这几天，黄仁勋的“文科生宣言”在舆论圈炸开了锅。

“AI大厂月薪3万疯抢文科生”，这条新闻像一颗石子投入平静的湖面，涟漪迅速扩散。紧接着，英伟达CEO在剑桥演讲中的那番话被反复引用：“当智能成为商品，人类剩下的价值是勇气、智识上的诚实、无我，以及在公众面前展现脆弱的能力。”

于是，一场狂欢开始了。有人高呼“文科生的春天来了”，有大学领导断言“未来是文科生的天下”，甚至有人开始给理科生贴标签，“你引以为傲的代码能力即将贬值”。

为什么一条新闻能引发如此大的反响？因为背后是普遍的焦虑。学文科的人焦虑：我的专业还有用吗？学理科的人焦虑：我的技能会被取代吗？还没选专业的人焦虑：我该往哪走？

焦虑的本质，是只看到了变化，却没有看到变化背后的规律。我们看见“文科生被疯抢”的表象，却没有理解这背后真正被需要的，不是“文科”这个标签，而是某种稀缺的能力。

喧嚣之中，我想起了《世界模型》这本书引言中描述的一个场景。2023年秋天，一位小学老师给我看了她班上学生的作文。题目是《我的爸爸》，孩子用AI写的，通顺、优雅，每一个字都完美，但每一个字都不是真的。AI写出了几乎所有人的父亲，却唯独没能写出他的那个。那一刻我意识到：AI不懂世界，也不懂你。

今天，我想把这句话再推进一步：未来，既不是文科生的，也不是理科生的，而是对世界、对社会、对人的需求有深刻理解的个体的。

一、黄仁勋的“文科生宣言”，被误读了

让我们先回到黄仁勋的原话。

2025年11月，他在剑桥大学的演讲中确实说了那些话。但请注意，他从未说过“文科生比理科生更有价值”。他说的是：当智力成为商品，人类剩下的价值是勇气、诚实、谦逊，以及敢于在公众面前展露脆弱的能力。

这些特质，是文科生的专利吗？

一个在实验室里独自探索了十年的科学家，不需要勇气吗？一个在工厂里反复调试机器的工程师，不需要诚实面对失败吗？一个在代码世界里追求极致简洁的程序员，不需要谦逊吗？

显然不是。

黄仁勋的真正洞见在于：在AI时代，技术能力正在从“稀缺品”变成“基础设施”。就像今天没有人会因为会使用Excel而自豪，未来也不会有人因为会写代码而觉得自己高人一等。但这并不意味着技术不重要，它只是变得像自来水一样，无处不在，随手可用。

真正稀缺的，是那些技术之外的东西：提出正确问题的能力、理解人性底层需求的能力、在复杂情境中做出价值判断的能力。

这些东西，既不是文科生的专利，也不是理科生的专利。它们是“理解者”的专利。

二、“理解”的三重维度：从《世界模型》说起

在《世界模型》这本书中，我试图回答一个问题：一个真正理解世界的AI，其大脑中应该运行着怎样一套程序？

答案是：它需要同时理解物理世界、社会世界和人的内心世界。

第一，理解物理世界。这不是背公式，而是拥有物理直觉，知道“热汤放入冷冻室，玻璃会炸裂”；知道“塑料卡扣不能硬撬，会断”。这种理解，来自与真实世界的长期互动。理科生在这方面有天然优势，但优势不是特权。

第二，理解社会世界。为什么杭州的自动驾驶车被外卖骑手的“S形步法”困住？因为它读不懂“超时扣钱→经济压力→冒险冲动”这条因果链。这种理解，来自对社会运行规则的长期浸润。文科生在这方面有天然优势，但同样不是特权。

第三，理解人的内心。为什么孩子不愿意和继父说话？为什么一个微妙的红包推拉背后是人情社会的复杂账本？这种理解，来自对人的深度观察和共情。这也不是文科生的专利，一个优秀的销售、一个贴心的产品经理、一个懂用户的设计师，同样具备这种能力。

