（關(guān)注公眾號設(shè)為標(biāo)，獲取AI深度洞察）
全文4,800字 | 閱讀約15 分鐘
昨天，在2025年AI EXPO Taiwan 開幕后，全球AI領(lǐng)域的權(quán)威專家、深度學(xué)習(xí)先驅(qū)吳恩達(dá)博士接受了媒體的一場專訪。在這場干貨十足的對談中，吳恩達(dá)不僅分享了他對生成式AI當(dāng)下發(fā)展?fàn)顩r的犀利洞察，更為資源有限的中小企業(yè)提供了一套實用的AI競爭策略。
"大公司已經(jīng)在模型訓(xùn)練上投入了數(shù)十億美元，但這并不意味著小公司就沒有機(jī)會，"吳恩達(dá)在采訪中開門見山地表示，"實際上，AI的真正價值在于應(yīng)用層面，而這恰恰是小公司可以充分發(fā)揮優(yōu)勢的領(lǐng)域。"
在當(dāng)前AI技術(shù)迅猛發(fā)展的背景下，吳恩達(dá)的這番見解無疑為眾多因資金和技術(shù)門檻而望而卻步的小公司帶來了一劑強(qiáng)心針。那么，小公司究竟該如何在AI大浪中找準(zhǔn)自己的位置？如何利用有限資源在與巨頭的競爭中實現(xiàn)彎道超車？以下是吳恩達(dá)的獨家分享：
1、 開源模型成本
Q:您在 DeepSeek 推出后曾發(fā)表分析，指出擴(kuò)大規(guī)模（Scaling Law）并非 AI 發(fā)展的唯一路徑，您現(xiàn)在還持相同看法嗎？此外，許多政府和企業(yè)對開源 AI 的安全性有所顧慮，您如何看待這個問題？
吳恩達(dá):我的看法是，一方面，開源或開放式模型對技術(shù)社區(qū)而言是非常了不起的貢獻(xiàn)；但另一方面，它也與地緣政治和“軟實力”掛鉤。比如，當(dāng)人們使用這些模型時，如果模型由某個國家或公司發(fā)布，模型就可能帶有那一方的價值觀或立場。這種“軟實力”影響非常大。從供應(yīng)鏈角度來看，開源或開放基礎(chǔ)模型是 AI 產(chǎn)業(yè)鏈的重要一環(huán)，企業(yè)確實會用到它們。現(xiàn)在中國在開源模型（像一些以 Qwen 和 DeepSeek為基礎(chǔ)的模型）上進(jìn)展很快，效果也很好。至于其他國家，比如美國、印度等等，是否能進(jìn)行足夠的投入來在開源模型供應(yīng)鏈中占據(jù)重要地位，目前還說不好。
對安全的擔(dān)心，我覺得也很正常。有些公司確實比較保守，不太敢使用美國公司提供的 API，比如擔(dān)心數(shù)據(jù)隱私等安全問題。不過，如果你能在自己的機(jī)器上、本地環(huán)境里托管模型，安全隱患就會小很多。況且現(xiàn)在也確實有很多初創(chuàng)公司在用諸如量化過的開源模型，既好用，又很便宜。至于公司或個人如何趕上這波 AI 熱潮，但又沒法自己訓(xùn)練大模型，我給的建議是：很多價值其實體現(xiàn)在應(yīng)用層。如今有許多花了數(shù)十億美元訓(xùn)練的大模型可以免費或很低成本地使用，我們完全能把它們用到各種垂直領(lǐng)域應(yīng)用上。我們團(tuán)隊在做項目時，會想辦法避免被單一模型“綁死”，會搭建一種通用軟件結(jié)構(gòu)，以便日后能快速替換或接入不同的 AI 模型。畢竟現(xiàn)在每隔三到六個月，就會有更強(qiáng)的新模型出現(xiàn)。
當(dāng)然，這里還有一個問題：未來會怎么樣？如果像中國這樣的大規(guī)模投入，可能會在開源基礎(chǔ)模型供應(yīng)鏈中取得很大優(yōu)勢。如果其他國家或地區(qū)也想在基礎(chǔ)層面擁有競爭力，那么就得加大對 AI 基礎(chǔ)層、基礎(chǔ)設(shè)施的投資。否則，大家只能在這些基礎(chǔ)設(shè)施之上做應(yīng)用，很難在最底層擁有話語權(quán)。
Q:有人認(rèn)為 DeepSeek 的突破是建立在美國公司開源的基礎(chǔ)上，您認(rèn)為美國公司應(yīng)該限制開源范圍，或者美國政府應(yīng)該介入監(jiān)管開源嗎？
