这是什么

1万份AI招聘启事 + 数十场专家访谈，吴恩达（前百度首席科学家、DeepLearning.AI创始人）团队跑了一次聚类（按相似度自动归类），得出一个让普通开发者不太舒服的判断：会写代码正在变得没那么值钱，稀缺的是判断方向的能力。

这张图叫"AI工程技能图谱"，归出4项技能：构建和部署AI应用、软件工程基本功、用好编码智能体（agent，能自主完成多步任务的AI程序）、塑造构建方向 — 决定做什么、为什么做。

值得关心的是方法而非结论本身。一万份启事覆盖了当下企业的真实用人需求，比任何专家观点都更接近市场温度。

行业怎么看

支持者认为这4项切中要害。AI应用和传统软件最大的不同在于输出不可预测：同样的提示词（prompt，给AI的指令）丢进去，结果每次可能都不一样。真正的AI工程师不只懂积木 — LLM（大语言模型）、RAG（让模型先查资料再回答）、agentic工作流（让AI自主完成多步任务） — 还得会用统计方法去度量、引导、治理系统。Ng反复强调一个词：evals（评测），即有纪律地跑测试、找坏案例、修掉、再测。

我们注意到，反对意见主要有两点。第一，这套框架默认读者是工程师，对产品经理、运营、销售等岗位几乎没谈，而这些岗位在企业AI落地里同样关键。第二，"塑造构建方向"听起来像老生常谈的"产品感"，没有可操作标准 — 怎么定义"好方向"？Ng自己也没给指标。

还有一个隐性风险值得指出：4项技能都在奖励"个体能力"，没谈团队结构、流程治理、跨部门协同。这意味着很多企业可能会错把它读成"招到4项全能的人就行"，而忽略了组织层面的改造。

对普通人的影响

对企业IT：未来12-18个月，AI工程师的招聘标准会从"会不会调模型"全面转向"会不会做评测、会不会和agent协作"。建议HR同步更新岗位描述（JD），并把evals能力写进面试题。

对个人职场：非技术岗也别置身事外。第4项"塑造构建方向"本质上要求每个人在AI辅助下独立判断"这件事值不值得做"。写代码的活正在被agent吃掉，定义问题的活正在升值。

对消费市场：大量"AI应用"会面临一次淘汰潮。缺evals、缺错误分析循环的产品，模型一换版本就崩；跑得稳的产品会拉开体验差距。普通用户能感知到的，是AI工具"时灵时不灵"的频率会逐渐分化。