AI 大神吳恩達：「別學程式設計」？ 這是 AI 時代最糟糕的職業建議之一

7 月 3 日消息，在近期 AMD Advancing AI 2025 大會上，吳恩達與蘇姿豐就 AI 的普及、開放生態和硬體基礎設施展開交流。 兩人強調，多層技術棧、快速原型和 AI 助編工具能大幅提升開發效率。

他們反駁“AI 將取代程式師”的觀點， 認為未來軟體開發更需技能升級與持續學習， 鼓勵開發者積極動手實踐。 在這場對話中，共同探討和認可的核心觀點如下：

• AI 發展需要強大且普惠的計算資源，尤其要保障開發者社區的獲取管道。
• AI 極大降低了開發門檻，支援快速原型反覆運算，形成高效的“快速試錯”機制。
• 技術棧從半導體、雲計算延伸到基礎模型和應用層，其中基礎模型和半導體層存在壟斷風險，開放生態和開源模型是破局關鍵。
• AI 不會很快取代程式師，程式設計門檻降低反而會吸引更多人加入，而軟體需求的持續增長將創造更大空間。
• 未來程式設計將深度依賴 AI 輔助：新手能更快上手，資深者可專注架構與創新。

以下是吳恩達、蘇姿豐最新觀點精華：

01 應用層決定 AI 能否真正“可及”

問： 今天非常激動能和兩位塑造 AI 未來的科技領袖進行交流。 首先是斯坦福大學教授吳恩達，過去十多年裡，他一直致力於普及 AI 教育。 其次是 AMD CEO 蘇姿豐，她致力於推動 AI 硬體普及，使更多的開發者能參與到 AI 計算中，推動了 AI 計算的發展。 我們今天要探討的核心話題是兩位使命中都涉及的重要領域——AI 的可及性 。 推動 AI 普及的關鍵因素是什麼？ 最終如何有效且安全地加速 AI 進步？

吳恩達： 我想分享一下我對 AI 普及的看法。 我認為 AI 是一個「技術棧」 其中包括底層的半導體，比如 AMD 和輝達的硬體，再到大型雲服務商的支援，也就是超大規模的數據中心，最上層則是 AI 基礎模型公司，如 Open AI、Gemini 等。

實際上， 世界上大多數人將會處於 AI 技術的應用層 ，利用各種工具和技術構建自己的應用。 這是我工作的大部分時間所涉及的領域。 雖然目前的媒體報導和宣傳往往集中在技術層，但實際上，應用層才是最重要的 ，因為只有通過應用，我們才能為技術層創造價值，推動整個生態系統的發展。

AI 的應用層比移動領域更加開放和創新，其中的一個原因是，移動領域存在兩個“守門人”——Android 和 iOS，很多創新必須得到他們的許可才能進行或實現貨幣化。 而在 AI 領域，我們的擔憂是， 某些技術棧的“守門人”可能會把控創新，最終將不公平的收益掌控在自己手中，從而限制了創新的空間 。

在基礎模型層面，開源和開放的權重模型至關重要。 一些公司曾嘗試通過遊說來消除開源，顯然是希望自己能夠成為“守門人”。 但幸運的是，隨著時間的推移，這個威脅已經被化解。

對於我們而言，應用層必須保持開放，這是確保創新能夠自由發展的前提。 而在技術棧中，最有可能出現“守門人”的地方，恰恰是半導體層。 因此，我們要特別關注軟體棧生態的開放性，這確保了開發者在使用半導體硬體時擁有足夠的選擇權。 只有這樣，應用開發者才能在沒有“守門人”的束縛下自由創新，不會被迫向某家公司尋求許可，也不會在開發過程中受到限制。

02 開放性決定創新空間

問： 您能舉個例子嗎？ 比如說，某些應用會受到這種開放性的影響？

吳恩達： 在我看來，開放性的問題在移動領域已經變得非常明顯。 比如，現在想要推出一款新的鍵盤應用，或者新的地圖應用，甚至在美國推出一個新的語音助手，都是非常困難的。 這些創新都受到移動平臺「守門人」的限制，很難突破這些壁壘。

不過， 我認為生成式 AI 目前仍處於一個相對早期的階段 。 儘管一些「守門人」可能試圖壓制創新，但目前他們還沒有足夠的力量完全限制創新。 我認為這是件好事。

例如，如果我們無法對模型進行微調，因為“守門人”掌控了這一點，那麼我們就只能使用他們提供的模型，無法進行定製化的創新。 而開放的創新生態系統則是一種非常強大的力量。 比如，當 DeepSeek 模型剛發佈幾天后，它就已經在 Qwen 模型的基礎上進行了蒸餾，生成了一個新的模型。 我覺得這個過程非常有趣。 DeepSeek 和 Qwen 這兩個開放模型結合，形成了一個全新的模型。 這種開放性促進了很多創新。

