在硅谷，工程师的“福利清单”正在被重新定义。
在最新一届 GTC大会 上，黄仁勋 抛出一个颇具争议、也颇具想象力的新想法：未来工程师的薪酬，不只是现金，还应该包括一笔“AI token 预算”。
按照黄仁勋的设想，工程师依然能拿到数十万美元的年薪，但公司还会额外提供一笔规模可观的 AI token，用于调用大模型、运行 AI 工具和驱动智能代理。
这笔“token 补贴”的力度甚至不小——可能达到基本工资的一半。
在他的描述中，token 本质上是 AI 系统消耗的“燃料单位”：调用模型、执行任务、跑自动化流程，都要消耗 token。谁掌握更多 token，谁就拥有更强的生产力杠杆。
也正因此，这种资源正在被重新包装为招聘工具——从股票期权、签字费，到如今的“AI 使用额度”，硅谷的人才竞争开始出现新变量。
这一薪酬设计背后，其实是对工作形态的重新定义。
黄仁勋给出的判断是：未来的工程师，不再只是写代码的人，而是“管理一群 AI 代理的人”。这些代理可以自主完成复杂、多步骤任务，从写代码、调试，到数据分析、文档生成。
换句话说，人类从“执行者”转向“调度者”。
他甚至进一步预言，Nvidia 未来将拥有“数十万数字员工”，远超目前约 4.2 万名人类员工的规模。AI agent 将成为组织结构中的新成员，而不是工具。
一个反直觉的变化正在出现：AI 并没有减少软件需求，反而可能成为最大需求来源。
逻辑并不复杂——当 AI agent 数量爆发式增长，它们本身就会消耗更多软件资源：编译器、开发框架、API 调用、算力实例。换句话说，软件不再只是给人用的，而是给“机器用户”用的。
这也意味着，未来的软件生态，很可能同时服务两类客户：人类与 AI。
但另一面，是难以回避的就业焦虑。
高盛 的测算显示，AI 有潜力自动化美国约 25% 的工作时长，并带来约 15% 的生产率提升。但在这个过程中，约 6% 至 7% 的岗位可能被替代。
更微妙的是结构性冲击——
这种矛盾在当下已经显现：一方面企业预期 AI 会减少人力规模，另一方面又普遍感受到 AI 人才短缺。
尽管愿景宏大，但现实仍然不够理想。
行业数据显示，自 2018 年以来，约 80%～85% 的 AI 项目最终未能成功落地。问题不在模型能力，而在企业流程——如何把 AI 真正嵌入现有业务体系，依然是最大挑战。
换句话说，给工程师发 token 很容易，但让这些 token 真正转化为生产力，并不简单。
正如一些业内人士的提醒：如果管理不好，“数十万 AI 代理”可能制造的问题，会比解决的问题还多。
从股票期权到 AI token，硅谷的激励体系正在快速进化。
黄仁勋的提议，本质上是在为一个即将到来的时代做准备——在那个时代，生产力不再只取决于人本身，而取决于“人 + AI”的组合效率。
而 token，可能就是这套新体系里的“通用货币”。