妳是不是也覺得，現在這年頭如果不學寫程式、不唸資訊工程系（CS），好像就註定要在未來的職場競賽中落後了？在 AI 熱潮席捲全球的當下，許多家長和學生焦慮地擠進補習班學 Python，深怕被時代淘汰。但是，帶領 NVIDIA 衝上市值巔峰的「AI 教父」黃仁勳（Jensen Huang） 卻給出了一個令所有人跌破眼鏡的答案。
他明確指出，如果讓他重新選擇，現在的他不會主修資工，而是會將目光投向「生命科學」與「物理科學」。為什麼？因為 生成式 AI 已經大幅降低了寫程式的門檻。
根據 Goldman Sachs（高盛） 2023 年發布的研究報告指出，隨著 AI 工具的普及，全球高達 44% 的法律與行政工作 以及大量的 基礎軟體編碼工作 都可以被自動化，這意味著「只會寫 Code」不再是護身符。
另外，World Economic Forum（世界經濟論壇） 的《2023 未來工作報告》也調查發現，未來五年內，企業最重視的技能並非單純的技術操作，而是 「創造性思維」 與 「人工智慧與大數據的應用能力」，其中對 跨領域科學人才 的需求正在急劇上升。
這篇文章將帶妳深入了解，為什麼黃仁勳認為「物理 AI」才是下一波浪潮，以及身為非工程背景的我們，該如何在這場變革中找到自己的位置。
目錄
- 為什麼黃仁勳說「不要只學寫程式」？
- 什麼是「物理 AI」？下一波工業革命的核心
- 跨領域才是王道：當生物學遇上人工智慧
- 給文組與非本科系的妳：AI 時代的生存法則
- 結論
為什麼黃仁勳說「不要只學寫程式」？
大家可能還記得，以前我們總被灌輸「程式語言是未來的通用語言」。但黃仁勳在杜拜世界政府峰會上的一席話，直接顛覆了這個認知。他說：「我們的任務是創造出沒人需要寫程式的運算技術，讓程式語言變成人類的語言。」簡單來說，現在的 ChatGPT 或 GitHub Copilot 已經能用非常驚人的速度產出程式碼，以前工程師需要花幾天 debug 的工作，AI 幾秒鐘就能完成。
這代表什麼？這代表 「寫程式」這項技能的稀缺性正在下降。當然，這不代表工程師會消失，而是門檻變高了！未來的重點不再是「妳會不會寫扣（Code）」，而是「妳知不知道要叫 AI 寫什麼」？如果你只懂語法，卻不懂物理運作的原理、不懂生物分子的結構，妳就無法指揮 AI 去解決真實世界的問題。這對於許多焦慮於「我是不是選錯系」的年輕人來說，其實是一個巨大的轉機——專業領域知識（Domain Knowledge） 的價值將會超越單純的程式技能。
 |
| 設計不再是難題，動動手指，一鍵生成 |
什麼是「物理 AI」？下一波工業革命的核心
如果第一波 AI 浪潮是「生成文字與圖片」（像我們用的 ChatGPT），那黃仁勳口中的下一波浪潮就是 「物理 AI」（Physical AI）。這也是他在 COMPUTEX 演講中不斷強調的概念。物理 AI 指的是能夠理解並與真實物理世界互動的人工智慧。它不只是在螢幕上聊天，而是要驅動機器人、自駕車，甚至是在模擬環境中精準預測氣候變遷與藥物反應。
為什麼這時候「物理系」或「機械系」反而變得重要？
- 理解真實法則：AI 需要學習重力、摩擦力、流體力學等物理定律，才能讓機器人在工廠裡走路不跌倒，或者讓手術機器人精準下刀。
- 數位孿生（Digital Twins）：在製造產品前，先在虛擬世界用符合物理法則的方式模擬一次。這需要極深厚的物理與數學基礎，而不僅僅是軟體工程。
跨領域才是王道：當生物學遇上人工智慧
除了物理，黃仁勳最推崇的其實是 「生命科學」（Life Sciences）。他甚至曾說：「如果我可以重來，我會去學生物學。」過去，生物學被認為是需要大量背誦、實驗進度緩慢的學科。但現在，AI for Science 改變了一切。透過 AI，我們可以預測蛋白質結構（AlphaFold 就是最好的例子），加速新藥開發，甚至解開基因的秘密。
這對妳有什麼啟發？
- 跨界的價值：如果你是唸生物、化學、甚至是心理學的，千萬不要覺得自己跟科技無緣。相反的，AI 需要妳的專業知識來進行訓練。
- 解決問題的能力：AI 是一個超級強大的工具，但「要解決什麼癌症問題？」、「如何設計更環保的材料？」，這些問題的定義權，掌握在擁有科學素養的人手中，而不是寫程式的人手中。
 |
| 可愛手繪＋限定主題，AI免費輕鬆生成 |
給文組與非本科系的妳：AI 時代的生存法則
聽到這裡，妳可能會想：「那我是文組怎麼辦？我也沒唸物理或生物啊？」別擔心，黃仁勳的觀點其實是在釋放一個訊號：「人」的特質比技術更難被取代。在 真正 AI 時代，有三種能力是電腦很難模仿的：
