吳恩達年度AI總結來了！附帶一份軟件開發學習小tips

就現在，AI大神吳恩達老師交卷了——

用一篇長文總結了2025年最熱門的幾大AI趨勢，而且還附帶了一份軟件開發學習小tips。

一時之間引無數網友圍觀。

先給大家劃個重點，吳恩達心目中AI圈最具代表性的幾件事分別為：

• “會推理”不再是少數模型的特權，而是正在變成標配能力；
• 由Meta點燃的AI人才爭奪戰，徹底重塑了科技行業的人才定價體系；
• 數據中心的火熱標志著新工業時代的到來；
• 以AI智能體驅動的自動化編程，正在徹底重塑軟件構建的方式。

更關鍵的是，從關鍵導火索→整個故事脈絡→當下最新情況，全都拆解得明明白白，整個演進脈絡一目了然。

只能說一句，不愧是當老師的啊（doge）。

2025最最最最熱AI趨勢

趨勢1：模型會推理正在成為標配

一上來，思考模型（Thinking Models）就被置于C位。

雖然現在模型會推理已經見怪不怪，但年初的時候還需要給模型輸入以下指令才行：

• 一步一步思考，解釋你的推理過程，從答案倒推。

因此在吳恩達看來，2025年最顯著的變化之一，是“會推理”不再是少數模型的特權，而是正在變成標配能力。

而關于模型的推理能力，其萌芽甚至可以追溯至論文《大語言模型是零樣本推理器》——

其中提出的“讓我們一步一步思考”這句提示詞成為破局關鍵。

研究者發現，只需在指令中加入這句話，模型輸出質量便有提升。隨后，團隊意識到可以通過訓練將這種能力“固化”到模型中，使其無需外部提示就能自動運用多種推理策略。

于是他們核心通過強化學習微調實現了這一目標，通過獎勵模型產生正確輸出，訓練其在生成答案前進行“思考”。

后來，真正的范式轉變始于OpenAI在去年底推出的o1模型。它首次將一套完整的、多步驟的“智能體推理工作流”直接內置于模型架構之中，不再依賴外部提示。這一設計帶來了性能的飛躍。

今年初，DeepSeek-R1的發布更是將這股浪潮推向高峰。它不僅證明了這種內置推理模式是可復現、可優化的，更以開源姿態為整個行業提供了清晰的技術路線圖。

一時間，“為模型注入推理能力”從前沿探索變成了明確的研發方向。

但在接下來的時間里，另有一些研究表明：

• 推理模型未必如其表現那般“理性”

蘋果曾在一篇具有爭議性的論文里指出，即使為模型提供了解決復雜謎題的算法，它們依然會在超出特定復雜度時失敗。

Anthropic研究也發現，模型的推理步驟雖能解釋其結論的形成過程，卻可能遺漏關鍵決策信息。

而且更為現實的是，雖然推理能力極大提升了模型性能，但代價高昂——

以Gemini 3 Flash為例，啟用推理讓模型消耗了1.6億Token（得分71），而未啟用的版本僅消耗740萬Token（得分55），同時生成推理token還會拖慢響應速度。

因此，如何在不犧牲性能的前提下大幅壓縮推理成本、提升響應速度，已成為當前模型優化的核心戰場。

趨勢2：由Meta點燃的AI人才爭奪戰

第二大看點則是由Meta點燃的AI人才爭奪戰。

總結里提到，這場爭奪戰將AI精英的薪酬推至堪比職業體育明星的驚人高度，“徹底重塑了科技行業的人才定價體系”。

從今年7月開始，當扎克伯格宣布成立“Meta超級智能實驗室”時，這場爭奪賽就打響了——

Meta不僅給頂尖AI人才開出數億美元薪酬包，而且CEO小扎更是化身“首席招聘官”親自上門游說（甚至帶上自制湯品）。

其激進策略立即引發了殘酷的連鎖反應，頂級人才在巨頭間流動加劇。

此時回過頭看，吳恩達認為這一“軍備競賽”并非偶然爆發，其背后是AI價值定位歷經十余年的根本性躍遷：

• 學術期（約2011年）：AI人才集中在高校，谷歌大腦初建時，薪酬與普通軟件工程師無異。
• 商業化初期（約2014-2017年）：DeepMind被收購時，人均成本已達34.5萬美元；Transformer架構問世后，頂級薪酬躍升至50萬美元。
• 大模型爆發期（約2023年）：ChatGPT引發范式革命，頂級工程師年薪突破70萬美元。
• 軍備競賽期（2025年）：薪資天花板被徹底擊穿，數億美元級的“球星合約”成為爭奪戰略級人才的標配。

而且他還表示，盡管天價薪酬引發“泡沫”疑慮，但行業共識正在形成——對于志在參與AGI競賽的公司，這是戰略性的必要開支。巨頭們的邏輯在于：

• 既然硬件投入如此巨大，為什么不拿出其中一小部分用于支付員工薪酬呢？

甚至在2026年，這場博弈或將從單純價格戰，演變為薪酬結構、文化認同與長期潛力的綜合博弈。

總之，由Meta在2025年設定的人才定價新基準，已被永久性抬高，并宣告了智能本身已成為這個時代最稀缺的生產資料。

趨勢3：數據中心的火熱標志著新工業時代的到來

第三大看點是數據中心的火熱。

當巨額資本涌入人才爭奪的同時，一場更為龐大、更為基礎的競賽已在物理世界展開——

數據中心正成為AI時代新的“鋼鐵廠”與“發電站”。

2025年，頂尖AI公司宣布的數據中心建設計劃，其規模之大、耗資之巨，已堪比國家級的基建項目，標志著AI競賽進入“重資產”的工業時代。

• OpenAI啟動了耗資5000億美元的“星際之門”項目；
• Meta今年的基礎設施投入約720億美元，其標志性項目“Hyperion”巨型數據中心價值270億美元；
• 亞馬遜預計2025年投入1250億美元；