吳恩達(dá):開源確實能讓知識在國內(nèi)外更快傳播。的確，你開放了，別人也能用，但對你自身的好處會更大。而且，這也關(guān)乎“軟實力”：如果全世界都在用某個國家發(fā)布的開源模型，那么當(dāng)模型被問到有關(guān)領(lǐng)土、主權(quán)，或者某些爭議性話題時，模型的回答可能會傾向于那個國家的價值觀。對發(fā)布模型的一方來說，這其實是一種影響力。
在美國，有一些大公司投入巨資訓(xùn)練模型，然后隔一段時間就換一種說法，想辦法通過立法或監(jiān)管去限制開源的發(fā)展。比如曾經(jīng)炒過 AI 有可能毀滅人類，或者 AI 可以被用來制造武器，后來又說“因為中國”之類的。其實很多都只是大公司為了自身商業(yè)利益而制造的恐慌，想減少競爭。如果真的壓制開源，大多數(shù)人都會是受害者，只有少數(shù)美國公司可能因此維持或建立起壟斷。對世界其他地方顯然不是好事。至于我自己團(tuán)隊跟臺灣的合作，目前沒有新的正式公告。不過我們在臺灣的人才和團(tuán)隊一直在擴(kuò)張，有不少項目正在進(jìn)行，也有很多軟件和公司正在孵化中。
2、企業(yè)采用AI的策略
Q:我想請教一下關(guān)于生成式 AI 在實際應(yīng)用中似乎并未達(dá)到預(yù)期熱度的問題。您覺得企業(yè)在采用這類技術(shù)時遇到的主要挑戰(zhàn)是什么？另外，針對這一領(lǐng)域的另一些熱門話題，您怎么看待人們在使用這些新技術(shù)時可能面臨的機(jī)遇和挑戰(zhàn)？非常感謝。
吳恩達(dá):我并不覺得生成式 AI 沒有達(dá)到預(yù)期的炒作水平。大約一年前，“生成式”還是個專業(yè)術(shù)語，主要指用迭代式的工作流程不斷改進(jìn)結(jié)果。從技術(shù)角度看，這條路走得挺順利的。我們已經(jīng)在醫(yī)療診斷、處理法律文檔、信息分發(fā)等場景中，利用生成式工作流程做出了很多成功的應(yīng)用，效果相當(dāng)不錯。然而，大約六個月前，一些大型公司的市場部門開始瘋狂使用“生成式”這個概念，幾乎到處都能看到這個詞，這可能導(dǎo)致了過高的期望值。有些大公司的確出現(xiàn)了“市場宣傳跑在技術(shù)前面”的現(xiàn)象。但如果站在實際應(yīng)用層面看，生成式 AI 在很多地方的表現(xiàn)還是相當(dāng)好的，而且我們也看到了很多結(jié)合這些工作流程而取得顯著提升的項目。
我認(rèn)為我們現(xiàn)在正處在早期階段，大家可能還在摸索各種微調(diào)、改進(jìn)和迭代的方式。至于最終行業(yè)是否會統(tǒng)一某些標(biāo)準(zhǔn)，還有待觀察。但就技術(shù)本身而言，這些探索都是好的。還有一些人討論所謂的代理通信協(xié)議（像是 MCP、ACP 等等），說讓代理之間互相協(xié)助，可最終具體會不會形成某種通用標(biāo)準(zhǔn)，現(xiàn)在還太早下定論。不過我個人覺得這都是不錯的想法。
Q:我們看到基礎(chǔ)模型的發(fā)展有兩個方向：一是擴(kuò)展模型規(guī)模，二是增強(qiáng)推理能力。您認(rèn)為哪個方向更具持續(xù)性？聲音技術(shù)對使用者代理工作流程有何影響？
吳恩達(dá):我感覺有少數(shù)做大模型的公司具備強(qiáng)大的公關(guān)能力，成功地讓大眾對大模型的關(guān)注度大幅提高，這也讓人們對“規(guī)?；?xùn)練”和“推理能力”的重要性產(chǎn)生了某種“被放大的印象”。誠然，這兩者都很重要，但 AI 不只是大模型。實際上，AI 是由很多不同的工具組合而成，而大模型公司因為具備籌資、宣傳等多方面資源，才會讓大家以為只有大模型才是關(guān)鍵。就“規(guī)模化訓(xùn)練”來說，它現(xiàn)在能為模型帶來很好的效果，尤其在某些任務(wù)上會比以往的模型更強(qiáng)。但它并不是魔法，對很多業(yè)務(wù)判斷或商業(yè)決策方面的問題，它并不能自動給出完美答案。至于“推理模型”，它在數(shù)學(xué)、編程等確切領(lǐng)域表現(xiàn)很好，但放到商業(yè)場景里，也并非無所不能。
