ARTICLE · 1040777
AI大神吴恩达:AI 最大的机会,不在你以为的地方
AI大神吴恩达最近这期 访谈，整场下来没怎么展望"未来会怎样"，反倒把时间花在讲清楚：现在用 AI，真正的护城河在哪，坑又在哪。
下面我从"人和 AI 怎么配合"一路讲到"最大的机会到底卡在哪"，提炼六个核心观点，分享给你，期望对你有所启发。
一、人类真正的护城河，叫情境优势
先说个现象。
你让 AI 当头脑风暴伙伴，它的产出通常是这样的：一两个好主意，两三个平庸的，还有四个糟糕透顶的。
你会纳闷，它怎么会觉得那种主意也算靠谱。
答案不是"AI 笨"，是"AI 不知道"。
他举的例子特别生活化。你跟客户聊过，看到那个表情就知道"哦，他们不喜欢这个"；你老板说过"那个那个，我特别在意"。
这些都是你多年攒下来的东西，而让 AI 拿到这些信息的管道根本不存在，可预见的将来也不会有。
很多人聊"品味"，觉得这是个玄乎的词。
吴恩达把它翻译成了工程语言：人类判断力和品味更好，底下的技术原因就是这个情境优势。
这不是一个几年内能解决的问题，所以我们需要的是更多有判断力、有品味的人，去和 AI 互补。
二、一句不合时宜的话：AI 是个糟糕的老师
这里他说了句自己都承认"可能有争议"的话。
"坦白讲，AI 模型对学习来说糟糕透了。"
他不反 AI，AI 把事做成这件事极擅长，他自己天天用。但对学习这件事，他引的数据指向一个挺扎心的结论：大学生用 AI，作业分数更高，长期保留率和后续表现却明显更差，因为 AI 替他们把活干了。
这在学术上叫认知卸载。
卸载本身不是坏事，社会就是靠分工往前走的，代价只是你没记住。
他拿自己开刀。
过去半年里，多少次碰到前后端组件怎么搭的问题，问 AI，拿答案，搞定，太爽了。
半年后再碰到同样的问题，他还是不会，只能再问一遍。
"我们不该再把 AI 当成学习助手。"这话我读完愣了一下。
他自己的补救方案，是刚拿了 Coursera 一亿美元投资的新组织 Learn Vector，做真正一对一、个性化的学习体验。
现在市面上的在线课，骨子里还是"所有人看同一个视频"的一对多。
三、软件工程的今天，是所有岗位的明天
吴恩达的判断是，AI 对软件工程的冲击这么深，所以软件工程就业市场正在发生的事，就是其他领域即将发生的事的先兆。
先兆长什么样？以前分前端、后端的开发者，因为有了 AI，现在大多变成了全栈，能接的活变宽了。
同样的事正在别的岗位发生。
市场部里原本做营销协调的人，现在能接下整个盘子做全周期营销；招聘岗的人，开始做端到端的招聘。
活更多、更带劲，甚至涨薪，代价是你要学的东西也变多了，而且不止是学 AI，还得学相邻的技能：营销的其他环节、招聘的其他环节。
他提到一封邮件。一个准大学生问他，四年后 AI 不就把这些都干了吗，我学的东西不就全过时了？
吴恩达说不会。
但问题是，恐惧宣传会让人不愿意投入去学那些本可以让他们处境好得多的技能。
"让人放弃，是这个时代我们能做的最糟糕的事之一。"
四、你的市场同事会不会写代码
聊到招聘标准，吴恩达说他们团队比较超前：所有市场人员都会写代码。面试市场岗时，他会问，你造过什么。
他举了团队里的真实例子。有人做了个跑在自己 Mac 上的桌面应用，想写篇文章时，这工具会自动爬网页、把相关文章高亮出来，然后你可以跟整个系统对话，在自己写的东西和相关资料之间穿行；他还有个大 dashboard，专门在网上捞正在冒头的新东西。
财务团队更狠。一位 CFO 发现团队每周要花好几个小时点文档，打开这个、把数字复制粘贴到那儿，于是她自己写自动化脚本定时运行：自动打开文件、检查内容、校验一致性，有新文档或异常就高亮提醒。没等工程师排期，这套数据基础设施是他们自己搭起来的。
吴恩达还顺手造了几个词：市场工程师、招聘工程师、HR 工程师。
他说自己一点也不担心工程类工作会枯竭，他所有朋友都忙得要死。
招聘 JD 里冒出来的新词
他的团队在梳理 AI 工程技能图谱时，从数据里发现一个现象。
他凭直觉感觉到了，但看到数据时还是有点惊讶：越来越多的职位描述在要求候选人展现出极强的主人翁意识，因为有了 AI，个人主动发现问题、自己动手解决的机会变得多太多了。
五、最大的机会：产品管理瓶颈
吴恩达给的行动建议只有九个字：学 AI、快速造、多跟客户聊。
理由是造东西的成本崩塌了。
他自己的例子：上个周末，他用一个前沿模型分析了一堆关键业务指标，因为他没时间自己做，也没时间去找个数据科学家配合。
于是他换着用了好几个前沿模型，同时非常小心地核对它们的数据留存政策。
"我不会用那些数据留存政策我不喜欢的模型。"这句顺带呼应了上一段。
成本崩塌之后，瓶颈就转移了，转移到了"决定造什么"上。
他给这个东西起了个名字，叫产品管理瓶颈。
能跟客户聊、对该造什么形成判断，然后用 AI 造出来、快速迭代的人，这里有大量令人兴奋的事可做。
但他马上泼了盆冷水，怕你理解歪：造一家公司依然非常非常难。
一个周末他能做出一个 LLM 套壳、一个简单的应用，但他多希望做一家大公司也能这么容易。
做出有意义的东西，往往需要真实的技术深度，或者深刻的客户洞察，用 AI 几小时写出代码只是拼图里的一小块。
"花时间理解技术复杂度、构建真正复杂的软件，要几个月甚至几年。
而拥有那种深刻的客户洞察来决定造什么，那需要大量跟人聊、看表情、做调研，反复反复，直到搞清楚该造什么。"
六、AGI 还有多远，先看你把标准定在哪
最后一个问题：黄仁勋说我们已经到 AGI 了，你说还要几十年，你的判断标准是什么？
吴恩达说，分歧的根源是定义。
他熟悉的那个定义是：AI 能做人能做的任何智力任务。
按这个标准，给你两份考卷。人类可以花五年读完博士、写出一篇博士论文，AI 能写吗？人可以靠几十分钟练习学会在茂密雨林里开卡车，AI 什么时候能在全新环境里靠几十分钟练习就上手？
这些事有一长串，在他看来是几十年做不到。"我希望只是几十年。也许结果更长。"
访谈最后，他说：考虑到 AI 即将带来的巨大好处，我希望看到这里的人，能真的去学 AI、用它，甚至去动手造点什么。
AI大咖热门访谈解读推荐：
AI教母李飞飞：所有人都在追 ChatGPT，而她押注一个五亿年的故事
AI 教父 Hinton：它们已经有意识，超级智能正在到来，而我们还没准备好
腾讯首席AI科学家姚顺雨：AI下半场，方法论已经够用，缺的是好问题
我们把 Claude Code 换成了 OpenAI Codex，一个月之内风向彻底反转
Google DeepMind CEO 在 YC 的 41 分钟，讲了这几件让人睡不着的事