沐神来小红书了！
网友第一反应：「这是假的沐神吧？」
如果你学过深度学习，大概率听过李沐的名字。
他是 BosonAI 联合创始人、前 Amazon AI Senior Principal Scientist，也是《动手学深度学习》的作者之一。过去几年，不少人跟着他的课程入门深度学习，也蹲过他的论文精读系列。
这次，李沐在小红书开了一场 AMA，主题也相当直接：AI 越来越强，今天应该学什么，才能不被 AI 淘汰？人还需要学编程吗？大学生应该学什么？AI 会让哪些能力变得更重要？创业者真正需要懂多少 AI 技术？
评论区很快挤满了程序员、学生、研究者和各行从业者。
从「具身智能是不是泡沫」，到「Code Agent 时代程序员还要学什么」，再到「30 岁转 AI 还来不来得及」，李沐陆续回复了不少问题。
我们整理了一些回答，一起来看看吧。
职业选择、就业与成长路径
Q：对于非天才的普通人来说，AI 算法研究的未来在哪里？
李沐：我觉得做 AI 算法的人，大部分也也是普通人吧。
Q：想转工作方向，AI 这方向现在还缺 AI Infra 的开发人员吗，以及 AI 算法岗和 AI Agent 岗位哪个缺口更大呢？我现在参加工作了，还有可能成为 AI 研究人员吗？
李沐：agent 这一块偏应用一点，肯定工作岗位更多。infra 和算法呢，相对来说，可能需有需求的公司会少一些，但门槛也高一些。
Q：对于刚毕业的 CS 程序员，职业发展上需要往哪方面走来提升自己呢？一年前和现在的程序开发变化太大了。
李沐：先试着利用 agent 能够最大化自己的生产力吧，让自己把这个工具用的很溜再说。
Q：作为 CS 本科生，有限的几年时间，最应该打磨自己的什么能力呢？
李沐：我觉得是多做项目吧，在实践中能够更多的体会。
Q：AI 时代是应该深耕一门技术，追求深度，还是追求深度的同时保持一定的广度？
李沐：我认为是深度优先。先把一件事情做深了，然后再尝试看做另外一件事情，去做广。
Q：我 30 了还没深入，想要大家的鼓励，想深入 AI 应用构建真实需求，可以鼓励下我吗？
李沐：四十岁了都来得及，三十岁我觉得没问题。
Q：如果 AI 越来越强，很多工作都会被替代，那人该怎么办？
李沐：我比较相信人的对环境的适应性吧。就算 AGI 来了，人总是能找到自己能做的事情。
Q：我是一个国内双非本科就读人工智能专业的学生，如今在一家机器人公司内实习，在此期间深刻感受到就业市场对 AI 技术岗的学历要求，因此有点焦虑是否自己对未来自己的岗位定位的期望过高，我的学历是否还能不能支撑我进入这个行业。我在整个大学期间的专业学习都高度依赖 AI，三年过去觉得自己好像什么都没学到，进入真正工作上对自己的定位也无所适从，觉得如果自己所有工作都使用 AI，那是否这个岗位换了谁都可以干，作为没有学历优势在技术上也没有很深度理解的预备役牛马，应该把自己放在一个什么样的生态位，在 AI 帮我完成项目的同时我应该把学习方向放在哪，我应该把自己的重点放在哪里？
李沐：我觉得学历可能不是最关键的，越到职业的后期，学历可能越没那么重要。但如果你都觉得自己过于依赖 AI，没学到什么东西，这一点可能更加重要一点。至少先了解 AI 完成的工作，他在背后到底在干什么事情？
Q：我目前是 CS 本科生，在一个做具身智能的组里干活，但我发现自己做任务的时候特别依赖 AI，经常是跟 Codex 和 GPT 网页端换着聊，GPT 给方案，Codex 负责执行。我大部分时间都是在努力理解 GPT 给出的思路，偶尔能看出它有点绕远路，但基本做不到主动去「引导」AI 朝某个方向走。这让我感觉自己没起到真正做研究的作用。想问问这种情况怎么办？本科生在科研起步阶段，面对这种高度依赖 AI 的状态，应该怎么调整呢？
