Andrew Ng
前沿洞察
Andrew Ng指出，算力与电力是AI硬约束，而编码智能体已将开发周期从半年压缩至数日，使软件生产边际成本骤降。但工具可替代性极高，技术壁垒正迅速向外层转移：未来胜负不取决于团队精简，而在于以极致速度用廉价智能重塑产品，以及对专有场景、客户同理心和组织变革的驾驭力。模型终会商品化，深植于场景的敏捷判断才是持久护城河。
观点集合
AI Fund 普通合伙人 Andrew Ng：LLM 是下一件地缘政治武器，AI 时代毛利率还重要吗？
Andrew Ng 认为，电力和半导体是 AI 的硬约束，推理成本下降仍被编程等场景的使用增长抵消。AI 编程已把过去需要6名工程师半年的项目压缩到一人周末完成，但 Claude Code、Codex 和 Gemini CLI 之间切换容易。更大的经济价值取决于用廉价智能重做产品，而开放模型、劳动力再培训和企业变革管理决定收益能否扩散。
查看摘要（7段）
Andrew Ng 认为，电力和半导体，而不是扩展规模突然见顶，才是 AI 近期面临的硬约束。 在他约20年的职业生涯中，算力需求始终近乎无穷，而推理成本下降又被更多使用量抵消，尤其是在编程领域。因此，基础设施投资仍需“很多”，但复杂融资和循环交易让准确规模更难判断。
AI 编程是应用层 ROI 已经存在的最清晰证据。 过去需要6名工程师做半年的工作，如今有时1个人一个周末就能完成；Claude Code、OpenAI Codex 和 Gemini CLI 正在争夺能够快速切换工具的开发者。Ng 称编程是招聘、营销和金融的“先兆”，但工具层护城河很弱，今天的领先者可能很快 बदल。
在 Ng 的软件工程案例中，劳动力的分化不是人与机器之争，而是会用 AI 和不会用 AI 的人之争。 他认为，熟练使用 AI 的资深工程师生产力最高，其次是熟悉 AI 的应届毕业生，再往后是仍在“像2022年一样”工作的资深开发者，最后是没有 AI 技能的毕业生。由于 AI 可能完成招聘人员30%、甚至50%的工作，却无法覆盖剩余部分，他预计许多岗位将被增强并部分重构，而非整体替代；AGI 仍“要几十年，甚至更久”。
Ng 希望 AI 通过降低智能成本，将 GDP 增速推向5%-6%甚至更高，但前提是重做产品，而不只是削减人工。 在5个耗时相等的流程中自动化其中1步，只能节省20%；把两周的贷款流程变成10分钟内给出初步答复，才是产品变化。更大的机会在于更快地完成工作，或把工作扩大“1000倍”，让此前只有少数客户能获得的高触达金融建议等服务普及开来。
开放权重模型正在成为创新基础设施和地缘政治软实力。 中国发布的模型加快了国内知识流通，也在影响用户关于边境、历史和价值观问题所得到的答案；Ng 将这种影响力与 Hollywood 和 K-pop 相提并论。他认为，美国芯片管制“基本适得其反”，反而激励中国加速半导体发展；而欧洲想在监管上领先，“不是竞争优势”。
应用层毛利率重要，但 Ng 是按预期成本曲线来搭建业务，而不是按今天的 token 账单。 Token 价格可能每年下降约80%，“取决于你相信谁”，而他的团队在验证用户需求后，多次将成本降得比市场更快。Harry 则指出，Replit 或 Lovable 的收入中约80%都要付给 Anthropic，这支持了 Ng 的判断：今天这种“VC 补贴的 AI 算力”不可能无限持续。
企业采用 AI 的主要约束是人员和变革管理，而不是绝对的数据短缺。 私有交易、销售、制造和物流数据已经足以支撑敏捷项目；安全、权限和流程重构才在拖慢部署。Ng 预计未来1-2年会取得重大进展，但企业10年后仍会继续发现新的应用场景，因此劳动力再培训仍是尚未解决的核心问题。