吳恩達：AI 時代，求職機會換方向了

全文 3,000字 | 閱讀約 8 分鐘

（吳恩達講座片段：AI時代的職業發展建議）

2025 年的畢業生，正面對一個規則變了的求職市場。

2025 年 11 月，美國失業率升至 4.6 %，創近四年新高；中國城鎮失業率為5.1%，青年失業率（16-24歲，不含在校生）持續高位。同時，應屆畢業生規模創紀錄：2025 屆 1222 萬，2026 屆預計 1270 萬。

但與過去不同，這次不是崗位總量在減少，而是機會的流向變了。

就在昨天（12月17日），吳恩達一個月前在斯坦福的內部講座視頻才公開。11 月 18 日的 AI 課堂上，他用兩組數據解釋了這個變化：

• AI 能完成的任務復雜度，每7個月翻倍

• AI 編程能力的翻倍時間，只需70天

技術在指數級加速，但崗位機會沒有同步增長。

為什么會這樣？機會流向了哪里？在這個轉折點上，什么樣的人能抓住新機會？

這篇文章，我們從這堂課出發，回答四個問題：

• 什么能力更重要？

• 為什么環境比你想的更重要？

• 學習方式該怎么調整？

• 如何讓自己被發現？

2025年，AI 讓寫程序變得前所未有地快。但這并不意味著工程師更吃香了，恰恰相反，許多人的工作變得更容易被替代。

吳恩達在課堂上說了一句話：

模型可以幫你寫出正確的代碼，但它不會告訴你，這段代碼要去解決什么問題。

這句話點出了關鍵：現在大多數崗位的分工邏輯已經變了。

不是誰更懂技術，而是誰先把問題定義清楚。

以往，一個產品從想法落地，需要5～8個工程師配合開發。現在，在 AI 工具輔助下，一個人就能快速完成。工程工作被壓縮的同時，產品設計、需求拆解、目標判斷這些前置任務反而成了最關鍵的一環。

為什么這些“前置任務”變得更重要？

因為產品開發本質上是一個循環：寫代碼 → 給用戶看 → 收反饋 → 調方向 → 再寫代碼。AI 讓第一步快了 10 倍，但其他幾步沒有同步加速。

這導致整個循環的瓶頸從寫代碼轉移到了理解用戶真正想要什么。

現實中，多數團隊的決策能力并沒有跟上這個節奏。代碼寫得快了，方向錯了的話，速度反而成了風險。結果是：

• 能完成任務的人越來越多

• 但能判斷做什么才值得做的人反而變少

于是，團隊里真正被重用的，不是寫得快的人，而是能定義方向、快速嘗試、反應靈敏的人。

在吳恩達眼中，今天硅谷行動最快的工程師有一個共同特征：他們既會寫代碼，也會跟用戶聊天。 這種“技術+同理心”的組合，讓他們能在一個人身上完成過去需要工程師+PM兩個角色才能完成的事。

工程師和產品經理的比例正在翻轉。

過去是4～8:1，現在越來越多公司走向2:1，甚至逼近1:1。有些創業公司已經開始配置“1 個PM配 1 個工程師”，這在傳統硅谷公司看來幾乎不可思議。

在這堂課上，還有一位嘉賓 Lawrence Moroni（曾任Google首席AI倡導者，現在ARM負責AI業務）。他也提到了一點：過去幾年，硅谷公司允許員工把各種價值觀和個人追求帶到工作中。但 2023 年之后，公司不再看情懷，只看價值：你做的東西能不能為他們賺錢。

技術很強但方向不對？沒人買單。

情懷很足但產出為零？同樣出局。

這就是為什么判斷力比技術更重要：你要能判斷什么值得做，什么不值得做。缺少這種判斷力，再強的技術能力也會被邊緣化。

第二節 | 好環境比強能力更重要

第一節我們說了，判斷力比技術更重要。但光這樣還不夠：就算你有判斷力，如果環境不對，你也施展不開。

吳恩達在課上講了一個真實的故事：一個斯坦福學生，能力出色，拿到了一家熱門 AI 公司的 offer。公司說：先簽約，輪崗匹配會給你找好項目。 結果簽完約，他被分配去做 Java 后端支付系統。

這不是 AI 項目，不是他想做的方向。一年后，他沮喪離職。

“他的能力沒問題，是環境錯了。”

但環境也在選人。Lawrence Moroni講了一個例子：一個優秀的程序員，能力強、經驗足。被解雇后申請了 300 多個工作，深入面試很多家大廠，但每次都在最后一輪被拒。原因不是技術不行，而是他在面試中表現得過于強硬，讓面試官覺得他不適合團隊合作。調整態度后，他很快拿到 offer，工資翻倍。

