吴恩达 × Harrison Chase:AI Agent 的未来已来
Interrupt 26 · LangChain Agent Conference | 2026
"当软件构建速度提高 10 到 100 倍时,不仅产品管理会成为瓶颈——几乎所有环节都会成为瓶颈。"
—— Andrew Ng(吴恩达)
2026 年 6 月,LangChain 年度 Agent 大会 Interrupt 26 上,吴恩达与 LangChain CEO Harrison Chase 进行了一场深度对谈。从 Coding Agent 的爆发式增长,到企业 AI 落地的真实困境;从团队组织方式的变革,到数据架构的重新设计——吴恩达分享了过去一年他对 AI 行业最敏锐的观察与思考。
Coding Agent:比所有人预期都快
吴恩达坦言,过去一年超出他预期的两件事:一是炒作(hype)比他想象的更猛烈,二是末日论叙事(如"工作末日")获得了超出预期的传播。
但在正面方向上,Coding Agent 的崛起速度远超预期。他透露自己半年前几乎只用 Claude Code,如今已转向 Claude Code + OpenAI Codex + Gemini CLI + Open Code 的多工具组合。更让他意外的是——他现在大量时间在 iPhone 上写代码,通过 Mac Mini 远程执行。
"前沿 Coding Agent 的迭代速度,确实让人感觉每三个月一切都在变。"
"万物皆瓶颈"时代
当构建速度提升 10-100 倍,瓶颈不再只是产品管理。吴恩达列举了他团队遇到的真实困境:
营销瓶颈——功能上线太快,市场团队来不及理解新功能并制定传播策略;法务瓶颈——以前开发 3 个月等法务审批 1 周可以接受,现在开发只要 1 天,等法务 1 周就成了严重卡点;还有设计瓶颈、数据基础设施瓶颈……
他的解决方案是:1-10 人的小型全能团队——由高度授权的技术通才组成,在宽泛的护栏内快速决策和执行,甚至用 AI 起草营销文案、服务条款等传统上不属于工程师职责的内容。
乐高积木思维:组合式开发
吴恩达用一个生动的比喻描述未来软件工程的核心理念——乐高积木。
如果只有一种颜色的积木,能搭建的东西很有限。但当你拥有黑色、黄色、棕色、绿色和各种异形积木时,能搭建的东西呈指数级增长。同理,RAG、Agent 框架、评估工具、UI 组件、身份认证、数据库——这些 AI 和非 AI 的"积木"正在爆发式增长,掌握足够多积木的开发者,能以组合方式极速构建软件。
他同时提到了 Context Hub 项目——一个"AI Agent 的 Stack Overflow",帮助 Coding Agent 获取最新 API 文档和 SDK 信息,解决新工具知识截止日期的痛点。
企业 AI 落地:自下而上的创新正在失效
吴恩达通过 AI Aspire(他的 AI 咨询 firm)与大量 Fortune 50/500 企业合作,发现了一个关键问题:
"千花齐放"的自下而上创新策略,大部分没有产生真正的回报。CEO 和董事会开始追问:AI 的 ROI 在哪里?
他以银行贷款审批为例:如果只自动化"审批"这一个环节(原来人工 1 小时),只是微小的效率提升。但如果有更高视野的人重新设计整个工作流——推出"申请 10 分钟获批"的贷款产品,营销、数据基础设施、最终执行全部配合升级——这才是真正的变革。
"省钱有上限,增长几乎没有上限。" 吴恩达鼓励企业追求 AI 驱动的业务增长,而非仅仅满足于成本削减。
FDE 热潮:有价值但被过度炒作
Forward Deployed Engineers(前线部署工程师)是近期硅谷的热门话题。吴恩达的态度是:FDE 确实是好角色,但炒作大于现实。
大多数企业最终会拥有更多内部工程师和较小规模的 FDE 团队。构建 Agent 工作流需要深度理解业务、客户沟通能力、可观测性、评估体系、变更管理——这些都需要深度技术判断力,FDE 的价值在于加速项目落地,但并非银弹。
保持选择权:永远不要签超过一年的合同
在 AI 模型快速迭代的时代,选择权(optionality)极其珍贵。吴恩达分享了他的个人原则:
"我几乎从不签超过一年的合同,无论折扣多大。"
很多供应商提供 20%-30% 的折扣来换取三年合约,但吴恩达认为,一年后的最优供应商可能是今天完全未知的。他推荐使用 LangSmith 这类供应商中立的工具层来保持可观测性和灵活性。
在开源模型方面,他认为开源模型持续落后前沿模型约 6-9 个月,但对于很多用例来说已经足够好用,他的团队大量使用开源权重模型(有时微调,有时直接用)。他同时对白宫要求"发布前审查模型"的动向表示担忧,呼吁保护开源生态。
数据架构大重构即将到来
吴恩达提出了一个被低估的关键问题:在构建 Agent 之前,先搞定数据策略。
过去 20 年,企业花了大量精力整理结构化数据(表格、关系数据库、电子表格)。但现在 AI 能处理非结构化数据——文本、图片、PDF、音频、视频——组织和治理这些数据的能力突然变得比过去有价值得多。
他预言:未来几年,许多企业将投入数千万到数亿美元进行数据架构大重构,让数据变得"Agent-ready"。权限设计、数据碎片化、治理缺失、PDF 堆积——这些问题都需要系统性解决。
一个有趣的实践细节:吴恩达在快速原型开发中偏爱 NoSQL(如 MongoDB),因为免去了频繁修改数据库 schema 的痛苦——"让 AI 做数据库迁移,有 1% 的概率它会删掉你整个数据库。"
教育的未来:超越被过度炒作的变革
吴恩达坦承:AI 对教育的变革被过度炒作了。"一些东西正在到来,但还没真正到来。"
他的团队刚推出了 LearnDream.ai——一个交互式学习平台,核心理念是"不是课程,而是对话"。用户可以与他的 AI 化身进行模拟视频通话,随时打断提问,甚至可以在视频窗口中直接输入 prompt 与演示内容互动——用 JavaScript 替代了传统视频和幻灯片。
但他也承认这些体验仍在迭代中。"我们比 10 年前的在线课程好很多——更互动、更有趣——但更大的变革还在路上。"
核心启示
AI Agent 时代的核心竞争力不是"会用 AI",而是掌握足够多的"积木",拥有足够宽的视野,在足够小的团队中快速决策。省钱有上限,增长无上限——从自动化单点效率提升,转向重新设计整个工作流。保持选择权,先搞定数据,再构建 Agent。
信息来源
The Future of AI Agents with Andrew Ng | Interrupt 26
LangChain Agent Conference · 2026 年 6 月
主持:Harrison Chase(LangChain CEO)
🤖 AI 工作流说明
步骤:YouTube 字幕提取(youtube-transcript-api)→ 661 段字幕文本整理 → 核心观点提炼 → 公众号排版 HTML 生成
耗时:约 5 分钟
工具:Hermes Agent + YouTube Transcript API
模型:Qwen 3.7 Plus(阿里云百炼)
夜雨聆风