Andrew Ng

AI編程革命：Andrew Ng力推「Vibe Coding」，編程門檻即將被徹底推翻

AI編程革命：Andrew Ng力推「Vibe Coding」，編程門檻即將被徹底推翻

AI時代來臨，編程門檻大幅降低——專家Andrew Ng倡導「Vibe Coding」新趨勢 近日，Google Brain創辦人兼AI領域權威Andrew Ng在Snowflake舉辦的「Build」會議上提出一個引人深思的觀點：傳統編程時代已經結束，每個人都應該學習一種嶄新的編程方式——「Vibe Coding」。這一言論在科技界掀起波瀾，預示著軟件開發領域即將迎來一場深刻的變革。 AI賦能編程，門檻前所未有地降低 Andrew Ng在會議上明確指出，「編程的門檻現在比以往任何時候都要低。」這一觀點打破了長期以來對編程的刻板認知。曾幾何時，編程被視為軟件工程師的專屬領地，需要投入大量時間學習複雜的語言和邏輯。然而，隨著人工智能技術的飛速發展，特別是AI輔助編程工具的出現，這一局面正在發生根本性改變。 Andrew Ng強調，利用AI協助編程，而非傳統的手動編程方式，將使各行各業的專業人士都能顯著提升工作效率。「從CEO到市場營銷人員，從招聘人員到軟件工程師，所有懂得編程的人都能比不懂編程的人完成更多工作。」他在演講中進一步闡述了編程在未來工作中的重要性。 Vibe Coding：創意與技術的完美融合 什麼是「Vibe Coding」？簡而言之，這是一種以AI為驅動力的編程方式，旨在簡化軟件開發流程，使普通人也能參與其中。與傳統的逐行手寫代碼不同，Vibe Coding允許使用者通過描述想法、提供需求，讓AI來幫助實現編程任務。 Andrew Ng認為，這不僅是一次生產力的躍升，更是一場文化變革。編程正在從技術精英的專有技能轉變為通用創意能力。「這是創意人士和創新者的非凡時刻，」他說道，「人們現在可以更快速、成本更低地將自己的想法變成現實。這是一個參與和構建你熱情所在項目的美妙時代。」 市場需求與教育滯後的矛盾 有趣的是，Andrew Ng坦言自己都面臨著人才短缺的困境。「即便是我，也無法聘請足夠真正懂得AI的人才，」他說。這反映了當下科技行業的一個現象：教育系統更新速度跟不上技術發展步伐。nnn更令人震驚的數據是，計算機科學專業畢業生的失業率反而上升。Andrew Ng指出，這是因為大學課程沒有及時演進以適應AI編程的時代需求。許多傳統計算機科學項目仍在教授過時的編程方法，導致畢業生的技能與市場需求不符。 職場競爭中的新優勢...
Andrew Ng點評DeepSeek-R1：中國AI崛起、開源模型顛覆市場

Andrew Ng點評DeepSeek-R1：中國AI崛起、開源模型顛覆市場

2025年1月29日，全球知名AI專家Andrew Ng 發表了一篇深度分析文章，探討中國AI的快速崛起，以及DeepSeek-R1的發布對全球AI市場與地緣政治的影響。他指出，這次事件凸顯了幾個正在AI領域發生的關鍵趨勢：(1) 中國在生成式AI領域正在趕上美國，甚至在某些方面已經領先；(2) 開源權重模型正在改變AI基礎層的商業模式，為應用開發者創造新機遇；(3) AI發展不只是「堆疊算力」，演算法創新正在降低訓練成本，帶來新的競爭優勢。 1. 中國AI正在趕超美國？ Andrew Ng回顧了ChatGPT於2022年推出時，美國在生成式AI領域的壓倒性優勢。然而，短短兩年內，中國在AI技術上的進展已經大幅縮小了差距，甚至在某些領域（如影片生成）取得領先。DeepSeek-R1的發布，與Qwen、Kimi、InternVL等中國模型一起，標誌著中國在AI基礎模型研發上的實力不容忽視。 DeepSeek-R1的推出不僅證明中國AI的技術實力，也影響了全球市場。在Davos論壇期間，許多企業高層都在討論這一趨勢，而美股市場也出現了明顯震盪——Nvidia等AI相關科技股價大跌，投資者對開源模型影響傳統AI商業模式的擔憂顯而易見。 2. 開源模型正在重塑AI市場 DeepSeek-R1的最大特點之一是完全開源，採用MIT許可，允許開發者自由使用，這與OpenAI等公司日益封閉的模式形成鮮明對比。Andrew Ng特別強調，美國部分企業正推動監管來限制開源技術，理由是AI可能帶來「人類生存風險」，但這一策略可能讓中國主導這一供應鏈領域，最終許多企業可能更傾向於使用來自中國的開源AI技術。 開源模式不僅影響技術發展，也直接衝擊了AI服務的價格。目前，OpenAI的o1模型每百萬token輸出成本約為**$60**，而DeepSeek-R1僅為**$2.19**，幾乎便宜30倍。這種價格優勢讓AI應用開發者可以用更低的成本進行創新，例如開發聊天機器人、AI醫療助理、法律文件處理等，這些應用將變得更加普及。 3. AI發展不僅靠「堆算力」，創新成關鍵 過去業界普遍認為，提升AI模型能力的唯一方式就是堆疊更多計算資源，但DeepSeek-R1的成功證明了另一條路徑：透過演算法創新提高效率。 由於美國對中國的AI晶片禁令，DeepSeek不得不在較舊的H800 GPU上訓練模型，而非最新的H100。然而，他們透過技術優化，成功以不到600萬美元的訓練成本完成模型開發（不計研究成本），相比之下，OpenAI和Google在類似規模的模型訓練上花費了數十億美元。這顯示出，AI的進步不一定需要無限擴展算力，而是可以透過技術創新來提高效能。 雖然有人擔憂這可能會降低對高效能計算資源的需求，但Andrew Ng認為，當AI變得更便宜、更高效時，市場的需求往往同步成長，最終可能仍會推動整體算力市場的擴張。 4....