来每个人都会领导成百上千个AI代理去完成工作。 你就是这支AI队伍的指挥官。
指挥官的核心竞争力，从来不是单兵作战，而是战略判断和清晰的命令。
7、真正的分化已经开始了
未来的人才，不会再按文理分。 分法会变成两类：
*类：执行者。接收任务，使用工具，完成交付。
第二类：定义者。提出问题，构建目标，驱动AI。
AI不会消灭执行者，但会大幅压缩他们的溢价。而定义者的价值，会被持续放大。
这里有一个值得警惕的陷阱。很多人以为自己是定义者，但干的其实还是执行者的活。
区别在哪？定义者的标志，不是"我有想法"，而是我能把想法说清楚。想法谁都有，但能把一个模糊想法变成一个清晰命题的人，极少。
这种能力不是天赋，是练出来的。
语言训练，文字训练，逻辑训练，恰好，这些都是文科的老本行。
8、一个更大的时代隐喻
所以当我们再回头看"文科到底有没有用"这个问题，其实已经问错了。
真正的问题是，你能不能把一个模糊的世界，说清楚。
代码是对计算机的表达，Prompt是对AI的表达，战略是对组织的表达，文章是对读者的表达。
归根结底，它们都是同一件事：
把你脑子里的东西，变成别人，或者机器，能理解的形式。
这件事在哪个时代都不容易，只是到了现在，它的价值终于被看见了。
说白了，黄仁勋不是在为文科正名。他说的是一件更冷静的事：未来最稀缺的，不是会做事的人，而是知道该做什么的人。
而知道该做什么，从来都不是一门技术。
它是一种能力，一种被低估了很久的能力。
