AI大神吴恩达：“不要学编程”？AI时代最糟糕的职业建议之一
七月三日消息，最近的AMD Advancing AI 2025 吴恩达和苏姿丰在会议上就此进行了会议。 AI 普及、开放生态与硬件基础设施交流。二人强调，多层技术栈、快速原型、AI助编工具可以大大提高开发效率。
他们反驳“AI将取代程序员”的观点，认为未来软件开发需要更多的技能升级和持续学习，鼓励开发者积极实践。本次对话中，深入探讨和认可的核心观点如下：
- AI发展需要强大且普惠的计算资源，尤其要保证开发者社区的获取渠道。
- AI大大降低了开发门槛，支持快速原型迭代，形成高效率的“快速试错”机制。
- 技术栈从半导体和云计算延伸到基础模型和网络层，其中基础模型和半导体层存在垄断风险，开放生态和开源模型是打破游戏的关键。
- AI并没有很快取代程序员，而是降低了编程门槛，反而会吸引更多的人加入，而且软件需求的持续增长将创造更大的空间。
- 未来编程将深度依赖AI协助：初学者可以更快上手，资深人士可以专注于结构和创新。
下面是吴恩达、苏姿丰最新观点的精髓：
01 网络层决定了AI是否真的“可及”
问：今天，我特别兴奋地与两位塑造AI未来的科技领袖交流。首先，斯坦福大学教授吴恩达在过去的十年里一直致力于普及AI教育。其次是AMD CEO苏姿丰致力于推动AI硬件的普及，让更多的开发者参与AI计算，推动AI计算的发展。我们今天要讨论的核心话题是两个使命都涉及的重要领域。——AI的普遍性。什么是推动AI普及的重要因素？如何有效、安全地加快AI进步？
吴恩达：我想分享一下我对AI普及的看法。我认为AI是一个“技术栈”，包括底层半导体，如AMD和英伟达的硬件，以及大型云服务提供商的支持，也就是超大型数据中心，顶层是基础AI模型企业，比如OpenAI。、Gemini等。
事实上，全世界大多数人都将处于AI技术的应用层。，利用各种工具和技术来构建自己的应用。它是我大部分时间工作所涉及的领域。虽然目前的媒体报道和宣传通常集中在技术层面，但实际上，网络层是最重要的。，由于只有通过应用，才能为技术层创造财富，促进整个生态系统的发展。
与移动领域相比，AI的网络层更加开放和创新，其中一个原因是，移动领域有两个“守门人”——安卓和安卓。iOS，为了实现货币化，许多创新必须得到他们的许可。但是在AI领域，我们担心的是，一些技术栈的“守门人”可能会控制创新，最终控制自己手中不公平的收入，从而限制创新空间。。
在基本模型中，开源和开放的权重模型尤为重要。一些公司试图通过游说来消除开源，显然希望成为“守门人”。幸运的是，随着时间的推移，这种威胁已经得到了解决。
对我们来说，网络层必须保持开放，这是保证创新自由发展的前提。但是在技术栈中，最有可能出现“守门人”的区域，正是半导体层。所以，在使用半导体硬件时，要特别注意软件栈生态的开放性，这样才能保证开发者有足够的决策权。只有这样，应用开发者才能在没有“守门人”的约束下自由创新，不会被迫向某家公司寻找许可证，也不会在开发过程中受到限制。
02 创新空间的开放决定
问：你可以举个例子吗？例如，一些应用程序会受到这种开放的影响？
吴恩达：在我看来，开放式问题在移动领域已经变得非常明显。比如现在很难推出一个新的键盘应用，或者一个新的地图应用，甚至一个新的语音助手。这些创新受到移动平台“守门人”的限制，很难突破这些堡垒。
不过，本人认为，生成式AI目前仍处于比较早期的阶段。。尽管有些“守门人”可能会试图压制创新，但目前他们还没有足够的力量来完全限制创新。我认为这是件好事。
例如，如果我们不能微调模型，因为“守门人”控制了这一点，那么我们只能使用它们来提供模型，而不能进行定制创新。而且开放的创新生态系统是一种很强的力量。举例来说，在DeepSeek模型刚刚发布几天之后，它就已经在Qwen模型的基础上进行了蒸馏，生成了一个新的模型。我认为这个过程很有趣。DeepSeek和Qwen这两个开放模型的结合，形成了一个全新的模型。这一开放推动了许多创新。
