一、AI替代的是任务而非职业

　　放射科医生的启示：黄仁勋在播客中反驳辛顿的预测——AI确实会读CT影像，但放射科医生不但没消失，在医疗体系中反而更值钱，因为诊断、判断、对病人负责这些核心价值机器替代不了。

　　任务与职业的区分：写代码是任务，AI能干；但工程师负责定义需求、校验、搭建系统。AI能完成“读片”，但关怀病人的目的始终在人手中。

　　90%信息处理受冲击：黄仁勋判断2026年AI已能完成80%信息处理类工作（写报告、写代码、做设计等），成本仅为人工的1/10。

　　二、AI学不会的三种核心能力

　　品味：主观审美与价值判断。AI能生成100个方案，但无法判断“哪个更好看”“哪个更有温度”。

　　判断力：基于经验的决策能力。AI能提供所有选项，但无法判断“现在该不该做”“再等等的原因是什么”。

　　连接力：真实的情感与信任建立。AI能写感人的邮件，但无法真正“关心”他人、建立深度信任。

　　乔布斯的启示：他不会写代码、不懂算法，但能把技术变成艺术、把产品变成文化，正是因为他拥有顶级的品味、判断力和连接力。

　　三、物理世界与基础设施领域

　　AI工厂催生现实岗位：建设AI基础设施需要电工、建筑工人、设备安装人员、管道工、设计师和运维人员。

　　工业经验不可替代：物理AI的核心难点在于模型决策必须通过传感器、执行机构与环境发生关系，经受摩擦、磨损、时延、温度、误差和安全规范的检验。

　　动手能力成优势：黄仁勋强调“电子永远取代不了原子”，传统工业的工艺积累和领域专家经验将重新定价。

本文由AI生成