李沐：我觉得不是问题吧，就是你这一块不算熟嘛。你做深一点之后，知道哪些方案 Agent 试过，哪些 work 哪些不 work，踩过坑了，你自然会在一块会理解深一些。
Q：五年前我就是看了您的视频开始了 AI 生涯。想请教一下老师看好 AI 翻译这一领域吗？文本翻译是 LLM 的得意领域，但生活化场景的翻译又带来了多模态和低延迟等挑战。在老师看来，随着模型能力的发展，AI 最终能够做到帮助全人类跨越语言障碍吗？
李沐：我觉得 AI 翻译肯定是能够替 99% 替代人的。
Q：AI 普惠教育，买学区房岂不是写死了？
李沐：好的教育资源总是稀缺吧，学区房可能还是有存在的必要的。
Agent、编程与 AI 协作
Q：沐神，我也想问现在还要不要学编程。刚读研，可以全程用 AI 做项目了，根本用不上我那羸弱的编程能力，我还需要去训练编程吗？
李沐：目前来看，编程还是要学的。你可以不用写代码，但是得 review 代码，至少能够看得懂 AI 写的代码在干嘛。
Q：我感觉虽然有些事情我可以交给 AI 做了，但是我还是会搞清楚整体架构、过程，让它解释为什么这样做，我觉得这样用 AI 才是加速自己学习同时提升效率过程。不过我确实在想这个时候去学其他编程语言，比如不太熟悉的 C 语言会不会必要性不大？
李沐：目前来看，能够熟悉一个语言就行了吧。人的工作现在主要是给 AI review 一下代码，防止他犯一些很低级的错误，或者整个设计上是绕了没必要的弯路。
Q：老师，以前读研的时候最喜欢你的论文精读系列了，现在想问一下，在 AI 时代我应该怎么学习呢？应该怎么转行呢？尤其是我现在想跨行业转行，想从纯软件转到 AI 计算 / 推理加速，这里甚至我要重新学习编程语言，但是现在又觉得仔细学习编程语言是无用的。
李沐：学编程语言是有用的。至少得看得懂代码吧，能够给 AI 好的反馈。
Q：老师！您觉得非人工智能专业的想接触 AI，vibe coding 类的技能可以从哪里学起呢？有没有推荐的资源平台？
李沐：用 AI 做个项目看看？
Q：非计算机专业的学生如果想学习 AI，需要学习相关知识到什么程度呢，老师推荐什么样的学习路径呢？
李沐：先用 AI 做点什么事情吧。
Q：大神您好，恳请您回答一个文科生该如何面对未来不确定的一切，AI 可以取代一切，请问文科生想要学习金融相关领域，想要深耕量化分析，该如何利用 AI？又该如何拥有自己的核心竞争力？请问我需要学习编程吗？
李沐：我觉得可以试试，每天找一个 topic，然后跟 AI 问二十个问题。
Q：硬实力差距因为 agent 缩小，软实力相对价值被放大。执行力、社交能力、分层的逻辑能力，变得尤为重要。本质上什么能力能让人更快地发现问题和分解问题，什么能力就重要，而具体的细节知识 agent 比人强，没必要去肌肉碰钢铁。你觉得呢？
李沐：agent 是能力放大器，就是能力 x10，而不是加法器，不是能力 +10。
Q：请问一下，作为一个 solo 开发者，有限的精力应该优先拿来验证「这东西值不值得做」，还是先沉下心把产品打磨到能用的水平？在方向不确定的情况下，什么信号说明该继续，什么信号说明该换方向呢？
李沐：先找朋友看看，他们能不能用得起来吧。
Q：AI 大公司的技术服务部门：该怎么加强和技术同学的沟通能力，怎么用 AI 帮忙呢？
李沐：你可以让 AI 来帮你提供一些建议，或者说帮你跟之前的跟别人的沟通做一些 review。但人与人的交互，主要还是人上。我看很多人是讨厌别人用 AI 来回复的。
Q：leetCode-type 的 code 考核还有必要特意考核 / 准备吗？
