編輯｜冷貓、+0

2025 年已經(jīng)走到了尾聲。

關(guān)注 AI 圈的讀者們都知道，今年是各路 AI 巨頭神仙打架的一年，是人才大戰(zhàn)架構(gòu)重組極其頻繁的一年，是大模型軍備競賽出奇白熱化的一年，也是 AI 基礎(chǔ)設(shè)施建設(shè)如火如荼的一年……

在這精彩絕倫的一年的結(jié)尾，我們的老朋友：斯坦福大學(xué)計算機(jī)科學(xué)客座教授，前百度 AI 負(fù)責(zé)人，前谷歌大腦負(fù)責(zé)人吳恩達(dá)老師，發(fā)表了今年的保留節(jié)目：一封信，和一篇 2025 的人工智能領(lǐng)域年度總結(jié)。

年末寄語：三把金鑰匙

元旦假期將至，學(xué)生們美妙的寒假以及春節(jié)假期也近在眼前?！赣肋h(yuǎn)不要停止學(xué)習(xí)」是假期前的老生常談，尤其是希望在蓬勃進(jìn)化的，高度競爭的人工智能領(lǐng)域內(nèi)謀求發(fā)展機(jī)會的人。應(yīng)當(dāng)做什么，怎么做，吳恩達(dá)在今年的信中給出了他的見地。

以下是公開信全文：

親愛的朋友們：

又一年，AI 以驚人的速度向前推進(jìn)，為所有人 —— 包括剛進(jìn)入這個領(lǐng)域的新手 —— 創(chuàng)造了前所未有的軟件開發(fā)機(jī)會。事實(shí)上，許多公司現(xiàn)在最大的困擾之一，就是找不到足夠多真正懂 AI 的工程師。

每年冬季假期，我都會留出一段時間來學(xué)習(xí)和動手構(gòu)建項目，希望你們也能如此。這不僅能幫助我打磨已有技能、掌握新知識，也能實(shí)實(shí)在在地推動你的技術(shù)職業(yè)發(fā)展。

要真正具備構(gòu)建 AI 系統(tǒng)的能力，我建議你做到三點(diǎn)：

• 系統(tǒng)地學(xué)習(xí) AI 課程
• 持續(xù)動手構(gòu)建 AI 系統(tǒng)
• （可選）閱讀研究論文

下面我解釋為什么這三點(diǎn)都如此重要。

我常聽到一些開發(fā)者建議別人：「別學(xué)了，直接上手做就行。」這是非常糟糕的建議！除非你已經(jīng)身處一個經(jīng)驗豐富的 AI 開發(fā)者社群中，否則在沒有理解 AI 基礎(chǔ)的情況下貿(mào)然動手，很容易導(dǎo)致你重復(fù)發(fā)明輪子，或者更糟糕的是，把輪子重新發(fā)明得一團(tuán)糟。

舉個例子，在面試中，我見過不少候選人：自己重新發(fā)明了一套標(biāo)準(zhǔn)的 RAG 文檔切分策略；重復(fù)實(shí)現(xiàn)了已經(jīng)成熟的 Agentic AI 評估方法；寫出了結(jié)構(gòu)混亂、難以維護(hù)的 LLM 上下文管理代碼。如果他們提前上過幾門相關(guān)課程，就會更清楚哪些「積木」已經(jīng)存在于行業(yè)中。他們當(dāng)然仍然可以選擇從零實(shí)現(xiàn)這些模塊，甚至發(fā)明出比現(xiàn)有方案更好的方法，但至少能避免浪費(fèi)數(shù)周時間走彎路。

因此，結(jié)構(gòu)化學(xué)習(xí)至關(guān)重要。

而且說實(shí)話，我個人覺得上課非常有趣。與其看 Netflix，我更愿意隨時打開一門優(yōu)秀 AI 講師的課程來學(xué)習(xí)。

同時，僅僅上課是不夠的。有許多重要的經(jīng)驗，只有通過親手實(shí)踐才能真正學(xué)到。學(xué)習(xí)飛機(jī)是如何運(yùn)作的理論，對于成為一名飛行員當(dāng)然非常重要，但從來沒有人只靠上課就學(xué)會開飛機(jī)。在某個時刻，真正坐進(jìn)駕駛艙是不可或缺的！好消息是：隨著高度智能化（highly agentic）的編程助手出現(xiàn)，動手構(gòu)建的門檻已經(jīng)比以往任何時候都低。而當(dāng)你開始學(xué)習(xí) AI 的各種構(gòu)建模塊時，它們常常會激發(fā)你對「還能做些什么」的新想法。如果我一時找不到項目靈感，我通常會去上幾門課，或者讀一些研究論文。這樣堅持一段時間后，我總會冒出一大堆新的項目想法。而且，說實(shí)話，我覺得「做東西」本身真的很有趣，也希望你能體會到這種樂趣！

