黃仁勳：AI 會創造更多工作

NVIDIA 執行長 Jensen Huang 的說法很直接：AI 會創造比它拿走更多的工作。這句話聽起來很樂觀，但數字沒有那麼好敷衍。NVIDIA 員工數從 2024 會計年度末的 29,600 人，增加到 2026 年 3 月的 42,000 人。

講白了，黃仁勳不是在喊口號。他是在拿自己公司當例子。AI 真的只會砍人嗎？如果答案是肯定的，那 NVIDIA 這種賣 GPU、軟體、雲端方案的公司，理論上不該還在大舉招人。

他的核心論點很簡單。每一次電腦技術換代，都讓人做更多事。PC 讓文件處理變快，網路讓協作變快，手機讓你隨時在線。AI 也一樣，只是速度更兇。

為什麼黃仁勳不太怕裁員說

黃仁勳在 Lex Fridman Podcast 上講得很白。過去 34 年，他用來工作的工具一直在變。可是工作的目的沒變。設計師還是要設計，工程師還是要寫軟體，主管還是要協調資料和人。

這句話很重要。因為很多人把「工具變了」直接等於「工作沒了」。其實沒那麼簡單。工具會改變流程，也會改變產能。產能一高，企業就會想做更多案子，開更多產品線，接更多客戶。

外界的焦慮也是真的。文章提到，有 71% 的美國人擔心 AI 造成永久性失業。這不是小數字。代表多數人不是在討論效率，而是在擔心飯碗。

• NVIDIA 員工數從 29,600 人增至 42,000 人。
• 黃仁勳說 AI 會讓工作速度變快。
• 文章引用 71% 美國人擔心 AI 造成永久失業。
• 他看過 34 年的軟體與硬體變化。

我覺得他的反駁有一點狠，但合理。PC、網際網路、行動裝置都沒有讓工作消失。它們只是把工作變得更密、更快、更難躲。AI 很可能也是這樣。只是這次，速度快到很多人還沒反應過來。

你可以把它想成一個很現實的問題。當一個 LLM 能在 30 秒內整理完會議紀錄，老闆第一個想的通常不是「那我們少開會」。老闆更常想的是「那我們是不是可以多開兩個專案」。

NVIDIA 自己的招人數字很誠實

NVIDIA 的人力成長，是黃仁勳論點裡最硬的證據。假如 AI 真的只是全面壓縮人力需求，那賣 AI 基礎建設的公司應該先縮編才對。但現實剛好相反。需求一上來，工程、產品、業務、客服、部署都要人。

這也符合 AI 產業現在的樣子。大家嘴上都在談自動化，實際上卻在拼整合。模型要跑得穩，得有伺服器、散熱、網路、資安、監控、資料管線。每一項都要人處理。AI 不是一鍵結束，它是把工作切得更細。

黃仁勳在 NVIDIA GTC 上還提到，AI 相關訂單到 2027 年可能衝到 1 兆美元。這種規模不是靠一兩個工程師就能撐起來。你要人去做系統整合，也要人去做部署，還要人去維運。

• 2024 會計年度末，NVIDIA 有 29,600 名員工。
• 到 2026 年 3 月，員工數變成 42,000 人。
• 中間增加了 12,400 人。
• 黃仁勳預估 2027 年 AI 訂單可達 1 兆美元。

這組數字很有意思。它表示 AI 不只是在省成本，也在製造新的成本結構。公司要買更多 GPU，要請更多架構師，要找更多懂 API、模型、資料平台的人。說得白一點，AI 不是讓企業少花錢，而是把錢花到另一種地方。

所以問題不是「AI 會不會讓工作消失」。問題是「哪些工作會先變少，哪些工作會先變多」。這兩件事差很多。

黃仁勳怎麼看待 AI 與過去技術

黃仁勳一直把 AI 放進同一條歷史線裡看。PC、網路、手機，都讓人更有效率。效率一提高，工作量通常不會下降，反而會上升。因為企業會要求你做更多，客戶也會期待你更快回應。

這個現象你應該很熟。以前寄 Email，大家覺得很快。後來變成 5 分鐘內回覆才正常。以前有網站就夠了，後來變成要有即時客服。工具越強，標準就越高。這很煩，但很真實。

AI 的情況更明顯。它不只幫你搜尋資料，還能寫程式、做摘要、產圖、產測試案例。也就是說，它直接碰到知識工作最貴的那一段。那企業當然會想把這些能力塞進更多流程。

“The tools that I've used to do my job have changed continuously in the last 34 years, and sometimes quite dramatically,” Huang said on the Lex Fridman podcast.

