若說過去兩年是人工智能的“基建狂歡”——數(shù)萬億美元涌入芯片、數(shù)據(jù)中心與基礎(chǔ)大模型，DeepLearning.AI創(chuàng)始人、亞馬遜董事會成員吳恩達(dá)（Andrew Ng）則給出新核心判斷：價值重心正劇烈向應(yīng)用層轉(zhuǎn)移。

這是一個反直覺的戰(zhàn)略窗口：盡管媒體充斥著萬億參數(shù)模型的“軍備競賽”，但真正的商業(yè)變革，正潛伏在不起眼的Agentic Workflows（智能體工作流）與非技術(shù)人員構(gòu)建的微型工具中。

如何抓住機(jī)遇？吳恩達(dá)提出三大建議：

第一，非對稱下注，擁抱“廉價實(shí)驗(yàn)”：企業(yè)需從“精準(zhǔn)規(guī)劃”轉(zhuǎn)向“高頻試錯”。如果失敗成本僅數(shù)萬美元，成功潛在收益卻無限，那么唯一風(fēng)險是不下注；

第二，打破科層制，推行“沙盒優(yōu)先”（Sandbox First）：“若工程師在筆記本跑測試都需五位副總裁審批，創(chuàng)新就死定了。”應(yīng)在限定數(shù)據(jù)敏感度、預(yù)算與發(fā)布范圍的安全區(qū)內(nèi)，賦予團(tuán)隊(duì)極高自主權(quán)；治理與安全防護(hù)待價值驗(yàn)證后再引入，而非作為創(chuàng)新準(zhǔn)入門檻；

第三，重塑人才觀，推動全員編程：借助AI輔助推動全員掌握編程能力。在 DeepLearning.AI，CFO乃至前臺都已用Python自動化工作流。這并非要求人人成軟件工程師，而是賦予各崗位“指揮計(jì)算機(jī)”的能力。在SaaS無法覆蓋的細(xì)分長尾需求中，最懂業(yè)務(wù)者用 AI 自建工具，將成企業(yè)效率新護(hù)城河。

周期跨越：從“建設(shè)電網(wǎng)”到“應(yīng)用落地”

伊希特·瓦赫拉賈尼：幾年前，你提出過一個著名論斷，“AI是新時代的電力”。如今我們處于這一旅程的哪個階段？是建設(shè)電網(wǎng)，還是已準(zhǔn)備好插電器獲得價值？

吳恩達(dá)：我說“AI是新電力”，是指AI是通用技術(shù)，適用于眾多應(yīng)用場景，而非僅一兩個殺手級App。

這就出現(xiàn)了一個有趣的現(xiàn)象：我們這些身處AI行業(yè)，尤其是構(gòu)建AI Agent與Agentic AI工作流的人，深感增長迅猛、忙碌異常；但同時也看到MIT（麻省理工學(xué)院）報(bào)告指出的“95% 的企業(yè) AI應(yīng)用尚未奏效”。

當(dāng)前我們正處于AI實(shí)際采用率基數(shù)低但增長驚人的階段。硅谷曾上演類似劇情：起初人們說“這僅占工作負(fù)載1%”，轉(zhuǎn)眼就成2%、4%、8%。這種指數(shù)級增長的意義不言而喻。因此，盡管外界有謹(jǐn)慎懷疑，我仍對未來幾年AI可高效完成的任務(wù)量充滿信心。

但這確實(shí)需要時間。反過來，“兩年內(nèi)實(shí)現(xiàn)AGI”“AI無所不能”的說法純屬炒作。我認(rèn)為10年后，我們?nèi)詴铝τ谧R別哪些工作流可通過AI與Agentic AI工作流自動化或輔助。

伊希特·瓦赫拉賈尼：展望未來，有什么尚未成為主流但讓你興奮的方向？如果向這些方向邁進(jìn)，我們應(yīng)該怎么做？

吳恩達(dá)：最讓我興奮的，是未來10年通過構(gòu)建應(yīng)用與Agentic AI工作流改變商業(yè)格局的事業(yè)。

另外有一個不為人知的“反炒作”事實(shí)：兩三年前，大家炒作模型通用、AGI將至，只因當(dāng)時模型訓(xùn)練依賴互聯(lián)網(wǎng)通用數(shù)據(jù)。但如今可見，前沿模型獲取額外知識的方式極為“零碎”。

若想讓模型在醫(yī)療、金融等領(lǐng)域表現(xiàn)更好，必須專門獲取、清洗并輸入該領(lǐng)域數(shù)據(jù)。不存在能自動解決所有垂直領(lǐng)域問題的“神奇縮放定律”。這意味著企業(yè)無法指望“通用智能”搞定所有業(yè)務(wù)需求，需借助Amazon Nova Forge等工具，將零碎知識高效融入模型，滿足特定業(yè)務(wù)需求。

