“AI大神”吴恩达:固步自封、仍在用2022年(ChatGPT诞生前)的方式编程的人.这类人我现在根本不会雇佣

我爱免费

作者：微信文章

吴恩达，全球AI领域的泰山北斗，前谷歌大脑负责人，前百度首席科学家。

在回应AI对当今生活的变化时，他说：

“我希望我们再也不要回到没有AI助手的编程时代，因为生产力的提升是令人难以置信的（incredible）。”

---

01 AI的最大瓶颈不是算法？吴恩达：我更担心电不够用


主持人：吴老师，您曾说过“AI是新的电力”。现在大家都认为AI的瓶颈是数据、算力和算法。您觉得最大的瓶颈是哪个？

吴恩达：我认为目前最大的两个瓶颈，可能一个是电力，另一个是半导体。

说实话，我很担心美国，很多数据中心运营商被卡在许可流程上。我知道获得当地社区支持很重要，有些人不希望家门口有个数据中心。但是，如果我们那一代人修了公路和铁路作为基础设施，那么数据中心就是我们这一代建设数字经济的关键基础设施。

在美国和很多西方国家，电力的短缺是个问题。相比之下，我看到中国正在大力建设发电厂，包括核电站。这将是一个有趣的动态。

然后是半导体，这是另一个瓶颈。

“在我搞AI的职业生涯里，我真没见过任何一个人会嫌自己的算力太多。”

过去20年一直如此。给我们再多算力，我们都能用完，然后说“还是不够”。

随着生成式AI的崛起，我们看到了很多极具价值的工作负载，比如AI辅助编程，它极大地提高了我们的生产力。但如果你用多了，有时会发现自己“被限流”了。我发现很多公司实际上是需求远大于供给，这是一种很罕见的难题。太多人想要更多的模型推理、更多的Token生成，但我们就是没有足够的半导体、数据中心和电力来满足这些需求。

主持人：您提到半导体的限制。很多人说GPT-5的例子表明，“大力出奇迹”的规模定律（scaling laws）已经到了某个极限，行业焦点正在转向效率。您怎么平衡这两种看似矛盾的观点？

吴恩达：Token生成的效率确实越来越高，也越来越便宜。但尽管成本在下降，我们对它的需求却是永不满足的（insatiable）。

一个有趣的现象是，AI辅助编程，正在成为价值创造的一个巨大领域。这让我想起了互联网早期，谷歌主导了横向信息发现（比如网页搜索），但仍然为无数垂直领域留下了空间——旅游、零售、交通、社交媒体等等。

现在，ChatGPT在新的横向信息发现领域似乎占据了主导地位。但垂直领域仍然有巨大的机会。其中一个明确的高价值垂直领域就是AI编程助手。我每天都在用，它让开发者的效率呈几何级数提升，需求简直要冲破天花板了。

我经常把AI编程助手看作一个预兆，它预示了其他职能领域可能发生的变化。随着AI营销工具、AI招聘工具、AI财务工具变得更高效，其他行业也会迎来类似的变革。
02 “裁掉底层5%的员工”是伪命题，真正的危机是“能力折旧”


主持人：红杉资本的合伙人曾说，衡量AI有效性的一个标准是“它能否取代一个团队里垫底5%员工的工作”。但也有人说，真正的问题是“它能否让员工效率提升10倍”。您怎么看？

吴恩达：在软件工程领域，AI确实极大地加速了代码编写。过去需要6个工程师花半年才能完成的项目，今天我或者我的工程师一个周末就能搞定。

“我希望我们再也不要回到没有AI助手的编程时代，因为生产力的提升是令人难以置信的（incredible）。”

举个例子，一个周末，我想给我女儿做些乘法练习卡片。我可以开车去商店买，或者我可以用AI帮我写代码，然后打印出来。我选了后者，这事儿很快就搞定了。

主持人：您认为我们正在进入一个人人都会编程的时代吗？

吴恩达：我觉得每个人都应该学着去编程。我看到很多非软件工程师的岗位，能编程的人比不能编程的人能完成更多工作。

比如，我的一位市场部同事想做个用户调研，需要一个能让用户实时反馈的工具。她在应用商店里没找到合适的。于是她说：“这样吧，我花两天时间自己写一个。” 结果，她真的用两天时间，做出了一个移动端App，用户可以在上面左右滑动，对我们的营销文案给出反馈。

