黄仁勋想把 AI token 变成工程师新福利

黄仁勋把一个原本偏内部核算的东西，往招聘市场上推了一步。

据 CNBC 报道，黄仁勋在 GTC 期间谈到，未来给工程师开的 package，除了基本工资，还可以再配一笔 AI token 预算。按他的说法，工程师的基础年薪可能是几十万美元，而 token 补贴甚至可能接近其一半，用来调用 AI 工具和代理，提高工作产出。

这不是一句随口的技术乐观表态，它更像是在重新定义“高效工程师”背后的成本结构。

从工资到 token，企业开始给“AI 杠杆”定价

过去科技公司争抢工程师，核心筹码通常是现金、股票、算力、设备和团队资源。现在黄仁勋给出的新思路是，把 AI 使用额度也单独列出来。

这背后有个很现实的变化：当越来越多工程任务开始依赖代码助手、自动化代理、搜索与总结模型，工程师手上能调动多少 AI 资源，已经会直接影响产出速度和试错空间。token 不再只是后台账单上的一行数字，而是在一线团队里逐渐变成生产工具配额。

如果这个逻辑成立，企业未来比拼的就不只是“我给你多少工资”，还包括“我愿意给你多大的 AI 放大器”。

报道里还有一个更值得注意的表述：黄仁勋说，Nvidia 现在约有 4.2 万名生物员工，未来会拥有数十万名数字员工。

这意味着在他的设想里，工程师的角色不会只是“自己写代码的人”，而会逐步变成“管理一组 AI 代理的人”。这些代理可以处理复杂、多步骤任务，而人类更多负责目标设定、质量把关、流程编排和最后决策。

从这个角度看，token 补贴并不只是福利，它更像是企业给员工配发的一种指挥权限。谁能用得起、用得好、用得稳，谁的边际产出就可能被迅速拉开。

这篇报道没有只停在兴奋上。文中同时提到，高盛估计 AI 可能自动化美国 25% 的工作时长，带来约 15% 的生产率提升，并在采纳过程中造成 6% 到 7% 的岗位替代。

另一边，企业级落地又没有宣传里那么轻松。报道引述观点称，自 2018 年以来，大约 80% 到 85% 的 AI 项目已经失败。问题往往不在模型能不能跑，而在流程怎么改、权限怎么控、质量怎么验、出了错由谁负责。

所以，token 预算看上去像新增福利，实际也会倒逼公司回答更难的问题：钱发下去了，组织真的接得住吗？

如果黄仁勋的说法被更多公司采纳，未来 offer 谈判里很可能会多出一类新问题：除了薪资和股权，你能给我多少 AI 调用额度？这笔额度能不能自由支配？能不能调更强模型、更多代理、更多自动化链路？

一旦 AI 真成了通用工作界面，token 就会越来越像一种新的生产资料分配方式。它表面上是模型成本，实质上是在决定员工能获得多大的认知外包能力。

这也是这条消息真正有意思的地方：AI 还没完全改写组织结构，但它已经开始改写招聘语言了。

来源：CNBC