伊希特·瓦赫拉賈尼：“Agentic AI工作流”這個詞也是你創(chuàng)造的。“新周期”多由大模型驅(qū)動這件事有點(diǎn)反直覺。對企業(yè)領(lǐng)導(dǎo)者而言，Agentic AI工作流比單純大模型更能推動進(jìn)步，這意味著什么？

吳恩達(dá)：觀察AI的新周期很有意思。兩三年前現(xiàn)代生成式AI剛出現(xiàn)時，僅少數(shù)企業(yè)處于前沿，因AI能力邊界難界定，信息生態(tài)一度被炒作污染。

如果我們審視AI技術(shù)棧，大部分注意力都集中在技術(shù)層，包括亞馬遜云科技等超大規(guī)模云廠商、半導(dǎo)體以及AI基礎(chǔ)模型。盡管巨額資本涌入這些層級，但按定義，應(yīng)用層價值必然更高，畢竟要讓基礎(chǔ)設(shè)施投資合理化，上層應(yīng)用必須產(chǎn)生遠(yuǎn)超投入的收入。

我觀察到一個有趣的動態(tài)：投資界有成熟公式可投入數(shù)十億、上百億美元建數(shù)據(jù)中心，但構(gòu)建價值更高的AI應(yīng)用時，下注成本極低，且無現(xiàn)成公式。好消息是，嘗試應(yīng)用點(diǎn)子的成本也極低；但也正因成本太低，無法像“萬億美元計(jì)劃”那樣引發(fā)媒體狂歡。

拋開炒作聚焦商業(yè)基本面，我對應(yīng)用層建設(shè)極樂觀。我看到許多企業(yè)的創(chuàng)新萌芽，但因基數(shù)小，95%企業(yè)尚未見到AI的實(shí)質(zhì)變化，同時少數(shù)企業(yè)正飛速增長。

下注策略：快速行動，沙盒優(yōu)先

伊希特·瓦赫拉賈尼：新時代下，“快速行動”的定義有何變化？到底快到了什么程度？有案例嗎？

吳恩達(dá)：我發(fā)現(xiàn)多數(shù)團(tuán)隊(duì)的行動速度可能遠(yuǎn)超自身認(rèn)知。最近我與一家大型能源公司CPO（首席產(chǎn)品官）交流，其團(tuán)隊(duì)預(yù)估構(gòu)建儀表盤需三個月，CPO因常與我團(tuán)隊(duì)（習(xí)慣一周沖刺）交流，要求 “沒有三個月，只給一周出成果”。最終團(tuán)隊(duì)真的一周內(nèi)交付。

我的團(tuán)隊(duì)也有類似情況：有人提交六個月推廣計(jì)劃，我要求壓縮到一個月，一周后他們就拿出了可行的一月計(jì)劃。

這不僅是強(qiáng)制機(jī)制，更是徹底顛覆思維窗口（Overturn window）。如今速度與可能性提升不是2～3倍，而是10倍以上，這也是為什么我認(rèn)為現(xiàn)在是大膽下注的好時機(jī)。未來兩三年是商業(yè)轉(zhuǎn)型的窗口期：下注下行風(fēng)險低（僅數(shù)萬美元沉沒成本），但上行空間幾乎無限。

伊希特·瓦赫拉賈尼：實(shí)驗(yàn)成本大降讓企業(yè)可多下注，但大公司AI點(diǎn)子多、評分與ROI標(biāo)準(zhǔn)復(fù)雜，在數(shù)百個想法中，噪聲很大。你建議如何押注這些創(chuàng)新想法？

吳恩達(dá)：AI輔助編程的出現(xiàn)——我知道大家對合規(guī)和安全有顧慮，但它確實(shí)是一個巨大的加速器，讓概念驗(yàn)證（POC）成本直線下降。若能解決合規(guī)安全問題，讓團(tuán)隊(duì)使用高度Agentic AI編程工具，將極大提升開發(fā)效率。借助Kiro等工具或可提速50%。從經(jīng)濟(jì)學(xué)角度，某樣?xùn)|西極便宜時，我們應(yīng)“多買入”。

聰明的團(tuán)隊(duì)會思考：為何不構(gòu)建大量微小項(xiàng)目？即便18個項(xiàng)目悄無聲息失敗，只要能篩選出2個值得擴(kuò)展的項(xiàng)目，就值得嘗試。

很多人感嘆AI的POC難落地生產(chǎn)，我看法不同：若能將POC成本降至趨近于零，就應(yīng)多做POC，讓它們安靜且安全地失敗，以此作為篩選機(jī)制。

不過，我也承認(rèn)，盡管押注成本降低了——以前需要6個工程師做幾個月的項(xiàng)目，現(xiàn)在1個工程師周末就能完成——但下注所需的技能門檻依然很高。我自己也常糾結(jié)如何押注創(chuàng)新想法、何時止損及如何設(shè)置沙盒。

