吴恩达戳破AI失业泡沫，工程师怎么看？

同感，吴恩达这次说的其实挺直接的，尤其是“焦虑是一门生意”那部分。我在中厂做AI产品经理，这两年确实看到不少所谓“AI取代人类”的案例，最后都变成了“AI帮人擦屁股”——比如我们之前推的智能文档审核，本来想裁减审核团队，结果模型根本处理不了那些连人类都要翻半天合同的模糊条款，最后反而多招了两个标注员专门调优bad case。你说的“技能重组”我太有体会了，去年团队里一个做传统规则引擎的同事，硬是被逼着学了LangChain和向量数据库，现在改做RAG系统了，工资倒涨了30%。所以我觉得“替代”更像是个伪命题，更多是岗位职责的平移和升级。

不过有个问题想请教：吴恩达说那些靠贩卖焦虑赚钱的机构，会不会因为这种戳破反而更猖狂？毕竟他们最擅长的就是把“技能重组”包装成“不学就失业”，然后卖课。我自己观察到的现象是，真正在一线做技术的人反而很少焦虑，焦虑的大多是刚转行或者想进场但没方向的新人。你觉得对于这些新人来说，是应该跟着“技能重组”的方向去补课（比如学RAG、微调这些具体技术），还是先理解AI落地的业务逻辑更重要？因为我见过太多人埋头学了一堆热门框架，结果到企业里发现根本用不上，反而那些能看懂业务痛点、会拆解需求的人更吃香。

说的太对了，那个“焦虑是一门生意”简直一针见血。我身边真有同事被裁后去报了个两万的AI培训班，结果讲的全是基础调参，还不如他自己啃文档学得快。想问问你对接传统企业时，有没有遇到那种“老板嘴上说转型，实际连基础数据治理都不肯投钱”的情况？这种客户怎么处理最省心？

你说到“任务被重新定义”这点我特别有感触。我去年转行做AI产品经理，原来团队里有几个做数据标注的老同事，当时都慌得不行，觉得AI能自动标注了就要失业。结果呢？现在他们一部分转去做标注规则设计和质检，另一部分去搞少样本学习的prompt调优，本质上还是跟数据打交道，只是工具变了，得学新技能。吴恩达说的“技能重组”确实更接近真实情况，但我好奇的是——这种重组对底层执行岗和决策岗的冲击程度是不是完全不一样？比如一线操作员可能直接被裁，而中高层反而多了个转型窗口，这

中间的落差怎么补？

另外你提到“焦虑是一门生意”，这个我太同意了。现在随便刷刷知乎、公众号，全是“XX行业即将被AI取代”的爆款文，点进去要么卖课要么卖工具。我朋友公司之前被某家AI咨询公司忽悠，花几十万买了套“智能决策系统”，结果就是套了层AI壳的excel表格。但反过来想，如果没有这种焦虑驱动，很多传统企业可能根本不会动数字化转型的念头——哪怕动机是错的，动作本身有没有可能歪打正着倒逼出一些真正的效率提升？还是说这种焦虑纯粹是在给行业制造泡沫和沉没成本？

同感，去年我们团队帮一家物流公司做分拣自动化，结果发现最大的坑根本不是AI能力，是他们的拣货流程本身就混乱，最后变成用AI给人工兜底。吴恩达说的“焦虑是门生意”太真实了，很多AI培训课和咨询公司就靠这波恐慌赚钱。我个人觉得与其担心被替代，不如学点新的组合技能，比如MLOps或者数据治理，这些反而是刚需。

深有同感。我在做制造业AI质检的时候，客户最纠结的反而不是技术能不能落地，而是“替代了质检员之后谁来背锅”。很多岗位根本没被砍，只是从“干活”变成了“盯着AI干活”，工资没涨责任还更大了。至于贩卖焦虑嘛，培训机构和卖算力的确实赚得比做应用的爽多了。

说得很实在，尤其是“替代焦虑背后是资本叙事”那段。我这两年做企业级RAG落地，最深的感受是：真正被“优化”的不是岗位，而是那些不懂业务逻辑、只会调API的伪工程师。反过来，懂领域知识、能搞定数据治理和devops的人反而更抢手了。至于焦虑生意，确实存在——但问题在于，现在很多二手知识博主连GPU都没摸过，就开始教人怎么不被AI替代了。

