爐邊對談:Andrew Ng × Alfred Lin

TL;DR

• AGI 的時程完全取決於定義:照原始定義(AI 能做任何人類能做的智力工作),Ng 認為還要好幾十年;照「能做 50% 有經濟價值的工作」這種被下修的定義,他說我們三、五十年前就到了。而下修這個門檻曾經有明確的財務誘因——Microsoft 與 OpenAI 的合約。該條款已變更,結果是「AI 的炒作變少了,我覺得是好事」。
• Open-weight 之戰贏了一半:社群媒體上的風向已經贏了,但華府和各州議會還沒贏,所以不能鬆懈。Ng 更進一步主張 open model 比 closed model 更安全,並用自己團隊上週的親身經歷佐證:做 OpenWorker 的資安審查時,閉源前沿模型拒答,他們得靠 open-weight 模型才完成自己的安全審查。
• 泡沫風險在模型層,不在推論需求:Ng 對「推論需求沒有實務上的天花板」很有信心(資料中心蓋出來就會被用掉);他不確定的是模型層——「每一塊投入資本換到的智能」是個很難算的方程式。
• 下一個 coding agent 級別的機會沒有人知道:水平層的資訊發現已被 ChatGPT / Gemini 佔住且難以撼動;垂直應用目前最有價值的是 AI coding。Alfred Lin 的忠告:顯而易見的事大公司也會做,要找的是像 WhatsApp(國際簡訊成本)、相機、GPS 那樣「這個新載體獨有、而且不顯而易見」的東西。
• 不會有 AI 失業潮:受 AI 影響最深的工作其實是軟體工程,而軟體工程的就業市場非常健康、還缺人。模式是:AI 釋出 30–50% 的時間 → 剩下的互補工作變得更有價值 → 人往上長、承接更大的範圍(前後端工程師變全端,行銷協調員變 full-cycle marketer)。
• 企業開始在職缺描述裡明寫要「high agency」的人——Ng 的冷笑話:他們在找「highly agentic」的人。篩選方法是行為面試:問這個人過去五年到底自己動手做了什麼。

重點整理

AGI 還有多遠?先問你怎麼定義(約 04:22–04:24)

Alfred Lin 開場就丟出硬球:你二月說 AGI 大約還有 50 年,現在進展這麼快,還這麼認為嗎?

Ng 的回答是把問題拆開:取決於你怎麼定義,我們可能 30 年前就到了 AGI,也可能還要好幾十年才到。

他採用的是原始定義——AI 能做人類能做的任何智力工作。這意味著:AI 要能花五年寫出一篇原創的博士論文(或更快),也要能像我們任何人練習幾小時後就學會的那樣,開一台卡車穿過森林。「AGI 在我看來也得做到這件事。」照這個標準,還要好幾十年。

接著他點出定義被稀釋的原因:曾經存在一個明確的財務誘因去降低 AGI 的門檻,讓它更容易被宣告達成——來自 Microsoft 與 OpenAI 之間的合約(該條款後來已變更,所以這個誘因消失了)。當時的定義版本是「AI 能做 50% 有經濟價值的工作」。Ng 的反諷是:

要是我們一百年前就採用那個定義,那隨著大部分工作從農業轉移到非農業,我大概會宣布我們三十年前、五十年前就抵達 AGI 了。

他的結論帶著一絲樂觀:因為那份協議變更,現在關於 AI 的炒作變少了,他覺得這是好事。

Open-weight 模型:社群媒體贏了,華府還沒(約 04:24–04:29)

Alfred Lin 提到 Jensen Huang 生平第一則 X 貼文就是在為 open model 辯護,問 Ng 怎麼看、安全疑慮是否成立。

Ng 先回顧這幾年的體感:兩三年前他對針對 open-weight 模型的攻擊之猛烈感到意外。但動機並不難懂——

如果有人花了幾十億美元訓練一個模型,而別人放出一個 open-weight 版本、稀釋掉這筆投資的價值,那當然很不方便。

他說得很直接:兩三年前他人就在房間裡,聽到幾家公司(「就是大家想得到的那幾家」)的高層對政府監管者說出坦白講是誤導性的、關於 AI 安全的誇大說法,目的是推動監管俘獲(regulatory capture)。他很慶幸後來因為開源社群大量飛去華府、與國會和白宮溝通,現在華府對這類監管俘獲的操作已有廣泛認知。他也特別稱讚 Jensen Huang 那份聲明「寫得非常好,還沒讀過的值得一讀」。

