一、辑录说明
本报告系统梳理吴恩达（Andrew Ng，DeepLearning.AI 创始人、AI Fund 创始普通合伙人、Coursera 联合创始人兼董事长、斯坦福大学兼职教授，曾任 Google Brain 创始负责人与百度首席科学家）自 2025 年 10 月至 2026 年 10 月 的课程发布、开发者大会演讲、通讯编者按与公开访谈观点。素材来自公开新闻检索、媒体报道转载与访谈全文转录，所有引文均标注来源场合；其公开表达以课程视频、活动对话与《The Batch》编者按为主，多为媒体转述整理，非逐字记录。观点辑录仅供研究参考。
二、一年活动时间线总览（共 13 条）
| 序号 | 时间 | 场合与形式 | 核心内容 |
|---|---|---|---|
| 01 | 2025.10.12 | DeepLearning.AI 上线新课《Agentic AI》（与 LangChain CEO 哈里森·蔡斯联合授课，免费约 40 节） | 智能体工作流四大设计模式：反思、工具、规划与协作 |
| 02 | 2025.11.12 | Snowflake 开发者大会对话：《AI 为什么不是泡沫》 | 小团队方法论：让 AI 写代码、先赢一个小场景、保留选择权、控制数据 |
| 03 | 2025.11.14 | AI Dev 25 x NYC（纽约）开发者大会演讲 | 编码效率大幅提升，瓶颈从"写代码"转向"收集用户反馈" |
| 04 | 2025.11.18 | AI Dev 25 期间接受 ZDNET 采访 | 开发者三大核心技能：提示工程、模型微调、AI 产品化部署 |
| 05 | 2026.1.2 | 《The Batch》编者按发布"Turing-AGI Test"提案（后经 The Indian Express、量子位等报道） | 为 AGI 的到来设计里程碑式测试，回应定义混乱 |
| 06 | 2026.1.7 前后 | 《The Batch》新年特刊公开信（据 MIT 科技评论中文网报道） | "2026 年会是我们最终实现 AGI 的一年吗？"汇集六位专家预测 |
| 07 | 2026.2.25 | InfoQ 报道：吴恩达、斯坦福、谷歌云"罕见同频" | AI 测评逻辑转向：从"能不能做到"到"什么条件下、以什么成本、为谁创造价值" |
| 08 | 2026.2.27 | Fast Company 专访 | "AGI 还有几十年之远"；智能体自动化工作流才是行业下一阶段 |
| 09 | 2026.3.2–4 | 系列访谈中文发布（知乎专栏、36kr、智源社区等转载） | "AGI 已经变成营销术语""智能不是一个 Transformer 加上 Scaling" |
| 10 | 2026.4.6–9 | HumanX 2026 大会（旧金山），与 Coursera CEO 格雷格·哈特对谈 | AI 技能鸿沟：AI 进化速度超过企业再培训速度 |
| 11 | 2026.5 | 《The Batch》5 月刊编者按；同期提示工程课程更新引发中文社区学习热（CSDN 笔记等） | "AI 就业末日"不会到来：软件工程招聘依然强劲 |
| 12 | 2026.6.17 | 深度访谈《AI 时代的创业新逻辑，技术不是瓶颈》中文发布（腾讯云开发者社区转载） | 执行速度是创业成功的最强预测指标 |
| 13 | 2026.8.28 | Silicon Valley Girl 播客（主持人玛丽娜·莫吉尔科），9 月初经虎嗅、观点网等中文解读传播 | "AI 最大的机会不在你以为的地方"：恐惧营销的根源与"任务数学" |
三、贯穿全年的主线主张（共 5 条）
吴恩达一年内的公开表达方向高度一致——把 AI 从"叙事"拉回"工程与经济"：
01应用层优先：竞争不看谁造出更强模型，而看谁已经开始用 AI 干活
他在 Snowflake 开发者大会与 AI Dev 25 反复强调：大型语言模型已足够强大，真正的价值在于解决具体行业问题的应用开发——医疗、金融、客服等场景的集成能力。"今天的竞争，不在于谁能造出更强模型，而在于谁已经开始用 AI 实际干活。"与之配套的是他对开发者技能的具体建议：提示工程、大模型微调与 AI 产品化部署。
