就現(xiàn)在，吳恩AI大神吳恩達老師交卷了——

用一篇長文總結(jié)了2025年最熱門的達年度A帶份幾大AI趨勢，而且還附帶了一份軟件開發(fā)學(xué)習(xí)小tips。結(jié)附加拿大28开群好开吗

一時之間引無數(shù)網(wǎng)友圍觀。軟件

先給大家劃個重點，吳恩達心目中AI圈最具代表性的吳恩幾件事分別為：

• “會推理”不再是少數(shù)模型的特權(quán)，而是達年度A帶份正在變成標(biāo)配能力；
• 由Meta點燃的AI人才爭奪戰(zhàn)，徹底重塑了科技行業(yè)的結(jié)附人才定價體系；
• 數(shù)據(jù)中心的火熱標(biāo)志著新工業(yè)時代的到來；
• 以AI智能體驅(qū)動的自動化編程，正在徹底重塑軟件構(gòu)建的軟件方式。

更關(guān)鍵的學(xué)習(xí)小是，從關(guān)鍵導(dǎo)火索→整個故事脈絡(luò)→當(dāng)下最新情況，吳恩全都拆解得明明白白，達年度A帶份整個演進脈絡(luò)一目了然。結(jié)附

只能說一句，軟件不愧是學(xué)習(xí)小當(dāng)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(biāo)配

一上來，思考模型（Thinking Models）就被置于C位。

雖然現(xiàn)在模型會推理已經(jīng)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年最顯著的加拿大28开群好开吗變化之一，是“會推理”不再是少數(shù)模型的特權(quán)，而是正在變成標(biāo)配能力。

而關(guān)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(guān)鍵。

研究者發(fā)現(xiàn)，只需在指令中加入這句話，模型輸出質(zhì)量便有提升。隨后，團隊意識到可以通過訓(xùn)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(xué)習(xí)微調(diào)實現(xiàn)了這一目標(biāo)，通過獎勵模型產(chǎn)生正確輸出，訓(xùn)練其在生成答案前進行“思考”。

后來，真正的范式轉(zhuǎn)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(nèi)置于模型架構(gòu)之中，不再依賴外部提示。這一設(shè)計帶來了性能的飛躍。

今年初，DeepSeek-R1的發(fā)布更是將這股浪潮推向高峰。它不僅證明了這種內(nèi)置推理模式是可復(fù)現(xiàn)、可優(yōu)化的，更以開源姿態(tài)為整個行業(yè)提供了清晰的技術(shù)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(fā)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(xiàn)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(fù)雜謎題的算法，它們依然會在超出特定復(fù)雜度時失敗。

Anthropic研究也發(fā)現(xiàn)，模型的推理步驟雖能解釋其結(jié)論的形成過程，卻可能遺漏關(guān)鍵決策信息。

而且更為現(xiàn)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(yīng)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(yīng)速度，已成為當(dāng)前模型優(yōu)化的核心戰(zhàn)場。

趨勢2：由Meta點燃的AI人才爭奪戰(zhàn)

第二大看點則是由Meta點燃的AI人才爭奪戰(zhàn)。

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

從今年7月開始，當(dāng)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(shù)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(fā)了殘酷的連鎖反應(yīng)，頂級人才在巨頭間流動加劇。

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

• 學(xué)術(shù)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(yè)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(gòu)問世后，頂級薪酬躍升至50萬美元。
• 大模型爆發(fā)期（約2023年）：ChatGPT引發(fā)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(shù)億美元級的“球星合約”成為爭奪戰(zhàn)略級人才的標(biāo)配。

而且他還表示，盡管天價薪酬引發(fā)“泡沫”疑慮，但行業(yè)共識正在形成——對于志在參與AGI競賽的公司，這是戰(zhàn)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?qū)膯渭儍r格戰(zhàn)，演變?yōu)樾匠杲Y(jié)構(gòu)、文化認(rèn)同與長期潛力的綜合博弈。

總之，由Meta在2025年設(shè)定的人才定價新基準(zhǔn)，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(chǎn)資料。

趨勢3：數(shù)據(jù)中心的火熱標(biāo)志著新工業(yè)時代的到來

第三大看點是數(shù)據(jù)中心的火熱。

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

數(shù)據(jù)中心正成為AI時代新的“鋼鐵廠”與“發(fā)電站”。

2025年，頂尖AI公司宣布的數(shù)據(jù)中心建設(shè)計劃，其規(guī)模之大、耗資之巨，已堪比國家級的基建項目，標(biāo)志著AI競賽進入“重資產(chǎn)”的工業(yè)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(chǔ)設(shè)施投入約720億美元，其標(biāo)志性項目“Hyperion”巨型數(shù)據(jù)中心價值270億美元；
• 亞馬遜預(yù)計2025年投入1250億美元；