這兩個故事表示：

第一個：你可能有能力，但被放錯了位置

第二個：你的能力可能很強，但團隊合作性同樣重要

能力是基礎，但環境和配合度決定了你能走多遠。

很多人忽略了一個變化：AI 讓個人能做的事更多了，但也讓團隊環境的差異被放大了。過去，只要你負責一小塊、照流程執行就行。現在不一樣了：

• 你需要快速拿到用戶反饋 （團隊要支持你直接接觸用戶）

• 你需要快速試錯迭代 （團隊要允許失敗）

• 你需要跨職能協作 （團隊要打破職能壁壘）

如果團隊做不到這些，你個人再努力也是在內耗。

吳恩達特別強調了幾個好團隊的特征：

• 愿意共享信息，不藏著掖著

• 愿意試錯，而不是反復開會

• 支持個體試驗，而不是按層級做決策

他說：在這樣的環境下，你的經驗值才能累積，你的想法才有機會試一試。否則，就算你再有熱情，也撐不了多久。

而這個環境，不只是你的團隊，還包括你日常相處的圈子。

如果你最親近的 5 個朋友都是努力工作、快速學習、試圖用 AI 讓世界變得更好的人，你也更有可能這樣做。

所以，比起崗位頭銜，看清你所在的圈子、節奏、氛圍，才是你能不能成長的真正關鍵。

第三節 | 快速試錯，快速成長

過去找工作，拼的是學歷、項目經歷、技能點清單。現在，這些還重要，但更重要的是：你做出過什么？

吳恩達在課上給出建議：

要創新，就做20個原型，看哪個有效。

這是 2025 年的真實節奏。 AI 加速了任務完成的能力，但也暴露了很多人的短板：做得快，不等于做得對；學得多，不等于學得進。

傳統的學習節奏是：先聽課、再練習、最后實習。

AI 時代，有效成長變成了：動手試 → 被打臉 → 調方向 → 再試。

這是一種新的學習習慣，甚至是一種工作習慣。Lawrence Moroni 分享了他的實踐：他在做 AI 驅動的電影制作工具時，不是花幾個月寫完整的技術文檔，而是：我開始構建。測試。扔掉。再次開始。每次我腦海中的需求都在改進。

為什么要這樣？因為失敗成本變低了。

吳恩達說：

“你浪費了一個周末但學到了東西，這沒問題。”

過去，做一個項目需要幾個月。現在，一個周末就能做出能跑的原型。

Lawrence算了一筆成本賬：

• 三個月做一個項目，最后發現方向錯了，浪費三個月

• 三天做10個原型，扔掉9個，留1個繼續打磨，只花三天就找到方向

所以，快速試錯不是急躁，而是控制風險的方法。

但很多人的學習方式還停留在過去。 苦練代碼卻從沒做出能上線的應用，苦看視頻教程卻從不和別人協作，項目一做就是大半年結果上市場沒人用。

現在，AI 做得越快，你迭代得也要越快。關鍵不是做一次就對，而是做一次就知道錯在哪，然后快速調整。

要想跟上節奏：

• 別等到完美才發布

• 別等到有把握才動手

• 別等別人先做你再做

先做出來，再說。

第四節 | 真正的競爭力，是你做出過什么

前三節我們說了：能力要求變了、團隊環境重要、學習方式要變。但最后一個問題是：你怎么證明自己？

現在的招聘，越來越像選隊友，而不是篩履歷。

Lawrence Moroni 自己就是個例子。2015年，他想加 入 Google Clou 團隊。前兩次面試都失敗了，盡管他已經在 Microsoft 工作多年，寫了 20 多本書。

第三次，他換了策略：在面試前，他用 Google Cloud 做了一個 Java 應用，能用技術分析預測股票價格。 然后把這個項目放在簡歷上。結果，整個面試過程，面試官都在問他關于這個代碼的問題。面試的主動權在他手上。

他提前證明了自己能做什么，而不是只說做過什么。這讓他從 300 個候選人中脫穎而出。

十年過去，這個策略在2025年更加重要。

吳恩達給出了一個判斷標準：現在要看一個人值不值得合作，最簡單的方法就是看你做出過什么，哪怕一個小東西。

不一定復雜，也不一定完美。但得是真實的、能用的、你親手做的。

一個前職業冰球運動員的故事更能說明問題。他 13 歲輟學，自稱“活著最笨的人”。他管理一個非營利冰場，每季度需要向董事會展示運營結果，為此每年花15 萬美元請咨詢公司整合數據（來自泵房機器、壓縮機、電子表格、賬戶...）。

他嘗試用 ChatGPT 自己做。

結果：他現在用兩個小時就能完成報告。節省的 15 萬美元用于給貧困兒童提供冰球裝備。

一個13 歲輟學的人，用 AI 做成了15 萬美元的專業咨詢工作。這比任何學歷都有說服力。

你不一定要創業，但你需要作品。

這類展示的效果越來越明顯。很多公司已經不看你做過什么，而是看你正在做什么。過去找工作，是投遞簡歷等回復。現在是做出產品，主動展示能力。

區別在于：簡歷是別人對你的評價，作品是你對自己的證明。

結語｜機會沒少，只是方向換了

2025 年不是工作變少了，是路徑變了。

過去的路徑：從學歷到經驗，從經驗到簡歷，從簡歷到面試，最后入職。

現在的路徑：從能力到作品，從作品到展示，從展示到合作，在合作中成長。

能力要求變了。

團隊比品牌重要。

學習方式要快速迭代。

作品比簡歷有說服力。

這四件事，決定了你能不能抓住新機會。

識自AI

本文由AI深度研究院出品，內容翻譯整理自吳恩達2025年11月18日在斯坦福CS230課堂的公開講座（視頻于12月17日公開），屬翻譯編譯性質。內容為核心觀點提煉與合理改寫，未逐字翻譯原講座材料。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

參考資料：

https://www.youtube.com/watch?v=AuZoDsNmG_s&t=1523s

https://blog.csdn.net/m0_59236602/article/details/147142478

https://www.pwc.com/gx/en/issues/artificial-intelligence/ai-jobs-barometer.html

https://www.ncsti.gov.cn/kjdt/ztbd/2025qqszjjdh/202507/t20250704_209386.html

https://finance.sina.com.cn/jjxw/2025-12-10/doc-inhafvxv0448097.shtml

來源：官方媒體/網絡新聞

排版：Atlas

編輯：深思

主編: 圖靈