黃仁勳叫 CS 畢業生去當電工——一週內三位 AI 老闆都在預告同一件事

上週五，黃仁勳在卡內基梅隆大學的畢業典禮上對 2026 屆資工系畢業生說了句話：電工和水管工比你們有前景。

他不是在開玩笑。兩天後微軟 AI 部門的 CEO Mustafa Suleyman 接受 Fortune 採訪，預測 18 個月內 AI 會自動化掉所有「坐在電腦前」的白領工作。同一天 Anthropic CEO Dario Amodei 在華爾街日報的 YouTube 頻道說，軟體成本會崩到接近零，數十年累積的職業結構會跟著消失。

一週之內三位 AI 圈最有話語權的人放話，方向高度一致。我們得認真看看他們在說什麼——以及我們自己該怎麼辦。

一週內的三個訊號

5/15，黃仁勳 @ CMU：給資工系畢業生的演講，主軸是「不要假設你選了一個鐵飯碗」。他引用的數據夠扎實：

Randstad 分析顯示，技工的需求增長是白領職位的 3 倍
機器人技術員職位增長 107%
斯坦福研究指出，AI 相關崗位的早期職業就業率下降 16%
頂級電工年薪可以超過 10.6 萬美元，而且不用揹學貸
科技公司今年砸了 7000 億美元蓋資料中心，到 2030 年全球估計 7 兆美元
問題是製造業缺工，美國目前每 100 個新工人進來，就有 102 個離開

他的結論是：AI 時代最大的贏家不是 Prompt 工程師，是能把資料中心蓋出來的人。

5/17，Suleyman + Amodei 同一天放話：Suleyman 講 18 個月實現人類水平的 AI 性能，會計、法務、行銷、PM 全部會被取代。Amodei 講的更狠——軟體會變成基本免費，因為傳統「百萬用戶分攤開發成本」的商業模式前提不成立了，附帶很多職業會跟著消失。

同一週還有一個招聘市場的側面訊號——5/16 彭博社報導美國 AI 相關崗位開始大規模裁員，被 Hacker News 推上熱門。AI 對勞動力市場的衝擊已經從討論變現實。

三位 CEO 的發言加上裁員新聞放一起看，他們已經在替下一輪職業洗牌鋪敘事，而且認為沒有時間給你「再觀望幾年」。

數字之外，我不買帳的地方

但這些話不能照單全收。

黃仁勳的話有一個明顯的利益偏向。他是 NVIDIA 的 CEO，全球資料中心建設的最大受益者。他需要技工，需要很多很多技工，因為沒有技工他的 GPU 就只是一堆塞不進機櫃的金屬。當一個賣鏟子的人告訴你「去挖礦會發財」，你應該注意他鏟子賣得好不好。

我不是說他講錯。Randstad 數據是真的，技工需求成長是真的，電工年薪是真的。但他選的這套說法，剛好幫產業整體那 7000 億美元的資本支出找到合理化的勞動力故事。

Suleyman 的「18 個月」是一個非常熟悉的時間框架。AI 圈從 2023 年喊「兩年內」、2024 年改口「18 個月」、2025 年再改「12-24 個月」，這種「永遠在 18 個月後」的時間預測，跟自駕車「明年就會 L5」的話術是同一個模板。

Amodei 講軟體免費更弔詭。Anthropic 自己的 Claude API 從 Opus 4.0 到 4.6 漲價漲到我寫文章前都得算一下 token 預算。Cursor 之所以要自建模型，也是因為被 API 帳單壓得喘不過氣（我之前寫過那篇）。「軟體免費化」是一個漂亮的願景，但站在 2026 年 5 月這個時點看，現實是 AI 公司還在試探消費者的定價天花板。

說穿了，這些 CEO 不是職涯顧問——他們是在替自己的資本配置找勞動力敘事。方向他們講對了，但時間表、規模、誰會贏，都被各自的立場過濾過。聽到「白領全完」這種絕對化的話，要先把講者的角色拉進來算一遍。

