夜雨聆风这篇文章整理自吴恩达在 AI Dev 26 x SF 的演讲（AI Dev 26 x SF 是 2026 年 4 月 28–29 日DeepLearning.AI 在旧金山举办的 AI 开发者大会）。
演讲主题是 AI 编程如何重塑软件工程：未来瓶颈不只是写代码，而是产品、设计、法律与营销等协作环节。
吴恩达（Andrew Ng）：软件工程的未来
很高兴见到大家。今天，除了关于"AI 提示词入门"课程的发布公告，我还有一个重要消息要在这次演讲中宣布——你们将是全球最早听到它的人，我会在演讲末尾揭晓。
今天，我主要想分享我对 AI 时代软件工程走向的判断，聊聊 Context Hub，以及一个全新的产品——我希望这些工具能帮助开发者更从容地驾驭这个变革中的未来。
软件开发的积木革命
一年前，在第一届 AI Dev 大会上，我用了一个比喻：软件开发就像用积木搭东西。
我一直习惯把软件工具、框架和 API 想象成乐高积木。手里只有一种白色积木，能拼的东西有限，也没多大意思；加入黑色、蓝色、红色、黄色……随着积木种类增加，能拼出的东西就以组合爆炸的方式增长。
过去这一年，AI 编程智能体的兴起让所有人都能更高效地把这些积木拼在一起，创造出了不起的产品。积木可以是 AI 类的——比如可以对话的大语言模型、RAG（检索增强生成）、智能体化工作流——也可以是非 AI 类的，比如 UI 组件、数据库、身份认证管理器，等等。
更关键的是，正因为 AI 编程的出现，这些积木的增殖速度前所未有。每天都有新积木涌现，而 AI 智能体可以帮我们完成积木的组装。
100% AI 编程，和 80% 的差距
我跟初创公司、高校和大公司的团队交流时，一个反复被提起的问题是：我们该在多大程度上依赖 AI 编程智能体？
大家爱问这样一个调查题："你的代码有多少比例是 AI 写的？"有团队会说："我们 80% 的代码由 AI 生成。"这已经很好了。但我个人的比例不是 80%，几乎是 100%。
我想解释一下，为什么这最后那 20% 的差距，会带来截然不同的结果。
顺便说一句——如果现场有 0% AI 使用率的朋友，没关系，但我建议你把这个比例提上来。
当你 80% 的代码由 AI 生成时，从实际时间分配来看是这样的：AI 写代码很快，但人工审查那剩余的部分往往要花极长的时间。而一个 100% 依赖 AI 编程的团队，在同样的时间窗口里能完成的事情要多得多。
这个规律不只适用于写代码，同样适用于审代码。很多团队让 AI 写代码，但坚持让人类逐行审查。但我和我的团队发现，如果每行代码都必须由我来审，我就成了整个流程的瓶颈。
我不是说所有情况都该如此——如果你在 NASA 工作，要给航天飞机写 50 行关键代码，当然应该手写，这没什么问题。但我观察到的趋势是：最前沿的团队正在朝着接近 100% AI 编写代码的方向演进，只走到 80% 和真正到达 100%，感觉差得很远。
产品管理，成了新瓶颈
当 AI 承担了大部分编码工作，有趣的二阶效应开始浮现。
去年七月，我在 The Batch 通讯里写过一篇关于"产品管理瓶颈"的文章。核心观察是：我们构建产品的典型循环是——有想法，搭原型（软件工程），找用户验证，收集反馈（产品管理），再迭代打磨。AI 编程让这个循环提速了 10 倍乃至 100 倍。
这意味着，"决定做什么"开始成为新瓶颈，而不再是"如何把它做出来"。
大约一年半前，我注意到一个奇怪的趋势：过去 PM（产品经理）与工程师的比例通常是 1:8，一个 PM 能让八个工程师忙得团团转。但这个比例开始向 1:2 偏移，然后居然变成 1:1。
而我现在看到的是：与其说是一个工程师搭配一个 PM，真正能跑最快的方式，是把这两个人合并成一个人。 既能塑造产品的工程师，或者会写代码的产品经理，可以跑得极快——这种速度，是真实的竞争优势。
小团队、通才、AI 原生
不是所有事情都能靠单人完成。但我越来越多地看到，AI 原生团队有一个共同特征：团队很小，每个人都是某种程度上的通才——工程师能做 PM 的活儿，PM 也能写代码，每个人对方方面面都有基本了解。这样的小团队，行动速度极快。
当软件开发提速 10 到 100 倍，其他一切都显得慢了。 于是我看到了各种新瓶颈：
