本文来自微信公众号： AIGC从0到1 ，作者：王零壹，头图来自：AI生成
吴恩达很少说重话。但当他在LangChain的Interrupt大会上说出“炒作超出了我的预期”这句话时，台下的人都安静了。
不是因为他在批评AI行业。而是因为他说出了后半句：编程Agent的发展速度，比我预想的还快。
两句话放在一起，才是吴恩达真正的信号。AI的炒作确实过头了——但不是因为AI不够强，而是因为大多数人讨论的方向是错的。
人们还在争论AGI会不会来、工作会不会被替代。但真正正在发生、速度远超预期的变化，在另一个地方：编程Agent正在让“写代码”这件事贬值。
六个月前，吴恩达几乎只用Claude Code。现在他同时用OpenAI Codex、Gemini CLI、OpenCode，甚至在手机上写代码已经变得理所当然。他说：“在编程Agent上，前沿能力变化非常快，竞争非常激烈。”
这才是这场对话的题眼。
一、代码快了100倍之后，瓶颈不在工程
吴恩达提出了一个概念：产品管理瓶颈。
逻辑很直接——如果代码实现速度提升10倍甚至100倍，限制团队效率的就不再是工程实现，而是“到底该做什么”。需求定义、用户反馈、优先级判断、产品边界——这些事不会因为代码写得快而自动变快。
但吴恩达又往深处推了一步。他说，过去一年他意识到，不只是产品管理会成为瓶颈。几乎所有其他环节都会。
当写代码快到一天能做完以前三个月的事，整个软件生产关系链都会被重新拉紧。
营销会成为瓶颈：团队能构建太多功能了，营销人员反而跟不上——要搞清楚每个新功能到底做了什么，再思考怎么对外传播。
设计会成为瓶颈。
法务合规更典型。以前三个月开发一个产品，等一周让法务签字是可接受的。但如果一天就能开发完，再等一周，法务本身就是阻碍。
这意味着，AI Agent带来的变化不是“工程师效率提升”这么简单。它是在把瓶颈从工程侧往外推——推向产品、营销、法务、设计，那些传统上“不急”的环节。
过去这些环节有时间缓冲，因为工程本身就很慢。现在工程突然变成了最快的环节，所有缓冲都消失了。
这是整个协作链条的结构性错配。
二、十人小队：不是因为AI替代了人
吴恩达说，他越来越多地组建一到十人的小团队。成员不是普通工程师，而是通才型、高上下文、高授权的工程师。
很多人听到这句话的第一反应是：AI替代了人，所以团队变小了。
但这不是吴恩达在说的。
小团队不是因为人被砍掉了。小团队是因为每个人能做的事情变多了。
吴恩达用一个画面解释了这个逻辑：假设一个团队需要软件工程、产品管理、服务条款、营销文案、设计——五种职能，但只有两个人。按照鸽巢原理，两个人里的每一个人都必须承担不止一个角色。
过去这不可能。一个工程师不可能同时写好代码、写清楚产品需求、起草服务条款、写出营销文案。但在Agent的加持下，这些事情的门槛都在下降。AI不会让一个工程师突然变成优秀的营销官或律师，但可以让他先产出一个可用的初稿，再交给专业人员把关。
这意味着未来的竞争力不在“专精一个技能”。未来最稀缺的人，是能用AI同时覆盖多种职能的通才。AI不会消灭岗位，但它会压缩“只有一种技能”的人的生存空间。
吴恩达说他最常看到的成功模式是“工程师出身的通才”。但也开始看到产品经理学写代码，营销人员学写代码，运营人员构建产品。方向不重要——重要的是谁能把自己变成一个多角色的人。
公司组织架构最大的变量，不是AI替代了多少人，而是“一个人能覆盖几个角色”在重新定义最小可运行团队的人数。
三、Agent不是在写代码，是在拼乐高
吴恩达用了一个比喻来描述今天的Agent开发，这个比喻本身很精准，但他真正指向的问题比比喻更深。
他说，今天的开发者面对的是一大堆构建模块：RAG、Agent框架、评估工具、护栏、UI组件、身份认证、数据库、API。开发者越了解这些模块，就越能快速把它们组合起来建成系统。就像乐高——积木种类越多，能搭出的东西越以组合式甚至指数级增长。
