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)
Agentic 工作流(循环迭代)
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
现在 (快速工程)
同样的项目
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)
成本大幅下降 ⬇️
2. 测试 (User Testing)
3. 决策 (Product Management)
“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