另外，Llama模型发布的时候，有人认为它的前后文长度太短，但是很快就有人对它进行了微调，发布了一个新版本，前后文窗口更长。这些都是开放带来的好处。
同时，开放式也允许我们改变数据的输入格式，将原本只支持文本的模型扩展到可以处理图像的模型。这些创新已经在基础模型层实现。
此外，在半导体互操作、核心支持等基础设施方面，开放也支持下一层技术的发展。因此，我认为开放对技术的稳定发展尤为重要。
苏姿丰：特别是与DeepSeek和Llama相关的创新，我对创新的速度感到非常惊讶。实际上，这些零样本模型（zero-shot models）这需要很强的基础设施支持，而且我们的团队可以很容易地优化这些模型。
坦率地说，每个人都在非常快速地将这些模型应用到实践中。无论是直接使用模型还是借用一些零件，每个人都可以快速改进基础设施。
从基础设施的角度来看，我必须承认，开源代码有时候真的很令人担忧，因为它并不完美。我认为开源生态系统的核心是“信任”——虽然它并不完美，但我们愿意开放源代码，我们希望每个人都能参与其中，让它变得更好。
当然，在半导体方面，我们应该尽最大努力快速创新，这确实是一项非常复杂的工作。但是，我们需要保证的是，我们应该尽最大努力简化上层研发的工作，使之“即插即用”。这是我们努力的目标:让你在没有限制的情况下有足够的选择性。
我们一直致力于实现这一目标，并不断优化我们的生态系统。虽然现在还不完美，但是正在不断进步。
03 构建模块 AI应用程序助手助力AI应用加速落地
问：如何让开发者更好地参与AI创新，尤其是当我们不断开放更多的技术栈时？你刚才提到很多人参与了Llama模型前后窗口的拓展等等。但是如果你是底层开发者，你应该如何参与呢？
吴恩达：许多开发者在技术栈的不同层面工作。对开发者而言，尽管他们中的大多数人可能更加关注高级应用程序或服务，但是如果他们能够接触到GPU，尤其是在核心方面，他们可以对开放的软件栈生态系统有更深入的了解。
然而，如果我们谈论技术栈的上层，网络层的机会可以说是最令人兴奋的。近年来，两个重要的变化使这方面更加引人注目:
首先是AI构建模块的兴起。现在，我们已经有了很多强大的工具，比如提醒提升（prompting evals）、增强生成检索（RAG）、向数据库，智能体工作流等。这类模块使开发者能够迅速地将它们结合起来，创造出几年前根本无法实现的应用。所以，对于致力于网络层的开发者来说，学习如何使用这些工具，建立基于计算服务的应用，是一项非常值得追求的任务。
另一个令人兴奋的进展是AI编程助手的进化。。说实话，就像我自己一样，我几乎无法想象没有AI助手的编程生活。AI编程助手工具技术的演变已经成为AI行业发展最快的领域之一。虽然人们常说“快速发展”，但坦率地说，AI编程助手的创新率确实是其他行业无法比拟的。
回顾过去的两三年，2002年GitHub 随后，随着Windsurf生成技术的出现，代码自动化水平进一步提高，支持更复杂的智能体工作流，Copilot的推出开启了自动补充代码的新时代。当然，这项技术有时也会带来bug，但不可否认的是，它正在迅速发展。现在，最新的AI编程助手已经变得更加智能和高效。
作为开发者，我们站在这些技术趋势的最前沿，已经开始感受到他们的支持，尤其是在维护旧软件的时候。我个人花的时间最多的区域其实是在快速开发和构建原型。我们创办了许多创业公司。现在，当我有了新的想法，我发现很多事情可以在一个下午完成，而几年前，可能需要六个工程师三个月才能完成。
在过去，许多概念验证工作经常被放弃，因为他们投入了太多的精力，但没有进入生产阶段。但是现在，这种担心对我来说已经不重要了。我更关心的是如何将概念验证的成本降低到足够低的水平。
