吴恩达，对 Agentic Workflow 持续兴奋

吴恩达最近又做了两三次公开演讲和访谈，无一例外，他都在反复强调一个词——Agentic Workflow。看得出来，他对这件事是真有热情。

这位深度学习领域的大佬，不仅嘴上说，手上也没闲着。之前他把一个

给开源了，最近又捣鼓出一个 。（链接就不在这里贴了，感兴趣的自然找得到。）

除此之外，吴恩达还和ARK Invest的团队进行了一次深度对谈，聊了不少关于AI未来的关键判断。我们把其中的核心观点拎出来，一起看看。

对AI未来的能力十分乐观

在吴恩达看来，生成式AI和大型语言模型虽然有热度，但现有的能力远未被释放到实际应用中去。他认为，人工智能本身就是一个通用技术，它已经走得很远了，只不过有些进步才刚刚浮出水面。接下来几年，我们能靠AI完成的事情，会迎来一个爆发性的增长。

当然，瓶颈也是有的。GPU算力和推理能力是眼下落地一个AI应用的明显障碍，尤其是对那些有想法、有原型、看得到ROI的项目来说，高昂的硬件成本会让很多事情卡在半路上。不过吴恩达很乐观。他觉得，无论是GPU还是其他类型的芯片，背后都有极其强大的经济驱动力去解决供应问题。

他说，好的想法从来不缺，能驱动ROI的项目也大把存在。他相信，这类落地的障碍在未来一两年内就会被突破。一旦芯片供应链改善，更好的硬件上线，AI训练和推理的成本就会开始断崖式下降。

ARK的报告里也给出了一个参考数据：

。这样的降幅，反过来又会驱动新一波的迭代创新。

。很多现在大模型已经能做到的事，实际上还没有真正渗透到商业市场里去。一旦商业模式被验证跑通，AI应用开发的效率会大幅提升。而模型架构本身的不断优化，也会让性能提升一个台阶。

自然语言的革命是先从大语言模型里冒出来的，图像处理的革命会稍微晚一点。但他特别强调，这场革命的本质不仅仅是生成，更在于分析。未来的几年里，AI不仅在分析文本上会越来越老练，在分析图像领域同样会取得长足进步。

不过他也点出了一个关键问题：我们需要明确AI能做什么、不能做什么。AI是一项通用技术，能覆盖医疗、金融、物流、教育等各行各业。但问题在于，没人能同时成为所有这些领域的专家。那些想搞AI应用的人，必须和熟悉行业know-how的人合作。只有把通用的AI技术和垂直行业的专业知识结合起来，才能做出真正独特的东西。

从实操层面看，AI已经被大量用于工业自动化和重复性工作，很多企业已经在重新构思自己的工作流。

。吴恩达觉得，在这件事上，生成式AI能提供的工具和选择，会远远超过我们现在的想象。

说到最后，也避不开那个老话题：人工智能和人类智能，其实是两个物种。吴恩达直言，两者都有各自的价值。我们总爱把AI和人类智能放在天平上比来比去，这没什么不好的。但人类智能太独特了，想让AI做到人类能做的所有事，几乎不可能。当然，我们还是会继续往这个方向努力。

看好Agentic Workflow

说到具体路径，吴恩达对Agentic Workflow的推崇才是今天的重头戏。

他拿写文章打过一个比方。如果你对一个人说：“我要你写一篇指定主题的文章，一次性打完发给我，不能修改。”虽然人确实可以这么写，但说实话，没人能用这种方式写出真正好的作品。真正好的创作思路，永远是反复迭代的——先列大纲、再做调研、写初稿、然后批判性地修改。这一系列的工作流，才能让我们做出更优秀的产品。

Agentic Workflow做的事情就是把这些环节拆开，然后分别完成。吴恩达说，很多应用在引入Agentic Workflow后，准确性都出现了巨大的提升。当然，工作流的瓶颈也在这里：因为每次用户和系统交互，都可能需要多次调用大模型，这要求推理能力必须快得离谱，才能达到让人舒服的用户体验。

。在运行工作流的过程中，它能检查每一步的对错，然后主动修正自己的错误。

吴恩达举了一个亲身经历的案例：他之前做过一个在线写调研报告的Agent。有一次在斯坦福大学给小组做演示，不知道怎么回事，网页搜索的API调用失败了。结果那个聪明的Agent发现自己搜不了网页，竟然自动转向维基百科搜索去替代。

