英伟达 CEO 黄仁勋在近期的采访当中，聊到人工智能浪潮下人类能力结构的巨大转变，他提出一个很有冲击力的观点，在 AI 全面普及的时代，基础计算、机械记忆这类传统里被反复训练的能力，会慢慢交给工具完成，人类不必继续在这类低维技能上投入过多精力，更应该把时间和注意力，放在品味、判断力这类机器很难复刻的高阶能力上面。这番表述迅速在网络上引发广泛讨论，很多教育从业者、家长和职场人开始重新思考，到底哪些能力值得持续深耕，哪些训练内容会慢慢失去原本的优先级。
在黄仁勋的表述里，机械记忆和基础计算，是最先被 AI 卸载、价值持续下滑的一类技能。过去很长一段时间里，背诵电话号码、邮箱地址，熟练背诵乘法口诀，练习长除法、手动开平方，都是基础教育里非常重要的训练项目，大家默认记住这些内容、熟练完成运算，是一个人基础能力的证明。但在智能工具普及之后，这些内容随时可以交给设备查询、运算，不需要人脑长期储存、手动推演。只要有对应的工具入口，几秒之内就能拿到准确结果，反复打磨这类技能的回报，已经大不如从前。
除了记忆和算术之外，低阶检索、模板化的基础编码，同样处在价值下滑的区间。从前想要获取专业资料，需要耗费大量时间泡在图书馆，翻阅书籍、摘抄文献，一点点筛选有用信息；还有大量按照固定语法、固定模板完成的代码编写，套用现成框架的标准化文案表达，这些有着清晰规则、可以复刻的工作，如今 AI 都能快速完成。这类任务有明确的流程，输入固定条件就能产出对应结果，可复制性很强，自然也就慢慢变成 AI 擅长承接的工作内容。
技能持续贬值的底层逻辑，是技术发展带来的抽象层上移。技术进化的轨迹，本身就是人类不断把底层重复工作外包出去，向上跃迁到更高维度的调度与决策。就像计算器普及之后，人类不再花费大量时间苦练复杂笔算，转而学习编程，学会调动工具完成更复杂的目标。AI 的出现，相当于把这个过程再往前推进一大步，不再只是解放计算的双手，而是把检索、模板化生成这类带有基础逻辑的任务一并承接，人类的工作重心，从执行层，往选择、调度、评估的决策层转移。
很多人会疑惑，是不是意味着基础计算、背诵记忆完全不用学习？黄仁勋的观点并不是直接否定基础学习的意义。基础的运算、记忆训练，是理解逻辑的必经台阶，只是训练的目标发生了改变。过去训练长除法，目标是熟练算出答案；放到现在，学习它的意义，更多是理解运算背后的逻辑，明白数字之间的关联，而不是追求徒手快速算出结果。学习的终点不再是 “记住答案”，而是看懂原理，拥有判断 AI 给出的结果是否靠谱的能力，避免被工具输出的错误信息裹挟。
品味、判断力这类高阶能力，之所以很难被 AI 替代，根源在于这类能力没有唯一标准答案。AI 的输出，依托于它学习过的海量数据，它擅长整合已有信息，按照大众偏好生成内容，但很难自主形成稳定、独特的审美品味，也很难在充满模糊、矛盾、信息不全的场景里做出贴合人性、贴合长期价值的判断。品味包含审美取舍、价值偏好，判断力包含对风险的识别、对多方信息的权衡、对目标的取舍，这些能力离不开人的阅历、共情、价值观，是无数细碎体验沉淀出来的直觉，也是 AI 暂时无法复刻的内核。
放到教育场景里，这套观点带来的冲击尤为明显。长久以来，不少学习模式都建立在重复背诵、刷题计算之上，用大量的训练提升记忆熟练度和运算速度。如果顺着这个思路推演，未来的教育评价标尺，也会慢慢发生变化。比起考察谁背得更快、算得更准，评价会更多偏向孩子能不能提出好问题，能不能分辨信息好坏，能不能形成自己的审美偏好，能不能在多个方案里做出合适的选择。当然，这种转变不会一蹴而就，考试体系、教学资源的调整，都需要漫长的周期。
在职场赛道上，同样可以看见这样的分层趋势。只会检索资料、套用模板写内容、按照固定流程写基础代码的岗位，很容易被 AI 压缩需求；而能够定义目标、甄别 AI 产出内容的漏洞、根据业务需求调整方向、做出取舍判断的人，会持续拥有不可替代的价值。同样是使用 AI 工具，不同的人拿到的结果天差地别，差距并不在于会不会敲指令，而在于能不能判断 AI 的回答是否合理，能不能提出精准的需求，能不能在众多结果里筛选出真正有价值的内容，这就是判断力的直接体现。
网络上的讨论也分成两种不同的声音。认同这个观点的网友觉得，这是技术发展必然的趋势，人类本来就不该把大脑消耗在机器更擅长的重复工作上，解放精力之后，去发展审美、思辨、共情这些独属于人的特质，才是顺应时代的选择。也有不少人提出顾虑，基础的计算和记忆训练，不只是为了得到一个结果，它也是训练逻辑、专注力的载体，如果过早放弃这类训练，底层的逻辑感知能力会变弱，后续连判断 AI 对错的基础都不存在。工具是辅助，不是完全替代学习的过程，底层感知能力的搭建，依旧需要基础练习作为支撑。
还有一个很现实的误区需要厘清，高阶能力的培养，并不是脱离基础凭空产生。品味不是凭空而来的审美感受，判断力也不是毫无依据的直觉，它们都建立在大量基础认知之上。一个人想要拥有可靠的判断力，依然需要懂得基础的数理逻辑，拥有基础的常识储备，只是我们不再需要把所有精力，放在无限打磨熟练度上。我们学习基础内容，是为了拥有看懂世界的底层框架，而不是为了和 AI 比拼存储、计算的速度。
AI 带来的变化，本质上是重新定义了 “什么是有用的能力”。在算力不足、信息闭塞的年代，能记住更多信息、快速算出结果，就是稀缺优势；而在算力充足、信息随手可得的时代，优势转移到筛选、取舍、审美、决策上面。黄仁勋的这番表达，更像是一个提醒，提醒大家重新分配自己的精力，区分哪些练习是搭建底层认知，哪些练习只是在和工具比拼它天然擅长的事情。
未来人和 AI 的协作模式，会慢慢变成人负责提出目标、把控方向、判断好坏、决定取舍，AI 负责承接检索、运算、模板生成这类执行工作。能不能用好这套协作模式，最终拉开差距的，就是品味与判断力。懂得分辨什么是好的，知道自己想要什么，能够在不确定的环境里做出稳妥选择，在 AI 浪潮之下，这些特质，会成为越来越珍贵的核心竞争力。
（文 / 楠楠）