就现在，AI大神吴恩达老师交卷了——

用一篇长文总结了2025年最热门的几大AI趋势，而且还附带了一份软件开发学习小tips。

一时之间引无数网友围观。

先给大家划个重点，吴恩达心目中AI圈最具代表性的几件事分别为：

“会推理”不再是少数模型的特权，而是正在变成标配能力；由Meta点燃的AI人才争夺战，彻底重塑了科技行业的人才定价体系；数据中心的火热标志着新工业时代的到来；以AI智能体驱动的自动化编程，正在彻底重塑软件构建的方式。

更关键的是，从关键导火索→整个故事脉络→当下最新情况，全都拆解得明明白白，整个演进脉络一目了然。

只能说一句，不愧是当老师的啊（doge）。

2025最最最最热AI趋势

趋势1：模型会推理正在成为标配

一上来，思考模型（Thinking Models）就被置于C位。

虽然现在模型会推理已经见怪不怪，但年初的时候还需要给模型输入以下指令才行：

一步一步思考，解释你的推理过程，从答案倒推。

因此在吴恩达看来，2025年最显著的变化之一，是“会推理”不再是少数模型的特权，而是正在变成标配能力。

而关于模型的推理能力，其萌芽甚至可以追溯至论文《大语言模型是零样本推理器》——

其中提出的“让我们一步一步思考”这句提示词成为破局关键。

研究者发现，只需在指令中加入这句话，模型输出质量便有提升。随后，团队意识到可以通过训练将这种能力“固化”到模型中，使其无需外部提示就能自动运用多种推理策略。

于是他们核心通过强化学习微调实现了这一目标，通过奖励模型产生正确输出，训练其在生成答案前进行“思考”。

后来，真正的范式转变始于OpenAI在去年底推出的o1模型。它首次将一套完整的、多步骤的“智能体推理工作流”直接内置于模型架构之中，不再依赖外部提示。这一设计带来了性能的飞跃。

今年初，DeepSeek-R1的发布更是将这股浪潮推向高峰。它不仅证明了这种内置推理模式是可复现、可优化的，更以开源姿态为整个行业提供了清晰的技术路线图。

一时间，“为模型注入推理能力”从前沿探索变成了明确的研发方向。

但在接下来的时间里，另有一些研究表明：

推理模型未必如其表现那般“理性”

苹果曾在一篇具有争议性的论文里指出，即使为模型提供了解决复杂谜题的算法，它们依然会在超出特定复杂度时失败。

Anthropic研究也发现，模型的推理步骤虽能解释其结论的形成过程，却可能遗漏关键决策信息。

而且更为现实的是，虽然推理能力极大提升了模型性能，但代价高昂——

以Gemini 3 Flash为例，启用推理让模型消耗了1.6亿Token（得分71），而未启用的版本仅消耗740万Token（得分55），同时生成推理token还会拖慢响应速度。

因此，如何在不牺牲性能的前提下大幅压缩推理成本、提升响应速度，已成为当前模型优化的核心战场。

趋势2：由Meta点燃的AI人才争夺战

第二大看点则是由Meta点燃的AI人才争夺战。

总结里提到，这场争夺战将AI精英的薪酬推至堪比职业体育明星的惊人高度，“彻底重塑了科技行业的人才定价体系”。

从今年7月开始，当扎克伯格宣布成立“Meta超级智能实验室”时，这场争夺赛就打响了——

Meta不仅给顶尖AI人才开出数亿美元薪酬包，而且CEO小扎更是化身“首席招聘官”亲自上门游说（甚至带上自制汤品）。

其激进策略立即引发了残酷的连锁反应，顶级人才在巨头间流动加剧。

此时回过头看，吴恩达认为这一“军备竞赛”并非偶然爆发，其背后是AI价值定位历经十余年的根本性跃迁：

学术期（约2011年）：AI人才集中在高校，谷歌大脑初建时，薪酬与普通软件工程师无异。商业化初期（约2014-2017年）：DeepMind被收购时，人均成本已达34.5万美元；Transformer架构问世后，顶级薪酬跃升至50万美元。大模型爆发期（约2023年）：ChatGPT引发范式革命，顶级工程师年薪突破70万美元。军备竞赛期（2025年）：薪资天花板被彻底击穿，数亿美元级的“球星合约”成为争夺战略级人才的标配。

而且他还表示，尽管天价薪酬引发“泡沫”疑虑，但行业共识正在形成——对于志在参与AGI竞赛的公司，这是战略性的必要开支。巨头们的逻辑在于：

既然硬件投入如此巨大，为什么不拿出其中一小部分用于支付员工薪酬呢？

甚至在2026年，这场博弈或将从单纯价格战，演变为薪酬结构、文化认同与长期潜力的综合博弈。

总之，由Meta在2025年设定的人才定价新基准，已被永久性抬高，并宣告了智能本身已成为这个时代最稀缺的生产资料。

趋势3：数据中心的火热标志着新工业时代的到来

第三大看点是数据中心的火热。

当巨额资本涌入人才争夺的同时，一场更为庞大、更为基础的竞赛已在物理世界展开——

数据中心正成为AI时代新的“钢铁厂”与“发电站”。

2025年，顶尖AI公司宣布的数据中心建设计划，其规模之大、耗资之巨，已堪比国家级的基建项目，标志着AI竞赛进入“重资产”的工业时代。

OpenAI启动了耗资5000亿美元的“星际之门”项目；Meta今年的基础设施投入约720亿美元，其标志性项目“Hyperion”巨型数据中心价值270亿美元；亚马逊预计2025年投入1250亿美元；