這句話很值得慢慢看。工具一直變，不代表工作本身就消失。工作常常只是換一套做法。以前要手動整理的東西，現在交給軟體。以前要人跑的流程，現在交給 API 串接。人還在，只是重心變了。

如果你在做產品、前端、後端、資料工程，這件事應該很有感。AI 先吃掉的是重複性高的部分。剩下來的部分，通常更需要判斷力、溝通力、整合力。這些能力短期內還很難完全自動化。

跟 Copilot、ChatGPT、Claude 比一下

要看黃仁勳的說法準不準，不能只看 NVIDIA。還要看整個 AI 工具市場怎麼長。現在主流工具不是只做聊天，而是往工作流裡面塞。這才是重點。

Microsoft Copilot 直接進 Office 生態。它不是要你換工作，而是要你在 Word、Excel、Outlook 裡面更快做完事。這種設計很聰明，因為它碰的是既有工作流程，不是叫你重學一套。

ChatGPT 則是從聊天工具一路往程式、搜尋、企業應用擴張。它讓很多人第一次感受到，LLM 不只是玩具。它可以變成寫作助手、研究助手、客服助手，甚至是初階程式助手。

• Copilot 主要切入 Office 知識工作。
• ChatGPT 已經跨到寫作、程式、搜尋。
• Claude 在長文分析與企業使用上很強。
• NVIDIA 人數增加 12,400 人，顯示整體需求還在擴張。

再看 Claude。它在長上下文、文字整理、文件分析上很受歡迎。這代表市場不是只想要一個聊天機器人，而是想要能進工作場景的助手。誰能進流程，誰就有機會拉高使用頻率。

所以黃仁勳的判斷，不是單靠樂觀。他看到的是整個生態系都在長。當工具開始進到企業流程，新的職位就會冒出來。像是 AI 產品經理、模型治理、資料標註、提示設計、AI 安全、部署維運。這些職位 5 年前很多公司根本沒編制。

這波變化其實更像換工法

很多人以為 AI 是在跟人搶工作。其實更像是在改工法。以前一個團隊要 10 個人做的事，現在可能 6 個人就能跑完。但公司不一定只留 6 個人。它可能讓同樣的 10 個人去接 2 倍案子。

這就是為什麼「AI 會不會裁員」這題很難用一句話回答。短期內，重複性高的工作一定會先被壓縮。可是中期來看，產能提高後，需求也會跟著長。尤其是軟體、廣告、客服、內容、資料分析這些領域，變化會更快。

黃仁勳自己也不是只談理想。他還提到自己管理約 60 位直接下屬時，偏好群體會議，不愛一對一。這種做法很像 NVIDIA 的工作文化：少一點資訊落差，多一點同步處理。這對 AI 時代很合理，因為速度比形式更重要。

接下來 12 到 24 個月才是重點

我覺得真正的觀察點，不是 AI 會不會取代某些職務。這件事已經在發生。真正要看的是，企業會不會因為 AI 而把更多工作往外擴。只要需求擴張速度大於裁員速度，總工作量就不會縮太快。

接下來 12 到 24 個月，最值得注意的是三件事。第一，企業是否持續招 AI 整合與維運人才。第二，軟體公司是否把 AI 直接塞進核心產品。第三，台灣的工程師和 PM 是否開始把 AI 當成日常工具，而不是展示用玩具。

如果你在公司裡想問一個有用的問題，我會建議問這句：哪些任務會在 3 個月內變快？變快之後，會冒出哪些新工作？這比空談裁員有用多了。因為真正會改變你職涯的，通常不是技術名稱，而是工作拆法。

我的判斷很直接：AI 會先改工作內容，再改職稱。等大家發現這點時，很多流程已經默默重寫了。