吴恩达：别再迷信「模型规模」

摘要：不过，现在仍处在概念定义混乱、技术不成体系的阶段，很少有人能真正讲清楚 Agentic AI 究竟是什么，会带来什么影响。

如果说前两年 AI 圈的主要关注点是 LLMs，那今年 Agent 才是最吸引眼球的技术方向。

不过，现在仍处在概念定义混乱、技术不成体系的阶段，很少有人能真正讲清楚 Agentic AI 究竟是什么，会带来什么影响。

最近，吴恩达接受了硅谷投资人 Elad Gil 与 Sarah Guo 的采访，探讨智能体 AI 的兴起，以及 Vibe Coding 的影响。

吴恩达不仅给出了他自己关于 Agentic AI（智能体 AI）的定义，还做出了一个重要判断：

如果一个创业者在 2025 年的做法和 2022 年没什么差别，那基本上已经输在起跑线上。

在吴恩达看来，AI 带来的变革远非模型参数的竞赛。从成功的创始人画像，到高效团队的规模，再到企业内部每个人的必备技能，整个科技世界的游戏规则正在被 AI 彻底改写。

当前阻碍 Agent AI 发展的最大瓶颈，不是技术，而是人才。

不再沉迷「唯规模论」：下一段能力曲线在哪

AI 的下一波能力提升将来自哪里？是更大的模型规模（scale），还是更好的数据？

吴恩达首先给「规模崇拜」降了温。他认为，少数几家拥有强势公关能力的公司把「加大规模」包装成了唯一通道，从而影响了大众对 AI 的整体认知。

扩大参数量仍可能带来收益，但难度和成本都在快速攀升，事实上，真正值得下注的增长点并不只有一条路径，比如：

Agentic Workflows（智能体工作流）：让 AI 从「问答工具」升级为能自主规划、多步执行的「工作伙伴」。多模态：融合文本、图像与音频，向更接近人类感知的理解方式迈进。全新技术范式：他提到一个「外卡」式方向—— 用扩散模型（Diffusion）来生成文本。如果这条路走通，可能会打开一条完全不同的技术通道。

当行业目光都盯在「更大参数」的竞赛时，真正能带来价值跃迁的创新，可能正在无人关注的角落里发生。

给 Agentic AI 正本清源：从定义到瓶颈

「Agent」已经成了热词，但它并不是一个非黑即白的概念，而是一个连续的谱系。

吴恩达回忆，以前大家围绕「这算不算 Agent」争论不休，他于是提出了 Agentic 的概念：把「智能体程度」看作一个连续光谱：一端是高度自主、能推理并多步执行；另一端则更像是「Prompt—反思—输出」这样的简单结构。

他本意是「别纠结定义，尽快动手构建」，但没想到营销热度增长过快，如今概念先行、实践滞后。

话虽如此，真实世界的落地也在推进，只是没有宣传里说得那样夸张。

那么，Agent 落地真正的阻碍是什么？

吴恩达给出的答案出人意料：不是模型、不是算力、也不是工具链，而是——人才。

市场上最能拉开差距的，是团队是否懂得用评估（evals）驱动一套系统性的错误分析流程。

一个好的 Agent 开发方法论，应该能随时回答：「哪些环节有效？哪些无效？下一步怎么改？」经验不足的团队往往是「随手一试」，时间被无效探索消耗殆尽。

他举了个常见场景：做发票处理的 Agent 工作流，可能涉及读取邮件附件、文本化、合规检索、数据库对价、写入结果等多步操作。

第一次跑起来，几乎必然出错 ——到底是日期识别错了？还是路由把消息发给了不该审批的人？又或者是次要问题被当成了主要问题？这些判断需要深入业务语境，很多关键知识还「藏在人脑里」。

也许未来某天 Agent 能自己解决这些，但在可预见的一两年里，人类工程师在部署 Agent 工作流方面仍有大量事情要做。

在所有落地方向中，他特别看好 AI 编程助手。像 Claude Code 这类工具在软件架构规划、代码生成与多步执行上已经展现出明显的自主性，是「真能用、效果突出」的 Agent 形态。

从「Vibe Coding」到「快速工程」：创业节奏被改写

「Vibe Coding（氛围编程）」这个说法近来很火，但吴恩达并不喜欢这个词语。

他认为，这个词会让人误以为「编程变得轻松随意」。而事实是：用 AI 辅助编程是一项深度的智力活动，往往会让人在一天结束时相当疲惫。

他更倾向于称之为「AI 辅助编码（AI-assisted coding）」或「快速工程（rapid engineering）」。

AI 没有降低工程的严肃性，而是以更快的速度，让构建复杂系统成为可能。

速度改变了创业的基本节奏。过去，6 名工程师做一个原型可能要 3 个月；现在，一个人也许一个周末就能搞定。

过去，创业的核心循环是「写软件 → 拉用户 → 改产品」，而瓶颈往往正是从想法到落地的编程速度。

如今，编程加速，瓶颈转移到了「产品管理」。

以前做原型要三周，花一周收集反馈很正常。现在一天就能做出原型，却还要等一周拿反馈，那简直让人抓狂。

在更紧凑的节奏下，团队更依赖直觉与对用户的深度共情，如果没空做冗长的调研，产品决策必须快速落地。

因此，一个很现实的问题来了：什么样的创始人更容易在这个周期里胜出？

吴恩达的判断很明确：今天的创始人，最好是「技术导向的产品领导者」。他们需要对「AI 能做什么、做不到什么」有稳定直觉。只懂商业、不沾技术的领导者，将很难在此刻做出正确的路径选择。

同时，一些「老派」品质重新被强调：勤奋与竞争性。他表示，虽然在某些社会环境中，公开说「努力工作很重要」已经变得不那么「政治正确」，但事实就是如此。

努力工作的人，就是能完成更多的事情。小团队时代：组织与人才的重新编排

技术变革最终会改变组织结构。吴恩达观察到：小而精、AI 武装充分的团队，效率正在超越庞大组织。

为什么？

杠杆效应：AI 工具显著放大个体能力。他甚至宁可雇一位熟练使用 AI 工具的应届生，也不愿招一个「对新工具不敏感的十年老兵」。当然，最强的，是既有深厚经验又把 AI 玩透的人，他们已经是 next-level 的存在。协调成本：小团队沟通半径短、决策链条短。投资人 Elad 也认同这个观点，甚至补充道「大型组织里，砍掉 70% 的人手反而可能更高效」。思维切换：团队管理的心智模型要更新。吴恩达提到一件小事：同一周里两个人找他，一个说「能给我一些 HC 吗？」，他拒绝了；另一个说「能给我一些预算去雇 AI 吗？」，他立刻就同意了。优先「雇 AI」而非「堆人手」，将成为管理者的本能。

他把软件工程行业视作其他行业的预演。在他自己主导的 AI Fund 里，他还推了一条看似激进的内部规则：从法律顾问到 CFO 乃至前台，人人都要学会编程。