- 同理心與情感連結：AI 可以寫出完美的郵件，但無法真正理解客戶的情緒或病人的痛苦。像《暖暖室》所關注的自我照顧與心理支持，就是 AI 無法完全取代的溫柔力量。
- 批判性思考：AI 會產生幻覺（胡說八道），妳必須要有能力去判斷資訊的真偽，以及決策背後的倫理道德。
- 定義問題的能力：AI 是解題高手，但它不會自己「發現問題」。妳需要做那個提出好問題的人。
結論
總結來說，黃仁勳的預言並不是要否定程式設計的價值，而是提醒我們：AI 的下半場競賽，拼的是「領域專業」與「物理實作」。如果你熱愛物理、生物，或者對真實世界的運作充滿好奇，這就是妳最好的時代。未來的科技巨頭可能不再是單純的軟體工程師，而是那些懂得利用 AI 來解開生命奧秘、改善物理世界的科學家與跨領域人才。不要因為焦慮而盲目跟風，深耕妳喜歡的專業，並擁抱 AI 作為妳的助手，這才是通往未來的鑰匙。
請記得，《暖暖室》一直都在這裡，準備好用文字、故事與知識，陪妳一起學習溫柔照顧自己。想要更多關於女性健康與自我照顧的內容，歡迎追蹤我們的粉絲專頁：《暖暖室》The Cozy Corner。
常見問答
Q1：如果不學寫程式，我該如何進入 AI 產業？妳可以專注於成為「AI 應用專家」。學習如何使用現有的 AI 工具（如 ChatGPT, Midjourney, Copilot）來解決妳專業領域的問題。企業現在非常需要懂得將 AI 導入工作流程的跨領域人才，而不僅僅是開發 AI 模型的人。
Q2：黃仁勳說的「物理 AI」到底是什麼？ 物理 AI 簡單來說，就是讓 AI 擁有「身體」並理解「物理法則」。例如讓機器人透過 AI 學習如何在工廠搬運重物而不碰撞，或是利用 AI 模擬氣候變遷對城市的影響。這需要結合物理學、機械工程與 AI 技術。
Q3：我現在念文組，會不會被 AI 取代？
不會完全取代，但會改變工作型態。重複性高、缺乏原創性的文書工作最危險。但涉及人際溝通、情感支持、策略規劃與創意發想的工作，AI 很難勝任。重點是妳要學會與 AI 協作，讓它成為妳的秘書，而不是競爭對手。
Q4：生命科學真的是未來的熱門科系嗎？
是的。隨著 AlphaFold 等技術的突破，AI 正在徹底改變藥物研發與基因工程的速度。黃仁勳認為數位生物學（Digital Biology）將是下一場技術革命，結合生物知識與運算能力的複合型人才將非常搶手。
Q5：對於想要轉職的人，有什麼建議？
不要丟掉妳過去的經驗。試著思考：「AI 如何能讓我的舊產業變得更好？」例如，妳是老師，可以思考如何用 AI 生成客製化教材。跨領域整合（妳的舊專業 + AI 工具）是轉職者最大的優勢。
Research & Data
 |
| 未來 AI 高需求應用領域分佈預測 |
| 資料來源 | 數據/統計結果 | 年份 | 關鍵洞察 |
|---|---|---|---|
| World Economic Forum (WEF) | 未來五年，創造性思維與分析性思維是這最重要的技能，且對「AI 與大數據」專家的需求將增長 30% 以上。 | 2023 | 單純的程式編寫將被自動化，重點轉向如何「應用」AI 進行分析與創新。 |
| Stanford HAI (AI Index Report) | 2023 年，AI 在科學領域的應用（AI for Science）顯著加速，如 AlphaDev 和 GNoME 等模型在材料科學與演算法上的突破。 | 2024 | 證實黃仁勳觀點：科學領域（物理、生物）結合 AI 是目前技術突破的最前線。 |
| NVIDIA (GTC Keynote) | 宣布推出 Project GR00T 人形機器人基礎模型，旨在推動「物理 AI」的發展，讓機器人理解真實世界的物理指令。 | 2024 | 確立了產業趨勢：未來的 AI 不只在雲端，更要進入實體物理世界（機器人、自駕）。 |
| Gartner | 預測到 2028 年，由於 AI 助手的普及，75% 的企業軟體工程師將使用 AI 寫程式助手，而非從頭編碼。 | 2023 | 程式撰寫門檻大幅降低，工程師價值將從「寫扣」轉向「系統設計」與「業務理解」。 |
| 104 人力銀行 (台灣) | AI 相關職缺中，除了演算法工程師，對於「跨領域應用人才」（如 AI 醫療、AI 製造）的需求年增幅超過 15%。 | 2024 | 市場證實，懂產業知識（Domain Know-how）比單純懂技術的人才缺口正在擴大。 |
.png)
.png)
.png)
.png)
.png)
.png)
.png)
.png)
0 留言