最后，并不是每個人都必須這樣做，但我發(fā)現(xiàn)如今就業(yè)市場上最強(qiáng)的一批候選人，幾乎都會偶爾閱讀研究論文。雖然在我看來，論文比課程難啃得多，但它們包含了大量尚未被翻譯成更易理解形式的前沿知識。我會把讀論文的優(yōu)先級排在課程和實(shí)踐之后，但如果你有機(jī)會提升閱讀論文的能力，我仍然強(qiáng)烈建議你這樣做。（你也可以看看我以前講過的一段關(guān)于如何讀論文的視頻。）上課和動手構(gòu)建對我來說很有趣，讀論文則更像是一種「磨練」，但從論文中偶爾閃現(xiàn)的洞見，真的令人愉悅。

祝你度過一個美好的寒假，新年快樂。除了學(xué)習(xí)和創(chuàng)造，也希望你能多花時間陪伴親人 —— 那同樣非常重要！

Love，

Andrew

年終總結(jié)：AI工業(yè)時代的黎明

2025年著實(shí)是精彩絕倫的一年。

作為每年的保留節(jié)目，吳恩達(dá)的年終總結(jié)都能帶我們回顧全年最重要的人工智能事件和發(fā)展趨勢。

2022年，是AI 的璀璨之年，生成文本、圖像、視頻、音樂和代碼的系統(tǒng)即將到來，引發(fā)了關(guān)于創(chuàng)造力的未來問題的討論。

2023年，是創(chuàng)新與焦慮的一年，生成式 AI 浪潮席卷了各行各業(yè)，其不斷擴(kuò)大的能力引發(fā)了智能機(jī)器可能會使人類過時的擔(dān)憂。

2024年，是暴風(fēng)雪般進(jìn)步的一年，人工智能取得了突破性進(jìn)展。智能代理系統(tǒng)提升了推理、使用工具和控制桌面應(yīng)用程序的能力。小型模型迅速普及，其中許多比其前輩更強(qiáng)大且價格更低廉。

2025年，或?qū)⒈汇懹洖?strong>AI 工業(yè)時代的黎明。讓我們跟隨吳恩達(dá)的視角，探索2025年最具代表性的AI大事。

• 文章鏈接：https://www.deeplearning.ai/the-batch/issue-333/

思考型模型解決更大的問題

去年年末，OpenAI 推出了首個推理模型 o1，將一種具備代理能力的推理工作流內(nèi)嵌其中。今年 1 月，DeepSeek-R1 向世界展示了如何構(gòu)建這種能力。結(jié)果是：數(shù)學(xué)與編程性能立刻提升，問題回答更準(zhǔn)確，機(jī)器人能力更強(qiáng)，AI 智能體取得快速進(jìn)展。

在 2025 年初，模型只有在被明確提示時才會執(zhí)行推理策略。如今，大多數(shù)新的大語言模型都會默認(rèn)這樣做，從而在廣泛任務(wù)上顯著提升了性能。

• 最早的一批推理模型通過 RL 訓(xùn)練，專門用于正確求解數(shù)學(xué)問題、準(zhǔn)確回答科學(xué)問題，生成能通過單元測試的代碼。例如，o1-preview 在 AIME 2024 上比其非推理前身 GPT-4o 高出 43 個百分點(diǎn)，在 GPQA Diamond上高出 22 個百分點(diǎn)；在 Codeforces 編程題中，其表現(xiàn)位于人類競技選手的 第 62 百分位，而 GPT-4o 僅為 第 11 百分位。
• 當(dāng)推理模型學(xué)會使用諸如計算器、搜索引擎或 bash 終端等工具時，表現(xiàn)會進(jìn)一步提升。例如，在一項涵蓋 100 個領(lǐng)域、考察多模態(tài)理解與技術(shù)專長的高難度測試中，帶工具的 OpenAI o4-mini 達(dá)到 17.7% 的準(zhǔn)確率，比不使用工具時高出 3 個多百分點(diǎn)。
• 機(jī)器人動作模型也通過 RL 學(xué)會推理。例如，通過獎勵 ThinkAct 達(dá)成目標(biāo)位置，使其在機(jī)器人任務(wù)上的表現(xiàn)相較于不具備思考能力的模型（如 OpenVLA）提升了約 8%。
• 推理模型還幫助智能體應(yīng)對復(fù)雜問題。例如，AlphaEvolve 使用 Google Gemini 反復(fù)生成、評估并修改代碼，最終為現(xiàn)實(shí)世界問題產(chǎn)出了更快的算法。其中一個成果是，它提出了一個用于解釋微生物耐藥性的長期未解問題的假說；人類科學(xué)家?guī)缀踉谕粫r間獨(dú)立提出并驗證了相同假說。