《世界模型》这本书的核心结论是：真正的智能，是这三重理解的融合。未来的“理解者”，正是能够在这三个维度上都保持敏锐的人，无论他学的是文还是理。

三、问题定义权：谁在问“对的问题”？

在《问题定义权》这本书里，我提出一个核心概念：AI时代最稀缺的资源，不是解决问题的能力，而是定义问题的权力。

今天的AI能瞬间生成代码、撰写报告、分析数据，它能回答你提出的任何问题。但它不会主动问：这个问题值得问吗？这个问题背后的假设成立吗？这个问题解决之后，会带来什么新的问题？

提出问题，比解决问题难一万倍。因为提出一个好问题，需要的不是某个专业的技能，而是对行业痛点的深刻洞察、对人性的精准把握、对价值的前瞻判断。这些能力的组合，恰恰无法被任何单一学科完全覆盖。

一个学了四年计算机的学生，可以写出完美的代码，但他可能从未问过：这个功能用户真的需要吗？

一个学了四年中文的学生，可以写出优美的文章，但他可能从未问过：这篇文章想解决什么问题？

“理解者”的稀缺性，不在于他学了什么，而在于他能否跨越文理的边界，在技术与人性之间搭建桥梁。他可能是一个懂代码的产品经理，也可能是一个懂用户的技术专家。他的专业背景不重要，重要的是他能否从“承接问题”的位置，跃迁到“定义问题”的位置。这，正是《问题定义权》试图解释的核心命题。

四、认知环境的重塑：从《AI原生时代的认知地图》说起

在《AI原生时代的认知地图》这本书中，我追问了一个更根本的问题：当AI不再只是工具，而是成为像空气一样无处不在的认知环境时，人的判断、责任与位置正在发生怎样的结构性变化？

这本书的核心发现是：AI并不直接取代人的判断，而是改变了判断发生的位置。当系统在你意识到之前就已经完成了问题拆解、选项生成和风险标注，你仍然在做决定，但你做决定的位置，已经从“问题的定义者”滑向了“结果的确认者”。

这正是“理解者”在今天变得如此重要的深层原因。在一个智能高度参与的环境中，真正的稀缺能力，不再是快速执行，AI比你更快。而是始终清醒地知道：这个问题从何而来？这个判断由谁承担？这个选择的价值边界在哪里？

《AI原生时代的认知地图》不提供操作指南，而是帮助你理解：你的认知框架正在被哪些力量重塑，你还能在哪些位置上保留自己的判断。当你开始这样理解时，你其实已经在绘制属于自己的认知地图了。

而这，恰恰是“理解者”的起点。

五、职业坐标系的重构：从“执行者”到“定义者”

在《AI时代的职业坐标系》这本书中，我试图描绘一张新的职业地图。

旧的坐标系，是“文科vs理科”、“技术vs非技术”。这张地图正在迅速过时。

新的坐标系，由两条轴构成：AI协作深度（从“用AI”到“与AI协作”到“造AI”）和组织依附度（从“在组织中”到“在平台上”到“在自己手上”）。这两条轴交叉，划分出五种生存方式：AI员工、平台人、造AI的人、一人公司、织网者。

这张地图的核心洞见是：你不再只有一个“岗位”，你可以在五种方式之间移动，选择最适合当下的存在方式。今天你可能是AI员工，明天你可以尝试平台人，后天你可能在构建自己的“一人公司”。

但无论你选择哪一种生存方式，你都会发现一个共同的跃迁方向，这就是从“执行者”到“定义者”的跃迁。执行者是按照既定规则完成任务，AI正在大规模取代这个层级。定义者是设定目标、定义规则、判断价值，这是AI无法取代的人类核心。