僅今年一年，AI行業資本支出就超過3000億美元，其中絕大部分流向數據中心建設。

而且麥肯錫預測，為滿足AI訓練與推理需求，到2030年總投資額可能高達5.2萬億美元。

不過在這股浪潮之下，一些現實憂慮也開始浮現。

一是供需是否合理。貝恩咨詢指出，要支撐這些投資，到2030年全球AI年收入需達到2萬億美元——這超過了亞馬遜、蘋果等六大科技巨頭2024年的收入總和。所以人們開始擔憂，如此巨額投資能否被未來的應用需求所消化？

二是電力供應能否跟上。報告里提到，目前硅谷已有兩座新建數據中心因無法接入電網而閑置。因此，未來數吉瓦的電力需求從何而來，成為最緊迫的制約因素。

三是市場開始回歸理性。已經有金融機構因擔憂企業債務過高，而退出百億美元級別的數據中心融資項目，這說明市場并非盲目樂觀。

但不管怎樣，數據中心所帶來的實體經濟拉動效應已然顯現——

哈佛經濟學家杰森·弗曼指出，2025年上半年美國GDP的增長，幾乎全部由數據中心和AI投資所貢獻。

所以報告認為，這不僅僅是科技行業的內部事件，更是在全球經濟放緩背景下，一個由AI驅動的“新工業時代”正在拉開帷幕。

趨勢4：智能體編程正在從“打輔”走向“主導”

當人才與算力就位，2025年AI最直接的革命性應用，發生在軟件開發的核心流程——

以AI智能體驅動的自動化編程，正在徹底重塑軟件構建的方式。

2024年，首款明星編碼智能體Devin的出現已經夠讓人驚喜。但到了今年，編碼智能體在同類任務上的完成率已普遍突破80%。

截至目前，智能體不再僅是“自動補全”工具，而是演變為能夠規劃任務、調用工具、審查代碼、并操控整個代碼庫的“數字工程師”。

在這個躍遷過程中，還是我們說到的模型推理為其注入了“靈魂”——

讓智能體能夠先“想清楚”再行動，并將復雜任務分解，交由成本更低的模型執行，整體計算成本就被大幅降低了。

另外，受此影響我們也正在見證一個新行業的誕生——

以Loveable、Replit為代表的初創公司，正在讓毫無編程經驗的用戶也能“一鍵生成”Web應用，“氛圍編碼”正成為現實產業。

而關于“AI取代程序員”的擔憂，其實沒多大必要。吳恩達始終認為，善于使用AI的開發者，其原型構建能力與效率反而能夠實現數量級的提升。

Anyway，AI輔助編碼正像曾經的拼寫檢查一樣，迅速變為“編碼”這一行為本身不可分割的一部分。

軟件開發學習小tips：主打“知行合一”

另外值得一提的是，面對以上趨勢，吳恩達還附贈了一份軟件開發學習建議。

大概意思是：

如果進入這個行業，就需要不斷保持學習。

• 每年寒假，我都會抽出時間學習和開發軟件，（所以）也希望你們能這樣做。這不僅能幫助精進舊技能、學習新知識，還能助力你們在科技領域的職業發展。

至于怎么學，核心有三點：一是多參加人工智能課程；二是最好自己動手親自構建AI系統；三是閑暇之余多讀一些技術論文。

在他看來，“不學習直接動手”在開發領域是個非常糟糕的陋習。

• 除非你已經身處一個經驗豐富的AI開發者社區，否則在不了解AI基礎知識的情況下貿然開發，意味著你可能會重復造輪子，或者更有可能把輪子造得一團糟！

因此，首先進行結構化的學習非常重要。（吳恩達：此處強推跟著一位知識淵博的AI講師學習相關課程）。

學完之后，接下來就是非常關鍵的動手環節了。

• 僅僅上課是不夠的，很多經驗只能通過實踐才能獲得。
• 學習飛機的理論知識對于成為一名飛行員至關重要，但沒有人能僅僅通過上課就成為飛行員。

通過以上“知行合一”的過程，大家大概就能了解如何真正構建一個AI系統。

并且，閑暇之余還可以多讀AI論文作為補充。吳恩達表示，雖然讀論文非必選項，但他發現：

• 如今就業市場上許多最優秀的求職者至少偶爾會閱讀研究論文。
• 個人認為閱讀論文的優先級遠低于上課或實踐，但如果你有機會提高閱讀論文的能力，我也強烈建議你這樣做。

你學廢了嗎？(手動狗頭）

One More Thing

緊跟吳恩達老師的步伐，咱們量子位智庫也來交一份2025十大AI趨勢的答卷。

（os：更適合中國寶寶的年度AI趨勢~）

報告傳送門已放文末，感興趣可自取。

傳送門：
https://mp.weixin.qq.com/s/l5lrzGS_-ao-FBv7U82p-g