推理能力顯著提升了 LLM 的性能，但更優(yōu)輸出也伴隨著成本。Gemini 3 Flash 在開啟推理時運(yùn)行 Artificial Analysis 的 Intelligence Index 基準(zhǔn)共消耗 1.6 億 tokens（得分 71），而關(guān)閉推理僅消耗 740 萬 tokens（得分明顯更低，為 55）。此外，生成推理 tokens 會延遲輸出，這也給 LLM 推理服務(wù)商帶來了更大的性能壓力。不過，研究人員正在努力提高效率。Claude Opus 4.5 與 GPT-5.1 在高推理設(shè)置下取得了相同的 Intelligence Index 分?jǐn)?shù)，但前者消耗 4800 萬 tokens，后者則消耗 8100 萬 tokens。

巨額薪酬吸引頂尖 AI 人才

領(lǐng)先的 AI 公司展開了一場激烈的人才爭奪戰(zhàn)，用堪比職業(yè)體育明星級別的薪酬，從競爭對手那里挖走頂尖人才。

7 月，Meta 發(fā)起大規(guī)模招聘，為新成立的 Meta Superintelligence Labs 組建團(tuán)隊，向來自 OpenAI、Google、Anthropic 等頂級 AI 公司的研究人員開出高達(dá)數(shù)億美元的待遇。作為回應(yīng)，Meta 的競爭對手反過來從 Meta 及彼此之間挖走關(guān)鍵員工，使 AI 人才的市場價值被推至前所未有的高度。

據(jù)《華爾街日報》報道，在成功招募 Alexandr Wang 及其核心團(tuán)隊成員之后，Meta 首席執(zhí)行官 Mark Zuckerberg 列出了一份「心愿清單」。

• 為了說服人們跳槽，Zuckerberg 甚至親自登門拜訪，有時還會帶上自制的湯。這項努力成功招募了包括 OpenAI 的 Jason Wei 和 Hyung Won Chung 在內(nèi)的人才，兩人均為推理模型的核心研究者。
• 《華爾街日報》稱，曾與 OpenAI 前 CTO Mira Murati 共同創(chuàng)立 Thinking Machines Lab 的 Andrew Tulloch，最初拒絕了 Meta 提出的方案，其中包括價值 15 億美元 的獎金。幾個月后，他改變主意，加入了 Meta。
• Meta 還聘請了曾主管 Apple AI 模型的 Ruoming Pang。據(jù)彭博社報道，其薪酬方案在數(shù)年內(nèi)累計高達(dá)數(shù)億美元。Meta 的報價超過了 Apple 除 CEO 之外最高層管理者的薪酬，而 Apple 選擇不予匹配。
• 在這場人員流動中，Microsoft AI CEO Mustafa Suleyman 從 Google 帶走了 20 多名研究人員和工程師，其中包括工程副總裁 Amar Subramanya。
• Elon Musk 的 xAI 從 Meta 挖走了十多名 AI 研究人員和工程師。Musk 抨擊競爭對手的報價「瘋狂」，并強(qiáng)調(diào)自己公司「極端以能力為導(dǎo)向」的文化，以及股權(quán)更具增長潛力。

隨著 2026 年的到來，AI 招聘格局已發(fā)生巨大變化。據(jù)《華爾街日報》報道，為了抵御獵頭挖角，OpenAI 提供了比競爭對手更高比例的股票型薪酬，加快了新員工期權(quán)的歸屬進(jìn)度，并發(fā)放高達(dá) 150 萬美元 的留任獎金。

盡管 2025 年出現(xiàn)了關(guān)于 AI 泡沫的討論，但對于計劃投入數(shù)百億美元建設(shè) AI 數(shù)據(jù)中心的公司來說，高薪是完全理性的選擇：如果你愿意在硬件上花這么多錢，為什么不拿出其中一小部分用于支付人才薪酬呢？

