昨天晚上我刷到一条新闻，英伟达CEO黄仁勋公开说了句话，我当时就愣住了。

他说，AI时代专业选择的重要性下降，核心能力是掌握AI工具的使用方法，未来所有行业都将和AI深度结合。

说实话，这话从一个站在AI算力巅峰的人嘴里说出来，味道很复杂。

一方面，你觉得他是在给年轻人指路。另一方面，你又觉得这话里藏着某种你可能还没准备好的未来。

我今天想认真聊聊这件事。

我们这代人，包括比我们更年轻的那批孩子，从小被灌输的一套逻辑是这样的。

好好读书，考个好大学，选个好专业，然后这辈子就有了着落。

医生、律师、工程师、会计师，这些职业标签像护身符一样，被家长和老师在耳边念叨了十几年。

我有时候在想，如果黄仁勋这句话是对的，那这套逻辑是不是从根子上就歪了。

不是专业不重要，而是专业的壁垒正在被AI一层一层地刨掉。

我举个具体的例子。

前两天我去体验了一个产品，阿里通义千问最新版的编程能力，已经超过了Claude Opus 4.6。

换成以前，你要写一段代码，得懂语法、懂逻辑、懂调试，至少得是个程序员。现在呢，你对着Qwen说一句，帮我写一个能够自动抓取电商网站价格并且每天定时发送邮件的小工具，它真的就能给你写出来，而且能跑。

我试了。

真的能跑。

那结果会怎样呢，那些花了很多年学编程、刷LeetCode、面试八股文的人，他们的专业技能正在被一个对话框给抹平了。

黄仁勋说的会不会用AI，指的就是这个。

但事情没那么简单。

我这几天一直在想一个问题，如果专业不重要了，那什么才重要。

是会用AI工具就够了吗。

我自己的感受是，没那么简单。

我用AI工具也用了快三年了，从最早的好奇到现在的日常依赖，我发现一个很有意思的事情。

同样一个工具，不同的人用，出来的结果天差地别。

我见过有人用ChatGPT写周报，就是把今天做了什么列出来，让它润色一下，然后复制粘贴就发出去了。这叫用了AI吗。我觉得不叫。

我也见过有人用同样的ChatGPT，但他们会先想清楚自己要表达什么，然后用AI来帮自己梳理逻辑、找更好的表达方式、甚至挑战自己的观点。最后出来的东西，你看得出有AI的痕迹，但底子是那个人的思想。

这两种用法的差别，不是工具的问题，是人的问题。

有些人是真的在用它思考，有些人只是让它帮自己偷懒。

这两种人的未来，不可能是一样的。

我前两天在 X 上看到一个人分享他的工作流，他是做电商的，用AI来做什么呢。不是让它写商品描述，而是先让自己把产品的特点、用户可能的痛点、竞争对手的弱点都想清楚，然后让AI帮他把这些点组织成不同风格的文案，他再一个个挑、一个个改。

他说现在写文案的速度比以前快了五倍，但最重要的是，他觉得自己变聪明了，因为每次用AI之前，他都被迫先把自己的思路理清楚。

这才是黄仁勋说的那个会用AI。

我一前同事，做视觉设计的。

去年的时候他特别焦虑，说AI绘图出来了他是不是要失业了。

我那时候跟他说，你试试用Midjourney和Stable Diffusion来辅助你的工作，而不是跟它们对抗。

他半信半疑地试了。

半年之后他跟我说，现在出方案的速度比以前快了三倍，而且客户满意度反而更高了，因为可以把更多时间花在创意和沟通上，而不是耗在反复修改线条和配色这种机械劳动上。

但他的另一个同事，同样的工具，用了一个月就放弃了，理由是生成的图没有灵魂。

什么叫没有灵魂。

是你根本没花心思去调Prompt，没去研究怎么把AI的输出和自己的审美标准对齐，然后就说这东西不行。

这两种态度的差别，我觉得就是黄仁勋想说的那个会不会用AI。

但这里面有个更深层的问题，我觉得黄仁勋没有说透。

专业不重要，不等于知识不重要。

会用AI，不等于只会跟AI对话。

我观察到的情况是，那些能把AI用得很好的人，往往在自己的领域里已经有相当深的积累。他们知道什么样的结果是好的，知道怎么判断AI的输出值不值得用，知道怎么把AI的能力嵌进自己已有的工作流里。

反过来说，一个对这个领域完全不懂的人，就算手里有再强的AI工具，他也判断不了输出的质量，更不知道怎么把这件事做成。

所以黄仁勋这句话，如果你只听到专业不重要，那你可能会误以为以后不用学习了。

不是的。

以后要学习的，可能不再是某一个具体的专业技能，而是怎么跟AI协作，怎么在AI把90%的执行工作都做了之后，你还能提供那10%的、属于人的东西。

这10%是什么，我现在也没完全想明白。

但我有几个猜测，都是这些年在用AI的过程中，慢慢模模糊糊感觉到的。

第一个是品味。

AI可以生成一个80分的方案，但它不知道什么叫90分，什么叫100分。这个判断，需要人有足够的审美和经验积累，不是算法能算出来的。

我前两天在群里看到一个案例，有人用AI生成了一个APP的UI设计，发到群里让大家点评。懂行的人一眼就看出来，布局是对的，配色也在流行趋势上，但就是没有那种让人眼前一亮的感觉。

