吴恩达:不会出现 AI 就业末日,大规模失业叙事正在制造不必要的恐慌
吴恩达(Andrew Ng)公开反驳"AI 就业末日"叙事,指出 AI 虽然影响就业,但软件工程师招聘依然强劲,美国失业率仍维持在 4.3%,净就业创造远大于岗位消失。他认为这一叙事流行源于前沿 AI 实验室夸大技术能力的动机、AI 公司按员工薪资而非 SaaS 价格定价的商业逻辑,以及企业借 AI 之名解释裁员的偏好。
吴恩达(Andrew Ng)公开反驳"AI 就业末日"叙事,指出 AI 虽然影响就业,但软件工程师招聘依然强劲,美国失业率仍维持在 4.3%,净就业创造远大于岗位消失。他认为这一叙事流行源于前沿 AI 实验室夸大技术能力的动机、AI 公司按员工薪资而非 SaaS 价格定价的商业逻辑,以及企业借 AI 之名解释裁员的偏好。
Citrini Research 在最新半导体备忘录中提出"供应链继承"逻辑:AI 数据中心资本开支正直接继承电动车与太阳能产业建成的功率半导体供应链,德州仪器(TXN)、NXP 等厂商不再扩产而是提价,ASP 上行。Nvidia 2025 年 5 月关于 800V DC 机架架构的技术博客已将底层技术归功于"电动车和太阳能产业"。
Martin Fowler 发布新文章探讨未来是否还会有源代码,认为要先理解"代码"本身是什么。Unmesh Joshi 提出代码有两个不同却相互交织的用途:对机器下达的指令,以及问题领域的概念模型。
潘乱与衣鹏在「乱翻书」复盘头腾大战:2018年5月8日张一鸣与马化腾朋友圈争论引爆冲突,青少年话题、诉讼与问询接连失控,双方事后都承认本不该打。节目还把天天快报2800万DAU后自废武功、微视重启、2020年上线的视频号、多闪、字节做不出3A大作,以及阅文vs番茄、腾讯视频vs红果等战场逐一拆开,并称字节已在AI业务上主动进化。
Cognition AI 联合创始人 Scott Wu 回应 Colossus 杂志文章中他与 Mango 的对战传闻,称当时在 Founders Fund 游戏之夜打了多局《任天堂明星大乱斗》,设备延迟严重,他只赢下一局,且 Mango 用的是 Falcon 并未尽全力,因此不认同"beat him to a pulp"的说法。
资深开发者沟通失败,是因为用"复杂性管理"的逻辑表达苦衷,而业务端真正焦虑的是"不确定性"。作者用两个循环圈解释:业务团队追求快速试错消除不确定性,资深开发者负责控制复杂性以维持服务稳定,两者认知框架不同。开发者可用"我们能不能试个更快的办法?"把精简、复用代码的能力包装成业务要的速度。
Richard Socher 回应"AI 是否存在泡沫",认为智能如同能源,很难出现供给过剩。他以早期互联网为例,指出人们当年低估了通信变便宜变快后需求的弹性,没有预见到互联网催生的全新通信方式。他判断人类对智能的需求近乎无限,短期市场动态或有波动,但 AI 将像人类智能一样日益渗透生活各方面。
随着企业 AI 智能体部署规模扩大,缺乏组织级工具基础设施正带来重复开发、安全暴露和运维不透明等叠加成本。MongoDB Blog 指出,每个企业都需要内部的共享工具注册中心,以匹配自身监管环境、安全态势和运营规范,而非 npm、PyPI 这类公共包管理器。该基础设施建立在降低协调成本与实现风险管理两大支柱之上。
METR 在 2026 年 2–4 月调查了 349 名技术工作者(含 87 名软件工程师、71 名研究人员、129 名学者与博士生、48 名创始人及管理者),受访者自述 AI 工具带来的工作价值中位变化为 1.4–2 倍,速度中位变化为 3 倍。
AI 系统的失效不是像传统软件那样报错或触发告警,而是在指标正常、告警安静的情况下以模式形式逐渐显现,输出质量随模型漂移而持续下滑。传统监控依赖离散事件、稳定基线和二元阈值,在概率性系统上失效,事后复盘也难以定位单一故障点。文章主张用持续实时反馈替代周期性评估,并以某大型金融服务环境为例,用无监督聚类把系统行为分为基线、瞬时尖峰、持续退化和关键异常四类,各自按不同响应节奏连续评估。
前Anthropic、现Google DeepMind研究科学家姚顺宇参与过Claude 3.7、4.5和Gemini 3的开发,他在访谈中称AI个人英雄主义时代已经过去,现在是集体主义的故事,并对神话个体的叙事保持警惕。他认为"智能涌现"本身不科学,更多是主观感觉而非客观现象,本质是技术上实现了可水平提升所有能力的scale up。