到这里，这个故事听起来很乐观：工具多了，开发就快了。
但吴恩达立刻抛出了真正的问题：这些构建模块变化太快了，快到模型根本不知道最新的用法。
很多领先编程Agent所基于的模型，知识截止时间都早于某些关键API的发布时间。模型不知道这个API存在，不知道它的语法，不知道它的最佳实践。这就出现了一个荒诞的局面：乐高积木越来越多，但拼乐高的人（Agent）根本不认识新积木。
Agent的能力不取决于模型本身的智能，而取决于它能不能获得及时、准确、可执行的上下文。
这就是吴恩达和他的朋友Rohit Prasad做Context Hub的原因——一个面向AI Agent的Stack Overflow。Agent可以通过它获取最新文档，了解最新API和SDK，甚至给文档提供反馈来改进文档本身。
这个洞察被大多数人忽略了。现在的讨论焦点永远是“哪个模型更强”，但吴恩达是在说：模型强不强已经不是关键变量了。关键是Agent能不能接上最新、最准的信息源。如果信息失效，再强的模型也是盲的。
Agent竞争的下半场，不在模型层，在上下文层。
四、企业AI的真正门槛：不是放几个Agent，是重做流程
吴恩达的团队AI Aspire在和大量大型企业打交道，包括财富50强、财富500强、G2000。他观察到一个非常一致的困境。
绝大多数企业都在做自下而上的AI创新，也就是“百花齐放”策略。每个部门都在做点AI实验，但CEO和董事会一直在问同一个问题：AI的ROI到底在哪里？
吴恩达的判断很直接：百花齐放只能带来点状提效，换不来真正的转型。
他举了银行的例子。贷款审批流程有五个步骤：营销贷款产品、接收申请、审核并批准贷款、做最终尽职调查、执行贷款。
很多团队注意到，中间“审核并批准”这个环节可以用AI来做。原来一个人花一小时审查贷款申请，现在AI来做。这很好，当然应该做。
但问题在于，如果整个贷款流程不变，只是把一小时人工换成了AI，它就是一个渐进式效率提升。
真正的机会在另一个方向：推出“10分钟获批”的贷款产品。
要达成这个目标，光替换审批环节不够。营销要重新设计——你得宣传“10分钟获批”。申请要立即路由到审批环节，不能等一天。数据系统、基础设施、最终尽调、执行环节都要跟着变。
这不是一个环节的自动化，而是一个业务产品的重新定义。
这个逻辑可以迁移到几乎所有AI企业落地场景。
客服不是裁掉一批人替上聊天机器人。客服是用AI更快服务更多客户，改善体验，带动增长。
Drive-through点餐不是用语音AI替代点餐员。它是用更流畅的体验让客户更愿意来。
降本有天花板。增长几乎没天花板。吴恩达说最令他兴奋的项目都是跟增长相关的，而不是跟降本相关的。但这个认知在大多数企业里还没有建立起来。
ROI的讨论里藏着一个更深的教训。吴恩达发现，推动渐进式收益有时比推动转型式收益更难。
如果你告诉某人“明年把业务提升2%”，他会觉得老板让我再努力2%。但如果你要寻找20%或50%的增长，你不可能让全公司每个人都多努力50%。你必须提出更有创造力的方案。这会倒逼真正的创新。
困境在于：渐进式收益更容易被量化，但天花板低；转型式收益空间大，但需要有人拥有更广的视野和权限来推动。这就是为什么自下而上的创新必须和自上而下的动作结合。
五、数据架构：那个被所有人跳过的章节
吴恩达在对话的后半段，把话题拉到了一个在场大多数人可能不太想听的方向上：数据架构。
他说，过去10年、20年，企业投入了大量精力治理结构化数据——表格、关系型数据、电子表格。这很好，现在也依然重要。但Agent真正要发挥作用，必须能处理非结构化数据：文本、PDF、图片、音频、视频。
现实是：大多数企业的非结构化数据是一团乱麻。