在我看來，現(xiàn)在更值得關(guān)注的還有“代理式工作流”——也就是如何把 AI 嵌入業(yè)務(wù)流程，使得大量應(yīng)用有機(jī)地結(jié)合起來。另一個值得關(guān)注的領(lǐng)域是語音交互；多模型協(xié)同的進(jìn)步讓語音界面比以前更容易實現(xiàn)。對很多客服類場景，或者用戶界面來說，讓用戶直接用聲音和系統(tǒng)交互可能更有效率。我還想提一下“視覺 AI 工作流”，如今 AI 理解圖像的能力越來越強(qiáng)，包括對文檔的識別和提取。其實我們?nèi)祟惷磕甓紩珊Ａ课臋n，像醫(yī)療報告、保險理賠、法律文件、PPT 等等——很多時候都還是圖片或 PDF 形式。如果能用 AI 更好地解析并獲取其中的信息，將極大提升生產(chǎn)力?？傊?，大模型只是 AI 的一部分，AI 的生態(tài)其實包含語音、視覺、文檔處理、視頻生成、代理式工作流等等，能一起協(xié)同提升很多行業(yè)的效率。
Q:許多公司認(rèn)為擁有更便宜、更適合其特定使用情境的模型更為重要，您如何看待這個趨勢？
吳恩達(dá):首先，降低寫軟件的成本和門檻本身是大勢所趨?；仡櫽嬎銠C(jī)史：我們從打卡機(jī)到鍵盤終端，又從匯編語言發(fā)展到更高級的編程語言，然后出現(xiàn)了各種 IDE，如今 AI 輔助編程又把門檻降得更低。每次門檻降低，就會有更多人能夠編程，自然也就會產(chǎn)生更多軟件。的確，會有一些項目質(zhì)量不高，但總體上對整個社會肯定是好事，就像當(dāng)年互聯(lián)網(wǎng)普及后，大家都可以隨時發(fā)帖子、寫文章，雖然也產(chǎn)生了良莠不齊的內(nèi)容，但我們整體的信息交流效率卻大幅提升。關(guān)于責(zé)任問題，只能說和“人人都有麥克風(fēng)”一樣，隨著編程門檻降低，“人人都能寫 App”，就會出現(xiàn)一些濫用或沒考慮后果的情況。只能寄希望于隨著大家對技術(shù)的理解加深，加之必要的監(jiān)管或行業(yè)規(guī)范，能逐漸完善這種生態(tài)，但完全杜絕難度也很大。
至于“小模型”，就像計算機(jī)硬件一樣：我們有超大算力的 GPU、CPU，也有筆記本、智能手表這樣算力很弱的設(shè)備。因為任務(wù)種類不同，我們不可能每次都用最強(qiáng)的 GPU。同理，如果你只是要做簡單的語法檢查或基本的邏輯推斷，就沒必要用特別大的模型；但要做復(fù)雜的數(shù)學(xué)、編程或商業(yè)決策，可能就需要更大的模型。未來肯定會出現(xiàn)各種規(guī)模、針對不同任務(wù)優(yōu)化的模型，而不只是一味追求大規(guī)模。
3、AI與教育
Q:您在文章中提過“10 倍工程師”（10x Engineer）以及其他領(lǐng)域的“10 倍專業(yè)人士”概念。您覺得這種“10 倍人才”會如何影響組織的團(tuán)隊結(jié)構(gòu)和協(xié)作模式？另外，您也曾力陳“編程技能”依舊重要，即使 AI 很強(qiáng)，也不能完全忽視編程基礎(chǔ)。那對于想讓自己保持競爭力的商科、管理等非技術(shù)專業(yè)人士，您覺得他們應(yīng)該優(yōu)先學(xué)習(xí)哪些編程概念？
吳恩達(dá):現(xiàn)在在軟件工程領(lǐng)域，我們發(fā)現(xiàn)有的工程師可以給團(tuán)隊帶來遠(yuǎn)超普通人的貢獻(xiàn)，我們就把這些人稱為“10 倍工程師”。過去，公司是自上而下做決策，但如果團(tuán)隊里有人比管理者更懂具體業(yè)務(wù)，那就應(yīng)該讓最懂行的人來拍板決定，而不是讓管理層獨斷。這意味著我們得把正確的數(shù)據(jù)和信息流轉(zhuǎn)給最合適的人，而不是所有信息都流向單一上級。
