时间：2026‑05‑13，旧金山，LangChain Interrupt大会 对话人：吴恩达（Andrew Ng，DeepLearning.AI创始人）、Harrison Chase（LangChain创始人CEO）
Harrison Chase： 很高兴今天和吴恩达先生对谈。过去一年，AI Agent的热度非常高，很多人在讨论通用智能、AGI，也有很多人在担心AI会替代大量工作。我们想先听听你的观察：现在我们所处的Agent时代，真实发生的变化是什么？哪些是炒作，哪些是真实落地？
吴恩达： 过去一年，AI行业的炒作程度，已经超出我的预期。但与此同时，编程Agent的进步速度，也比我预想的更快。
仅仅六个月前，我主要使用Claude Code做编程；而今天，我同时在用OpenAI Codex、Gemini CLI、OpenCode等多款工具。甚至在手机上完成代码开发，也已经变成很自然的工作流。编程智能体的能力迭代非常快，各家竞争十分激烈。
但我看到一个很关键的现象：当代码实现的速度提升10倍、甚至100倍之后，整个软件生产链条的瓶颈发生了转移。
过去，最大瓶颈是工程实现。工程师写代码很慢，产品、法务、营销、设计可以跟上节奏。现在，AI Agent可以飞快产出代码，瓶颈不再是写代码，而是需求定义、产品判断、优先级、用户理解、法务合规、营销、业务落地。
以前，一个项目开发三个月，法务审核一周，大家可以接受。现在，代码一天就能写完，但法务、产品评审、业务校验还需要一周。节奏出现巨大错配。这就是我所说的产品管理瓶颈。工程能力爆发之后，产品、业务、合规环节变成了新的制约点。
很多团队还没有意识到这件事。他们依旧把全部精力放在模型能力、代码实现上，但真正限制交付价值的，已经不是写代码这件事。
Harrison Chase： 那我们该如何构建Agent？很多人追求高度自主、完全不需要人干预的Agent。你怎么看待“完全自主智能体”？我们应该追求它吗？
吴恩达： 我认为，不要执着于追求完全自主的Agent。 现实商业世界里，大量有价值的机会，来自相对简单、线性的Agent工作流。这是目前的低垂果实。当然，复杂多智能体、循环推理的系统也很重要，但不要把全部希望押在完全自主、能够自己做全部决策的智能体上。
我们会使用LangGraph去处理复杂、多步骤的任务。但大量真实商业场景，只需要把现有业务流程，转化成Agent工作流就可以产生巨大价值。
企业最大的挑战是：如何把已有的业务流程拆解成Agent可以执行的步骤？任务颗粒度怎么划分？原型跑出来效果不好，我们该迭代哪一个环节？这些都是落地的现实难题。
很多团队犯的错误：过度依赖人工评估。每次改动之后，都要人手动看输出结果做审查。这会极大拖慢迭代速度。我们需要更好的自动化评估手段。
另外，做Agent系统，数据集成、上下文管道是巨大工作量。 如何把正确的上下文信息给到大模型，这是绝大多数项目中真正消耗时间的部分，而不是提示词或者Agent编排本身。
Harrison Chase： 很多人说，AI会取代程序员。也有人说，既然AI会写代码，我们就不用学习编程了。你怎么看这个观点？
吴恩达： 如果有人告诉你“AI会写代码，所以不要学编程”，回头看，这会是史上最差的职业建议之一。
历史反复重演：从打孔卡到键盘，从汇编语言到COBOL，再到IDE工具。每一次编程变得更容易，进入这个领域的人反而更多。当年COBOL普及的时候，就有论文宣称：编程变得太简单，不再需要程序员。现实恰恰相反。
AI会让写代码这件事变得更容易，但不会消灭编程，而是扩大编程的人群。
我并不是要求所有人都成为专业软件工程师。但未来，每一位知识工作者最重要的能力之一，就是：能够清晰、精确地告诉计算机你想要什么，指挥计算机完成工作。
在财务、营销、法务、运营岗位，懂得指挥AI写代码的人，会持续跑赢不会的人。
我把软件工作分成两类： 第一类，生产级、遗留系统开发。AI辅助可以带来30‑50%效率提升，这个数字很可观，但现实中我也认为这个数字存在一定水分。 第二类，原型开发。AI带来的提升不是30‑50%，而是10倍甚至1000%的提升。 原型不需要兼容复杂遗留基础设施，约束少。正是原型，给了我们大量快速试错的机会。
所以我提出企业的一套工作哲学：快速行动，承担责任（Move fast and be responsible）。
早年硅谷口号是“快速行动，打破常规”，但它带来了很多破坏。我们不应该为了快而破坏。正确做法是建立沙盒环境。
沙盒优先（Sandbox First）：先在安全沙盒里做实验。给团队划定边界：限定预算、不能对外公开发布、不能触碰敏感业务数据。在沙盒之内，团队拥有高度自主权。安全、治理、合规，是在验证价值之后再加上，而不是作为创新的准入门槛。
如果工程师仅仅想在笔记本电脑做测试，却需要五名副总裁层层审批，那创新就已经死掉了。