伊希特·瓦赫拉賈尼：你提到“沙盒優(yōu)先”，即稍后再添加安全防護(hù)與可觀測性，但部分行業(yè)受監(jiān)管，風(fēng)險管理要求嚴(yán)格。戰(zhàn)術(shù)上，如何創(chuàng)建既能快速行動、又能避免成功后被生產(chǎn)環(huán)境要求拖慢的沙盒？

吳恩達(dá)：運(yùn)營大型團(tuán)隊(duì)尤其是上市公司時，確實(shí)承擔(dān)不起工程師發(fā)布腦洞大開的原型應(yīng)用導(dǎo)致違規(guī)或損毀品牌的后果。因此，很多企業(yè)要求工程師在發(fā)布前必須拿到5個VP的簽字，但這會導(dǎo)致創(chuàng)新停擺。

破解之道是預(yù)先設(shè)置沙盒：給團(tuán)隊(duì)一定預(yù)算（如10萬美元），規(guī)定不準(zhǔn)以公司品牌對外發(fā)布、僅限內(nèi)部測試、不涉及敏感信息。在這樣的沙盒里，下行風(fēng)險可控，團(tuán)隊(duì)可全力沖刺。我甚至?xí)嬖V團(tuán)隊(duì)，沙盒內(nèi)“無須擔(dān)心安全性”（除非他們想攻擊自己的電腦）。

只有當(dāng)團(tuán)隊(duì)找到客戶真正喜愛的成果時，再投入治理、安全機(jī)制進(jìn)行擴(kuò)展。這種機(jī)制能解決大公司的創(chuàng)新困境。

人才升級：“全民編程”+引入懂AI的董事

伊希特·瓦赫拉賈尼：作為領(lǐng)導(dǎo)者，你會鼓勵團(tuán)隊(duì)（尤其非技術(shù)崗位）投資哪1～2項(xiàng)技能做準(zhǔn)備？

吳恩達(dá)：先說說無爭議的：AI能顯著提升所有知識工作者的生產(chǎn)力，但大家需要提升的技能量相當(dāng)大，比如很多人不懂深度推理模型與普通大模型的區(qū)別，這需要全員培訓(xùn)。

再說說有爭議的：幾乎所有崗位中，懂代碼的員工比不懂代碼的員工更高效。今年早些時候有人建議年輕人別學(xué)編程，稱AI會自動化編程。我認(rèn)為這是史上最糟糕的職業(yè)建議之一。

隨著AI降低編程門檻，更多人應(yīng)掌握這項(xiàng)技能。在我的團(tuán)隊(duì)，懂代碼的市場人員、招聘人員、CFO乃至前臺，效率都遠(yuǎn)超同行：CFO用自動化軟件處理文件而非手動點(diǎn)擊，前臺經(jīng)內(nèi)部培訓(xùn)學(xué)會編程后，甚至開發(fā)了一套嚴(yán)謹(jǐn)?shù)腃RM系統(tǒng)。

這里的“懂代碼”不是指手寫代碼，而是借助AI輔助編程。未來最重要的技能之一，是能清晰告訴計(jì)算機(jī)自己的需求?？深A(yù)見的未來里，計(jì)算機(jī)的語言仍是代碼。

伊希特·瓦赫拉賈尼：你身兼亞馬遜等公司董事，對即將參加董事會的CXO們，你有何建議？如何向董事會匯報(bào)AI投資與風(fēng)險？

吳恩達(dá)：我很幸運(yùn)在亞馬遜董事會任職，杰夫·貝佐斯和安迪·賈西本身就是AI專家。但如果你的董事會對AI了解不多，我建議安排AI培訓(xùn)。

我有個朋友曾試圖說服董事會推進(jìn)某件事未果，結(jié)果董事會成員在YouTube看了我的演講后，反過來要求他推進(jìn)。這說明提升董事會對AI的理解，能讓他們成為更好的合作伙伴。

此外，越來越多董事會意識到，引入真正懂AI的董事，能極大改變董事會動態(tài)與決策質(zhì)量。這不僅是為了治理監(jiān)督，更是為了讓董事會成為助力企業(yè)前進(jìn)的合作伙伴。

伊希特·瓦赫拉賈尼（Ishit Vachhrajani）吳恩達(dá)（Andrew Ng）| 文

伊希特·瓦赫拉賈尼是亞馬遜云科技全球技術(shù)、AI分析與企業(yè)戰(zhàn)略負(fù)責(zé)人。吳恩達(dá)是DeepLearning.AI創(chuàng)始人、亞馬遜董事會成員。

聯(lián)系方式

投稿、廣告、內(nèi)容和商務(wù)合作

newmedia@hbrchina.org