因为这个小工具，我们能快速进行用户实验、获得反馈，这帮她更好地完成了作为一名市场营销人员的工作。相比之下，一个不懂编程的营销人员，可能就无法获得这些反馈，项目也无法推进。

主持人：这太棒了。但这也引出了一个担忧，效率的提升是否意味着裁员？如果AI能帮助招聘人员筛选更多的简历，那是不是就不需要那么多分析师了？

吴恩达：我不太喜欢这种散播恐惧的说法。确实有一小部分工作岌岌可危，但我认为对绝大多数知识工作者来说，情况并非如此。

AI很神奇，但它也有很多做不到的事情。所谓的AGI（通用人工智能），能做人类所有事情的那一天，我认为还非常非常遥远，可能需要几十年甚至更久。

这里的关键是，如果AI能完成一个招聘人员30%的工作（50%感觉有点高了），那也还有50%-70%的工作需要人来做。但同样清晰的是，如果你用AI而别人不用，你们能完成的事情将有天壤之别。所以，使用AI绝对是更好的选择。

因为AI不能做所有事，所以对人类的需求依然很大。
03 最危险的两类人：不学AI的资深员工 vs 不懂AI的应届生


主持人：但这是否会导致“白领人才管道”问题？很多初级岗位，比如咨询顾问或律师助理，他们的工作正被AI取代。未来十年，我们可能会出现人才断层，没有足够的初级员工成长为高级员工。

吴恩达：我不认为情况有那么糟。问题确实存在，但和您描述的不完全一样。

让您看看我在软件工程领域观察到的现象：

第一梯队（最顶尖的）：是那些拥有10-20年经验，并且完全拥抱AI、精通AI工具的工程师。他们前进的速度，是世界在一两年前都未曾见过的。

第二梯队：是那些紧跟AI潮流的大学应届毕业生。我雇佣了不少这样的年轻人，他们通过社交网络和社区，真的学会了如何使用AI工具，工作效率非常高。但他们还比不上第一梯队的资深人士。

第三梯队：是那些有10年编程经验，但固步自封、仍在用2022年（ChatGPT诞生前）的方式编程的人。他们可能有一份安逸的工作，但出于某种原因，他们没有学习AI。说实话，这类人我现在根本不会雇佣。我认为他们未来可能会陷入困境。

第四梯队（最危险的）：是那些完全不懂AI的应-届-毕-业-生。

“一件不幸的事是，大学课程的改革非常缓慢。”

我感到很遗憾，直到今天，还有大学在培养计算机科学（CS）的本科生，而这些学生甚至从未调用过互联网上的任何一个API。你能想象吗？一个CS专业的毕业生，没听说过云计算，不知道可以在云上运行程序。这太奇怪了。

我觉得我们不能再这样培养CS学生了，必须确保他们知道如何用AI辅助编程，必须让他们了解AI的基础模块。但大学课程跟不上，这批进入就业市场的学生真的在挣扎。

但对于那些懂AI的应届生，我们根本招不够。太多公司抢着要他们了。
04 身价上亿的工程师，是泡沫还是价值？


主持人：您提到了效率提升10倍、100倍的工程师。我们看到他们的薪酬包也达到了前所未有的水平，有的甚至达到数百万美元。您觉得这是合理的，还是我们应该担心的薪酬泡沫？

吴恩达：这个问题真的很难说。我知道一些拿到巨额薪酬包的人，我真为他们高兴。但我担心的是，如果你一夜之间给了某人1亿美元，他可能就买个豪宅度假去了，效率反而会下降。

不过，我有很多硅谷的朋友，不管他们有没有赚到钱，都一直在非常非常努力地工作。我发现，财富让人们变懒的程度，比大多数人想象的要小得多。

在科技圈的文化里，我们做一件事是因为它有趣，因为它能让我们帮助别人，能改变世界。
🤔 你认为年轻AI工程师，年薪数百万美元合理吗？
欢迎在评论区留下你的看法，一起探讨。


👇 精彩还在继续 👇  如果你觉得这篇文章对你有启发  请点个【赞】和【在看】支持我  欢迎分享给身边的朋友 🌟