李沐：很多公司还是面，而且得不要让人怀疑是用 AI 写的。
研究方向、技术趋势与方法论
Q：想问问李老师，LLM 的未来会往哪个方向发展，当前的哪些研究方向是您比较认为重要的？
李沐：我认为，目前来看，就是模型在沙盒里面运行，自我成长。包括 sandbox 里执行代码，macOS 上 computer use，以及各种新出来的世界模型里面运行。
Q：沐老师，LLM 会吞噬掉哪些 harness，harness 有哪些不可替代，二者边界会在哪里？
李沐：我的看法是，目前 harness 里面有效的东西，下一代模型应该会被吞掉，但是下一代模型可能又出现一些需要新的 harness 的地方。
Q：沐神怎么看未来 AI 能力越来越强之后，alignment 的研究是否会某种程度上脱离实际，我们可以用什么心态来准备？
李沐：我的体感也是，最近几代模型的更新，它的 alignment 都是提升智商，所以它出的那些报告啊，人基本不太看得懂。
Q：想问一下老师怎么理解 RSI 吗？感觉大家都说 RSI，但是做的都不太相同。
李沐：我们也做 RSI，但确实大家的理解都不太一样。能有效使用 AI 来参与迭代模型能力都可以号称 RSI 吧。例如简单的是，用 AI 来洗数据再来训练 AI。
Q：如果个人想要训练自己专属的小模型，或者从零开始搭建神经网络，现在还有必要学习几年前的那些技术吗？
李沐：我觉得学习还是有必要的，至少自己要理解这个后面是怎么工作的。
Q：现在入场的话，还有什么值得投入的研究方向吗？
李沐：可以找 niche 一点的，但有兴趣的方向去研究吧。目前我看到就是技术发展的很快，所以很多地方其实是做的不够细的。
Q：大佬觉得 AI compiler 是否是一个值得投入精力学习的方向，以及学习重点应该是什么？
李沐：这个是一个偏小众的方向，做的团队不多吧。如果你能找到合适的团队，还是挺有意义的。
Q：我目前在 3D&4D 场景理解和生成之间犹豫。现在模型发展和更新太快，也担心自己的工作很快被更大模型覆盖。您觉得年轻研究者应该如何选择长期方向，并建立真正属于自己的积累？
李沐：目前做的还很浅吧。我也不算这一块的专家，但我觉得不管是 AI 也好，还是别的专门做这个的，我觉得离真正的现实场景的理解和生成还蛮远的。
Q：大佬觉得 AI 能本质上解决 physical world 的问题么？对于物理世界来讲，数学和 CS 领域太干净了，反馈太及时了，这两个领域感觉 AI 已经一统江湖了。
李沐：应该还没有吧。但是这一块确实有很多 lab 和公司在做。
多模态、具身智能、机器人与物理世界
Q：沐神如何看待多模态的未来？
李沐：多模态肯定是 AI 和人交互的一个重要的途径。但确实，多模态能不能提升模型的智商，目前是大家观点不一致。所以很好几家大厂把多模态的优先级调低了。
Q：请问您如何看待未来多模态的发展趋势？目前市场更倾向 agent，还要继续坚持做多模态吗？
李沐：我觉得多模态没问题啊，人和 agent 的交互，是靠多模态。
Q：沐神你好，请问 VLM 现在看来是不是已经进入局部低谷了呢，今年的秋招看起来工业界完全不需要这块，是否 VLA 会更值得探索呢？
李沐：实用角度来讲，还挺多的吧？人与 agent 的交互之间，用 vision 还是挺多的。
Q：您觉得具身领域会是泡沫吗？未来的具身行业是否可能真正落地并发展？
李沐：短期看，肯定是有泡沫的。但这是一个自然的方向，因为 AI 做了白领的工作之后，就是要做蓝领的工作。但确实说具体什么时候能够落地，真正的发展起来，很有可能也是一个漫长的时间。就像无人驾驶，花了多少时间？