但他的判斷是這場仗只贏了一半:

目前 open-weight 模型的輿論風向,在社群媒體上贏了,但在華府、在我們的州議會還沒贏。所以我們還不能放鬆對 open-weight 模型的防守。

接著是他最強的一個主張——open model 在他看來比 closed model 更安全,並附上上週的親身案例:他和 Rohit Prasad 一起發布了開源 agent harness OpenWorker,他的團隊要對它做資安審查時,Claude Fable 5 和 GPT-5.6 Sol 超過某個程度就拒絕回答,最後是靠 open-weight 模型才把自家的安全審查做完。他也提到當時「OpenAI 攻進 Hugging Face」的事件,認為 Hugging Face 正是需要 open-weight 模型來防禦自己。

他也講得很清楚這不是站隊:

我希望 Anthropic 和 OpenAI 都成功,兩家公司我都喜歡。我可能是全世界唯一一個 Sam 和 Dario 都當過我下屬的人。[笑聲]

我希望能找到一條路,讓這些公司裡我所有的朋友都過得很好,同時也有一個美好的 open-weight、open-source 生態系——因為那能確保 AI 不會有守門人。

Alfred Lin 接著把 open source 放進商業史的脈絡(並刻意把討論從 open weight 拉回 open source):創投的歷史本來就是在找更便宜的做法。網路時代大量產品建在開源之上——沒有開源軟體,很多東西會貴得多、慢得多,而且只有少數公司蓋得起那種基礎設施。資料庫的多樣性、瀏覽器的多樣性,都是開源帶來的。 對新創而言,開源同時是通路、是「便宜地證明自己有多聰明多能幹」的方式、也是招募手段。他的結論是 open weight、closed、open source 各有各的位置;而「開源比較不安全」這個指控在軟體開源時代就出現過——是的,你得自己去補漏洞,但它仍然是最快讓你跑起來的路。

泡沫風險:模型層 vs. 推論需求(約 04:29–04:31)

Alfred Lin:你最近說模型層有泡沫風險,「我是幫投資圈的朋友問的」,我們該擔心嗎?

Ng 把自己的說法拆成兩半:

• 他更有信心的那一半是推論需求:「我認為推論需求沒有實務上的天花板。」再多的資本投進資料中心——只要蓋出來,我們大概相當長一段時間內都會把能蓋出來的推論產能用光。這不代表沒人會虧錢(也許會蓋過頭),但這邊的風險看起來比較低。
• 他不確定的那一半是模型層:「每一塊投入資本換到多少智能」是個很難的方程式——投入的資本成長非常快,智能或許也成長非常快,兩者交叉的結果會怎樣,他不知道。他「審慎樂觀地認為沒有泡沫,但希望自己能排除這個可能,卻做不到」。

支撐推論側樂觀的具體理由是 AI coding:目前滲透率還很低,但所有用過 coding agent 的人都感受到速度與效率的提升,所以他非常有信心 AI coding 未來的滲透率會遠高於現在,並帶動 token 需求大幅成長。

下一個 coding agent 級別的機會在哪?(約 04:31–04:37)

Ng 坦承「我不知道,我也希望我知道」,但分享了一個框架:對照網際網路的興起,價值分成水平的資訊搜尋層(Google、Bing 之爭)和大量垂直應用(Uber vs. Lyft 之於共乘,Travelocity、Expedia 之於旅遊,零售等等)。他的判斷是:

• 水平的資訊發現層已經被 ChatGPT 和 Gemini 佔住,而且相當難以撼動。
• 垂直應用裡目前單一最有價值的桶子是 AI coding,coding agent 的表現「相當驚人」。他的團隊也大量把 coding agent 用在資料科學工作上;他自己也花時間在金融領域、與一些大型銀行合作,發現金融服務同樣有很多有用的 agent workflow。

Alfred Lin 的回答是投資人視角:「如果我知道,我就自己去開公司了。」但他認為現在可能是有史以來最適合創業的時候,同時給出兩個難處與一個判準:

Sequoia 常談「科技的加速變化」有兩個很難的地方——我們今天在談的東西,三個月前根本沒在談;這意味著今天談的東西,未來也不會再談。 但如果你在創業(這比他這種投資創業者的人更吃緊),你必須做出能撐十年的東西;而在今天這種需要大量算力、因此得募一大筆錢的環境下,「要理解什麼能撐十年,非常非常難」。

