斯坦福吴恩达的2025年度总结来了！

 Datawhale干货 

作者：吴恩达，编译：机器之心

2025 年已经走到了尾声。

在这精彩绝伦的一年的结尾，斯坦福大学计算机科学客座教授，前百度 AI 负责人，前谷歌大脑负责人吴恩达老师，发表了今年的保留节目：一封信，和一篇 2025 的人工智能领域年度总结。

以下是公开信全文。

亲爱的朋友们：

又一年，AI 以惊人的速度向前推进，为所有人 —— 包括刚进入这个领域的新手 —— 创造了前所未有的软件开发机会。事实上，许多公司现在最大的困扰之一，就是找不到足够多真正懂 AI 的工程师。

每年冬季假期，我都会留出一段时间来学习和动手构建项目，希望你们也能如此。这不仅能帮助我打磨已有技能、掌握新知识，也能实实在在地推动你的技术职业发展。

要真正具备构建 AI 系统的能力，我建议你做到三点：

• 系统地学习 AI 课程

• 持续动手构建 AI 系统

• （可选）阅读研究论文

下面我解释为什么这三点都如此重要。

我常听到一些开发者建议别人：“别学了，直接上手做就行。”这是非常糟糕的建议！除非你已经身处一个经验丰富的 AI 开发者社群中，否则在没有理解 AI 基础的情况下贸然动手，很容易导致你重复发明轮子，或者更糟糕的是，把轮子重新发明得一团糟。

举个例子，在面试中，我见过不少候选人：自己重新发明了一套标准的 RAG 文档切分策略；重复实现了已经成熟的 Agentic AI 评估方法；写出了结构混乱、难以维护的 LLM 上下文管理代码。如果他们提前上过几门相关课程，就会更清楚哪些「积木」已经存在于行业中。他们当然仍然可以选择从零实现这些模块，甚至发明出比现有方案更好的方法，但至少能避免浪费数周时间走弯路。

因此，结构化学习至关重要。

而且说实话，我个人觉得上课非常有趣。与其看 Netflix，我更愿意随时打开一门优秀 AI 讲师的课程来学习。

同时，仅仅上课是不够的。有许多重要的经验，只有通过亲手实践才能真正学到。学习飞机是如何运作的理论，对于成为一名飞行员当然非常重要，但从来没有人只靠上课就学会开飞机。在某个时刻，真正坐进驾驶舱是不可或缺的！好消息是：随着高度智能化（highly agentic）的编程助手出现，动手构建的门槛已经比以往任何时候都低。而当你开始学习 AI 的各种构建模块时，它们常常会激发你对“还能做些什么”的新想法。如果我一时找不到项目灵感，我通常会去上几门课，或者读一些研究论文。这样坚持一段时间后，我总会冒出一大堆新的项目想法。而且，说实话，我觉得“做东西”本身真的很有趣，也希望你能体会到这种乐趣！

最后，并不是每个人都必须这样做，但我发现如今就业市场上最强的一批候选人，几乎都会偶尔阅读研究论文。虽然在我看来，论文比课程难啃得多，但它们包含了大量尚未被翻译成更易理解形式的前沿知识。我会把读论文的优先级排在课程和实践之后，但如果你有机会提升阅读论文的能力，我仍然强烈建议你这样做。（你也可以看看我以前讲过的一段关于如何读论文的视频。）上课和动手构建对我来说很有趣，读论文则更像是一种「磨练」，但从论文中偶尔闪现的洞见，真的令人愉悦。

祝你度过一个美好的寒假，新年快乐。除了学习和创造，也希望你能多花时间陪伴亲人 —— 那同样非常重要！

Love，

Andrew

一起“点赞”三连↓