AI 未来洞察
🏷️ 分类: 技术 商业
🔖 标签: #Agentic AI #快速工程 #AI编程 #智能体工作流 #产品管理 #超级个体

No Priors 播客 | 第 128 集精华解读

Andrew Ng 深度对话:
Agentic AI、快速工程与未来的超级个体

AI 教父 Andrew Ng 与主持人 Sarah Guo、Elad Gil 共同探讨 AI 革命的下一阶段:我们如何超越规模化竞争,迎接智能体工作流的浪潮,以及这对未来工作和创业生态意味着什么。

Andrew Ng

Andrew Ng

Hosts

Sarah Guo & Elad Gil

🏷️ 分类: 技术 商业
🔖 标签: #Agentic AI #快速工程 #AI编程 #智能体工作流 #产品管理 #超级个体

第一幕:超越规模,Agentic AI 崛起

Andrew Ng 指出,公众对 AI 的认知深受少数巨头“规模叙事”的影响。但 AI 的进步是多维的,规模化只是其中之一,且难度日益增加。

🏋️

规模化扩展

(Scalability)

🤖

Agentic 工作流

(Agentic Workflows)

当前的关键增长点

🖼️

多模态模型

(Multimodal Models)

🎲

技术“外卡”

(Wild Cards, e.g. Diffusion)

什么是 Agentic AI?

Andrew Ng 创造这个术语是为了停止无谓的定义争论,转而关注构建具有不同程度“能动性”(Agency)的系统——从简单的提示响应到高度自主的规划执行。

传统 LLM 交互(单向)

用户提示 (Prompt)
模型处理
输出结果 (Output)
>

Agentic 工作流(循环迭代)

1. 规划 (Plan)
2. 执行/使用工具 (Execute)
3. 评估/反思 (Reflect)

通过迭代不断改进结果

第二幕:智能体的现实挑战与机遇

“营销炒作的速度令人难以置信地快(insanely fast),但实际业务进展虽然也在快速增长,却可能没有炒作那么快。”

当前亮点:编程智能体

目前 Agentic AI 最具经济价值的两个领域是问答(Q&A)和编程(Coding)。

AI 编程智能体(如 Cursor, Cloud Code)

被认为是目前自主性最高且真正有效的 Agent。它们能够进行多步骤规划、创建清单并执行复杂软件构建任务。

Agentic 应用成熟度(概念性对比)

最大障碍:人才与流程

Andrew Ng 强调,技术组件仍需改进,但阻碍 Agentic 工作流实施的最大瓶颈是人才

系统性工程流程的缺失

区分团队优劣的关键在于:是否知道如何通过评估(Evals)来驱动系统性的错误分析(Systematic Error Analysis)。

评估(Evals)难题

如何快速、准确地评估智能体的表现并驱动改进。

专有知识的整合

许多工作流依赖于非公开的、存在于员工头脑中的专有知识和上下文,AI 目前难以自动获取。

第三幕:快速工程与“新瓶颈”

AI 辅助编程(Andrew Ng 称之为“快速工程 Rapid Engineering”)正在彻底改变初创企业的构建方式。这不是轻松的“氛围编程”,而是高强度的快速工程实践。

工程效率的革命性飞跃

过去 (Pre-AI)

一个典型的项目开发

团队:
6 名工程师
时间:
3 个月

现在 (快速工程)

⚡️

同样的项目

团队:
1 名工程师 + AI
时间:
1 个周末

新的瓶颈:产品管理

当工程速度急剧加快时,瓶颈转移到了“决定我们到底要构建什么”以及如何快速获取反馈上。

1. 构建 (Engineering)

速度大幅提升 ⚡️
成本大幅下降 ⬇️

2. 测试 (User Testing)

速度变化不大 ⏳

3. 决策 (Product Management)

成为核心瓶颈 ⚠️

“如果一天就能构建原型,等待一周获取用户反馈就非常痛苦。因此,团队越来越依赖直觉(Gut)和深度的客户同理心(Customer Empathy)来快速决策。”

第四幕:未来组织与超级个体

“我们在 2022 年做的很多工作流程,在今天(2025年)已经没有意义了。” 技术的快速变化正在重塑对创始人的要求和团队结构。

⚙️ 技术型创始人优势

AI 变化迅速,与成熟的移动技术不同。创始人必须对 AI 的能力边界有敏锐直觉,技术知识成为巨大的差异化因素。

💡 客户痴迷与决断力

需要极度关注客户(Customer Obsession)以形成心智模型,并具备快速决策(像打网球一样反应)的能力,勇于通过“双向门”试错。

⚖️ 精干团队的崛起

小型、高技能、AI 赋能且协调成本极低的团队可能胜过大型团队。新的本能是“雇佣 AI”,而非雇佣更多人。

人才能力的新范式

软件工程是变革的先兆:掌握 AI 工具正成为衡量生产力的关键指标。

Andrew Ng 分享道:他曾选择雇佣一位精通 AI 工具的应届生,而非一位有10年经验但不用 AI 工具的工程师,因为前者生产力更高。

然而,最顶尖的“超级个体”是那些既有丰富经验(10-15年以上)又精通 AI 工具的人,他们“完全是另一个级别的”。

结语:被 AI 赋能的未来

“我认为未来几年,许多人将比现在更有能力。那些拥抱 AI 的人的能力,可能会远远超出大多数人的想象。”

— Andrew Ng