02智能体是方法论：四大设计模式与"决定性能力"
在《Agentic AI》新课中，他把智能体工作流沉淀为四大设计模式——反思、工具使用、规划与协作，并首次强调评估（evals）与误差分析才是智能体开发的决定性能力："谁能建立系统化的评估与误差分析流程，持续定位并改进智能体工作流中的问题，谁就在智能体开发中领先一步。"课程演示显示，用智能体技巧甚至能让 GPT-3.5 在编程任务中反超 GPT-4。
03给 AGI 降温：从"营销术语"到 Turing-AGI Test
他判断 AGI 在明确定义下 2026 年不可能实现，真正实现"可能还需要几十年甚至更久"；"AGI 已经变成了一个营销术语"，甚至误导公众与监管。"我很确定'智能'不是一个 Transformer 加上 Scaling"——真正的智能应具备像人类一样通过学习完成全新类型智力任务的能力，而当前模型依然极度依赖训练数据。为此他提议设计"Turing-AGI Test"：一个判定 AGI 是否到来的里程碑式测试，先把"怎么测"说清楚，再谈"有没有"。
04"任务数学"与就业乐观：AI 拿走 30–40% 的任务，剩下的更值钱
他断言"AI 就业末日（jobpocalypse）不会发生"：经济学家（斯坦福 Erik Brynjolfsson、MIT Andrew McAfee 等）把职业拆解成单个任务来分析——AI 或许能完成许多岗位中 30%–40% 的任务，而剩下的 60%–70% 作为"经济互补品"反而更值钱。"使用 AI 的人将取代不使用 AI 的人，但 AI 还没有能力在绝大多数岗位上取代人。"受影响最深的软件工程恰恰是招聘走强的领域；"还像 2022 年（ChatGPT 发布前）那样写代码的人才有麻烦。"
05小团队创业方法论：小场景、可切换、控数据、拼速度
基于 AI Fund 的孵化实践，他给出四条"小团队打赢大公司"的方法论：先赢一个小场景——最难的不是控制成本，而是做出有人愿意用、愿意留的东西；保留选择权——架构上为切换模型留好接口，"今天用 GPT，明天可以换成 Claude、Gemini、开源 Qwen"；控制数据——警惕 SaaS 在组织内部形成数据孤岛，自有数据才是核心资产；执行速度——技术已不是瓶颈，执行速度是创业成功的最强预测指标，"最佳实践每两三个月就在变化"。
四、逐场活动与观点详录（共 8 场）
01《Agentic AI》新课：从"调模型"到"设计系统"
- 课程定位：不是工作流界面教程，而是揭示智能体背后的系统性方法论——"不教框架、只教代码"，用最基础的 Python 构建智能体工作流。
- 四大设计模式：反思（reflection）、工具使用（tool use）、规划（planning）、多智能体协作（multi-agent collaboration）；智能体不再一次性"憋"出答案，而是拆解任务、反思结果、用工具修正偏差，在多轮循环中不断优化。
- 决定性能力：首次把"评估与误差分析"抬到课程核心——系统化的评估流程是智能体开发领先的分水岭；先走通产品方向，再谈优化成本。
- 课程演示：用 Agentic 技巧让 GPT-3.5 在编程任务中反超 GPT-4，说明"更像人类的工作流"可以放大模型表现。
02Snowflake 开发者大会：《AI 为什么不是泡沫》与小团队武器
- "让 AI 帮你写代码"：他本人每天都在用 AI 写代码，"如果飞机上没有 Wi-Fi，我就没法编程"；真正会用 AI 写代码的人依然寥寥无几。
- 小场景切入："我们在 AI Fund 孵化了很多项目，最难的不是控制成本，而是先打中一个用户真正喜欢的产品。"顺序搞反了——先做出有人愿意用、愿意留的东西，成本问题往往随后有解。
- 保留选择权：架构时多做一点点额外工作，为切换模型留好接口——"不要一上来就绑定某个模型或平台"。
- 控制数据："很多 SaaS 产品其实在你组织内部建立了一个数据孤岛，你用得越久越被锁定。"AI 产品真正的核心资产是你自己的数据；开源模型 + 组织得当的私有数据，效果可以胜过堆参数。