什么叫眼前一亮。

就是你看到一个设计时，不是觉得它漂亮，而是觉得它聪明。它解决了一个你没意识到但一直存在的痛点。

AI现在还做不到这个。

它能做对，但做不出彩。

第二个是连接能力。

AI可以做执行，但把一个复杂问题拆解成AI能理解的子任务，然后把各个部分的输出再整合成一个完整的解决方案，这个能力，目前看来还是人在主导。

我有一个朋友在做企业咨询，他跟我说，以前他的工作是收集数据、分析趋势、写报告。现在这些AI都能做，而且做得很快。

那他的价值在哪里呢。

他说，是把客户没说出来的需求，翻译成AI能解决的问题，然后把AI的输出再翻译成客户能理解和执行的方案。

这个翻译的能力，需要对两边世界的理解。

AI懂一边，客户懂另一边，但能把两边连起来的人，现在是稀缺的。

第三个是责任感。

AI写了一篇稿子，你直接发出去了，出了问题谁负责。AI写了一段代码，部署到生产环境把服务器搞崩了，这个锅算谁的。

这些事情，AI现在还承担不了。

你用AI写了稿子，你是作者，你就得为它负责。你用AI写了代码，你是开发者，你就得为它测试、为它维护、为它出的问题背锅。

这个背锅的能力，说得好听点叫责任感，说得难听点叫背黑锅，但不管怎么说，目前还是只能人来。

而且我觉得，以后会越来越值钱。

因为当AI把90%的执行都做了之后，那10%的负责，就是最后属于人的东西。

回到黄仁勋的那句话。

我觉得他说的既对，也不完全对。

对的地方在于，他指出了一个正在发生的事实，就是专业的边界确实在模糊，单一技能的护城河确实在被AI填平。

不对的地方在于，他可能低估了在AI时代，深度仍然是一种稀缺品。

不是专业不重要，而是只有专业、没有AI协作能力的人，会越来越难。反过来，只会用AI、没有专业深度的人，很快会碰到天花板。

我前两天在群里跟几个做投资的朋友聊天，大家聊到一个话题。

以后投项目，是投那些AI原生团队，还是投那些在传统行业里有深度积累、现在开始用AI赋能的团队。

两派观点争得很厉害。

一派说，AI原生团队懂工具、跑得快，是新时代的孩子。

另一派说，不懂行业的人用AI，生成的东西看着漂亮但一深究就露怯，就像用AI写的代码能跑但维护不了，因为你根本不理解它为什么能跑。

我当时没说话。

但后来我想明白了一件事。

未来可能不属于任何一派人，而属于那些能在两个世界之间搭桥的人。

懂行业，也懂AI。有专业深度，也会用新工具。知道自己不知道什么，所以懂得让AI来补，但也知道AI不知道什么，所以不会盲目信任。

黄仁勋的这句话，如果被家长拿去当借口，说那孩子以后不用好好学习了，选什么专业都行，那就完蛋了。

如果被年轻人拿去当理由，说那我以后不用学编程了、不用学写作了、反正AI都会，那也完蛋了。

这句话真正的意思，我觉得是提醒你，别再把安全感和竞争力寄托在某一个具体的专业技能上了。

因为那个东西，AI迟早能学会。

你要寄托的，是你持续学习的能力，是你判断什么是好东西的品味，是你知道怎么把AI当工具而不是当大脑的使用方式。

我有时候在想，我女儿以后长大了，如果她跟我说，爸爸我不想学编程，我想学画画。

我会跟她说，你想学画画就去学吧，但要学会用AI来帮你画画，而不是让AI替你画画。

这两个句子的差别，就是黄仁勋那句话里藏着的全部重量。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标～

谢谢你看我的文章，我们，下次再见。

/ 作者：Wyat/ 联系邮箱：wyat.sun@qq.com

DeepSeek最近在华尔街掀起的波澜，比很多人预想的要大。

当硅谷巨头们还在比拼”千亿参数”、”万卡集群”，把最强模型藏在付费墙后面的时候，DeepSeek直接扔出了一张王炸：性能逼近GPT-4o的视觉模型，开源；API定价，行业的1%。这操作，怎么说呢，有点不按套路出牌。

海外开发者炸了——有人喊出”这才是我们要的OpenAI”。英伟达的工程师估计连夜在拆技术报告，想搞清楚这帮人到底怎么做到的。

DeepSeek背后是梁文锋，一个低调的80后。外媒问他为什么不学OpenAI收费赚钱，他回了句大白话：”我们的目标不是快速赚钱，是推动技术前沿。创新才是护城河。”

