剛剛，斯坦福大學計算機科學客座教授、前百度 AI 和前谷歌大腦負責人吳恩達老師在社交媒體平臺 X 上發(fā)布了一篇 2025 人工智能領域年度總結。
除此之外，他建議所有人于假期期間抽出時間學習和開發(fā)軟件，這不僅能幫助大家精進舊技能、學習新知識，還能助力在科技領域的職業(yè)發(fā)展。
吳恩達給出三點建議：
參加人工智能課程
實踐構建人工智能系統(tǒng)
（可選）閱讀研究論文
他舉出幾個例子來說明這三點的重要性。例如，開發(fā)人員要么重新發(fā)明了標準的 RAG 文檔分塊策略，要么復制了現(xiàn)有的智能體 AI 評估技術，要么最終寫出了混亂的 LLM 上下文管理代碼。
“如果他們參加過一些相關的課程，就能更好地理解現(xiàn)有的構建模塊。他們當然可以從頭開始重建這些模塊，甚至可能創(chuàng)造出比現(xiàn)有解決方案更優(yōu)的方案，但他們可以避免數(shù)周不必要的工作，” 吳恩達表示。
技術基石躍遷
2025 年 AI 工業(yè)化的首要特征，是核心技術獲得了可靠且強大的工業(yè)級屬性。其中最具代表性的突破，是推理模型從一項需要提示（Prompt）的技巧，進化為大型語言模型（LLM）內(nèi)生的基礎能力。
早期，研究者通過指令模型“一步一步思考”（Think step by step）來激發(fā)其推理潛能。而到了 2025 年，如 OpenAI 的 o1、DeepSeek 的 R1 等新一代模型，已將復雜的推理流程內(nèi)化為標準操作。這種轉(zhuǎn)變主要得益于基于強化學習（RL）的精細微調(diào)，即通過獎勵模型產(chǎn)生正確輸出的過程，訓練它先“思考”再“回答”。
其帶來的性能飛躍是現(xiàn)象級的。例如，OpenAI 的 o1-preview 在競賽級數(shù)學問題（AIME 2024）上的表現(xiàn)，較之前非推理的 GPT-4o 高出 43%；在博士級科學問題（GPQA Diamond）上高出 22%。在編程能力上，它甚至能在 Codeforces 平臺上擊敗 38% 的人類競技程序員，而 GPT-4o 僅能超越 11%。
推理能力的提升，直接催化了更高級別的 AI 應用形態(tài)——智能體（Agents）和機器人——的成熟。當模型學會調(diào)用計算器、搜索引擎等外部工具時，其解決問題的能力再上臺階。例如，配備工具的 OpenAI o4-mini 在一項涵蓋 100 個領域的多模態(tài)理解測試中，準確率提升了 3% 以上。
推理模型正在成為自主進化系統(tǒng)和科學研究的核心。例如，AlphaEvolve 項目利用谷歌 Gemini 模型反復生成、評估和修改代碼，最終為現(xiàn)實世界問題創(chuàng)造了更高效的算法。
人才與算力決定未來格局
2025 年，AI 頂尖人才的薪酬達到了令人瞠目的水平。這場風波的標志性事件是 Meta 為組建超級智能實驗室（Meta Superintelligence Labs）而發(fā)起的大規(guī)模挖角。
據(jù)《華爾街日報》等媒體報道，Meta 為從 OpenAI、谷歌、Anthropic 等公司吸引頂尖研究員，開出了為期四年、總額高達數(shù)億美元的薪酬包，其中包括巨額現(xiàn)金獎金以及為補償其離開原公司所放棄股權的額外支付。
Meta CEO 馬克·扎克伯格甚至親自上門游說，并成功招攬了 OpenAI 推理模型研究的核心人員 Jason Wei 和 Hyung Won Chung。這場爭奪戰(zhàn)迅速推高了整個行業(yè)的人才價格。
為應對挖角，OpenAI 等公司被迫采取加速股權授予、發(fā)放高達 150 萬美元的留任獎金等反擊措施。吳恩達在回顧這一現(xiàn)象時指出，對于計劃投資數(shù)千億美元建設數(shù)據(jù)中心的公司而言，將其中一小部分用于確保最頂尖的人才，是完全理性的商業(yè)決策。
工業(yè)時代離不開龐大的基礎設施。2025 年，AI 算力需求的爆炸式增長，僅一年時間整個 AI 行業(yè)的資本支出就超過了 3000 億美元。咨詢公司麥肯錫預測，到 2030 年，為滿足 AI 訓練和推理的算力需求，相關投資總額可能達到 5.2 萬億美元。
OpenAI 啟動了與甲骨文、軟銀等合作的“星門”（Stargate）項目，計劃投資 5000 億美元，并最終在全球建設高達 20 吉瓦（GW）的數(shù)據(jù)中心容量；Meta 則在美國路易斯安那州規(guī)劃了一個耗資 270 億美元、容量 5 吉瓦的超大型數(shù)據(jù)中心。
這些設施的能源需求堪比中型城市，其建設已不僅是商業(yè)行為，更成為影響地區(qū)經(jīng)濟發(fā)展和全球能源格局的戰(zhàn)略性投資。這場基建競賽表明，AI 的競爭已從算法和模型的軟實力層面，全面延伸至資本、能源和土地等硬實力層面。
參考資料：
https://www.deeplearning.ai/the-batch/issue-333/
https://x.com/AndrewYNg
·
分享
