撰文：Techub News 整理

导语

近日，在 AMD 举办的开发者活动中，一场备受瞩目的对话在两位 AI 与计算领域的领军人物之间展开。一方是深度学习和 AI 教育的先驱、Coursera 联合创始人 Andrew Ng（吴恩达），另一方是带领 AMD 在 AI 硬件领域强势崛起的 CEO Lisa Su（苏姿丰）。本次对话由 AMD 开发者生态负责人 Sharon 主持，聚焦于 AI 的可及性、开放生态的价值以及开发者如何在这个快速演进的时代抓住机遇。在当前 AI 基础设施竞争日益激烈、生态开放性成为焦点的背景下，两位领袖的见解为开发者社区指明了方向。

摘要

• 开放生态是防止“守门人”垄断、激发 AI 各层创新的关键，尤其在半导体和基础模型层。
• AI 辅助编码和模块化工具正在极大降低应用开发门槛，使得“快速原型-快速失败-快速学习”成为可能。
• AI 不会取代开发者，而是将创造更多软件需求，但开发者需持续学习新技能以跟上变革。
• 对开发者的核心建议是：无需等待许可，利用现有工具大胆构建，并在选择基础设施时考虑开放选项。

开放生态：对抗“守门人”，释放创新

对话伊始，Lisa Su（苏姿丰）便强调了 AMD 的核心使命：提供强大且人人可及的算力路线图。她指出，开发者社区是这一生态系统的中心，AMD 近期推出的开发者云正是为了降低获取高性能计算的门槛。她坦承，将软件栈开源有时令人“害怕”，因为不完美之处会暴露在社区面前，但正是这种开放和信任，才能让生态在集体智慧下更快地完善和进步。

Andrew Ng（吴恩达）则从 AI 技术栈的宏观视角切入。他将 AI 栈分为半导体层（如 AMD、NVIDIA）、云超大规模提供商层、基础模型层（如 OpenAI、Claude）以及应用层。他认为，尽管技术和资本的目光常聚焦于底层技术，但应用层必须创造更大的价值，因为它产生的收入将支撑整个技术栈的运转。

吴恩达特别强调了开放生态对于防止“守门人”（gatekeepers）出现的重要性。他以移动生态为例，指出 Android 和 iOS 两大平台作为守门人，在一定程度上限制了键盘、地图、语音助手等领域的创新与货币化方式。他担忧 AI 领域也可能在技术栈的某一层出现类似的垄断力量，从而扼杀创新并攫取不合理的利润。

“在基础模型层，支持开放权重模型绝对至关重要。”吴恩达表示，并批评了某些公司试图通过游说扼杀开源模型的行为。他认为，开放在该层已经催生了巨大活力，例如 DeepSeek 模型发布后很快就能与 Qwen 模型进行知识蒸馏，社区也能快速为 Llama 模型扩展上下文窗口或增加多模态能力，这些创新很难由单一公司预先规划。

他进一步指出，半导体层同样存在出现守门人的潜在风险。因此，他高度赞赏 AMD 推动的开放 ROCm 生态系统，认为确保开发者在半导体层面有选择权，是防止守门人崛起、保障应用开发者能自由创新的关键。Lisa Su（苏姿丰）对此回应，AMD 致力于让上层开发工作尽可能简化，实现代码的轻松移植，从而赋予开发者真正的选择权。她承认 ROCm 生态尚不完美，但在开放社区的推动下正在飞速改进。

开发范式革命：快速原型与 AI 辅助编码

当话题转向开发者如何参与时，Andrew Ng（吴恩达）为不同层级的开发者描绘了清晰的图景。对于少数工作在 GPU 内核层的开发者，他建议深入参与开放的 ROCm 生态。但对于绝大多数应用层开发者，理想状态是“根本无需关心底层”，只需进行性价比计算后选择最优的计算服务。

吴恩达重点分享了他眼中应用层正在发生的两大变革。首先是 AI 构建模块 的兴起，如提示工程、评估、RAG、向量数据库、护栏和智能体工作流等工具。这些模块化组件使得组合构建复杂应用变得异常迅速，许多两三年前无法想象的应用如今已能快速实现。

第二个变革是 AI 辅助编码。吴恩达直言，无法想象再回到没有 AI 辅助编码的时代。他认为 AI 编码助手是 AI 领域中发展最快的方向之一，从 GitHub Copilot 的自动补全，到更复杂的代码生成，再到如今高度自主的智能体工作流，进化速度惊人。他提到自己团队近期大量使用 Claude 等工具，这些高度自主的 AI 编码助手将极大提升开发效率，甚至有助于解决 CUDA 与 ROCm 之间的代码移植问题。