- 智能体干活：以 PDF 为例——财报、医疗记录、合同散落在系统角落，智能体可自动识别字段、提取结构化数据；"不是替代人，也不是增强认知，就是干活"。下一个阶段是把 PDF、音频、邮件、票据等非结构化数据真正用起来。
- 结语判断：AI 产品的门槛已经从技术能力变成行动速度——小团队与大公司的差距，正在从资源变成执行力。
03AI Dev 25（纽约）：开发加速与开发者三技能
- 开发加速：AI 辅助编码让原型周期大幅缩短；真正的瓶颈从"写代码"转移到"收集用户反馈"——产品迭代的速度由反馈循环决定。
- 三大核心技能：提示工程、大型语言模型微调、AI 产品化部署；把生成式 AI 集成到医疗、金融、客服等真实业务场景的能力需求日益增长。
- 工程素养：强调数据中心方法（data-centric）与智能体编排，紧跟 AI 框架和 MLOps 工具的快速迭代，才能做出可扩展、可维护的方案。
- 机会判断：应用层开发而非基础模型才是开发者与创业者的广阔机会所在。
04《The Batch》新年系列：Turing-AGI Test 与"AGI 之年"之问
- Turing-AGI Test 提案（1.2 编者按）：面对 AGI 定义的混乱，他提议设计一个里程碑式测试——判据是 AI 能否像人类一样，通过学习完成全新类型的智力任务；测试协议可由"考官"构造新任务来评估，而非依赖既有基准。他表示愿意投入 2026 年推动这一测试的设计讨论。
- 新年之问（1.7 特刊）："2026 年会是我们最终实现 AGI 的一年吗？"——他给出的答案是否定的：AGI 在明确定义下 2026 年不可能实现；特刊汇集六位专家对 2026 年的预测，共同指向"先解决测量与评估问题"。
- 立场意义：把 AGI 讨论从"公关竞赛"拉回"可测试的科学问题"，与其后两个月的降温表达一脉相承。
05"AGI 还有几十年"：测评转向与智能的本质
- 测评逻辑转向：吴恩达、斯坦福、谷歌云团队接连发布报告，共同信号是行业焦点已从"能不能做到"，变成"在什么条件下、以什么成本、为谁创造价值"（据 InfoQ 汇总）。
- AGI 营销化："AGI 已经变成了一个营销术语"——定义被营销辞令滥用和降级，误导公众；在明确定义下，2026 年不可能实现 AGI，"可能还需要几十年甚至更久"。
- 智能的本质："我很确定'智能'不是一个 Transformer 加上 Scaling"——未来的 AI 进步将是多元的；从规模化中或许还能挤出一些潜力，但越来越难；真正的智能应能像人类一样通过学习完成全新类型的智力任务，而当前模型依然极度依赖训练数据。
- 社会认知："社会对 AI 的认知很大程度上被少数几家拥有强大公关部门的公司的叙事所塑造。"比起等待 AGI，更该关注智能体对具体任务的自动化。
- 背景注脚：访谈提及其风投工作室 AI Fund 已于 2025 年中完成 1.9 亿美元超额认购融资，持续孵化应用层项目。
06HumanX 2026：AI 技能鸿沟是落地的真瓶颈
- 核心判断："AI 的进化速度，超过了大多数公司再培训员工的速度。"技能缺口（skills gap）正在拉大，成为企业采用 AI 的实际瓶颈。
- 解法：以课程与微证书快速补齐 AI 技能——企业需要把"再培训"当作战略而非福利；个人需要主动在大学体系之外获取前沿技能。
- 延续性：这一主题延续自其"AI 是新电力"的布道传统——普及比垄断重要，教育比预测重要。
07《The Batch》5 月刊："AI 就业末日"不会到来
- 明确预测：不存在"AI 就业末日"——证据之一是软件工程招聘依然强劲；AI 擅长写代码，但"我认识的所有优秀软件工程师都比以前更忙"。
- 任务而非岗位：AI 改变的是岗位内部的任务构成，而不是消灭岗位本身；该被淘汰的是"还像 2022 年那样工作"的技能组合。
- 技能建议：停止做 AI 已能自动化的那 30%–40%，把时间投到 AI 做不了的 60%–70% 上；"当一件事变得更容易，就该有更多人去做它"——用 AI 构建软件已不再只是软件工程师的特权，市场、招聘、HR、运营都应学会。