数据散落在各处，没有统一的治理模式，有些甚至放在某个人的笔记本电脑上。权限系统是为人类设计的，不是为Agent设计的——Agent能不能继承我的权限？如何管理治理和可观测性？
金融行业尤其典型：大量PDF文件堆在存储桶里，过去20年没人看过。这些文档当初只是为了合规保存，以前没人有时间看，看了也没意义。但现在，让AI去整理和分析这些内容，就能变成有价值的东西。
吴恩达的判断很重：未来几年，很多企业会出现大规模数据架构改造项目，规模可能达到数千万甚至数亿美元。目标只有一个——让数据变得AI-ready，或者说agent-ready。
这个判断被低估了。当下的Agent讨论集中在“用哪个模型”“怎么搭工作流”“怎么做评估”。但吴恩达在说的是：如果数据层没有重构，上面不管搭什么Agent，都只能是玩具。Agent要进入生产系统，数据必须先变成Agent能消费的形态。
他甚至透露，自己的团队正在做“一堆有点疯狂的实验”来重新架构内部非结构化数据。如果这些实验有效，他后面会讲更多。
这意味着，数据架构重构不会只是大企业的事。任何想把Agent真正用起来的团队，迟早要面对这个问题。越早开始思考非结构化数据的治理、权限和可观测性，未来的代价越低。
一个小插曲也值得记下来：吴恩达说他在原型阶段爱用MongoDB。
原因很简单——用NoSQL可以把任何想放的数据先扔进去，读的时候再处理schema，而不是写入时就固定schema。重新设计数据库schema是迭代中最烦人的事，NoSQL能让他迭代快得多。到生产系统，他最终还是会用关系型数据库。
但这个偏好说明了一件事：当一个顶级AI研究者选择技术栈时，快速度原型的能力优先于生产就绪。
六、供应商锁定与选择权：一场不能被折扣买断的战争
吴恩达给企业的一条建议，可能是全场最值钱的一句话。
他说：不管(LLM)供应商给多大折扣，我个人几乎从不签超过一年的合同。
理由非常清醒。AI模型和Agent工具变化太快了。他不知道一年后领先的AI模型会是谁，也完全不确定一年后领先的编程Agent会是谁。在这种不确定的时刻，选择权本身就是最大的价值。
他注意到，很多供应商会提供20%、30%的折扣，条件是签三年。他给的建议不是不签——而是认真想清楚，用折扣锁定的那两三年，你会失去什么。
这本质上不是采购问题。这是战略问题。
如果你让某个供应商的FDE嵌入公司，把所有东西深度绑定到一个模型或平台上——一两年之后，你还剩下多少选择权？你的替换成本是多少？你的谈判地位还剩多少？
这也是为什么吴恩达反复使用LangSmith这类供应商中立的观测和管理工具。供应商当然好，企业应该和供应商合作。但从中长期看，保留选择权跟选择好供应商同等重要。
更广泛地看，为什么他坚定地支持开源和开放权重模型——不是因为它们比前沿模型强，而是它们是选择权的一部分。如果前沿模型被一家或两家公司垄断，如果开放权重模型被监管打压，所有企业的选择权都会缩水。吴恩达甚至提到，他听到白宫出现“在模型发布前进行检查”的声音，对此非常担忧。
Agent时代的企业战略，核心不是“选对供应商”，而是“永远保留换供应商的能力”。
尾声：Agent不会等你准备好
吴恩达这场对话最值得反复读的地方，是他把几条线串在一起的方式：
编程Agent快了100倍→瓶颈从工程移到产品、营销、法务、设计→团队必须变小，人必须变通才→Agent开发变成拼乐高，但模型不认识新积木→企业要的不是点状自动化，是流程级重构→重构的前提是数据层先变成agent-ready→整个过程中，你随时可能被供应商锁定
这是一条因果链。
吴恩达在告诉企业的是：Agent不只是让代码写得更快。Agent正在倒逼你重新思考产品怎么做、团队怎么组织、数据怎么治理、流程怎么设计、供应商怎么选。不是某一个环节变，是所有环节一起变。
而那些还在等“技术更成熟”的企业——等到那一天，那些已经用Agent把整个流程重做了一遍的小团队，早就跑远了。