黃仁勳：每位工程師都將擁有一支 AI 團隊

本文整理自 Dassault Systèmes 2026 年 2 月在 3DEXPERIENCE World 大會發布的對談影片。

一個所有工程師都在問的問題

在休士頓 3DEXPERIENCE World 大會的對談進行到中段時，達梭系統（Dassault Systèmes）執行長帕斯卡．達洛茲（Pascal Daloz）轉向 NVIDIA 創辦人黃仁勳（Jensen Huang），丟出了一個在場所有工程師心裡的問題：「你覺得 AI 會取代工程師嗎？」

台下頓時安靜了一秒。這個問題之所以有份量，是因為問的人和答的人都不是在做理論推演——達梭系統的軟體被全球 4,500 萬名工程師和設計師每天使用，而 NVIDIA 的 GPU 正在驅動幾乎所有 AI 模型的訓練和推論。如果有任何兩個人有資格回答「AI 對工程師意味著什麼」，就是台上這兩位。

黃仁勳的回答出乎意料地具體。他沒有給出那種「AI 是工具不是威脅」的標準答案，而是描繪了一幅完整的未來工作場景。在那個場景裡，每一位工程師都將成為一支 AI 團隊的指揮官——而這件事，從根本上改變了「工程師」這個角色的定義。

從「操作工具的人」到「率領團隊的人」

黃仁勳用了一個生動的場景來解釋他的意思。想像你是一個用達梭系統 SOLIDWORKS 工作的產品設計師。現在，你坐在電腦前，親手畫每一條線、定義每一個尺寸、指定每一個材料參數。你可能同時開著幾個視窗——一個做 3D 建模，一個跑簡單的應力分析，一個查零件庫。一天結束的時候，你完成了一個設計方案，明天再接著做下一個。

在黃仁勳描繪的未來裡，同樣一位設計師的工作日會是這樣的：你上午和你的 AI 夥伴團隊開一場「設計會議」，告訴它們你的設計目標、約束條件和偏好。然後你親手做一些關鍵的設計決策——選定整體的造型語言、確定核心的結構方案、把一些你特別在意的細節手動調到滿意。到了下午，你把剩下的探索工作分派給你的 AI 團隊：「你去探索這個方向，給我三個方案；你去優化那個區域的結構；你去確認這些設計是否符合最新的安全法規。」然後，用黃仁勳的話說——你可以去喝杯雞尾酒。

等你隔天回來，桌上擺著十幾個完整的設計方案，每一個都已經跑過模擬驗證、確認過法規合規性、檢查過可製造性。你的角色不是從頭畫一個設計，而是從 AI 團隊產出的方案中挑選、組合、精煉。你是架構師、策略家和品味的最終裁判，而不是每一條線都要親手畫的製圖員。

這不是科幻小說式的想像。黃仁勳和達洛茲在對談中展示了達梭系統已經在開發的「虛擬夥伴」（Virtual Companions）系統——一組部署在 3DEXPERIENCE 平台上的 AI Agent，能自動執行設計探索、模擬分析和法規比對等任務。這些 AI 夥伴使用的是和人類工程師同一套設計工具，只是操作速度和並行處理能力遠超人類。

軟體使用者的數量會爆炸

黃仁勳在這段對談中說了一句很值得玩味的話。他說，多數人以為 AI 時代的設計師會變少、設計軟體的用戶數會萎縮，但事實恰恰相反——「軟體工具的使用者會從生物使用者，擴展到生物使用者加上 AI 使用者。」

這句話拆開來看，說的是一件對軟體產業影響深遠的事情。今天達梭系統有 4,500 萬名使用者，這些都是「生物使用者」——坐在電腦前操作軟體的人類。但當每一個人類設計師都帶領五個、十個、甚至幾十個 AI 夥伴，而這些 AI 夥伴各自在使用 SOLIDWORKS、CATIA 或 SIMULIA 來執行任務時，達梭系統的「使用者數量」可能會從 4,500 萬暴增到數億。每一個 AI Agent 都是一個軟體的消費者。

這對軟體產業的商業模式有直接的影響。傳統的軟體授權是按「人頭」或「座位」計費的，但當 AI Agent 成為主要的工具使用者時，計費模式必須重新設計——按運算量？按任務數？按產出的設計方案數量？這些問題目前還沒有標準答案，但可以確定的是，如果 AI Agent 真的像黃仁勳預期的那樣大量使用設計工具，軟體公司的市場規模會有結構性的成長。

對 NVIDIA 來說，這當然也是一個巨大的利好。更多的 AI Agent 意味著更多的 GPU 算力需求，而且這些 AI Agent 做的是模擬和設計——這是 GPU 加速的最佳場景之一。黃仁勳在對談中半開玩笑地說，達梭系統的所有產品線未來都會建在 NVIDIA 的平台上，台下笑成一團，但這句話背後的商業邏輯其實非常認真。