“10 倍”人才并不僅僅存在于寫代碼的人。比如我團(tuán)隊里有個記者出身的小伙子——他自己寫了個爬取 RSS 新聞源的腳本，每天自動幫他篩選最重要的新聞。他對自己工作流程的痛點最了解，所以他能想出這種點子，并用 AI 輔助的方式寫出腳本。在沒有 AI 幫助時，他也許需要很長時間才能寫完代碼，或者干脆就不會自己動手開發(fā)。但有了 AI，他可以把自己的業(yè)務(wù)見解轉(zhuǎn)化為應(yīng)用，這種創(chuàng)新我根本不可能事先告訴他“去怎么做”，因為我完全不知道他記者工作的細(xì)節(jié)。因此，當(dāng)公司或團(tuán)隊里存在這種被賦能的個人時，自上而下的管理就顯得沒那么重要，反而是要確保大家拿得到所需的信息，能自由發(fā)揮。至于要不要學(xué)編程，我一直認(rèn)為很多人對編程的難度有誤解，以為很神秘、很難。其實編程有很多抽象概念沒錯，但也沒有想象中那么可怕，尤其現(xiàn)在有 AI 輔助，很多基礎(chǔ)功能的編碼可以讓 AI 幫著完成。你只要花一些星期或幾個月的時間學(xué)基礎(chǔ)，就可以寫出很多對自己或公司有用的東西。
Q:作為一位 AI 教育者，您如何看待普通專業(yè)人士學(xué)習(xí) AI 技能的門檻？
吳恩達(dá):我認(rèn)為教育還需要點時間來適應(yīng)這一變化。因為學(xué)生畢業(yè)后，在工作中幾乎肯定會用到各種 AI 工具，所以我們不應(yīng)該把學(xué)生培養(yǎng)成“過去時代的樣子”，而應(yīng)該讓他們真正學(xué)會如何和 AI 合作。不過在教學(xué)過程中，一定程度的“獨立思考”依舊非常重要，就像學(xué)乘法表時，還是要自己先動腦，而不是直接用計算器。在大學(xué)層面，這就更復(fù)雜了，因為大學(xué)生幾乎無法被強(qiáng)制禁止使用 AI 工具。學(xué)校需要設(shè)置合理的教學(xué)和考核方式，確保學(xué)生該掌握的內(nèi)容還是得掌握，比如在關(guān)鍵知識點上要求獨立完成，或者在學(xué)習(xí)過程中規(guī)定什么時候可以用 AI，什么時候必須自己來。這方面各校還在探索中，畢竟變革來得很快，傳統(tǒng)教學(xué)體系要跟上需要時間。
Q：您曾在演講提到對孩子來說現(xiàn)在有 AI 可以運用，是很好的時代，但最近也有發(fā)生大學(xué)生創(chuàng)業(yè)者協(xié)助面試者用 AI 在 Google 等大公司的面試?yán)镒鞅住Ｄ阌X得整個教育體系怎么在 AI 時代里，重新調(diào)整評估體系？
吳恩達(dá):我們在 Coursera 等平臺上已經(jīng)做了不少實驗，初步數(shù)據(jù)來看，如果能用 AI 給學(xué)生一些輔助性解答，比如關(guān)鍵提示而不是直接給答案，確實能有效提高完成率和滿意度。至于幫老師批改作業(yè)，比如提供更迅速或更細(xì)致的反饋，這也在嘗試中，效果還不錯。另外，有個很有意思的案例：在美國田納西州，一些體育老師（不是計算機(jī)專業(yè)）在教中小學(xué)計算機(jī)課。有了平臺里集成的課程資源和 AI 輔助，老師也可以跟學(xué)生一起學(xué)習(xí)相關(guān)知識。老師在教學(xué)中主要提供社交和情感層面的支持，讓學(xué)生不要怕“不會”或者“做錯”，而技術(shù)內(nèi)容就交給平臺上更專業(yè)的教學(xué)資源和 AI 答疑系統(tǒng)。這種模式值得繼續(xù)探索，雖然可能不適用于所有情境，但至少讓那些原本沒有計算機(jī)師資的學(xué)校也能開這類課程。
星標(biāo)公眾號， 點這里 1. 點擊右上角 2. 點擊"設(shè)為星標(biāo)" ← AI深度研究員 ? ← 設(shè)為星標(biāo)
參考資料：https://www.inside.com.tw/article/37967-andrew-ng-real-ai-power-is-creating-new-value-with-tools-not-replacing-professionals
來源：官方媒體/網(wǎng)絡(luò)新聞
排版：Atlas
編輯：深思
主編: 圖靈
熱門跟貼