吴恩达：AI 时代，求职机会换方向了

see122

2025 年的毕业生，正面对一个规则变了的求职市场。

2025 年 11 月，美国失业率升至 4.6 %，创近四年新高；中国城镇失业率为5.1%，青年失业率（16-24岁，不含在校生）持续高位。同时，应届毕业生规模创纪录：2025 届 1222 万，2026 届预计 1270 万。

但与过去不同，这次不是岗位总量在减少，而是机会的流向变了。

就在昨天（12月17日），吴恩达一个月前在斯坦福的内部讲座视频才公开。11 月 18 日的 AI 课堂上，他用两组数据解释了这个变化：

• AI 能完成的任务复杂度，每7个月翻倍
  
• AI 编程能力的翻倍时间，只需70天
  

技术在指数级加速，但岗位机会没有同步增长。

为什么会这样？机会流向了哪里？在这个转折点上，什么样的人能抓住新机会？

这篇文章，我们从这堂课出发，回答四个问题：

• 什么能力更重要？
  
• 为什么环境比你想的更重要？
  
• 学习方式该怎么调整？
  
• 如何让自己被发现？
  

第一节 | 不是岗位少了，是方向变了

2025年，AI 让写程序变得前所未有地快。但这并不意味着工程师更吃香了，恰恰相反，许多人的工作变得更容易被替代。

吴恩达在课堂上说了一句话：

模型可以帮你写出正确的代码，但它不会告诉你，这段代码要去解决什么问题。

这句话点出了关键：现在大多数岗位的分工逻辑已经变了。

不是谁更懂技术，而是谁先把问题定义清楚。

以往，一个产品从想法落地，需要5～8个工程师配合开发。现在，在 AI 工具辅助下，一个人就能快速完成。工程工作被压缩的同时，产品设计、需求拆解、目标判断这些前置任务反而成了最关键的一环。

为什么这些“前置任务”变得更重要？

因为产品开发本质上是一个循环：写代码 → 给用户看 → 收反馈 → 调方向 → 再写代码。AI 让第一步快了 10 倍，但其他几步没有同步加速。

这导致整个循环的瓶颈从写代码转移到了理解用户真正想要什么。

现实中，多数团队的决策能力并没有跟上这个节奏。代码写得快了，方向错了的话，速度反而成了风险。结果是：

• 能完成任务的人越来越多
  
• 但能判断做什么才值得做的人反而变少
  

于是，团队里真正被重用的，不是写得快的人，而是能定义方向、快速尝试、反应灵敏的人。

在吴恩达眼中，今天硅谷行动最快的工程师有一个共同特征：他们既会写代码，也会跟用户聊天。 这种“技术+同理心”的组合，让他们能在一个人身上完成过去需要工程师+PM两个角色才能完成的事。

工程师和产品经理的比例正在翻转。

过去是4～8:1，现在越来越多公司走向2:1，甚至逼近1:1。有些创业公司已经开始配置“1 个PM配 1 个工程师”，这在传统硅谷公司看来几乎不可思议。

在这堂课上，还有一位嘉宾 Lawrence Moroni（曾任Google首席AI倡导者，现在ARM负责AI业务）。他也提到了一点：过去几年，硅谷公司允许员工把各种价值观和个人追求带到工作中。但 2023 年之后，公司不再看情怀，只看价值：你做的东西能不能为他们赚钱。

技术很强但方向不对？没人买单。

情怀很足但产出为零？同样出局。

这就是为什么判断力比技术更重要：你要能判断什么值得做，什么不值得做。缺少这种判断力，再强的技术能力也会被边缘化。

第二节 | 好环境比强能力更重要

第一节我们说了，判断力比技术更重要。但光这样还不够：就算你有判断力，如果环境不对，你也施展不开。

吴恩达在课上讲了一个真实的故事：一个斯坦福学生，能力出色，拿到了一家热门 AI 公司的 offer。公司说：先签约，轮岗匹配会给你找好项目。 结果签完约，他被分配去做 Java 后端支付系统。

这不是 AI 项目，不是他想做的方向。一年后，他沮丧离职。

“他的能力没问题，是环境错了。”

但环境也在选人。Lawrence Moroni讲了一个例子：一个优秀的程序员，能力强、经验足。被解雇后申请了 300 多个工作，深入面试很多家大厂，但每次都在最后一轮被拒。原因不是技术不行，而是他在面试中表现得过于强硬，让面试官觉得他不适合团队合作。调整态度后，他很快拿到 offer，工资翻倍。