Codex、Cursor 3.0、Claude 桌面版等头部 Agent 应用已几乎同时收敛到"左项目、中对话、右工作区"的三栏布局,但右侧目前只能看不能改,二次编辑仍是缺口。
作者 Arnav Gupta 结合自身所在公司一份 8000 人裁员名单(他有 10% 概率在列,5 月 20 日见分晓),分析这波 AI 裁员潮的成因。他认为 AI 并未一对一替代员工,裁员实际是两件事:抵消 AI 支出(按每天每工程师 100 美元 Claude token 开销换算,印度需裁 50%、欧洲 33%、美国 20% 才能维持工资总额)以及削减跨团队对齐成本。
Demis Hassabis 晒出 2016 年与 2026 年韩国广告牌对比,感叹这十年变化之大。
Fellou 宣布与 EazoAI 合作举办黑客松,报名入口为 luma.com/frw43jmv,详情见 eazo.ai/hackathon。其提出的路径是:搜索帮人找到信息,AI 智能体帮人据此行动,下一步是让创意更快变成产品。
Fellou 发推称,未来构建不再只属于会写代码的人,而属于能清晰想象、快速验证并持续交付的人,EazoAI 正推动这一方向。该帖带 #NoCode、#AIAgents、#Creators、#BuildInPublic 标签。
Fellou 宣布看好 EazoAI 正在构建的产品,理由是 AI 创作栈正快速演进:搜索帮人找到信息,智能体帮人据此行动,下一步是让创意更快变成产品。相关活动将在旧金山(luma.com/frw43jmv)和纽约(luma.com/ay4dy8o5)举行,更多信息见 eazo.ai/hackathon。
Jim Fan 在 YouTube 发布题为《Robotics: Endgame》的视频,附上链接 youtube.com/watch?v=3Y8aq_…,帖子获 230 赞、22 次转发、6 条回复与约 19.5 万次浏览。
推理模型的并行化决策、并行线程数和协调方式目前多由外部框架预先设定,而非模型自主决定。文章梳理了并行推理由固定并行走向自适应控制的最新进展,涵盖自一致性、Best-of-N、Tree/Graph of Thoughts、MCTS,以及 ParaThinker、GroupThink、Hogwild!
METR 提出 AI 生产力提升(uplift)的三种定义:旧任务提升、价值提升与新任务提升,并论证在简化假设下三者满足旧任务提升 ≤ 价值提升 ≤ 新任务提升。以软件工程师每日 8 小时写文档与 pull request 为例,若 AI 将写 PR 效率提高一倍,旧任务提升为 +33%,新任务提升为 +50%,价值提升则介于两者之间。
Fellou 认为,AI 时代的赢家不是最会写代码的人,而是对真实问题理解最清晰、能最快把想法变成用户反馈并抢先迭代的人。其核心观点是代码从来不是护城河,分发才是,而工具终于开始跟上这一现实。
Fellou 认为 vibe coding 浪潮没有造出更多构建者,只造出更多"离放弃只差一次部署"的人。Cursor 和 Claude 降低了原型开发的门槛,但没人降低上线的门槛,这才是 2025 年真正的缺口。
播客「自习室 STUDY ROOM」本期选取金·卡戴珊、女性技术人格蕾丝·霍珀与李娜三位女性,讲述她们不等他人点头、不抄前人作业,选择被尊重而非被喜欢的路径。节目分为 00:01:39、00:24:06、00:58:26 等段落,并推荐《独自上场》等三本书。本期由护肤品牌 freeplus 芙丽芳丝支持。
Martin Fowler 的 Fragments 合集提到一个面向提示词模式的开源框架,并收录了音乐人起诉 Google 诽谤、Apple 重新思考 AI 支出、本地运行 LLM,以及"Genie 是否会陷入焦油坑"等话题。以上内容以链接摘要形式汇集于 martinfowler.com/fragments。
Last Week in AI 第 340 期聚焦 OpenAI 与 Musk 诉讼首周进展,以及 OpenAI 化解 Microsoft 因 500 亿美元 Amazon 交易面临的法律风险。DeepSeek 预览新模型 v4,称其"缩小了与前沿模型的差距",本期还提及 Vision Banana。
Casey Handmer 在 X 上发帖推荐订阅 Ashlee Vance 打造的媒体项目,称其报道兼具娱乐性与事实性,聚焦科技及其改善生活的作用,并透露自己已订阅。该帖获 23 次点赞、1 次转发、9097 次浏览。