仅今年一年，AI行业资本支出就超过3000亿美元，其中绝大部分流向数据中心建设。

而且麦肯锡预测，为满足AI训练与推理需求，到2030年总投资额可能高达5.2万亿美元。

不过在这股浪潮之下，一些现实忧虑也开始浮现。

一是供需是否合理。贝恩咨询指出，要支撑这些投资，到2030年全球AI年收入需达到2万亿美元——这超过了亚马逊、苹果等六大科技巨头2024年的收入总和。所以人们开始担忧，如此巨额投资能否被未来的应用需求所消化？

二是电力供应能否跟上。报告里提到，目前硅谷已有两座新建数据中心因无法接入电网而闲置。因此，未来数吉瓦的电力需求从何而来，成为最紧迫的制约因素。

三是市场开始回归理性。已经有金融机构因担忧企业债务过高，而退出百亿美元级别的数据中心融资项目，这说明市场并非盲目乐观。

但不管怎样，数据中心所带来的实体经济拉动效应已然显现——

哈佛经济学家杰森·弗曼指出，2025年上半年美国GDP的增长，几乎全部由数据中心和AI投资所贡献。

所以报告认为，这不仅仅是科技行业的内部事件，更是在全球经济放缓背景下，一个由AI驱动的“新工业时代”正在拉开帷幕。

趋势4：智能体编程正在从“打辅”走向“主导”

当人才与算力就位，2025年AI最直接的革命性应用，发生在软件开发的核心流程——

以AI智能体驱动的自动化编程，正在彻底重塑软件构建的方式。

2024年，首款明星编码智能体Devin的出现已经够让人惊喜。但到了今年，编码智能体在同类任务上的完成率已普遍突破80%。

截至目前，智能体不再仅是“自动补全”工具，而是演变为能够规划任务、调用工具、审查代码、并操控整个代码库的“数字工程师”。

在这个跃迁过程中，还是我们说到的模型推理为其注入了“灵魂”——

让智能体能够先“想清楚”再行动，并将复杂任务分解，交由成本更低的模型执行，整体计算成本就被大幅降低了。

另外，受此影响我们也正在见证一个新行业的诞生——

以Loveable、Replit为代表的初创公司，正在让毫无编程经验的用户也能“一键生成”Web应用，“氛围编码”正成为现实产业。

而关于“AI取代程序员”的担忧，其实没多大必要。吴恩达始终认为，善于使用AI的开发者，其原型构建能力与效率反而能够实现数量级的提升。

Anyway，AI辅助编码正像曾经的拼写检查一样，迅速变为“编码”这一行为本身不可分割的一部分。

软件开发学习小tips：主打“知行合一”

另外值得一提的是，面对以上趋势，吴恩达还附赠了一份软件开发学习建议。

大概意思是：

如果进入这个行业，就需要不断保持学习。

每年寒假，我都会抽出时间学习和开发软件，（所以）也希望你们能这样做。这不仅能帮助精进旧技能、学习新知识，还能助力你们在科技领域的职业发展。

至于怎么学，核心有三点：一是多参加人工智能课程；二是最好自己动手亲自构建AI系统；三是闲暇之余多读一些技术论文。

在他看来，“不学习直接动手”在开发领域是个非常糟糕的陋习。

除非你已经身处一个经验丰富的AI开发者社区，否则在不了解AI基础知识的情况下贸然开发，意味着你可能会重复造轮子，或者更有可能把轮子造得一团糟！

因此，首先进行结构化的学习非常重要。（吴恩达：此处强推跟着一位知识渊博的AI讲师学习相关课程）。

学完之后，接下来就是非常关键的动手环节了。

仅仅上课是不够的，很多经验只能通过实践才能获得。学习飞机的理论知识对于成为一名飞行员至关重要，但没有人能仅仅通过上课就成为飞行员。

通过以上“知行合一”的过程，大家大概就能了解如何真正构建一个AI系统。

并且，闲暇之余还可以多读AI论文作为补充。吴恩达表示，虽然读论文非必选项，但他发现：

如今就业市场上许多最优秀的求职者至少偶尔会阅读研究论文。个人认为阅读论文的优先级远低于上课或实践，但如果你有机会提高阅读论文的能力，我也强烈建议你这样做。

你学废了吗？(手动狗头）

One More Thing

紧跟吴恩达老师的步伐，咱们量子位智库也来交一份2025十大AI趋势的答卷。

（os：更适合中国宝宝的年度AI趋势~）

报告传送门已放文末，感兴趣可自取。

传送门：
https://mp.weixin.qq.com/s/l5lrzGS_-ao-FBv7U82p-g