08Silicon Valley Girl 播客：恐惧营销的根源与"任务数学"
- 恐惧从何而来："关于 AI 的错误信息，根源是两三年前开始的一场公关与监管俘获（regulatory capture）努力。"少数头部公司大声渲染 AI 威胁，推动有利于在位者的监管，"让我们都得为使用 AI 支付高额过路费"。
- 驳"AI 像核武器"："这个类比没有任何事实基础。"挑拣 AI 出错的个案放大传播、夸大数据中心耗水，都让社会认知偏向负面——"这正在拖慢美国的 AI 采用，让美国竞争力下降。"
- 任务数学：援引 Brynjolfsson 与 McAfee 的分析——AI 能完成许多岗位 30%–40% 的任务，剩余部分成为更值钱的"经济互补品"；"使用 AI 的人将取代不用 AI 的人"。
- 给毕业生的建议：大学体系适应太慢（教师掌握新技能、课程委员会审批动辄一两年），"很遗憾，许多大学仍在教授过时的东西"；他的办公室里 AI 原生（AI native）的实习生最能打——课上努力，课下到 Coursera、DeepLearning.AI、Udemy 等在线平台补前沿技能。
- 组织内创业者：AI 时代的人将拥有更多自主性与创造力；他批评"经理让员工待在泳道里"的大公司政治，主张每个人都成为"利基里的创业者"。
- 回应失控论：面对本吉奥（Yoshua Bengio）的"失控"担忧，他以飞机类比——早期飞机也曾坠毁，"没有人能完美控制 AI，但我们会在过程中学会控制它，就像学会控制飞机一样"；对敏感数据，"只使用本地部署的模型"。
- 衡量 AI 效果：AI 的业务成效更多是业务的函数而非 AI 的函数——KPI 应挂在业务指标上（增长、留存、速度、准确率），而非 AI 本身。
五、主题归纳：四个关键词看懂这一年
智能体是方法，不是产品
从《Agentic AI》课程到 Snowflake 对话，他把"智能体"从概念 hype 拉回工程方法：四大设计模式是骨架，评估与误差分析是灵魂；"让智能体干活"的标准不是演示惊艳，而是接进真实业务流程。
AGI 之辩：降温与"评测转向"
"营销术语""还有几十年""智能≠Transformer+Scaling"——他连续数月给 AGI 叙事降温，并以 Turing-AGI Test 提案把争论导向可测试命题：先解决"怎么测"，再谈"有没有"。行业评测逻辑同步转向"条件—成本—受益人"。
就业·教育·技能的"任务数学"
以任务拆解代替岗位末日论：AI 拿走 30–40% 的任务，剩余部分更值钱；软件工程招聘走强是例证。大学课程滞后一两年，在线教育与"AI 原生"工作方式是补差解法——"人人用 AI 构建"门槛空前之低。
应用层创业方法论
AI Fund 十年孵化沉淀：先赢一个小场景、保留模型选择权、控制自有数据、以执行速度取胜；"技术不是瓶颈"——2026 年的创业问题不是造模型，而是打中真实需求并快速迭代。
六、背景脉络与本辑定位
人物坐标
吴恩达是"AI 是新电力"布道的代表性人物：Google Brain 创始负责人 → 百度首席科学家 → Coursera 联合创始人兼董事长、DeepLearning.AI 创始人、AI Fund 创始普通合伙人、Landing AI 创始人兼 CEO、斯坦福大学兼职教授。他同时运营《The Batch》周刊与大规模在线课程矩阵，是过去一年少数"教育—投资—布道"三线并进的 AI 领袖。
一年脉络
2025.10–11 以教育与开发者会议为主（智能体课程、Snowflake、AI Dev 25）；2026.1–3 集中投入 AGI 之辩（Turing-AGI Test、新年公开信、Fast Company 与系列访谈）；2026.4–5 转向就业与技能（HumanX、5 月刊）；2026.6–8 收束于创业方法论与机会判断（创业访谈、8 月底播客）。贯穿全年的关键词，从"AI 是新电力"细化为"先干活，再谈 AGI"。
与系列其他各辑的对照
- 与李飞飞（第一辑）：同为学院派布道者。李飞飞聚焦空间智能与"以人为本 AI"，吴恩达聚焦应用层与"AI 技能普及"——一个向下扎根具身世界，一个向下扎根职场与课堂。
