斯坦福Andrew：AI时代学什么？怎么学？爽爷带你秒懂

如果你最近在校园里走一圈，大概率会听到两种声音同时存在：

•学生说：“AI 太快了，我学啥都怕过时。”

•老师说：“AI 太快了，我教啥都怕落伍。”

于是大家集体进入一种微妙的状态：一边刷模型更新，一边对未来隐隐发慌；一边想努力，一边又担心“努力方向错了”。

斯坦福大学 Andrew Ng + Laurence Moroney给大家上了一节课，很有意思：它不是那种“告诉你未来最热岗位有哪些”的讲座，而更像把你拽到一面镜子前——你会发现：真正决定职业命运的变量，早就从“你会不会某个技能”迁移到“你能不能持续构建、持续选择、持续迭代”。

下面我按 6 个主题，拆解下这次分享：既能当“职业建议”，也能当“教学建议”，甚至能当“你接下来半年应该怎么安排时间”的行动指南。

黄金构建时代：能力在指数级上升，尤其是“AI 编码”

Andrew 的开场几乎像在宣布一件大事：

“这可能是史上最好的时机去用 AI 构建东西，也去构建一份 AI 职业。”

很多人质疑：AI 进展是不是慢了？是不是到天花板了？

Andrew 的反击方式很“工程师”：不要用“准确率接近 100%”这种接近饱和的指标看世界。

换个指标——AI 能做的任务复杂度（用人类完成同一任务所需时间衡量），还在快速翻倍。

这句话对学生和老师的冲击在于：

你以为 AI 在“变聪明”，它其实在“吞时间”。

它吞掉的不是一道题，而是一段工作流程：10 分钟的活、40 分钟的活、2 小时的活……越来越多会被它接管为“可自动化模块”。

而“AI 编码工具”的迭代速度，尤其猛烈。Andrew 甚至说：你如果落后半代工具，生产力就会明显下降。

这也是为什么现在很多学生出现一种奇怪的体验：

“我懂原理，但我写不过一个会用工具的人。”

这并不羞耻。

相反，这个时代正在重排“强者定义”：

•过去：强者 = 会写代码的人

•现在：强者 = 会用 AI 写得更快、更对、更可维护的人

•未来：强者 = 会决定写什么、写给谁、写到什么程度的人

瓶颈迁移：写代码越来越像“体力活”，决定做什么才是脑力活

当“从规格到代码”变得越来越容易，最稀缺的东西就变了。

Andrew 把它称为一个“怪异但必然”的结果：

产品管理（PM）成了新瓶颈。

你可以把它理解成：

过去做产品像“修路”，工程师是挖掘机；

现在挖掘机突然变成了“自动驾驶”，问题变成：这条路到底修到哪里？为什么要修？用户在哪？要不要收费？怎么迭代？

AI 降低了“实现成本”，于是每个人都能更快做出一个版本；

但这反而让“选择”更痛苦：

你会突然发现，你并不缺能力，你缺的是——

•问题定义能力

•规格表达能力

•迭代节奏能力

•对用户的理解能力

对学生而言：

别只问“我学哪个框架”，更要问“我能不能把一个模糊需求写成清晰规格”。

这将决定你能不能把 AI 变成“生产力”而不是“玩具”。

学生最容易踩的坑是：

“我有一堆点子，我也能很快写出来。”

然后一个月后发现：全是半成品，没人用，自己也不想维护了。

对老师而言：课程不该只考“会不会写”，更该考“能不能定义”。

把“需求澄清、规格撰写、边界条件、用户反馈”纳入作业，才是面向现实的教育。

老师最容易踩的坑是：“我把工具教会了。”

结果学生拿工具做了一堆“能跑但不值钱”的东西。

AI 时代的学术/教育真正该加的能力，不是更多框架，而是四个字：