僅今年一年，AI行業(yè)資本支出就超過3000億美元，其中絕大部分流向數(shù)據(jù)中心建設(shè)。

而且麥肯錫預(yù)測，為滿足AI訓(xùn)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(xiàn)實憂慮也開始浮現(xiàn)。

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(dān)憂，如此巨額投資能否被未來的應(yīng)用需求所消化？

二是電力供應(yīng)能否跟上。報告里提到，目前硅谷已有兩座新建數(shù)據(jù)中心因無法接入電網(wǎng)而閑置。因此，未來數(shù)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(jīng)有金融機構(gòu)因擔(dān)憂企業(yè)債務(wù)過高，而退出百億美元級別的數(shù)據(jù)中心融資項目，這說明市場并非盲目樂觀。

但不管怎樣，數(shù)據(jù)中心所帶來的實體經(jīng)濟拉動效應(yīng)已然顯現(xiàn)——

哈佛經(jīng)濟學(xué)家杰森·弗曼指出，2025年上半年美國GDP的增長，幾乎全部由數(shù)據(jù)中心和AI投資所貢獻。

所以報告認(rèn)為，這不僅僅是科技行業(yè)的內(nèi)部事件，更是在全球經(jīng)濟放緩背景下，一個由AI驅(qū)動的“新工業(yè)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(dǎo)”

當(dāng)人才與算力就位，2025年AI最直接的革命性應(yīng)用，發(fā)生在軟件開發(fā)的核心流程——

以AI智能體驅(qū)動的自動化編程，正在徹底重塑軟件構(gòu)建的方式。

2024年，首款明星編碼智能體Devin的出現(xiàn)已經(jīng)夠讓人驚喜。但到了今年，編碼智能體在同類任務(wù)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?yōu)槟軌蛞?guī)劃任務(wù)、調(diào)用工具、審查代碼、并操控整個代碼庫的“數(shù)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(fù)雜任務(wù)分解，交由成本更低的模型執(zhí)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(yè)的誕生——

以Loveable、Replit為代表的初創(chuàng)公司，正在讓毫無編程經(jīng)驗的用戶也能“一鍵生成”Web應(yīng)用，“氛圍編碼”正成為現(xiàn)實產(chǎn)業(yè)。

而關(guān)于“AI取代程序員”的擔(dān)憂，其實沒多大必要。吳恩達始終認(rèn)為，善于使用AI的開發(fā)者，其原型構(gòu)建能力與效率反而能夠?qū)崿F(xiàn)數(shù)量級的提升。

Anyway，AI輔助編碼正像曾經(jīng)的拼寫檢查一樣，迅速變?yōu)椤熬幋a”這一行為本身不可分割的一部分。

軟件開發(fā)學(xué)習(xí)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(fā)學(xué)習(xí)建議。

大概意思是：

如果進入這個行業(yè)，就需要不斷保持學(xué)習(xí)。

• 每年寒假，我都會抽出時間學(xué)習(xí)和開發(fā)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(xué)習(xí)新知識，還能助力你們在科技領(lǐng)域的職業(yè)發(fā)展。

至于怎么學(xué)，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(gòu)建AI系統(tǒng)；三是閑暇之余多讀一些技術(shù)論文。

在他看來，“不學(xué)習(xí)直接動手”在開發(fā)領(lǐng)域是個非常糟糕的陋習(xí)。

• 除非你已經(jīng)身處一個經(jīng)驗豐富的AI開發(fā)者社區(qū)，否則在不了解AI基礎(chǔ)知識的情況下貿(mào)然開發(fā)，意味著你可能會重復(fù)造輪子，或者更有可能把輪子造得一團糟！

因此，首先進行結(jié)構(gòu)化的學(xué)習(xí)非常重要。（吳恩達：此處強推跟著一位知識淵博的AI講師學(xué)習(xí)相關(guān)課程）。

學(xué)完之后，接下來就是非常關(guān)鍵的動手環(huán)節(jié)了。

• 僅僅上課是不夠的，很多經(jīng)驗只能通過實踐才能獲得。
• 學(xué)習(xí)飛機的理論知識對于成為一名飛行員至關(guān)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(gòu)建一個AI系統(tǒng)。

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(fā)現(xiàn)：

• 如今就業(yè)市場上許多最優(yōu)秀的求職者至少偶爾會閱讀研究論文。
• 個人認(rèn)為閱讀論文的優(yōu)先級遠(yuǎn)低于上課或?qū)嵺`，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(xué)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?zhèn)魉烷T已放文末，感興趣可自取。

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