这句话戳中了当下科技圈最痒的地方。在这个人人喊”大模型烧钱”的时代，开源到底是通往技术圣杯的钥匙，还是一个听起来很美但活不下去的乌托邦？

说白了，这根本不是道德选择问题。开源还是闭源，是两种完全不同的生意逻辑。

01. 撕开”暴利时代”的伪装：当开源成为最锋利的破局刀

AI圈有个潜规则：算力就是权力，闭源就是暴利。

OpenAI靠先发优势，把ChatGPT做成了围起来收费的数字花园。想用更好的？交钱。想接API？交更多钱。过去两年这套玩得转，谷歌、微软跟着学，都往闭源这条路上挤。

DeepSeek出来，直接把这套默契砸了个稀烂。

他们的技术路径很有意思：没有走业界默认的”依赖英伟达CUDA”路线，而是用更底层的PTX汇编做算子优化。别人是精装修开店省钱，他们是直接挖地下室——听起来离谱，但确实省钱。

这就是开源的第一重威力：降维打击。

算笔账。一家出海电商每天调用大模型处理100万次客服。闭源大厂收费，月账单可能高达数万；切到DeepSeek，本地部署成本几乎为零，还能规避数据泄露风险。

闭源厂商还在精心服务”高端客户”，开源玩家已经带着免费替代品把长尾市场吃下了。他们不靠卖模型赚钱，他们要的是生态入口——当千万开发者基于你的架构开发应用，你就是事实标准。

梁文锋说”创新是护城河”。这话没错，但更准确的说法是：开源不是慈善，是最高明的卡位战。

02. 闭源的堡垒与焦虑：为什么黄仁勋依然稳坐钓鱼台？

说开源厉害，闭源是不是就没活路了？

当然不是。看英伟达就知道了。

DeepSeek代表软件开源的极致，英伟达就是硬件闭源的王者。业界天天喊”去CUDA化”，黄仁勋还是稳如泰山。为什么？转换成本太高。

一家企业花数年时间，用CUDA积累了大量并行计算代码，培养了工程师的操作习惯。想换芯片架构？硬件成本是小事，重写代码、重新测试、重新优化的阵痛，可能要持续数年。这种”锁定效应”，就是闭源最硬的护城河。

闭源的优势是可控性和商业闭环。OpenAI的模式虽然被开源派骂，但确实保证了：用户体验统一——打开网页就能用，不用配环境；商业模式清晰——订阅制+API计费，资本市场看得懂。

但闭源的焦虑也真实存在：训练一个大模型要数千万美元，闭源厂商等于在钢丝上跳舞。一旦开源社区追上来，性能差距缩小，高昂的收费体系就会面临信任危机。

所以闭源的最佳策略是”分层”：

• 底层硬件闭源
  
  英伟达的芯片和CUDA生态，物理壁垒+法律壁垒，建立绝对统治
• 上层应用伪闭源
  
  靠创新速度维持溢价，但随时准备向下兼容开源生态

没有壁垒的闭源，确实是昙花一现。但有壁垒的闭源，不好意思，依然是好生意。

03. 终极博弈：未来的商业世界，属于”半开源”的混合体

活得好的科技巨头，其实都是开源和闭源的平衡术高手。

Meta的扎克伯格，算是这方面的典型。

当圈子里还在争论大模型该不该开源，他直接拍板：Llama，开源。这一手直接打乱了谷歌和OpenAI的节奏。

但Meta是做慈善吗？当然不是。

扎克伯格的逻辑很简单：开源Llama，全球数百万开发者免费帮他调试、优化、做周边工具。研发费用省了，Llama的生态却立起来了——成了AI时代的”安卓系统”。

Llama成了行业标准之后，Meta在更高维度收费：社交图谱、广告推荐算法、VR/AR内容生态。这叫”生态税”，比直接卖模型赚钱优雅多了。

这套玩法叫”Open Core”（开放核心）：

• 底层技术开源：降低门槛，占领开发者心智，建立事实标准
• 企业级服务闭源：给大客户做定制化、私有化部署，收取服务费
• 云端托管闭源：一键部署平台，赚算力差价

开源不是闭源的对立面，开源是闭源的超级漏斗。

结语

回到梁文锋那句话。DeepSeek敢用极低价格开源顶级模型，不是因为他们不懂商业——恰恰是因为他们太懂了。

AI这个赛道，唯一不变的就是变化。真正的护城河，永远是持续创新的能力。

对于创业者和经营者来说，纠结”开源好还是闭源好”没意义。你真正该问的是：

1. 你的核心壁垒是什么？ 是不可复制的底层技术，还是高粘性的用户网络，还是极致的供应链成本？

2. 你怎么用开源和闭源？ 业务早期，能否用开源快速搭MVP？业务成熟后，能否开放非核心资产换取生态话语权？

不要为了开源而开源，也不要为了闭源而闭源。

商业是一场没有终局的博弈。真正的高手，左手握着开源的剑，右手持着闭源的盾——用剑劈开市场，用盾守住利润。

（完）