说得挺到点上的。我在制造业做AI落地也有两年多，感触最深的就是“替代人力”这个词已经被玩坏了。去年我们给一家工厂做质检视觉方案，老板上来就说要砍掉80%的质检员，结果呢？产线光打光环境就调了三个月，最后真正能稳定的只有两道工序，剩下的人全转去做数据标注和异常复核了——这哪是替代，分明是换了个工种。

吴恩达说焦虑是门生意，我特别认同。现在打开技术社区，十条帖子有五条在讲“XX岗位要消失了”，点进去一看，要么是卖课的，要么是推SaaS工具的。真正在一线的人都知道，技术落地最大的瓶颈从来不是人太多，而是能打通业务、懂脏数据、会调参又扛得住业务方骂的人太少。像你说的NLP转Prompt工程，CV转边缘部署，这些本质上还是技术能力的迁移，而不是岗位归零。

我很好奇的是，那些被“AI替代”吓到转行的人，后来真找到更好的出路了吗？还是说只是换了个赛道继续焦虑？另外，吴恩达提到资本叙事，我在想，会不会有些公司故意放大焦虑，是为了压低技术人员薪资？毕竟如果大家都觉得自己的岗位要没了，谈薪时腰杆子就不硬了。这点挺值得深挖的。

说到点子上了。我这几年做AI落地，最头疼的从来不是技术瓶颈，而是客户连基础的数据治理和业务流程都没厘清，上来就要“用AI降本增效”，最后全变成人工兜底。所谓的“替代”更多是岗位职责的颗粒度被拆得更细了，比如原来做文本分类的现在得搞RAG链路优化。至于焦虑生意——那些靠贩卖“35岁被AI淘汰”卖课的，跟当年卖“区块链革命”培训的是同一拨人，换汤不换药。

你提的那个“焦虑是一门生意”的点挺有意思的，我最近也在想，那些铺天盖地的AI课程和训练营，是不是也在拼命放大这种焦虑来卖课？另外你说的技能重组我特别有同感，想问问你现在团队招人，是不是更看重解决具体业务问题的能力，而不是单纯比拼模型精度？

你这个观察挺到位的，特别是“焦虑是一门生意”那点，我觉得太真实了。现在打开各种平台，十个AI博主里有八个在讲“再不学AI就要被淘汰”，然后转头卖课。我自己之前在制造业做数据项目，客户老板天天被各种AI销售洗脑，说要不上系统就会被同行干掉。结果我们进去一看，连基础的数据治理都没做，ERP系统都是十年前的老古董，硬上AI客服那不就是给人工添乱么。

我倒是觉得，吴恩达说的“技能重组”才是关键。我身边真正被裁的，反而是那些拒绝学习新工具的资深工程师。比如有个做传统CV的老哥，公司转型边缘端部署，他不愿意学TensorRT和量化压缩，最后被一个刚毕业两年但能自己调模型上硬件的年轻人顶了。这哪是AI替代人啊，分明是技能迭代淘汰了不愿动的人。

不过我也有个疑惑——你说“焦虑是生意”，那现在网上铺天盖地的AI课程、训练营，到底有多少是真正有用的？我试过几个，感觉很多就是把开源文档翻译一下换个封面。你有没有遇到过那种真的能帮人从零上手做落地的课程？另外，你们团队现在招人，会更看重Prompt调优经验，还是传统的机器学习底子？我总觉得这两块现在割裂得厉害。

你说得对，我这边做传统企业数字化项目也差不多，客户嘴上说要降本增效，实际上一堆历史遗留系统根本接不上，最后AI倒成了帮他们擦屁股的运维工具。吴恩达说的焦虑生意我特别有同感，那些卖AI培训课的就喜欢渲染替代论，搞得大家心慌慌。想请教下，你们团队现在招人是不是也把提示词工程和RAG拆成硬性要求了？我最近面试了好几个名校NLP硕士，对这块实践几乎空白。