數(shù)據(jù)中心建設(shè)狂潮席卷全球

頭部 AI 公司紛紛宣布了龐大的建設(shè)計劃，預(yù)計在未來幾年內(nèi)將豪擲數(shù)萬億美元，并消耗數(shù)吉瓦（GW）的電力。

僅今年一年，AI 行業(yè)的資本支出就突破了 3000 億美元，其中大部分用于建設(shè)處理 AI 任務(wù)的新數(shù)據(jù)中心。這還僅僅是「前菜」，各大公司正在規(guī)劃堪稱宏偉的藍(lán)圖——建設(shè)規(guī)?？氨刃℃?zhèn)、能耗相當(dāng)于中型城市的設(shè)施。據(jù)麥肯錫預(yù)測，為了建設(shè)足夠的算力以滿足預(yù)期的推理和訓(xùn)練需求，這場競賽的成本到 2030 年可能高達(dá) 5.2 萬億美元

• OpenAI： 1 月，OpenAI 啟動了與甲骨文（Oracle）、軟銀（SoftBank）及阿聯(lián)酋投資公司 MGX 合作的 5000 億美元「星際之門」（Stargate）項目。公司最終宣布計劃在全球建設(shè) 20 吉瓦的數(shù)據(jù)中心產(chǎn)能，并預(yù)測需求量將是該數(shù)字的 5 倍。OpenAI CEO 薩姆·奧特曼表示，希望最終能實(shí)現(xiàn)每周增加 1 吉瓦的產(chǎn)能。
• Meta： 2025 年在基礎(chǔ)設(shè)施項目上投入約 720 億美元，高管表示該數(shù)字在 2026 年還將大幅上升。其 Hyperion 項目包括在路易斯安那州農(nóng)村地區(qū)建設(shè)一個價值 270 億美元、容量為 5 吉瓦的數(shù)據(jù)中心。
• 微軟： 2025 年全球數(shù)據(jù)中心項目支出達(dá) 800 億美元，其中包括位于威斯康星州和亞特蘭大的設(shè)施，它們將通過專用光纖網(wǎng)絡(luò)連接，作為一個巨大的超級計算機(jī)運(yùn)行。公司還承諾將其在歐洲的云和 AI 產(chǎn)能擴(kuò)展至 200 個數(shù)據(jù)中心。
• 亞馬遜： 預(yù)計 2025 年基礎(chǔ)設(shè)施支出將達(dá) 1250 億美元，2026 年還將投入更多。其耗資 110 億美元的「雷尼爾計劃」（Project Rainier）是位于印第安納州的一個 2.2 吉瓦數(shù)據(jù)中心，將運(yùn)行 50 萬塊 Amazon Trainium 2 芯片。此外，亞馬遜計劃在 2025 年至 2029 年間斥資約 140 億美元擴(kuò)建澳大利亞的數(shù)據(jù)中心，并在德國投資約 210 億美元。
• Alphabet（谷歌母公司）： 預(yù)計 2025 年基礎(chǔ)設(shè)施支出高達(dá) 930 億美元，高于此前預(yù)測的 750 億美元。公司宣布了一項 400 億美元的計劃，到 2027 年在得克薩斯州增加 3 個數(shù)據(jù)中心。此外，還承諾在印度投入 150 億美元，在德國宣布了約 60 億美元的投資，并在澳大利亞、馬來西亞和烏拉圭推出了新建或擴(kuò)建項目。

盡管存在對 AI 泡沫的擔(dān)憂，但基礎(chǔ)設(shè)施建設(shè)熱潮正在為原本不溫不火的經(jīng)濟(jì)帶來實(shí)實(shí)在在的增長。哈佛大學(xué)經(jīng)濟(jì)學(xué)家 Jason Furman 指出，2025 年上半年美國GDP的增長幾乎全部來自數(shù)據(jù)中心和 AI 領(lǐng)域的投資。在此階段，有證據(jù)支持這樣一種觀點(diǎn)：2025 年拉開了新工業(yè)時代的序幕。

智能體讓代碼編寫更高效

編程已成為智能體工作流中具有最直接商業(yè)價值的應(yīng)用場景。Claude Code、Google Gemini CLI、OpenAI Codex 以及其他應(yīng)用，將「編程智能體」變成了 AI 巨頭之間競爭最激烈的戰(zhàn)場之一。為了留在牌桌上，規(guī)模較小的競爭對手也紛紛開發(fā)了自己的智能體模型。