真正讓我警覺的訊號，不在這三個人身上

我不看他們喊的終局，我看市場正在替什麼職位開錢包。

過去一個月看下來，最值得注意的不是大佬的訪談，而是 Forward Deployed Engineer（FDE）正在變成熱門職位。這個職位的描述大概是：駐點在客戶端，把 AI 模型整合進客戶的業務流程——要會寫程式、會調試、會聽得懂客戶真正卡在哪裡，介於工程師和顧問之間。

過去一個月內三家頂級 AI 公司在搶這個位置：

OpenAI 成立了獨立的部署公司，專門做企業落地
Anthropic 跟華爾街巨頭簽合作，配置 FDE 進駐金融業
Google 把 FDE 招聘流程簡化，加速搶人

為什麼是現在變熱？Palantir 用這個職位用了十幾年，但前 AI 時代沒幾家公司願意付這種「半工程師半顧問」的薪水。現在不一樣——AI 公司發現模型再強，落地能力跟不上，客戶就會跑掉。

模型同質化已經發生（Gemma 4、DeepSeek V4、Kimi K2.6、MiMo 2.5、GLM-5.1 上週同步發佈），接下來比的就是誰能真的把模型導進客戶流程。這個訊號比黃仁勳叫你去當電工值錢得多——因為它告訴你具體該往哪走、哪些公司正在為這種能力開職缺。

那台灣的工程師該怎麼辦

我自己讀完這幾則新聞，整理出三件事我打算這個月就改變。

第一，停止寫「只有我看得懂」的程式碼。過去我寫 Vue 組件、寫 SQL Server 查詢，常常寫到一半就把業務脈絡丟掉，反正「之後再補註解」。但補不補，最後決定的是這段程式碼在 AI 面前能不能被自動接手。除了函數註解，PR description、資料表欄位命名、團隊 domain glossary 這些平常被當「之後再說」的東西，都是同一回事——你要讓 AI（和半年後的你自己）一進來就懂。我前兩週把 YilanSewer 模組改寫的時候，刻意把每個函數的「為什麼這樣做」寫進註解，要讓 Claude Code 半夜跑 batch refactor 的時候有依據可循。從那之後 AI 改錯的次數明顯少很多。

第二，去找一個真實的業務問題綁定自己。我做政府的下水道系統六年了，這個業務知識是 AI 短時間內取代不了的——因為訓練資料裡沒有「宜蘭某個井蓋為什麼總是淹水」這種事。具體做法：挑一個你公司最難交接、最靠老員工口耳相傳的流程，把它文件化、工具化、然後 AI 化。每多一塊這種「跨業務+技術」的領地，你的議價權就多一份。純技術技能會被壓平，業務+技術的組合不會。

第三，學會用 AI 而不是跟 AI 比快。我認識的工程師裡，焦慮最重的都是那些還在跟 Copilot 比「誰寫得快」的。實際上會贏的人，已經在用 Claude Code 同時拆幾個小任務、自己只看結果做判斷。一個我自己最近常跑的 workflow：讓 AI 先讀 ticket、列改動點、產生 SQL migration 草稿、補單元測試，最後我 review 跟微調再決定能不能 merge。重點不是讓 AI 直接接管，而是把工程師的時間從打字搬到判斷和驗收。Karpathy 那個 630 行 autoresearch 的範例就是這個方向——讓 AI 變成你的研究助理群，而不是你的競爭對手。

至於去當電工——黃仁勳不是錯，是把問題簡化了。如果你 22 歲、剛從 CMU 畢業、想清楚自己不喜歡資工，那去學電工沒問題。但如果你已經 30 歲、在台灣寫了 5 年 .NET 跟 Vue、家裡有房貸——叫你改行去拉電纜這種建議，連他自己也不會給自己兒子。