Q：沐神怎么看待具身智能的未来发展？
李沐：目前来看，没有别的更 promising 的方向的话，我觉得这个挺好的。
Q：李老师，我是一个在做端侧具身算法的小菜鸡研究生，这两天看到 Astra 6 已经可以直接操纵机械臂来执行任务了，这是不是说明现在的 VLA 和 WAM 已经没那么大研究的价值了？LLM 的大飞跃未来就能解决具身的任务吗？
李沐：目前还是 demo 级别吧。这一块的效果，实时性，成本是不是够用，那还得再看一看。
Q：机器人和大语言模型原本应该是互相成就的关系，现在却成了两条路线，您怎么看这两个行业的未来？或者也许该问，整合什么时候来临？
李沐：因为机器人目前大家都还是在硬件和小脑上面吧，大家没有特别花时间在大脑上面。
Q：Agent 和具身，近 3—5 年，您觉得哪个方向目前泡沫更少、更值得踏实投入？不论是做研究还是做产品。
李沐：我觉得两个方向目前看都挺好的，可能以你是不是自己更喜欢一个，另外，是不是能找到一个比较好的团队加入。
Q：AI 能够真正解决 physical world 的问题吗？
李沐：应该还没有吧。但是这一块确实有很多 lab 和公司在做。
Infra、硬件、芯片与系统
Q：我当初跟着您学的深度学习，现在博一刚入学，做的是 LLM 推理芯片设计方向，但是感觉加速器背后的本质还是算法的优化，有了算法优化才能有新的 workload，才能去设计相应的加速器，请问您觉得博士阶段做推理算法优化，偏 Infra 的方向会是一个好的选择吗？
李沐：我觉得挺好的呀，因为算法一变，硬件得跟着改，所以总是有饭吃嘛。
Q：芯片设计行业多久会被 AI 替代呢？目前看到很多公司在做 EDA 工具的 AI 自迭代，忧虑颇深。
李沐：一些基础的体力活，肯定是被干掉了。但是能够干到多 senior 的岗位，目前还不清楚吧？
Q：对于嵌入式 AI 这一块未来发展是真实需求吗，端侧 AI 这类怎么看？
李沐：有吧。车载这一块啊，手机啊，肯定是有一些 AI 可以用在上面的。然后就涉及到不同的硬件上面做适配，工作量还是挺大的。
Q：请问您认为 LLM 训练 infra 的工作在未来会趋向于被越来越强的 AI 覆盖掉，还是会反而更依赖人类工程师呢？
李沐：一些简单日常工作，agent 真的干的挺好的。但整个 infrastructure 的设计啊，这一块 AI 目前还不行吧。
Q：AI 硬件在未来几年能成为风口吗？
李沐：AI 硬件肯定是有市场的，而且特别是国内这一块硬件能力比较强。
Q：AI compiler 值得投入吗？
李沐：这个是一个偏小众的方向，做的团队不多吧。如果你能找到合适的团队，还是挺有意义的。
应用落地、行业判断与具体赛道
Q：如果做不了基础模型的算法工程师，做业务场景的 SFT 是不是已经没什么出路了？一方面基础模型越来越强，推理速度越来越快，一方面 AI 研究员直接帮你训练了，那这些算法工程师的出路在哪里？做 Agent 的核心竞争力是什么？
李沐：我觉得业务场景的 SFT 是没什么问题的，这个也是挺实用的一个技术。但很有可能是 SFT 本身不会是一个门槛，更多是对整个业务的理解，以及整个模型跟业务的结合。
Q：沐神如何看待 AI4Science？包括但不限于分子设计、AIDD 等。
李沐：这个我觉得挺有前途的，但是整体来讲，应该是基础建设还没有跟上。那 AlphaFold 是因为整个数据，而且整个任务相对来说可验证性都容易一点，但是 Science 很多其他方向，整个基础建设啊，以及说对一个成果的 verification 都没那么容易。
Q：AI 医疗影像分析这块，是真正的落地需求，还是伪的？