另外，Llama 模型發佈時，有些人認為它的上下文長度太短，但很快就有人對其進行了微調，發佈了一個上下文視窗更長的新版本。 這些都是開放性帶來的好處。

同時，開放性還允許我們改變數據的輸入格式，把原本只支援文本的模型擴展到能夠處理圖像的模型。 這些創新已經在基礎模型層得到了實現。

此外，在半導體互操作性、內核支援等基礎設施層面，開放性也在為下一層技術的發展提供支援。 因此，我認為開放性對於技術的持續發展至關重要。

蘇姿豐： 我對創新的速度感到非常驚訝，尤其是與 DeepSeek 和 Llama 相關的創新。 實際上，這些零樣本模型（zero-shot models）需要非常強大的基礎設施支援，而我們的團隊已經能夠輕鬆地對這些模型進行優化。

坦率地說，大家也在非常迅速地將這些模型應用到實際中，不論是直接使用模型，還是借用其中的某些元件，大家都能迅速改善基礎設施。

從基礎設施的角度來看，我必須承認，開放原始程式碼有時確實讓人感到擔憂，因為它並不完美。 我認為，開源生態系統的核心是“信任”——儘管它不完美，但我們願意開放原始程式碼，正是希望大家能參與進來，讓它變得更好。

當然，在半導體層面，我們必須盡可能快速地進行創新，這確實是非常複雜的工作。 然而，我們要確保的是，盡量簡化上層開發的工作，使其變得“即插即用”。 這是我們所追求的目標：讓你們在使用時有足夠的選擇性，而不受限制。

我們一直致力於實現這一目標，並持續優化我們的生態系統。 雖然目前它還不完美，但它正在不斷進步。

03 構建模組+程式設計助手助力 AI 應用加速落地

問： 如何讓開發者更好地參與到 AI 創新中，特別是當我們不斷開放技術棧的更多部分時？ 你剛才提到很多人參與了 Llama 模型上下文窗口的擴展等等。 但如果是底層的開發者，應該如何參與進來？

吳恩達： 很多開發者都在技術棧的不同層面上開展工作。 對於開發者來說，儘管他們中的大部分人可能更關注高層應用或服務，但如果他們能接觸到 GPU，尤其是在內核層面，他們就能更深入地瞭解開放的軟體棧生態系統。

不過，如果我們聊到技術棧的上層，應用層的機會可以說是最令人興奮的。 過去幾年裡，兩個重要的變化讓這方面變得更加引人注目：

第一個是 AI 構建模組的崛起。 現在，我們已經擁有了很多強大的工具，比如提示優化（prompting evals）、檢索增強生成（RAG）、向量資料庫、智慧體工作流等等。 這些模組讓開發者可以將它們快速結合起來，創造出幾年前根本無法實現的應用。 所以，對於專注於應用層的開發者來說，學習如何使用這些工具，構建基於計算服務的應用，是一項非常值得追求的任務。

第二個令人興奮的進展是 AI 程式設計助手的進化 。 說實話，像我自己，現在幾乎無法想像沒有 AI 助手的程式設計生活。 AI 程式設計助手的工具和技術的演變，已經成為整個 AI 行業發展最快的領域之一。 雖然我們常說“發展很快”，但坦率地講，AI 程式設計助手的創新速度，確實是其他行業難以匹敵的。

回顧過去的兩三年，2002 年 GitHub Copilot 的推出，開啟了自動補全代碼的新紀元。 隨後，隨著 Windsurf 生成技術的出現，代碼自動化的程度進一步提升，支援更複雜的智慧體工作流。 當然，這種技術有時也會帶來 bug，但不可否認的是，它在飛速發展。 如今，最新的 AI 程式設計助手已經變得更智慧、更高效。

作為開發者，我們站在這些技術趨勢的前沿，已經開始切身感受到它們的説明，尤其是在維護舊有軟體時。 而我個人花最多時間的地方，其實是在快速開發和構建原型。 我們已經創辦了許多初創公司。 如今，當我有了新的創意，發現很多事情可以在一個下午完成，而幾年前，可能需要六個工程師三個月才能實現。

