吴恩达重磅发声！并行Agent颠覆Scaling laws：3分钟看懂AI算力新革命，收藏这篇就够了！

Python_金钱豹

墨衍会员 · AI 创作全网分发码龄5年

关注

原创最新推荐文章于 2026-11-13 17:46:27 发布 826 阅读 AI 写同款· GEO 优化 ›

「文智助手」全场景办公AI助理AI+OPC全流程实践方案（大赛作品）阅读详情

吴恩达老师最新观点：并行 Agent是扩展 AI 的新方向

并行 Agent 正在成为扩展 AI 的一个重要新方向。AI 的能力在过去依靠更多的训练数据、训练阶段的计算量，以及推理阶段的计算量不断提升。如今，让多个 Agent 并行运行正在成长为进一步扩展和提升性能的一种方法

早期在百度的研究，以及后续 OpenAI 的工作，都证明了 AI 模型的性能会随着数据量和训练计算量的增加而稳定提升。而在推理阶段，如果通过 Agent 工作流，或是在推理模型中引入“思考、反思、迭代”的过程，性能还会进一步提高。但这类方法通常需要更长的时间来产出结果。并行 Agent 则提供了一条新的路径：在不让用户等待过久的情况下提升效果。

推理模型在生成时是顺序进行的，因此往往运行时间较长。同样，大多数 Agent 工作流在最初的实现中也是串行的。但随着 LLM 单 token 价格的不断下降——这些技术逐渐变得更为可行——而产品团队也希望能更快地为用户提供结果，越来越多的 Agent 工作流开始实现并行化。

一些例子：

许多研究型 Agent 现在能够同时抓取多篇网页，并并行分析其内容，从而更快地生成深度研究报告

部分代码类的 Agent 框架允许用户调度多个 Agent，同时在代码库的不同部分开展工作。例如，在 Claude Code 的课程中就展示了如何使用 git worktrees 来实现这一点

一种正在快速流行的 Agent 工作流设计模式是：让一个计算量庞大的 Agent 花费数分钟甚至更长时间来完成任务，同时由另一个 Agent 负责向用户提供简短的进度更新。进一步演化后，这类前端 Agent 还能在保持用户知情的同时，将用户的异步反馈传递给后台的其他 Agent，从而形成更高效的协作

将复杂任务（如构建一个复杂的软件应用）拆解成更小的子任务，再分配给不同的工程师并行完成，本身对人类管理者来说就极具挑战，尤其在需要扩展到数以百计甚至更多工程师时更为困难。同样地，如何有效地为并行 Agent 进行任务分解，也是一个难点。

不过，随着 LLM 推理成本的不断下降，使用更多的 token 成为一种可行的选择，而并行化的方式则使得这种使用不会显著增加用户的等待时间。

越来越多关于并行 Agent 的研究也在涌现。例如：

《CodeMonkeys: Scaling Test-Time Compute for Software Engineering》展示了并行代码生成如何帮助探索更大的解法空间

Junlin Wang提出的 Mixture-of-Agents 架构，则是一种出乎意料的简洁方式来组织并行 Agent：让多个 LLM 独立生成答案，再由一个汇总 LLM 将它们整合为最终结果。

关于如何最好地利用并行 Agent，仍有大量研究与工程探索空间。但可以预见的是，能够高效并行工作的 Agent 数量会非常庞大，就像人类社会中能够高效协同的群体人数也可以非常之多一样

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

在这里插入图片描述

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

在这里插入图片描述

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等
在这里插入图片描述

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

在这里插入图片描述

这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【`保证100%免费`】

在这里插入图片描述

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用，大模型作为其中的重要组成部分，正逐渐成为推动人工智能发展的重要引擎。大模型以其强大的数据处理和模式识别能力，广泛应用于自然语言处理、计算机视觉、智能推荐等领域，为各行各业带来了革命性的改变和机遇。

在这里插入图片描述

适合人群

在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。