Daniel Miessler 认为,多数公司用不上 AI 并非技术不成熟,而是自身愿景和目标模糊、朝令夕改,连想优化什么都说不清。真正被 AI 赋能的,恰恰是那些能清晰描述问题、目标、工作流和核心指标的公司;做不到这一点的大企业将面对小公司借 AI 发起的“降维打击”。
Epoch AI 的 AI Chip Sales 数据集显示,截至 2025 年底五大芯片设计商累计出货约 2000 万颗 AI 芯片,Nvidia 占约一半销量和超过 66% 的 AI 算力。
放射科医生的工作不是读 X 光片,而是治愈患者;AI 若加快解读 X 光片的过程,医生就能看诊并治愈更多人。这一观点回应了"十年前 AI 本应取代放射科医生"的说法:如今放射科医生年收入超过 $500,000,就业人数持续增长,读片是一项任务而非一份职业,任务变便宜反而推高了岗位需求。
Martin Fowler 更新了 AI 编程指南,发布了一期关于 harness engineering 的视频,并讨论了函数应该多长、Software Brain 的问题以及 AI 为何不受欢迎。相关链接收录在其 Fragments 合集中。
调查记者 Evan Ratliff 在播客 Shell Game 第二季中创办了几乎全由 AI 智能体运营的初创公司 Hurumo,让 AI 分别担任 CEO、营销等职位,发现智能体能胜任单个具体任务,却难以具备组织中真正有用的上下文、关系和判断力。他认为"工作不是一堆技能的打包",把岗位拆成技能清单再交给 AI,会在系统中留下缺口,这也解释了为何一些企业在裁撤人手后数月又悄悄重新招人。
红果DAU破1.6亿逼近爱优腾,同期横店群演抱怨短剧开机量腰斩,短剧单日流水3.5亿已达电影单日票房的2.5倍。AI短剧4月15日单日广告消耗接近1亿,比Seedance 2.0发布时翻4倍,制作成本低至1秒1块钱。嘉宾认为这是内容消费领域的"工业革命",也是传统长视频平台最危险的时代。
Marina Nitze 与 Layer Aleph 同事在疫情期间被加州州长办公室请去调查失业系统崩溃,发现人人挂在嘴边的"呼叫中心"根本不存在,只是一条随机转接到员工工位的电话号码。
GitHub Copilot 宣布自 2026 年 6 月 1 日起所有计划改为按用量计费,用户每月订阅费将等值兑换为 token 额度。此前微软长期补贴用户算力,2023 年《华尔街日报》曾报道部分用户每月造成高达 80 美元成本,而订阅费仅 10 美元。Anthropic 也曾允许每 1 美元订阅烧掉超过 8 美元计算成本。
Andrew Ng 指出,AI 原生软件团队用 coding agent 加速开发后,瓶颈从写代码转移到决定做什么,部分团队把工程师与 PM 比例从 8:1 压到 1:1,而沟通本身又成新瓶颈。他认为最快团队是懂产品决策的工程师和会写代码的 PM,并建议工程师学产品管理、PM 学写代码。他还提到设计、市场、法律合规等环节因编码提速 10x 或 100x 而显得更慢。
43 Talks 沙龙邀请拾象科技 Cage、词元共振小七姐、ListenHub 创始人 Orange、AI 艺术家歸藏,探讨 AI 时代组织形态的进化。Cage 观察到硅谷出现 The Great Flattening,传统中层「翻译」职能被 LLM 挤压;小七姐的团队从 6 人进化为 12 个「人机对」,产品上线不到一周营收突破 1 万美金。
Mem0 认为企业 AI 的下一个锁定风险在记忆层:模型可以更换,但偏好、反馈循环、代码库决策和历史任务等上下文无法迁移,会让换模型在运营上变得昂贵。Mem0 主张记忆应成为独立于模型、框架和应用的可移植基础设施,随用户、团队和智能体一起跨模型流动;模型可替换,上下文应持久保留。
模型评估正从"能否完成任务"转向"用多少 token 完成任务",500 token 答对的模型优于绕 5000 token 才答对的模型。mem0ai 称其新算法正推动"每 token 能力"成为标准指标,主张将准确率、成本与延迟合并衡量。
宝玉翻译 Teddy Riker 的文章《Designing for Agents》,提出人机交互正从“用户→界面→数据库”转向“用户→用户的智能体→软件自己的智能体→数据库”,未来约 80% 的软件交互将通过 AI Agent 完成。
Slock.ai 创始人、Kimi CLI 作者 RC 离开 Kimi 后创业,把公司运行在 Slock 上,团队从 OPC 拓展成「40 个 Agents + 7 个人」,目标是为多 Agents 和人提供协作环境。