過去，很多概念驗證工作往往因為投入精力過多卻沒有進入生產階段而被放棄。 但現在，這種擔憂對我來說不再重要。 我更關注的是如何將概念驗證的成本降到足夠低。

如今，無論是初創公司還是大企業，創新過程都在發生變化。 大家都在利用快速原型開發的能力發明新事物，並探索哪些創新真正有效，尤其是在應用層面，這一切都令人非常興奮。 為了確保這種創新的熱情得以持續，確保我們都能不斷創新，而不被“守門人”束縛，就必須保持技術層的開放性。 這將是支撐應用創新持續發展的關鍵。

04 「別學程式設計」？ 這是 AI 時代最糟糕的職業建議之一

問： 很多人擔心，AI 會自動化開發者所寫的代碼，他們該何去何從？ 同時，AI 也帶來了哪些新的機會？

吳恩達： 早在今年年初甚至是去年，一些人就開始建議不要再學寫代碼，認為 AI 會自動化這一過程。 但我認為， 這種建議將來會被視為最糟糕的職業建議之一 。 因為當一項工作變得更加容易時，反而應該有更多的人去做，而不是減少做這項工作的人數。

就像從打孔卡片到鍵盤的轉變一樣，程式設計變得更容易，更多的人開始參與其中。 當人們從彙編語言轉向 COBOL 時，曾有人說，“COBOL 程式設計變得如此簡單，看起來我們不再需要程式師了。 “但事實上，情況正好相反。 隨著 AI 輔助程式設計的普及，應該有更多的人參與程式設計工作。

程式設計的需求實際上是沒有上限的。 隨著軟體工程成本的下降，我們將看到越來越多偉大的軟體問世。 但與此同時，軟體工程的方式也在發生變化。

我們現在看到一種新的刻板印象——一個新畢業的大學生能超越一個有十年經驗的全棧工程師」。 這是真的，因為新畢業的大學生對於 AI 技術非常熟悉，而那些經驗豐富的工程師可能還在用 2022 年以前的技術，跟不上新技術的步伐。

然而，另一個被忽視的事實是，最優秀的工程師並不是剛剛畢業的大學生，儘管我對他們並無偏見。 實際上，是那些有著豐富經驗、深入理解架構和計算機思維框架的工程師，他們不僅理解架構，還不斷學習並跟進 AI 技能。

我知道最近有一種令人焦慮的現象：找工作變得越來越難，尤其是對於計算機科學專業的新畢業生。 一方面，很多公司表示找不到足夠的 GenAI 應用開發者——這些是能夠快速使用 AI 編碼助手、掌握構建模組並快速創建高價值應用的開發者。

但遺憾的是， 許多教育體系，特別是大學的課程更新速度跟不上這些變化，導致技能與市場需求之間出現了脫節 。 未來我們需要編寫更多的軟體，但最大的挑戰在於，如何幫助開發者甚至非開發者提升技能，教會他們如何使用這些工具，從而大大提高他們的生產力。

蘇姿豐： 在我們的工作流程中，無論是硬體開發、軟體開發，還是銷售、市場行銷、人力資源等領域，都在使用 AI。 其中的事實是，我們仍然需要更多的人才。

有人認為 AI 會取代所有工作，這種觀點顯然不準確。 對我們來說，真正的目標是如何更快地將更多的產品推向市場。

我想強調的是， 使用 AI 越多，你就會變得越有能力，越高效，工程方面的產出就會越來越好 。 我們會看到更多的創新和生產力提升。 我完全贊同繼續教育的重要性，保持學習的節奏非常關鍵，這能幫助我們更快地掌握新技術，進步更迅速。

問： 開發者應該如何行動起來？

吳恩達： 對我來說，人生中最重要的教訓之一就是——你有權去做任何事。 只要不傷害別人，不造成損害，你完全可以去嘗試任何事情。

在今天的世界裡，藉助 AI 輔助程式設計工具和強大的 AI 構建模組，個人可以完成的專案數量和種類已經爆炸性增長。 因此，我認為現在正是一個非常適合去構建東西的時機。

如果你做出來的東西不完美，沒關係，繼續做下去。 從中學到的教訓會讓你不斷進步。 甚至有時，你會在某個小領域找到突破口，然後繼續做下一個專案。

我發現，很多我做過的最好的專案，包括 Coursera，最開始也只是一個副專案。 當時我還是斯坦福的教授，我也在想：“我這麼忙，能做這些在線教育的事情嗎？ 大家似乎也不太關心。 “但是我決定去做，哪怕沒人關注。

所以，我想說的是，現在是史上最容易構建非凡事物的時刻。 去做吧，去構建，去創造！

本文來自 「騰訊科技」，作者：金鹿 海倫，36 氪經授權發佈。