當(dāng) 2024 年首個開創(chuàng)性的智能體代碼生成器 Devin 問世時，它將 SWE-Bench 編程挑戰(zhàn)基準(zhǔn)測試的最高水平（SOTA）從 1.96% 提升到了 13.86%。到了 2025 年，使用最新大語言模型的編程智能體已能常態(tài)化地完成超過 80% 的同類任務(wù)。

• 2024 年底，推理模型的出現(xiàn)立即提升了編程能力并降低了成本，因為推理能力使智能體能夠規(guī)劃任務(wù)，并將具體執(zhí)行交給成本更低的模型去完成。到 2025 年底，Gemini 3 Pro、Claude Opus 4.5 和 GPT-5.2 已成為編程和智能體工作流領(lǐng)域的頂尖模型。
• Z.ai 的 GLM-4.5 和月之暗面的 Kimi K2 成為開放權(quán)重模型中的熱門選擇，使自動編程類初創(chuàng)公司得以大幅削減成本。7 月發(fā)布的 Qwen3-Coder 提供了一個龐大的 4800 億參數(shù)模型，該模型在超過 5 萬億 Token 的代碼數(shù)據(jù)上進(jìn)行了訓(xùn)練，性能幾近匹敵 Claude Sonnet 4。
• Anthropic 圍繞 Claude 構(gòu)建了一套智能體框架，打造出了 Claude Code 應(yīng)用。該應(yīng)用在 2 月一經(jīng)推出便大受歡迎，確立了智能體編程系統(tǒng)應(yīng)有的標(biāo)準(zhǔn)。OpenAI 隨即做出回應(yīng)，推出了基于其 GPT-5 系列編程專用版構(gòu)建的 Codex 應(yīng)用。
• 模型制造商與集成開發(fā)環(huán)境（IDE）開發(fā)者之間展開了一場拉鋸戰(zhàn)。這導(dǎo)致 Anysphere (Cursor) 和 Cognition AI (Windsurf) 等熱門 IDE 提供商開始構(gòu)建自己的模型。反之，Google 也構(gòu)建了自己的 IDE——Antigravity，并于 11 月首次亮相。

智能體系統(tǒng)不斷推高 SWE-Bench 這一熱門編程基準(zhǔn)測試的上限，促使研究人員尋找替代的方式來評估其性能。這些努力催生了 SWE-Bench Verified、SWE-Bench Pro、LiveBench、Terminal-Bench、-Bench 和 CodeClash 等新基準(zhǔn)。

2025 年初，大多數(shù)觀察家還認(rèn)為智能體僅擅長生成常規(guī)代碼、文檔和單元測試，而在處理更高階的戰(zhàn)略性問題上，資深人類工程師和產(chǎn)品經(jīng)理的表現(xiàn)依然更勝一籌。但到了年底，許多公司報告稱已開始自動化資深級別的任務(wù)。Microsoft、Google、Amazon 和 Anthropic 均表示，他們自身越來越多的代碼正由 AI 生成。

更多細(xì)節(jié)，請參閱年度總結(jié)原文。

結(jié)語：去親手構(gòu)建未來

回望 2025，我們似乎見證了一場關(guān)于「規(guī)?！沟挠螒颉?/p>

在這一年，AI 終于脫離了單純的算法競賽，演變成一場涉及人才、算力、基建和能源的工業(yè)革命。從超大規(guī)模數(shù)據(jù)中心到能耗巨大的算力集群，科技巨頭們正以前所未有的資源投入，加速實(shí)現(xiàn)通往 AGI 的技術(shù)跨越。

這種宏大的敘事往往讓人感到渺小，甚至焦慮。當(dāng) AI 的進(jìn)化速度以「天」為單位，當(dāng)頂尖人才的薪酬變成天文數(shù)字，普通開發(fā)者和從業(yè)者的位置在哪里？吳恩達(dá)給出了答案。

雖然2025 是 AI 變得最「重」的一年，但它也是 AI 開發(fā)變得最「輕」的一年。推理模型的成熟和編程智能體的進(jìn)化，極大地拉低了創(chuàng)造的門檻。正如吳恩達(dá)所言，現(xiàn)在是軟件開發(fā)前所未有的黃金時代。巨頭們負(fù)責(zé)鋪設(shè)電網(wǎng)和鐵路（基礎(chǔ)設(shè)施），而每一位開發(fā)者、學(xué)生、研究者，則擁有了在這些軌道上建造飛船的權(quán)利。

最好的預(yù)測未來的方式，就是去親手構(gòu)建它。

祝你在即將到來的 2026 年，保持好奇，永遠(yuǎn)不要停止學(xué)習(xí)。

新年快樂！