TL;DR：吴恩达和苏姿丰在AMD Advancing AI 2025大会上强调，AI非但不会取代程序员，反而通过降低门槛和提供强大助手，极大提升软件开发效率，催生无限需求；同时，开放的AI生态系统是确保创新持续繁荣、避免技术垄断的关键。
在AMD Advancing AI 2025大会上，两位全球科技界的思想领袖——斯坦福大学教授、AI普及教育倡导者吴恩达与AMD CEO苏姿丰，共同探讨了AI时代的核心命题：技术的“可及性”与人类未来的工作。他们旗帜鲜明地反驳了“AI将取代程序员”的悲观论调，并以深刻的洞察力揭示了AI如何重塑软件开发范式，以及开放生态在其中扮演的决定性角色。1
AI时代的软件生产力范式革新
吴恩达和苏姿丰的对话核心直指AI对软件工程的深远影响。他们认为，将“别学编程”视为AI时代最糟糕的职业建议之一，其核心逻辑在于，当工具变得更强大、门槛更低时，从事这项工作的人数反而应该增加，而非减少。这并非简单的乐观预测，而是基于历史技术演进的深刻类比：从打孔卡到键盘，从汇编语言到COBOL，每一次编程门槛的降低，都伴随着软件需求和开发者规模的爆炸式增长。
AI辅助编程工具，如GitHub Copilot、通义灵码2等的快速迭代，正以前所未有的速度提升开发者的效率。吴恩达指出，现在很多概念验证和原型开发，“可以在一个下午完成，而几年前，可能需要六个工程师三个月才能实现”1。这种效率的指数级提升，得益于两大核心进展：
- AI构建模块的崛起：提示优化（prompting evals）、检索增强生成（RAG）、向量数据库、智能体工作流等模块化工具，使得开发者能够快速组合、迭代，构建出以往难以想象的应用。这降低了应用的开发复杂度，将焦点从底层实现转向高层创意和价值创造。
- AI编程助手的进化：从早期的代码自动补全到现在的智能体工作流，AI助手已成为开发者不可或缺的生产力工具。它们不仅帮助新手更快上手，更使得资深工程师能够将精力聚焦于高阶架构设计与创新，显著加速了从创意到落地的过程。
这种生产力范式的变革，预示着未来软件行业将涌现出更多更伟大的软件产品，同时软件工程师的工作重心将向上迁移，更强调架构理解、系统思维和AI工具的熟练运用。
开放生态：创新之源与垄断之殇
两位领袖对于AI技术栈的“开放性”给予了高度关注。吴恩达将AI技术栈划分为半导体、云计算、基础模型和应用层1。他强调，虽然当前媒体聚焦于技术层，但应用层才是“为技术层创造价值，推动整个生态系统发展”的关键所在1。然而，一个值得警惕的风险是，技术栈的某些环节可能出现“守门人”角色，如移动领域的Android和iOS，进而限制创新并攫取不公平收益。
在基础模型层面，开源和开放权重模型的出现（如Llama1、DeepSeek1、Qwen1、OWL3等），被视为打破垄断、保障创新的关键力量。吴恩达以DeepSeek在Qwen基础上进行蒸馏、Llama模型通过微调扩展上下文长度等案例，生动阐释了开放性如何加速模型迭代和创新。苏姿丰也指出，尽管开源并非完美，但其核心在于“信任”和社区协作，能够极大加速创新和基础设施优化。
半导体层被吴恩达指出是“最有可能出现‘守门人’的地方”1。因此，确保软件栈生态的开放性，让开发者在使用半导体硬件时拥有足够的选择权，避免被特定厂商束缚，是保障应用层自由创新的前提。这种对开放性的执着，反映了业界对避免重蹈移动互联网“双寡头”覆辙的集体警惕，力求构建一个更具韧性和活力的AI创新环境。
技能鸿沟与未来工作重塑
尽管AI极大地降低了编程门槛，并带来了无限的软件需求，但一个严峻的挑战是技能与市场需求之间的脱节1。吴恩达指出，目前市场上迫切需要“能够快速使用AI编码助手、掌握构建模块并快速创建高价值应用的GenAI应用开发者”，而传统的大学计算机科学教育体系往往更新速度滞后，导致新毕业生的技能结构与产业需求不匹配。
这种脱节正在制造一种“焦虑现象”：一方面企业抱怨找不到足够的GenAI人才，另一方面，计算机科学专业的新毕业生却面临找工作难的困境1。这凸显了持续学习和技能升级的极端重要性。未来的工作者，无论是开发者还是非开发者，都需要掌握如何利用AI工具提升生产力。苏姿丰也强调，“使用AI越多，你就会变得越有能力，越高效，工程方面的产出就会越来越好”1。
这不仅仅是编程技能的升级，更是思维模式的转变——从“手写代码”到“编排AI”，从关注技术细节到专注于高层架构与业务价值。这要求教育体系、企业培训乃至个人职业发展路径都需做出相应调整，以适应由AI驱动的“生产力跃迁时代”。
资本与生态：面向未来的投资逻辑
从商业敏锐度来看，吴恩达和苏姿丰的观点也映射了AI产业的投资逻辑。当概念验证的成本被AI大幅降低时，创业公司和大型企业都能以更低的试错成本进行快速原型开发。这种效率的提升意味着资本能够更高效地验证市场假设，加速创新周期，从而鼓励更多风险投资进入应用层创新。
开放生态的倡导也指向了对基础设施和基础模型层投资的思考。虽然存在垄断风险，但开源模型的成功（如被大量采用和微调的Llama）表明，投入开源生态的建设能够通过社区力量实现价值增长和技术普惠，形成良性循环。这意味着，在特定层级上，投资开放性和互操作性，可能比单纯追求封闭式垄断更能释放长期价值。
最终，对“可及性”的追求，是对更广阔市场空间的渴望。通过降低AI应用开发门槛，赋能更多元的主体参与，AI的商业价值才能真正实现最大化，形成一个由应用需求驱动底层技术进步的健康产业生态。
在AI浪潮的巅峰时刻，吴恩达和苏姿丰的对话如同一次醍醐灌顶的警示与号召。它驳斥了AI带来的职业恐慌，指明了通往“人人皆可构建”的AI应用时代的路径。这不仅是对开发者的指引，更是对整个社会和教育体系的呼唤：拥抱AI辅助的生产力变革，投身开放生态的建设，并持续学习，才能在这场由技术驱动的人类文明进程中，抓住历史性的机遇，构建一个更加高效、普惠和充满创新的未来。正如吴恩达所言：“现在是史上最容易构建非凡事物的时刻。去做吧，去构建，去创造！”1