他的判準是:別做顯而易見的事。

顯而易見的東西當然會被做出來——在座的各位會做,但大公司也會做。

他用行動時代做類比:網路上的一切都搬到了手機上,把網站變成 mobile web 或 app 有點麻煩,但沒有那麼難。真正的機會是這個載體獨有、而且不顯而易見的東西:

• 這個裝置永遠開著 → 所有通訊類 app 都爆發(email 爆發、簡訊爆發)。
• 但光是「做一個訊息 app」不夠。WhatsApp 之所以不同,是因為它解的是國際簡訊的成本問題——在美國國內大家吃到飽,簡訊不痛不癢;但國際簡訊非常貴,WhatsApp 解掉了它,才長成一家大公司。
• 這個裝置比筆電多了兩樣東西:相機(於是人人都成了攝影記者)和 GPS(前一代裝置沒有),這兩樣各自開出了投資領域。

所以每當我聽到有公司把既有的內容和流程餵進 AI——那顯然會被做出來。但「在 AI 裡什麼東西會被做成本質上不一樣的樣子」,我覺得我們還沒把那個邊界推開,而我在找的就是那個。

Ng 接著補上一個關於護城河的觀察:很多人在問「軟體的新護城河是什麼」,他認為這是非常有效的問題。他的態度是:能做又有價值的東西就去做,但如果你做的東西任何人用 coding agent 三個月就能複製,那傳統 SaaS 的經營方式(做一個軟體、長期賣類似的軟體)恐怕得改。 因此值得分析:哪些 deep tech 是真的難以複製、而且會長期有價值的?

他同時觀察到一種新的建構模式,而前沿實驗室其實已經在這樣做了:

你做出來的東西三到六個月就過時,但你不斷做出新的東西、它們也不斷過時——然而每一次快速過時的過程,都幫你累積了某種資產。於是你長期累積下來的資產,慢慢長成一個比較有防禦力的護城河。

不會有 AI 失業潮(約 04:37–04:42)

Alfred Lin 問他為何多次說「不會有 AI 失業潮(no AI job apocalypse)」。Ng 的回答分成診斷與機制兩層。

診斷:「AI 會讓 50% 的人失業、街頭會有暴動」這類說法是假的。這其實是企業監管俘獲恐懼敘事的一部分——「我的技術很危險。不,我的更危險。不,快點更用力地監管我。」他還引用《Wall Street Journal》幾天前的報導:一些原本以為 AI 會減少人力的大企業,現在反過來開始加大招募。

最強的反證來自軟體工程本身:受 AI 影響最深的工作正是軟體工程(因為 coding agent),然而軟體工程的就業市場非常健康,而且「我們根本找不到足夠的、有本事的 AI 工程師」。

機制:他預期 AI 進入金融、行銷、HR、行政等領域時會重演同一個模式——極少發生職業崩潰,人反而更忙:

• 一個後端工程師開始用 coding agent,釋出了大概 30–50% 的時間(他自己也不確定確切數字)。
• 但剩下那些「與寫程式互補」的工作,價值反而更高了。
• 於是工程師往上長、承接更大的範圍——「所以現在我不再雇前端或後端工程師了,幾乎所有人都是全端,因為我們現在都能做。」
• 其他職務已經看到早期跡象:原本只負責統籌行銷活動的 marketing coordinator,若 AI 釋出 30–40% 的時間,就能往上長成 full-cycle marketer——從頭到尾跑完行銷活動、做資料分析、驅動成長。

他的結論是:「AI 能 100% 取代該職務 100% 的任務、因而導致整個職業類別崩潰」的工作,數量會非常少。

但真正的挑戰隨之而來——升級技能(upskilling):如果你 30% 的工作消失了,你要怎麼往上長、承接更廣的任務,同時學會使用 AI?這正是他仍然花大量時間在 Coursera、Udemy、DeepLearning.AI,以及本週剛宣布的 LearnVector 上的原因。

Alfred Lin 補上一個學術界的視角:我們此刻就坐在一所學術機構裡,而學術的基本命題是——每個問題都有解,而每個解都會製造出更多問題。我們不會用完問題。 他也用了農業的類比:兩百年前我們有 80% 的人得在農場上確保自己有飯吃,能把那件事自動化掉、讓我們去做別的事,其實是好事。他同意軟體工程師未來也許不再寫程式,但呼應前一場座談:把大問題拆成越來越小的問題的能力、以及判斷該解哪個問題的能力,仍然重要,而且不會消失。