如今，创新过程正在发生变化，无论是初创公司还是大企业。每个人都在利用快速原型研发的能力发明新事物，探索哪些创新真正有效，尤其是在应用方面，这些都非常令人兴奋。为了保证这种创新的热情能够持续下去，保证我们能够不断创新，不受“守门人”的束缚，我们必须保持技术层的开放。这将是支持应用程序创新可持续发展的关键。
04 AI时代最糟糕的职业建议之一就是“不学编程”？
问：许多人担心，AI会自动化开发者所写的代码，他们该何去何从？与此同时，AI还带来了什么新机遇？
吴恩达：早在今年年初甚至去年，一些人就开始建议不要学习代码，认为AI会自动化这个过程。但是我认为，这一建议将被视为未来最糟糕的职业建议之一。由于当一项工作变得更容易时，反而应该有更多的人去做，而非减少做这项工作的人数。
就像从打孔卡到键盘的变化一样，编程变得更加容易，更多的人开始参与其中。当人们从汇编语言变成COBOL时，有人曾经说过:“COBOL编程变得如此简单，我们似乎不再需要程序员了。”但事实上，情况正好相反。随着AI帮助编程的普及，应该有更多的人参与编程。
事实上，对编程的需求没有上限。伴随着软件工程成本的降低，我们将看到越来越多伟大的软件问世。但是，另一方面，软件工程的方式也在发生变化。
现在我们看到了一个新的刻板印象——“一个新毕业的大学生可以超越一个有十年经验的全栈工程师”。这是真的，因为新毕业的大学生对AI技术非常熟悉，但是那些有经验的工程师可能还在使用2022年以前的技术，跟不上新技术的步伐。
然而，另一个被忽视的事实是，最好的工程师不是刚毕业的大学生，尽管我对他们没有偏见。事实上，他们是经验丰富、对框架和计算机思维框架有深刻理解的工程师。他们不仅理解框架，还不断学习和跟进AI技能。
我明白最近有一个焦虑的情况:找工作越来越难，尤其是计算机科学专业的新毕业生。一方面，很多企业表示找不到足够的GenAI应用开发者——这些开发者可以快速使用AI编码助手，掌握建立模块，快速建立高价值应用。
但是遗憾的是，许多教育体系，特别是大学的课程更新速度跟不上这些变化，导致技能与市场需求脱节。。未来我们需要写更多的软件，但最大的挑战是如何帮助开发者甚至非开发者提高他们的技能，教他们如何使用这些工具，从而大大提高他们的生产力。
苏姿丰：在我们的工作过程中，AI被用于硬件开发、软件开发、销售、营销、人力资源等领域。事实是，我们仍然需要更多的人才。
有些人认为AI可以取代各种工作，这显然是不准确的。对于我们来说，真正的目标是如何更快地将更多的产品推向市场。
我希望重视的是，使用AI越多，你的能力就越强，效率就越高，工程产出就越好。。我们将看到更多的创新和生产力的提高。我完全同意继续教育的重要性，保持学习的节奏至关重要，可以帮助我们更快地掌握新技术，取得更快的进步。
问：开发者应该怎样行动？
吴恩达：对于我来说，人生最重要的教训之一就是你有权利做任何事情。你可以尝试任何事情，只要你不伤害别人，不造成伤害。
在当今世界，借助AI帮助编程工具和强大的AI构建模块，个人可以完成的项目数量和类型都在爆炸式增长。因此，我认为现在是建造商品的特殊时机。
如果你做的不完美，没关系，继续做下去。你从中学到的教训会让你不断发展。有时候，你会在一个小领域找到突破口，然后继续做下一个项目。
我发现我做过的很多最好的项目，包括Coursera，一开始只是一个副项目。当时我还是斯坦福的教授，我也在想:“我这么忙，能做这些在线教育吗？似乎大家都不太关注。”但是我打算去做，即使没有人关注。
所以，我想说的是，现在是历史上最容易构建非凡事物的时刻。去做，去构建，去创造！
本文来源于“腾讯科技”，作者：金鹿 经授权发布的海伦，36氪。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com