一个医生，如果只负责看片子、写报告，他是执行者。如果他能够综合病人的症状、病史、心理状态、经济条件，做出最优的治疗方案，他是定义者。

一个律师，如果只负责检索法条、生成文书，他是执行者。如果他能够理解客户的商业诉求、预判法官的价值取向、在复杂利益中寻找最优解，他是定义者。

一个程序员，如果只负责实现产品经理的需求，他是执行者。如果他能够洞察用户痛点、定义产品方向、在技术与商业之间找到平衡，他是定义者。

“理解者”的本质，就是定义者。无论你学的是文还是理，你最终的价值，取决于你能否从执行者的位置跃迁到定义者的位置。而这，正是《AI时代的职业坐标系》这本书试图为读者提供的地图与路径。

六、公司的黄昏：当个体成为“可选项”

在《公司，正在成为可选项》这本书中，我追踪了一个正在发生的趋势：组织正在被拆解，个体正在成为新的组织单元。

工业时代，公司是“默认基础设施”。我们毕业、进公司、升职、退休，公司替我们回答了“我是谁”“我属于哪里”“我该往哪走”。它的三大支柱，有限责任、法人身份、管理协调，让陌生人之间的大规模协作成为可能。

但这套答案正在失效。AI在接管管理，平台在替代结构，协议在取代制度。我把这个过程称为“熵减转移”：组织的核心功能正在从内部私有走向外部公共。管理被算法替代，制度被协议替代，结构被平台替代。

当这些功能被一件件抽走，公司正在从“必需品”变成“可选项”。

这意味着什么？意味着你不再需要依附于一个组织才能成事。你可以成为自由职业者，可以在平台上接单，可以构建自己的“一人公司”，可以参与协议治理。你从“组织成员”变成了“能力调用者”，你的身份不再由你所在的岗位定义，而是由你能够调用的资源定义。

这听起来像是解放，但解放的另一面是责任。当组织不再为你兜底，你需要自己面对不确定性。这要求你从“执行者”进一步跃迁为“定义者”，定义自己的方向、定义自己的价值、定义自己与世界的关系。

而这，正是“理解者”的终极形态。

七、正在发生的事实：AI大厂在抢什么样的人？

如果我们仔细观察那些“月薪3万疯抢文科生”的岗位，会发现一个有趣的细节：它们不是传统的文案、编辑岗位，而是AI叙事设计师、大模型对齐专家、AI伦理策略师、人机交互体验官。

阿里在招聘“AI叙事设计师”，要求中文、哲学、社会学背景，工作内容是“为大模型训练理解人类价值观的数据集”。

字节跳动在招聘“模型对齐专家”，要求“对人性有深刻理解，能识别模型输出中的潜在偏见与风险”。

Anthropic设有“首席讲故事官”，年薪30万美元，由英国文学专业出身的人担任。

这些岗位的共同特征是：它们不需要你写代码，但需要你理解代码背后的社会影响；不需要你训练模型，但需要你定义模型应该学什么、不应该学什么。

这正是《世界模型》这本书在结尾部分提出的“未来新职业”的雏形：“模型翻译者”。他们不是工程师，也不是纯粹的文科生，而是能够在技术与人性之间搭建桥梁的人。他们懂得如何将模糊的人类需求转化为精确的模型指令，也懂得如何从模型的输出中识别那些需要人类介入的“灰色地带”。

这，就是“理解者”在现实中的样子。

八、结语：成为“理解者”

回到开头的问题：未来是文科生的，还是理科生的？

答案是：都不是。未来属于理解者，那些能够跨越文理边界，在技术与人性之间搭建桥梁的人。

他们可能学的是物理，但能读懂人心的微妙；他们可能学的是文学，但能理解代码的逻辑；他们可能学的是计算机，但能洞察社会的运行规律。

他们不争论“文科vs理科”这种过时的话题，因为他们知道：真正的认知优势，来自于理解世界的多重维度，而非固守单一的知识疆域。

黄仁勋的“文科生宣言”之所以引发如此大的反响，不是因为它宣告了文科生的胜利，而是因为它揭示了一个更深层的真相：当AI接管了越来越多的“怎么做”，人类终于得以回归那个最古老、也最根本的问题，为什么要这么做？

这个问题，没有标准答案。它需要每个人用自己的理解去回答。

而这，正是“理解者”的时代。