英伟达首席执行官黄仁勋关于人工智能重塑职业价值的核心观点。他指出，AI 已从简单的信息查询演变为能够独立执行任务的智能体，使得个人能够发挥出以往整个团队的生产力。在这一背景下，企业评估人才的标准正转向算力消耗与产出比，鼓励员工将 AI 视为能力的放大器。黄仁勋强调，技术进步并非单纯取代人力，而是会让深耕专业领域并精通 AI 协作的复合型专家变得更加稀缺。未来的职场竞争力将不再取决于体力上的执行，而在于创新思维、架构设计以及对 AI 结果的精准评判。这种转变要求劳动者从单纯的劳动者提升为能够指挥数字化团队的决策者。

2026 年 3 月 19日，GTC 大会期间，黄仁勋在 All-In 播客上花了一个多小时，讲了一件事。

过去一年多，关于 AI 的讨论大多停留在技术突破上：模型变强了，可以推理了，智能体能执行了。

但真正的讨论焦点，已经不再是技术本身，而是当技术真正进入工作流程之后，会发生什么？写代码、做设计、跑流程、分析数据，这些过去需要好几个人配合才能完成的工作，现在一个人就能做了。

当工作的完成方式改变，每个人的价值也会被重新衡量。

在这个一个人就是一支队伍的时代，什么样的人，还值钱？

第一节｜AI 到哪一步了？会执行任务了

短短两年时间，AI 已经跨越了三个阶段：从生成式 AI，到具备推理能力，再到如今的智能体（Agent）。

这种进化不仅仅体现在冷冰冰的技术指标上，更真实地反映在我们的日常中。普通人不仅在大量使用 AI，而且用法已经发生了根本性的颠覆。

最明显的信号，藏在提示词的变化里。

过去，你总是“问” AI：这是什么？那是谁？在什么时候？

现在，你开始“命令” AI：去创建、去做、去建立、去写。

从“查询”变成了“行动”，从“获取信息”变成了“完成任务”。这意味着，AI 已经不再是一个单纯的问答机器，它变成了一个能从头到尾把事情做完的执行者。

OpenClaw 就是这个能力的集中体现。黄仁勋甚至断言，这可能是有史以来最重要的软件发布。

作为一个开源智能体系统，它仅仅用了三周时间，下载量就超越了 Linux 过去三十年积累的人气。它不再是一个简单的对话框，而是拥有了完整的计算机特征。它有记忆、能管理资源、懂调度，甚至能调用 API。它可以独立阅读文档，熟练使用工具，能自己分解复杂任务并逐一解决，甚至还能繁衍出新的智能体。

黄仁勋把它称为新时代的“个人 AI 操作系统”。

过去一个月，OpenClaw 在中国迅速破圈。从想做副业的退休者，到小学家长群里的讨论，都在谈论“龙虾”。尽管技术本身还在不断迭代，但敏锐的人们已经先一步行动起来了。

而当这种能力进入真实的工作场景，带来的冲击更是颠覆性的。

有人用 Deep Research 和一组数据，30 分钟就完成了一项极其复杂的研究。放在过去，这通常是一篇需要耗费七年心血才能完成的博士论文，甚至有资格作为该领域最重磅的成果，发表在顶刊《科学》杂志上。

这样的案例越来越多。当一个人配合 AI 可以完成过去需要团队做的事，公司开始重新思考一个问题：员工的价值应该怎么衡量？

第二节｜公司怎么选人？算力消耗成标准

面对全新的工作流，公司该怎么选人？黄仁勋给出了一个极其具体、甚至有些反常识的衡量标准。

假设你雇佣了一名年薪 50 万美元的软件工程师或 AI 研究员。到了年底复盘时，你问他这一年在 AI 的 Token 上花了多少钱。

黄仁勋的预期是：至少要花 25 万美元。

如果这个工程师只花了 5000 美元，那说明他基本没在用 AI。25 万美元是年薪的一半，为什么要花这么多钱在算力上？因为工程师的核心价值在于“交付成果”。如果给他配备顶级的 AI 工具，他一个人就能干完过去一整个团队的活儿。这时候，你在工具上给他投入得越多，他为你创造的价值就呈指数级放大。