- 与杨立昆（第九辑）：同调 AGI 降温。杨立昆从架构上否定"Scaling 万能"（世界模型路线），吴恩达从评测与经济理性上消解 AGI 叙事——前者是研究者的"范式之争"，后者是教育者与投资人的"测量之争"。
- 与卡帕西（第十辑）：同倡"人人用 AI 写代码"。卡帕西把 vibe coding 推向极致，吴恩达则补上工程纪律的另一面——评估、误差分析与数据控制。
- 与纳德拉（第十二辑）：同属"应用派"。纳德拉以平台之力推广智能体网络，吴恩达以教育与孵化推广智能体方法论，互为产业与课堂的两面。
关键数字
- AI Fund 于 2025 年中完成 1.9 亿美元超额认购（II 期基金），继续孵化应用层项目。
- 《Agentic AI》课程免费上线（约 40 节），中文社区（如 Datawhale）同步组织翻译与共学。
- 《The Batch》全年编者按三次成为行业话题源：1 月 Turing-AGI Test、新年 AGI 之问，5 月"无就业末日"。
七、资料来源
- 量子位《吴恩达新课上线，不教框架只教代码：40 节免费课学懂 AI 智能体》（2025.10，36kr 转载）；网易号《吴恩达 Agentic AI 新课：手把手教你搭建 Agent 工作流》（2025.10.12）
- 腾讯新闻·AI 深度研究员《吴恩达：小团队用 AI，怎么打赢大公司？》（2025.11.13，Snowflake 开发者大会对话整理）
- AI Dev 25 x NYC 大会报道与 ZDNET 采访转述（Blockchain.News / DeepLearning.AI 官方渠道，2025.11.14–18）
- DeepLearning.AI 社区《The Batch: Turing-AGI Test》（2026.1.2）；The Indian Express 相关报道（2026.1.9）；量子位报道（2026.1.10）
- MIT Technology Review 中文网《吴恩达新年公开信：2026 年能实现 AGI 吗？六位专家说先解决……》（2026.1.7）
- InfoQ《AGI 凉了？吴恩达、斯坦福、谷歌云罕见同频：AI 测评逻辑正被重写》（2026.2.25）
- Fast Company 专访《Andrew Ng says AGI is decades away—and the real AI…》（2026.2.27）
- 知乎专栏《吴恩达：我很确定"智能"不是一个 Transformer 加上 Scaling》（2026.3.2）；36kr《吴恩达：AI 很热，但别把 AGI 说早了》（2026.3.3）；智源社区转载（2026.3.4）；CSDN 转载《吴恩达：2026 年不会出现 AGI，但这件事将改变一切》（2026.3.30）
- HumanX 2026 大会议程页与教育科技媒体回顾（etcjournal 等，2026.4.6–10）
- Stackademic《Andrew Ng is right: there is no AI jobpocalypse》（2026.5.14，转述 The Batch 5 月刊编者按）
- 腾讯云开发者社区《吴恩达深度访谈：AI 时代的创业新逻辑，技术不是瓶颈》（2026.6.17）；Apple 播客中文解读《吴恩达：AI 时代创业公司怎么跑得更快》（2026.1.7）
- The Singju Post《Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think (Transcript)》——Silicon Valley Girl Podcast 全文转录（2026.8.28 / 8.31）
- 虎嗅《AI 拿走一部分工作后，人真正值钱的是什么？》（2026.8.31）；观点网等转载（2026.9.1）
- GitHub Datawhale agentic-ai 中文翻译仓库；CSDN《不对 AI 设限——学吴恩达 2026〈给所有人的人工智能提示词课程〉笔记》（2026.5.3）