李沐：医疗影像应该成熟了吧？现在现有的技术应该做得跟医生差不多了。我之前听说是，现在是往更多的诊断去了。
Q：现在大模型 + 推荐系统的未来呢？
李沐：现在用语言模型，不管是替换掉推荐模型的底座，还是纯基于语言模型推荐这一块，都有很成功的应用。
Q：AI 推动下，搜推广下一步会走向何方呢？
李沐：先把模型都换成 transformer 吧，另外一块，语言模型本身做搜推广也挺好的。
Q：现在的 AI 模型厂商未来会变成什么样？还会不会出现新的大型企业？
李沐：现在的 AI 模型厂商，可能很多年之后就跟现在的云厂商一样吧，就是一个基础智能提供商，但是上面肯定还有很多应用可以做的。
Q：AI 大公司技术服务部门怎么加强沟通能力，怎么用 AI 帮忙？
李沐：你可以让 AI 来帮你提供一些建议，或者说帮你跟之前的跟别人的沟通做一些 review。但人与人的交互，主要还是人上。
Q：端侧 AI 会不会是一个长期机会？
李沐：车载、手机这些地方肯定会用到一些 AI，关键在于适配不同硬件，工作量还是很大的。
Q：AI 翻译这条路怎么看？
李沐：我觉得 AI 翻译肯定是能够替 99% 替代人的。
Q：AI 安全方向未来的发展是否乐观？
李沐：安全也是属于一直有饭吃的行业，挺好的。就是模型能力不断进步，所以总是带来新的安全的挑战。
学术、读博与评价体系
Q：学界通常以 CCFA 论文的数量为个人能力的评价标准，以我自己的体感来说标准开始一年比一年高，那么这个标准还能继续维持多久？以后会有其他的衡量标准吗？
李沐：标准总是很难改的，但是确实大家都用 AI 来写论文的时代，所以是不是只看论文这件事情，有待商榷。
Q：老师，看着您的《动手学深度学习》入坑科研，进而读完了硕士。现在的环境，您推荐读博士吗？如果仅仅是传统 CV 方向的博士，是不是已经过时了，需不需要选择目前较为热门的方向例如具身智能、LLM 会更好呢？
李沐：现在的一个困境是说，之前做一个研究，从头到尾做，人学到了东西很多。现在很多时候你让 agent 做，结果上来讲他做的也不差，但是人学到东西变少了。所以，博士期间要干什么事情，这个是目前不是那么明确。
Q：沐老师，你觉得现在还值得读 PhD 吗？我觉得现在学术界和工业界有点距离，担心读 PhD 做的工作不如工业界做的更接近前沿和实际应用。
李沐：如果你更想去工业界一点，那确实读 PhD 不见得是一个目前最优的。
Q：请问在 AI 大模型越来越强大的时代，博士什么研究方向是有实际应用价值跟意义的，甚至越来越有价值跟需求的呢？
李沐：听上去都有道理吧。我我感觉要不要对一个方向做深一点呢？
Q：对于现在的计算机博士生，应该更加注重培养哪些技能呢？
李沐：我认为是解决事情的能力，能够带 agent 完成，之前可能要一个人带一个五到十人团队完成的事情。
「论文精读什么时候回来？」
这场 AMA 里，李沐回了不少关于学习、编程、科研、职业和 AI 未来的问题。有些答案很技术，有些又意外地朴素。
AI 越来越强之后，很多具体工作确实可以由 AI 完成 ，但人依然要做许多选择。哪些事情可以放心给 AI？哪些方向必须自己来把握？
世界变化很快，没有谁能站在原地等答案。学生、程序员、研究员乃至各行各业的从业者，都在重新寻找自己和 AI 的分工方式，李沐也一样。
当有人提问「论文精读视频什么时候回来」时，李沐回答：
「以前都是古法做视频，还确实还没有想清楚，有了 AI 之后，这个怎么做？」
这或许也是当下很多人的状态，一边用 AI，一边重新思考怎么工作、怎么学习，以及怎么找到自己的位置。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com