• 设计瓶颈：有时候设计师直接在代码里实现设计，跳过 Figma，反而更快。 • 法务合规瓶颈：以前三个月写完代码，法务审查一个月，还能接受。现在一天写完代码，却要等一个月等法务拍板，简直崩溃。 • 市场营销瓶颈：我们很多团队发布产品的速度快到市场部都来不及想清楚怎么宣传。 • 还有销售瓶颈、运营瓶颈……不胜枚举。
好消息是：一个工程师即便不是专业营销人，只要懂得如何用好 AI，也能做基本的市场工作。AI 有时会给出奇葩的营销方案，但总能起个头。对于两人团队，如果需要兼顾软件、产品、设计、法务和市场，那就必须两个人共同覆盖这些领域。聪明的 AI 原生团队能借助 AI 快速补位，跑得飞快。
（顺便说一句，我不是建议大家都去当律师——但我自己经常让 AI 起草法律文件第一稿，再交给真正的律师审核确认，在正式发布前把关。）
至于如何让多个 AI 原生小团队协同构建更大规模的产品——比如 100 人的组织由多个小团队构成，通过有限的通信接口和清晰的 API 边界来扩展——这个话题今天没时间细展开，但值得认真思考。
工作末日？我没看到
回到软件开发所需的全部工作——写代码只是其中一小部分。我不认为"AI 工作末日"会很快到来。
我发现商业媒体往往比大众媒体更准确，因为大众媒体可以讲煽情的故事，但商业媒体必须对准确性负责。最近一两个月，越来越多的商业媒体开始把这件事报道正确了——那个"工作末日"，并没有发生。
当然，我清楚地知道很多人正在感受真实的职业不安全感，这需要认真对待。也有许多人因为疫情期间的过度招聘或零利率时代的扩张而遭遇裁员，我不是说就业形势一片大好。但那种在某些硅谷圈子里流行的"工作末日"论，我确实没看到它在发生。
这也正是我们持续投入、帮助所有人成为更好的构建者的根本原因。
并行进化：人与 AI 同步成长
编程智能体在快速进化，这毋庸置疑。与此同时，教育世界一直聚焦于提升人类技能。
但观察那些真正能从 AI 编程智能体中获取极致产出的顶尖开发者，会发现一个共同点：他们把大部分时间花在三件事上——
1. 系统思维：从整体层面思考架构，以及各部分如何连接。这需要对各类积木有深刻理解。 2. 调试与评估：AI 写出代码后，你需要判断它是否正确运行。这需要对底层技术有足够认知。 3. 方向设定：能够足够清晰地描述你想要什么，让 AI 智能体准确执行。
我看到的是：最优秀的开发者正在将这些人类技能的提升与 AI 智能体的进步同步推进。因为随着 AI 承担越来越多的常规实现，更高层次的判断力反而比以往更加重要，而不是更不重要。
这就是"并行技能发展"框架的核心。
两个新工具的发布
现在，我要宣布我们即将推出的两个产品，帮助开发者更好地应对这个未来。
第一个：Context Hub。
当前 AI 编程智能体面临的最大问题之一，是"幻觉"——凭空引用不存在的 API，使用过时的文档。这是真实的痛点，因为各类积木正以前所未有的速度涌现，变化之快让 AI 根本来不及跟上。
Context Hub 专门解决这个问题：它的设计目标是为 AI 编程智能体提供准确、最新的文档和上下文信息，让它们能够可靠地调用当前真实存在的那些工具和积木。通过给 AI 智能体注入实时、准确的文档，我们可以大幅减少幻觉——减少那些被引用的不存在的 API，以及已经发生变化的 API。
第二个：Code Dream。
Code Dream 是一个互动式学习环境，将 AI 驱动的视频对话与浏览器内终端结合在一起。你可以边看视频，AI 会随时暂停提问，你也可以随时向 AI 提问，然后直接在浏览器内的终端里动手实践。它的目标是帮助开发者建立起与现代 AI 编程智能体高效协作所需的实战技能。
我对这两个产品都非常期待。我相信软件工程的未来，是 AI 与人类以一种比任何一方单独都更强大的方式携手合作。我也相信这些工具，能帮我们更快地抵达那个未来。
谢谢大家。
本文译自 DeepLearningAI 发布的视频《AI Dev 26 x SF: Andrew Ng: The Future of Software Engineering》，视频地址：youtube.com/watch?v=g8um2AEf5ZA
