几年前,Chip Huyen 还在英伟达工作,参与公司内部的大模型平台 NeMo 的开发。那时,生成式 AI 还远没有今天这么喧嚣,但她已经敏锐地意识到——AI 的浪潮不会等人。
如今,作为一名 AI 研究者、斯坦福大学前机器学习讲师,她走访过无数企业、也带过一批又一批工程师。她发现,无论是想在 AI 时代转型的人,还是想提升能力的程序员,都逃不过一个起点——动手去做!
她说:“做什么不重要,重要的是你能从头到尾亲自完成它,从一个想法出发,到真正部署,让别人能真正用起来。”
在她看来,AI 不再是象牙塔里的学问,而是一项可以被做出来的能力。她在给企业做 AI 工作坊时,常常遇到没有编程背景的员工,他们一开始很怯场,但在 AI 编码助手的帮助下,仅仅几个小时就能拼出一个能跑的应用。
“那一刻他们眼睛发光,不仅是因为程序跑起来了,更因为他们突然相信自己也能理解 AI 了。” 她笑着说。
从烦恼开始练习

但动手做并不意味着随便做点什么。Huyen 提出了一个简单却实用的练习:“连续一周,记录下所有让你感到烦躁的事情:‘为什么这件事这么慢?为什么我每次都得重复?’然后想一想,有没有办法用 AI 来解决其中一个。”
这个练习的意义不在于项目本身,而在于训练一种用 AI 解决问题的思维。当你能从自己的生活中找到问题,再用 AI 去解决,你就真正开始掌握这项技术了。
光做不学,不是完整的学习

不过,她也提醒,光靠做是不够的。“只靠动手学 AI,就像只靠开口学外语,你能应付日常对话,但理解永远是片面的。”
Huyen 建议学习者把动手实践与系统学习结合起来。“你需要一点结构,挑一套课程、读几本书、选几个项目。”
为此,在她的新书《AI Engineering》中,她专门整理了一份 AI 学习资源清单,希望帮助初学者在动手的同时,也能理解自己在用的每一个工具。
资源清单:
https://github.com/chiphuyen/aie-book/blob/main/resources.md。
系统思维比代码更重要

对于计算机专业的学生和工程师,Huyen 说得更直接:“编程只是手段,计算机科学的核心是系统思维。”
她在播客 Lenny’s Podcast 中提到,AI 可以自动化许多零碎的技能,但真正能把碎片化知识拼成解决方案的,永远是人。
“问题解决的能力不会被取代。AI 能让你更快写代码,但它不能替你思考问题的本质。”
她还引用了斯坦福计算机系主任 Mehran Sahami 和 DeepLearning.AI 创始人 Andrew Ng 的一次对话。两人都强调,学生必须理解 AI 工具生成的代码,而不是被它牵着走。
未来属于那些懂系统的人

Huyen 在与公司交流时发现,越来越多资深工程师正在花时间审查初级工程师的代码,因为生成式 AI 生成的代码虽然快,却也带来了新的风险。而一些初级岗位,可能会随着 AI 自动化的普及而减少。
“这也是为什么,企业更看重那些有全局思维的工程师。” 她说:“他们不仅会写代码,还懂整个系统的运作逻辑,能看到问题的上下游,能真正解决问题。”
在 AI 浪潮滚滚向前的时代,Chip Huyen 的建议听起来简单,却格外实在:别等风口来临再出发。现在就动手去做,一点点构建自己的 AI 能力。
一本系统化AI工程的书

在过去几年里,AI 的发展速度超乎想象。模型越来越强,工具越来越多,而门槛却越来越低。从前只有顶级研究者才能触碰的人工智能,如今任何人都能用它去构建产品、解决问题。
《AI Engineering》 这本书正是写给这个时代的开发者的。作者 Chip Huyen——前英伟达工程师、斯坦福大学机器学习讲师,将 AI 工程定义为,用现成的大模型去构建真正能落地的 AI 应用。这不是研究论文,而是面向实践的系统方法论。
这本书上市一周就登上亚马逊计算机图书销量榜首,成为开发者与研究者口口相传的实战圣经。

作者从 AI 工程的整体框架出发,讲清它与传统机器学习的区别,带你认识新一代 AI 技术栈的逻辑。随着 AI 应用的广泛部署,系统评估与安全风险变得至关重要。
书中深入讨论了开放式模型的评估方法,以及正在兴起的 AI 评审(AI-as-a-judge)思路。你将学到:
如何从想法出发,构建并部署一个 AI 应用;
如何选择合适的模型、数据集与评测指标;
如何运用提示词工程(Prompt Engineering)、RAG、微调(Fine-tuning)、智能体(Agents)等多种模型适配技术;
以及如何在成本与延迟之间取得平衡,实现高效部署。
这不仅是一本技术书,更是一份时代指南。
为了满足各位读者提前阅读的需求,这次《 AI 工程》纸质版(139.8元)+ 电子版(69.9元)抢读版现同步发售,原价 209.7 元,早鸟价只要 129 元,数量有限,拼手速得哟~
早鸟时间:10.17 0:00-10.31 24:00 👇

1

被折叠的 条评论
为什么被折叠?



