文章核心观点 - 人工智能专家Andrew Ng与DJ Patil探讨了AI的现状、未来及美国竞争力 对话核心围绕如何有效利用现有AI技术创造价值、培养下一代技能、以及通过开放创新和人才政策维持国家竞争优势展开[3][11][20] 人工智能的现状与Agentic工作流 - Agentic概念由Andrew Ng提出 旨在避免关于“智能体”定义的无效争论 推动行业关注实际工作[9] - 当前多数人通过单次提示使用大语言模型 但Agentic工作流采用迭代方式完成任务 例如先写大纲、研究、起草再修改 这种方式对医疗、法律、合规及编程等任务效果更佳[12] - 判断AI任务可行性的参考依据：任务是否以文本处理为主、是否拥有获取所需全部文本数据的完善渠道 若涉及图像或语音则难度增加 此外需考虑AI是否能获得与人类相当的上下文信息 以及任务是否有可转化为多步骤工作流的明确标准作业程序[7][14] 人工智能时代的教育与技能 - 未来最重要的技能之一是能够准确告知计算机需求 使其完成工作 在可预见的未来 理解编程和计算机语言的人在此方面的效率远高于不懂的人[7][15] - 学习编程依然极具价值 懂编程的软件工程师、营销、人力资源、分析师、财务等专业人员正逐渐超越不懂编程的同行 行业趋势是需要软件的创造者而不仅仅是使用者[16] - 借助AI辅助 编程变得更为容易 不必手动编写所有代码 让AI协助完成的人将更具能力和效率 未来大学毕业却不知道如何创建软件将被视为一种能力缺失[16] 儿童与科技接触的考量 - 儿童接触科技的合适时机需谨慎 如同书籍 有些科技应用适合幼儿 有些则不适合 核心挑战在于企业是否有动力打造合适体验 以及家长如何设定界限和筛选内容[17][18] - 硅谷绝大多数工程师和商界人士想做正确的事 但当经济激励足够大时 总有一小部分人会做出不太正确的选择 这是激励机制带来的现实问题[19] 美国政策与国家竞争力 - 对美国在AI领域的国家竞争力表示担忧 认为前任政府部分“AI安全”理念是游说团体推动的“安全噱头” 旨在通过制造恐慌实现监管俘获并制定反开源法规 现任政府对此类做法缺乏耐心是积极信号[20] - 关键政策建议包括：吸引并留住学生移民至关重要 他们有望成长为高技能人才 削减科学和AI领域投资、削弱国家科学执行能力令人担忧 半导体和能源是两大发展瓶颈 数据中心将电能转化为智能 但能源容量审批流程受阻是重大限制[20][21] 全球人工智能竞赛与开源生态 - 过去一两年 中国在开源权重模型的发布方面已远远领先于美国 这些模型全球可免费下载使用 有数据显示中国开源权重模型的累计采用量即将或已经超过美国[7][22] - 美国闭源模型仍更出色 但开源权重模型是AI供应链的关键组成部分且已广泛应用 美国在此方面投资不足[23] - 行业需要多个分支以避免出现少数“守门人”限制创新 如同移动生态被Android和iOS主导[22] - 欧洲希望成为AI监管领导者 但Andrew Ng认为这不是获得竞争优势的方式 赢得竞赛应该“多踩油门、少踩刹车”[23] 人工智能的未来应用与信任构建 - 硅谷对AI的热情与全国范围内许多人对AI的不信任感存在差距 呼叫中心员工或快餐从业者可能因担心失业而对AI产生极大恐惧[24] - 赢得信任需要确保技术广泛惠及每个人 让人人都能使用工具、接受培训 借助AI实现10倍效率的营销人员、分析师、财务专业人士等[25] - 当前是创造的黄金时期 许多以前不可能实现的东西现在可借助AI创造 鼓励人们去创造[29] Andrew Ng的个人实践与工具使用 - 将AI作为头脑风暴伙伴 使用频率很高 喜欢使用多个模型 例如编程用Claude和OpenAI CodeLens 有效方式是与AI进行深入对话而非单次指令[26][27][28] - 通过语音或文字与AI交互 例如开车时用语音交流 然后让AI总结并发送给团队 以利用碎片时间工作[28]