Ng 最後把話題收到一個他認為被嚴重忽視的方向。他說在他們對軟體專業人士的調查裡,很多人其實是困惑的——不知道該往哪走、該學什麼,而且擔心學了三個月就過時的東西。所以他花很多時間去釐清:所謂「擅長 AI engineering」到底具體需要哪些技能,然後幫人們抵達那裡。

我知道矽谷有大量的心力投在加速 AI 的發展,我完全支持,讓我們繼續。但它的互補面得到的關注嚴重不足——所以我也想花更多時間在的,不只是加速 AI 的發展,而是加速人的發展。

給現場的建議:找(和成為)高 agency 的人(約 04:42–04:46)

Alfred Lin 提到 Ng 二十年前正是在柏克萊念博士,問他會給在場的人什麼建議。

Ng 先接了一句題外話:「在你列的所有頭銜裡,你漏掉了一個我大概最引以為傲的——父親。那真的很珍貴。」(全場鼓掌)

然後他說:「這聽起來很老套,但現在聽起來就是有史以來最適合建造的時候。」他的團隊看到太多機會了;是的,因為 coding agent 他們能寫得更快,但點子清單成長的速度,似乎比他們部署 coding agent 追趕的速度還要快。

他真正想講的是一個招聘上的觀察。他的團隊長期以來除了找技術能力、AI 能力強的人以外,還特別找高度 agency(high degree of agency)的人:

意思是那種不等別人告訴他該做什麼的人——他會四處看看公司裡、環境裡、學校裡發生了什麼,然後有足夠的主動性直接決定「我要做這件事」。用安全負責的方式做、不要傷害到別人,但真的有些事情你不需要請求許可,就去做、去驗證它;就算失敗了,只要不傷害任何人,那也沒關係。

而他覺得最有意思的是:越來越多職缺描述真的開始在找「高 agency」的人。

而這件事有個很怪的說法是——我看到有公司在找「highly agentic」的人。[笑聲]

Alfred Lin 追問怎麼篩選這種特質。Ng 的答案是行為面試:去問這個人實際上做了什麼。

如果有人說「過去五年我做了我老闆叫我做的事」,那是一種人。但也有人會說「你知道嗎,我業餘時間做了這個、週末做了那個,這個失敗了、那個也失敗了,喔但那件事成功了,我又試了這個那個,不行,但這個可以」——

他最後把這件事拉回動機:其實這也非常好玩。他舉了自己昨晚的例子:同時跑 Codex 和 Claude Code、餵同一個 prompt,睡一覺起來看哪個做得比較好;而且來會場的車上他又開了一個。

我做這些事是因為好玩。有時候我做出來的東西剛好對別人也有用,那非常令人滿足;但很多時候我做的東西完全沒用、永遠不會見天日。可是那些非常廉價的大量失敗,本身也是很好玩的事——只要用不會危害到任何人的、負責任的方式去做。

金句

"Depending on how you define AGI, we might have gotten to AGI either 30 years ago, or quite possibly not yet for many decades."(約 04:23)

一句話說明 AGI 的時程之爭,本質上是定義之爭。

"There was a specific financial incentive to lower the bar for AGI, to make it easier to get there."(約 04:23:30)

指 Microsoft–OpenAI 合約中曾採用的「能做 50% 有經濟價值工作」定義;條款已變更。

"The battle for the sentiment of open-weight models is won on social media, but it is not yet won in Washington DC and in our state houses. So we cannot yet relent on our defense of open-weight models."(約 04:26)

Ng 對 open-weight 現況的判斷:輿論贏了一半,不能鬆手。

"I might be the only person in the world that both Sam and Dario has worked for."(約 04:26:55)

在強調「我希望 Anthropic 和 OpenAI 都成功」時的自嘲。

"I don't want there to be gatekeepers to AI."(約 04:27)

他支持 open ecosystem 最根本的理由。

"There will be no AI job apocalypse."(約 04:37)

全場最直接的一句斷言。

"I would like to also spend more time on accelerating not just AI development, but on accelerating human development."(約 04:42)

他認為矽谷嚴重忽視的那個互補面。

"I see companies looking for people that are highly agentic."(約 04:44:50)

在 Agentic AI Summit 現場最貼題的一個笑點——同時是他對人才的真實判準。