这两个故事表示：

第一个：你可能有能力，但被放错了位置

第二个：你的能力可能很强，但团队合作性同样重要

能力是基础，但环境和配合度决定了你能走多远。

很多人忽略了一个变化：AI 让个人能做的事更多了，但也让团队环境的差异被放大了。过去，只要你负责一小块、照流程执行就行。现在不一样了：

• 你需要快速拿到用户反馈 （团队要支持你直接接触用户）
  
• 你需要快速试错迭代 （团队要允许失败）
  
• 你需要跨职能协作 （团队要打破职能壁垒）
  

如果团队做不到这些，你个人再努力也是在内耗。

吴恩达特别强调了几个好团队的特征：

• 愿意共享信息，不藏着掖着
  
• 愿意试错，而不是反复开会
  
• 支持个体试验，而不是按层级做决策
  

他说：在这样的环境下，你的经验值才能累积，你的想法才有机会试一试。否则，就算你再有热情，也撑不了多久。

而这个环境，不只是你的团队，还包括你日常相处的圈子。

如果你最亲近的 5 个朋友都是努力工作、快速学习、试图用 AI 让世界变得更好的人，你也更有可能这样做。

所以，比起岗位头衔，看清你所在的圈子、节奏、氛围，才是你能不能成长的真正关键。

第三节 | 快速试错，快速成长

过去找工作，拼的是学历、项目经历、技能点清单。现在，这些还重要，但更重要的是：你做出过什么？

吴恩达在课上给出建议：

要创新，就做20个原型，看哪个有效。

这是 2025 年的真实节奏。 AI 加速了任务完成的能力，但也暴露了很多人的短板：做得快，不等于做得对；学得多，不等于学得进。

传统的学习节奏是：先听课、再练习、最后实习。

AI 时代，有效成长变成了：动手试 → 被打脸 → 调方向 → 再试。

这是一种新的学习习惯，甚至是一种工作习惯。Lawrence Moroni 分享了他的实践：他在做 AI 驱动的电影制作工具时，不是花几个月写完整的技术文档，而是：我开始构建。测试。扔掉。再次开始。每次我脑海中的需求都在改进。

为什么要这样？因为失败成本变低了。

吴恩达说：

“你浪费了一个周末但学到了东西，这没问题。”

过去，做一个项目需要几个月。现在，一个周末就能做出能跑的原型。

Lawrence算了一笔成本账：

• 三个月做一个项目，最后发现方向错了，浪费三个月
  
• 三天做10个原型，扔掉9个，留1个继续打磨，只花三天就找到方向
  

所以，快速试错不是急躁，而是控制风险的方法。

但很多人的学习方式还停留在过去。 苦练代码却从没做出能上线的应用，苦看视频教程却从不和别人协作，项目一做就是大半年结果上市场没人用。

现在，AI 做得越快，你迭代得也要越快。关键不是做一次就对，而是做一次就知道错在哪，然后快速调整。

要想跟上节奏：

• 别等到完美才发布
  
• 别等到有把握才动手
  
• 别等别人先做你再做
  

先做出来，再说。

第四节 | 真正的竞争力，是你做出过什么

前三节我们说了：能力要求变了、团队环境重要、学习方式要变。但最后一个问题是：你怎么证明自己？

现在的招聘，越来越像选队友，而不是筛履历。

Lawrence Moroni 自己就是个例子。2015年，他想加 入 Google Clou 团队。前两次面试都失败了，尽管他已经在 Microsoft 工作多年，写了 20 多本书。

第三次，他换了策略：在面试前，他用 Google Cloud 做了一个 Java 应用，能用技术分析预测股票价格。 然后把这个项目放在简历上。结果，整个面试过程，面试官都在问他关于这个代码的问题。面试的主动权在他手上。

他提前证明了自己能做什么，而不是只说做过什么。这让他从 300 个候选人中脱颖而出。

十年过去，这个策略在2025年更加重要。

吴恩达给出了一个判断标准：现在要看一个人值不值得合作，最简单的方法就是看你做出过什么，哪怕一个小东西。

不一定复杂，也不一定完美。但得是真实的、能用的、你亲手做的。

一个前职业冰球运动员的故事更能说明问题。他 13 岁辍学，自称“活着最笨的人”。他管理一个非营利冰场，每季度需要向董事会展示运营结果，为此每年花15 万美元请咨询公司整合数据（来自泵房机器、压缩机、电子表格、账户...）。

他尝试用 ChatGPT 自己做。

结果：他现在用两个小时就能完成报告。节省的 15 万美元用于给贫困儿童提供冰球装备。

一个13 岁辍学的人，用 AI 做成了15 万美元的专业咨询工作。这比任何学历都有说服力。

你不一定要创业，但你需要作品。

这类展示的效果越来越明显。很多公司已经不看你做过什么，而是看你正在做什么。过去找工作，是投递简历等回复。现在是做出产品，主动展示能力。

区别在于：简历是别人对你的评价，作品是你对自己的证明。

结语｜机会没少，只是方向换了

2025 年不是工作变少了，是路径变了。

过去的路径：从学历到经验，从经验到简历，从简历到面试，最后入职。

现在的路径：从能力到作品，从作品到展示，从展示到合作，在合作中成长。

能力要求变了。

团队比品牌重要。

学习方式要快速迭代。

作品比简历有说服力。

这四件事，决定了你能不能抓住新机会。

参考资料：

https://www.youtube.com/watch?v=AuZoDsNmG_s&t=1523s

https://blog.csdn.net/m0_59236602/article/details/147142478

https://www.pwc.com/gx/en/issues/artificial-intelligence/ai-jobs-barometer.html

https://www.ncsti.gov.cn/kjdt/ztbd/2025qqszjjdh/202507/t20250704_209386.html

https://finance.sina.com.cn/jjxw/2025-12-10/doc-inhafvxv0448097.shtml


来源：36kr