AI 夥伴會記住你的偏好和專業

黃仁勳在對談中還描述了一個更深層的概念：AI 夥伴不只是執行任務的工具，它們會逐漸「編碼」你的專業知識和工作偏好。

他用自己的收件匣做比喻。33 年來的電子郵件累積了他對 NVIDIA 業務的深度認知——技術判斷、合作關係、市場直覺、過去做過的決策和學到的教訓。這些知識是私有的、個人化的，不會被開源，也不應該被放到公有雲上讓所有人存取。未來的 AI 夥伴也是一樣的：它會記住你偏好的設計風格、你對特定材料的經驗判斷、你在過去專案中學到的陷阱，然後把這些知識應用到新的設計任務中。

這個概念的深層意涵是：你的 AI 夥伴本質上是你的「技能複製品」，但有著遠超人類的執行速度和並行能力。一個資深工程師可能花了二十年累積的專業判斷力，現在可以透過 AI 夥伴被「放大」到同時處理數十個設計任務。而這個 AI 夥伴是專屬於你的——它不會跟著你離職的同事離開公司，但它也不是公司的通用資產，因為它編碼的是你個人的判斷和偏好。

達洛茲在這個環節補充了一個重要的面向：知識安全。他直接問黃仁勳，如何保護這 4,500 萬名使用者的知識不被外洩。黃仁勳的回應是，這些 AI 夥伴不會放在公有雲上，而是運行在受保護的企業環境中，用的是 NVIDIA 的 Nemotron 開放模型，搭配達梭系統的 OUTSCALE 雲端基礎設施——這個基礎設施部署在三大洲，確保企業的設計資料和知識不會離開受控的環境。

「Human in the Loop」和「AI in the Loop」

對談接近尾聲時，黃仁勳做了一個概念上的翻轉，我覺得特別值得記錄。他說：「人們談 AI 的時候，總是說要有『人在迴圈中』（human in the loop）。這很重要，但你現在也有『AI 在迴圈中』了。」

這個區分看起來很微妙，但意義重大。「Human in the loop」是一個防禦性的概念——確保 AI 的每個決策都有人類把關，避免 AI 犯錯。但「AI in the loop」是一個增強性的概念——AI 成為你工作流程中的常駐成員，它不只在你需要的時候才出場，而是持續地在背景中觀察你的工作、學習你的模式、在你需要之前就準備好建議。

黃仁勳描繪的場景是：你的 AI 夥伴坐在你旁邊，不是等你發號施令才開始動作，而是在你設計的同時，它已經在背景中同步做合規檢查、做結構強度預測、做可製造性分析。你專心做創意決策，它負責確保你的創意在物理上可行、在法規上合規、在製造上可實現。你設計的不再只是形狀，而是行為——因為 AI 在即時告訴你這個形狀會產生什麼行為。

這從根本上改變了「設計」這件事的本質。過去的設計是線性的：先做造型、再做模擬、再做驗證、再做修改，循環往復。未來的設計是並行的：造型、模擬、驗證、合規同時發生，因為每一個環節都有專責的 AI 夥伴在即時處理。黃仁勳甚至預期，這會催生出全新的產品類別——那些在過去因為設計驗證太慢、太貴而不可能存在的產品，現在因為 AI 夥伴的存在變得可能了。

我的觀察：工程師的護城河正在重新定義

黃仁勳在達梭系統的舞台上畫了一幅讓人既興奮又焦慮的圖景。興奮的是，工程師的生產力即將發生量級跳躍——你不再是一個人面對一台電腦，而是一個指揮官率領一支 AI 團隊。焦慮的是，當 AI 可以快速執行那些過去需要多年經驗才能做好的技術工作時，工程師的價值到底在哪裡？

我認為答案藏在黃仁勳反覆使用的兩個詞裡：「架構師」和「品味」。在 AI 夥伴可以產出無數設計方案的世界裡，真正稀缺的能力不再是「畫得出設計圖」，而是「知道哪個方向值得探索」和「判斷哪個方案最好」。這就像軟體工程領域已經在發生的事情——AI 可以寫出能跑的程式碼，但定義系統架構、做技術取捨、在多個可行方案中選擇最適合當前情境的那一個，仍然需要人的判斷。

對臺灣的工程師來說，這場變革帶來的訊號非常明確：純操作型的技能——熟練地使用某套 CAD 軟體、能快速畫出符合規格的圖面——的價值會快速下降，因為 AI 在這些事情上的速度和精度會遠超人類。但整合型的能力——理解客戶需求、定義設計策略、在不同工程約束之間做取捨、把跨領域的知識融合成一個可行方案——這些能力的價值反而會上升，因為它們正是 AI 團隊需要的「指令」和「判斷」的來源。

換句話說，未來的工程師不會失業，但「工程師」這個詞的含義會改變。你的價值不再定義為「能做什麼」，而是「知道該做什麼」和「判斷做得夠不夠好」。這聽起來抽象，但對正在考慮職涯發展的臺灣工程師來說，這意味著一件很具體的事：投資在「理解為什麼」上的時間，會比投資在「學會怎麼做」上的時間，回報率更高。