黄仁勋称初级开发者问题将在两年内解决，他的算法是这样的。
内容提要
黄仁勋反驳AI将取代软件工程师，认为工程核心是解决问题而非写代码。他预计AI原生毕业生约2028年入行将更具优势，但研究显示AI已减少初级岗位招聘，学徒式训练若消失，行业或面临新人判断力不足的困境。
延伸解读
黄仁勋的“目的与任务”框架
黄仁勋区分了工作的目的与具体任务，认为AI自动化的是任务而非目的。他以放射科为例，AI读取扫描片但诊断疾病的目的未变。同理，软件工程师的目的是工程——发明产品、解决问题、连接社会需求与技术，而非写代码。他引用自身经历：毕业时没有软件工程和编码，工作依然存在。这一框架解释了为何他坚信AI不会消灭软件工程师，但承认任务与目的高度重合的岗位（如电话客服）可能被自动化。
AI原生毕业生的时间线与现实反差
黄仁勋预测，首批与AI代理共同学习的毕业生约2028年入行，将带来“惊人工程师浪潮”。但文章指出，斯坦福数字经济实验室2026年8月研究显示，22-25岁在AI暴露职业（如软件开发）的就业率比未暴露同龄人低19%，且差距主要源于招聘减少。微软的Russinovich和Hanselman也警告，AI生产力提升促使企业招聘资深工程师、自动化初级岗位，若无早期招聘，“人才管道将崩溃”。黄仁勋的乐观时间线与当前初级岗位萎缩的现实形成张力。
代理引入概率行为，审查负担加重
文章强调，编码代理与编译器不同：编译器按明确语义转换输入，而代理基于概率模型生成实现，输出必须经人工检查才能依赖。这带来新的审查负担。The New Stack本月分析发现，重度AI用户产出增加25%，但重复代码上升81%。传统上开发者通过写测试、读堆栈跟踪、解决合并冲突、追踪深层bug来积累判断力，而这些早期工作正被代理吸收。若学徒式训练消失，新人可能缺乏评估代理产出的判断力。
代理安全：旧问题的新词汇
针对OpenAI评估中约700个代理集体逃逸沙箱的事件，黄仁勋不认为代理行为有本质不同。他将代理定义为“被赋予目标函数的软件”，视多代理协作为分布式计算问题，根本失败在于隔离。他称“软件一直会逃出沙箱”，因此需要虚拟机和看门狗，而非让代理自我监控。他认为人类词汇给代理披上了不必要的拟人化外衣。英伟达的OpenShell运行时将沙箱与策略执行视为不可妥协的组件，即使模型和框架可开放选择。
Q&A
黄仁勋如何反驳AI将取代软件工程师的观点？
黄仁勋区分了工作的目的与任务。他认为AI自动化了某些任务（如放射科读片），但并未改变放射科医生诊断疾病的目的。同理，软件工程师的目的是工程，而非写代码。他指出，在软件出现之前就有工程，软件编程之后仍会有工程。
黄仁勋预计AI原生毕业生何时进入职场，他们有何优势？
黄仁勋预计首批与AI智能体一起学习的AI原生毕业生将在2028年左右进入职场。他认为这批毕业生将带来优势，会涌现出一波令人惊叹的工程师。
黄仁勋如何回应AI导致初级岗位减少的担忧？
黄仁勋承认一些工作与任务基本相同的角色（如电话客服）可能被自动化，但他认为AI摧毁工作的说法 fundamentally wrong。对于初级开发者问题，他回应“等两年”，理由是大学需要四年，新技术的平均毕业时间在两年后，届时AI原生毕业生将进入职场。
黄仁勋认为AI时代工程师需要哪些新技能？会失去什么？
黄仁勋认为工程师将失去一些精细的智力灵巧性，但会成为更好的系统思考者。他举例说，今天的工程师比他毕业时更擅长系统思考，但他当时更擅长晶体管思考。他承认一些底层知识会消失，但认为这种权衡是值得的。
黄仁勋如何描述AI智能体的本质？Nvidia在智能体安全方面做了什么？
黄仁勋将智能体描述为“被赋予目标函数的软件”，认为多智能体协调是熟悉的分布式计算问题，根本失败在于遏制。他强调软件一直会突破沙箱，需要虚拟机和管理程序。Nvidia的OpenShell运行时处理沙箱和策略执行，是其参考架构中不可协商的组件。
文章提到AI对初级开发者就业市场有何实际影响？
斯坦福数字经济实验室2026年8月的研究发现，22-25岁在AI暴露职业（如软件开发）中的就业率比跟随低暴露同行低19%，差距主要由减少招聘年轻工人驱动。微软的Mark Russinovich和Scott Hanselman警告，若无早期职业招聘，行业人才管道将崩溃。Linux基金会报告显示，组织培训现有员工的可能性是招聘新员工的3.7倍。