为了说明这一点，黄仁勋用 CAD 工具做了一个类比。

他说，这就好比一个顶级芯片设计师跑来对你说，他打算只用纸和铅笔画图，不需要任何 CAD 工具。你绝对不会接受这种荒谬的说法，因为离开这些工具，他的专业能力根本无从发挥，更别提交付有竞争力的产品了。

AI 也是同样的逻辑。在这里，工具不再是成本，而是放大器。给工程师配足算力，本质上是在给公司创造更高的几何级收入

不仅是说说而已，英伟达自己已经开始这么干了。

黄仁勋说，每位工程师未来会拥有 100 个智能体。这意味着一个工程师可以同时指挥 100 个智能体去完成不同的任务。公司有 38,000 名工程师，相当于拥有380 万个数字员工在工作。

播客里还提到了 Brix 公司的一个真实案例。有人在周日晚上 10 点开始工作，利用 Claude 和智能体系统，仅仅花了 90 分钟，就把整个公司的软件栈给替换了。11 点 30 分顺利收工，到了周一早上，整个管理团队都在惊叹他一个人做出来的成果。

一个人，90分钟，完成过去需要团队几周才能做完的事。

在全新考核下，算力消耗已经成了公司最核心的指标：你消耗了多少算力，最终又交付了什么量级的成果。

第三节｜什么人更值钱？会用AI的专家

如果一个工程师能指挥 100 个智能体，一个人就能干完一个团队的活儿时，很多人本能的反应是恐惧：AI 会不会最终替代我们？

黄仁勋讲了一个 10 年前的案例。一位世界顶级的计算机科学家做过一个预测：计算机视觉将完全取代放射科医生。他建议大家千万不要进入放射科这个领域。

10 年过去了，他的预测对了一半。

计算机视觉确实被 100% 地安装到了全球所有的放射科设备和平台中。但出人意料的是，放射科医生的数量不仅没有减少，反而增加了。医院对放射科医生的需求，更是直线飙升。

为什么会这样？

因为每个人的工作都有一个目的。放射科医生的任务是研究扫描影像，但目的是帮助医生、帮助患者诊断疾病。当计算机视觉让扫描速度变快，医院可以做更多的扫描，可以给更多患者看病，收入也增加了。结果是，需要更多的放射科医生，而不是更少。

同样的事情，也在其他领域不断上演。

飞机上的自动驾驶仪，90%的时间都在驾驶飞机，但它创造了大量更多的飞行员岗位，没有人被赶出驾驶舱。

未来的司机也一样。车可以自己开，但司机会变成出行助理，在路上处理一堆其他工作，帮你安排、协调一系列事情。

工具的进化，本质上只会让专业人士变得更值钱。

但值钱的前提是，你得会用这些工具。

黄仁勋说，在过去，我们写代码。在未来，我们要写下想法、架构、说明书，要组织智能体团队，要定义什么是好结果、什么是坏结果。

工作的重心，正在全面“前移”。具体的“执行”变容易了，未来真正困难、也真正拉开差距的，是你能不能想到绝佳的点子、能不能把目标给 AI 讲清楚、能不能对结果做出精准的判断。

那么，现在的年轻人应该做些什么准备？

黄仁勋的建议是，科学、数学、语言能力这些基础仍然重要。但最关键的是，无论你学什么专业，都要让自己成为使用 AI 的深度专家。

• 专业深度，决定了你能想到多远；
• AI 能力，决定了你能完成多少；

这两者的结合，最终都会直接体现在你的个人价值和工资收入上。

所以，在未来到底什么样的人更值钱？

答案只有一种：有专业深度，并且极度擅长使用 AI 的人。

原文链接：

https://x.com/theallinpod/status/2034698895075299770

https://www.youtube.com/watch?v=gwW8GKwHB3I

来源：官方媒体/网络新闻