这些工具带来的最直接影响是 “快速原型” 能力的爆炸式增长。吴恩达分享，现在他和团队可以在一个下午实现一个想法，而这在几年前可能需要六名工程师花费三个月。迭代速度也大幅提升：一天内构建原型，当晚获得用户反馈，次日早上即可开始下一轮迭代。

“我的关注点更多是将概念验证的成本降至极低，”吴恩达阐述了他的方法论，“这样你就可以构建 20 个原型，即使其中 18 个快速失败，只要能找到两个真正有价值的，就是一笔非常划算的交易。”他认为，无论是初创公司还是大型企业，创新流程都在改变，利用这种“疯狂快速”的原型能力来探索和发现真正可行的方案。

Lisa Su（苏姿丰）对此深表赞同，并将“快速失败、快速学习”的理念与 AMD 的开发者生态策略联系起来。她坦言，一年前 AMD 可能更专注于超大规模客户，但如今已深刻认识到初创社区惊人的创新速度和密度。因此，AMD 调整了开发者策略，转向更敏捷的发布节奏，例如每两周推出新的训练和推理 Docker 镜像，快速收集反馈并迭代。她透露，AMD 甚至开始训练 AI 来编写内核代码，以加速优化过程。

AI 时代的开发者：更多需求，更高要求

面对“AI 是否会取代程序员”这一普遍焦虑，Andrew Ng（吴恩达）给出了明确而有力的反驳。他将此前“AI 将自动化编码，因此不必再学习编程”的论调称为 “有史以来最糟糕的职业建议之一”。他的逻辑是：当一件事变得更容易时，应该让更多人去做，而不是更少。历史已经证明，从打孔卡到键盘，从汇编语言到高级语言，每一次编程门槛的降低都带来了程序员数量的激增和软件产业的繁荣。

吴恩达认为，对定制软件的需求几乎没有实际天花板。随着 AI 辅助编码降低开发成本，世界将产生更多、更伟大的软件。然而，软件工程的内涵正在转变。他观察到，熟练掌握 AI 工具的应届毕业生，其生产力可能远超那些仍沿用 2022年（即生成式 AI 爆发前）工作方式的十年经验工程师。

但这并不意味着经验不再重要。吴恩达指出，他认识的最优秀的工程师，正是那些既拥有深厚的系统架构与计算机科学理解，又能熟练掌握 AI 技能的经验丰富者。当前市场的矛盾在于：一方面，许多企业找不到足够的精通生成式 AI 应用的开发者；另一方面，许多教育体系（尤其是大学课程）更新缓慢，未能培养学生满足这些迫切需求。

Lisa Su（苏姿丰）从企业角度提供了佐证。她表示 AMD 正在大量招聘，并在硬件设计、软件开发、销售、市场、人力资源等全流程中使用 AI。AI 的目标不是取代岗位，而是让员工更有能力、更高效，从而加速产品上市周期、拓宽项目管道。她强调，持续学习是关键，人们需要通过工作、课程（如吴恩达在 Coursera 上的课程）、以及像本次论坛这样的交流来不断更新知识。

给开发者的行动指南：无需许可，大胆构建

在对话的最后，主持人请两位嘉宾给现场开发者一句“行动号召”。Andrew Ng（吴恩达）分享了他认为最重要的人生经验之一：“你被允许直接动手做事。” 只要不伤害他人或造成破坏，无需等待别人的许可或认同你的想法，只管去构建。

他指出，在 AI 辅助编码和强大构建模块的支持下，个人能够实现的事情数量已经呈爆炸式增长。这是一个去构建的绝佳时代。即使构建的东西不尽如人意，这个过程本身也是宝贵的学习。他回顾了 Coursera 最初也是作为一个“业余项目”起步，硅谷许多伟大的项目都源于某个人在未征得许可（但仍负责任）的情况下，动手解决了某个问题。

Lisa Su（苏姿丰）的呼吁则更为直接：“构建，构建，构建，并在 AMD 上构建。”她希望开发者能给 AMD 的 ROCm 生态一个机会，并重申开发者是 AMD 一切努力的中心。她将当前 AI 的发展阶段比作“比赛刚刚开始”，未来五到十年将有远超想象的进展，而开发者社区正有机会共同书写未来的篇章。AMD 希望成为开发者的合作伙伴和赋能者，并与开发者共同学习、成长。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。