沙盒里面允许大胆试错。当一个想法被验证有价值，我们再投入资源做生产级加固、安全治理。
很多企业最大的问题，不是模型不够强大，而是组织机制不允许快速实验。
Harrison Chase： 那企业该如何培养团队？你提到全员编程，这意味着什么？
吴恩达： 全员编程，不是让财务、运营、前台都变成软件工程师。而是让各个岗位的业务人员，学会利用AI，构建属于自己工作流的自动化工具。
在DeepLearning.AI内部，我们的CFO，甚至前台同事，都在用Python自动化自己的工作。 SaaS软件很难覆盖所有长尾细分业务需求。最懂业务的人，利用AI自建小工具，这会成为企业的护城河。
企业需要重新看待人才：不再只有工程师才可以构建软件。业务人员也可以构建软件。
Harrison Chase： 大家现在疯狂讨论AGI，很多人期待AGI到来，就可以解决所有问题。你怎么看待AGI叙事？
吴恩达： 现在AGI已经变成一个营销词汇。很多公司不断降低AGI的定义门槛。 我认为，就合理定义的AGI而言，距离我们还有几十年。
我担心的不是技术本身，而是AGI宏大叙事带来的资源错配。大量企业、人才，把精力放在等待AGI到来，却忽略当下可以落地的Agent工作流。
如果企业一味等待AGI，就会错过现在的机会。我们不需要等待超级智能。今天，我们就可以把业务流程改造为Agent工作流，实实在在创造经济价值。
通向AGI是一段漫长旅程，而不是一个即将抵达的终点。
Harrison Chase： Agent系统的风险，人在回路（Human‑in‑the‑loop），你如何看待人类对Agent的控制权？
吴恩达： 很多人过度渲染“AI失去控制”的风险。现实中，世界上几乎没有什么东西是我们可以做到100%完全控制。 坐飞机的时候，飞行员也无法完全控制飞机，会受到气流干扰。但我们依然可以把飞机控制到足够安全的程度。
AI也是一样。我们不可能做到完美控制AI，但通过良好工程设计，我们可以做到足够可控，满足绝大多数商业场景。 人类始终是最终的决策者。 我们需要良好的工程，而不是过度恐慌。
Harrison Chase： 那未来的工作会变成什么样？AI会大规模淘汰岗位吗？
吴恩达： AI不会大规模消灭岗位。AI会改变岗位内部的任务构成。 AI会吃掉一个岗位里面30‑40%的重复性任务。剩下60%的工作，反而变得更加重要。
很多人被“AI抢走所有工作”的叙事误导。这是部分巨头多年的公关话术。真实发生的是：会使用AI的人，会替代不会使用AI的人。
这种替换已经在软件开发领域非常明显。在营销、招聘、分析等非技术岗位，也开始出现这种趋势。
所以个人的核心策略：拥抱AI工具，学会把AI作为自己的放大器。
Harrison Chase： 对于创业者，在Agent时代，有哪些最重要的建议？
吴恩达： 第一，不要把全部赌注押在基础模型。模型能力会快速迭代。你需要保持模型供应商的选择权。不要深度绑定某一家大模型。当有更好模型出现时，你应该可以轻松切换。
第二，竞争的核心，不完全是模型本身，而是上下文层。 你的数据、业务流程、行业知识、业务工作流，这些才是真正的壁垒。模型可以被复制，但深度业务上下文很难复制。
第三，重视数据架构重构。很多企业旧的数据架构，并不适合Agent工作流。想做好Agent，需要重新思考数据如何组织、如何给到智能体。
第四，记住：产品‑市场匹配永远最重要。 技术再好，如果用户不想要，一切都没有意义。 创业有无数风险：渠道、定价、竞争、技术。但如果只能选一件事，就是你是否在做用户真正想要的产品。
Harrison Chase： 最后，给所有正在构建Agent的开发者一句话建议。
吴恩达： 不要沉迷于构建完美、完全自主的智能体。从简单的线性Agent工作流开始，解决真实业务问题。先落地，再迭代。 沙盒优先，快速行动，承担责任。不要等待AGI，现在就去创造价值。
问答环节（现场观众提问）
观众： 现在很多Agent项目，原型做得很漂亮，但一到生产环境就不稳定。我们如何解决Agent可靠性问题？
吴恩达： 原型和生产环境是完全不同的两件事。原型可以快速做出惊艳演示，但生产环境要面对真实脏数据、边缘case、异常输入。 我们需要建立完整的自动化评估体系，而不是靠人肉眼去检查输出。 同时，一定要设计人在回路，在关键节点设置人工审核。不要幻想Agent可以完全不需要人的干预。
观众： 对于企业，如何判断哪些业务适合做Agent，哪些不适合？
吴恩达： 优先选那些有明确流程、重复度高、有清晰输入输出的业务。不要一开始就去做最复杂、模糊的业务。先从小的、可验证的工作流入手，拿到结果之后，再逐步扩大范围。
观众： 大模型幻觉，怎么应对？
吴恩达： 幻觉是现实存在的。不要幻想彻底消除幻觉。工程上，我们做两件事：第一，严格RAG检索，把事实来源给到模型；第二，关键结果强制人工复核。在高风险场景，人永远不能缺席。