连吴恩达本人都忘记了自己给Agent同时装了联网搜索和维基百科搜索两种能力。而那个Agent自己判断出路径A走不通，就自动切到了路径B，最终成功完成了那次Demo。

AI Agent当然也会出错，也会有缺陷。但关键是，Agentic Workflow一旦在某一步发现不对，它能精准找到错误点、自我批判、自我修正。这恰恰让整个系统变得比单次调用的模型稳健得多。在这个层面上，Agent和人类很像——我们做事，通常一两次都不成功，但不断反思、批判和修复的能力，才是让我们思想和行动越来越强大的根源。建立在现有模型上的Agentic Workflow，完全可以帮我们在商业落地上迈出巨大的一步。

快速推理的重要性

谈到技术路径，吴恩达的看法很有意思。他并不认为未来必须要有比Transformer更好的模型架构才能支撑Agent。当然，有更好的架构是锦上添花，但

。

现在很多大公司几十亿、上百亿地砸在GPU上搞训练，这当然很重要，因为它是我们获得大模型基础（不管是闭源还是开源）的根基。但吴恩达观察到，现在越来越多AI应用的实际瓶颈，已经不在训练端，而在于推理的速度不够快。举个例子，当Meta发布Llama-3-70B的开源模型之后，如果我们能把它的推理速度提到10倍，那对Agent的运行体验就是天翻地覆的。

更快的token生成，是真正的规则改变者。用户用你的应用程序，如果能在1分钟内拿到结果，绝对不会愿意等上20分钟。快速生成廉价token，比琢磨复杂的架构，在当下可能更务实、更见效。

这也就是为什么Meta一直在做的一件事：把更多信息压缩到参数更小的模型里。参数变小了，运行起来就更快、更便宜。延迟降低了，推理成本下来了，性能和成本曲线就形成了一个正循环。

从这个角度看，做AI应用层的竞争，可能反而比底层模型层的竞争要小一些。生成式AI时代一个最迷人的特点，就是开发成本比以前低了太多太多。你完全可以一天之内搭出一个让人眼前一亮的Demo。只是后面的数据收集和效果评估，才是真正花时间的地方。

这里也引出一个有趣的问题：模型效果的评估，其实直接影响着人们会不会去切换模型。很多开发者宁愿守着一个不一定最好但已经测熟的模型，也不愿意贸然换一个没充分评估过的。不过，吴恩达注意到，现在越来越多的人开始建立更高效的模型评估方法，让大家能够更准确地从不同的模型中萃取经验。

所以，高效的评估方法，会让人们更清晰地在多个模型之间做选择，从价格、性能、速度等多个维度上，选出最适合具体任务的那一个。

开源和闭源的思辨

最后，吴恩达聊到了那个绕不开的辩论：开源 vs 闭源。

他的态度非常鲜明。他认为更多的开源会让世界变得更好，让更多人享受到技术进步的好处。反过来，他直言闭源实际上是很危险的，它不利于创新，也不利于形成开放的全球LLM供应链。

。

反对开源的一方的论点，通常集中在几个方面：开源会分散那些投入巨资训练大模型的人的利益；开源会增加AI的不安全性，不利于国家安全等等。但吴恩达觉得，这些论点已经逐渐失去了实质性的说服力。

在他看来，有趣的事情在于，开源是有利于构建一个健康的全球AI供应链的，而且，技术背后往往折射出一个国家开发者的价值观。比如，像Google Docs这种开放协作的工具，反映的是一种开放的价值观；而端到端加密的通讯，则体现的是重视隐私的价值观。如果民主国家不积极参与LLM供应链的构建，那么其他国家自然就会填补这个空白。吴恩达希望，未来的大型语言模型，能反映出民主社会所倡导的价值观。

另一个让开源价值凸显的例子，是Llama-3最初的版本，上下文窗口长度十分有限，但由于它本身就是开源的，世界各地的开发者可以自行修改它的不足。从商业角度看，这完全是理性的。Meta的战略就是确保在AI生态系统中有一个开源基础模型，然后在这个基础之上继续发展——就像苹果的iOS为应用开发者提供的平台一样。相比之下，Meta并没有强烈的动机把自己的模型闭源起来去卖API调用。这是一种非常理性、非常清晰的商业决策。