导读
This newsletter from Andrew Ng gives a clear picture of the current AI job market and the latest AI technology trends. The core points are that the fear of large-scale AI job losses is overhyped, while the demand for workers with AI skills is rising rapidly, and the latest developments of AI agents and large models bring both new opportunities and security challenges. After reading it, I think the most important takeaway is that whether you are in a technical or non-technical position, learning to use AI tools now is the best way to prepare for future job changes.
这份吴恩达的通讯清晰梳理了当下AI就业市场的真实情况和最新的AI技术动态，核心观点是AI带来的大规模失业恐惧被过度炒作了，而具备AI技能的劳动者需求正在快速上涨，同时AI智能体、大模型的最新进展既带来了新机遇也存在安全隐患。读完我最大的启发是，不管是技术还是非技术岗位，现在开始学习使用AI工具就是应对未来职场变化的最好准备。
首先聊一聊大家最关心的就业问题：目前美国以及很多国家的求职者都处在比较严峻的环境里，但AI直接替代岗位导致的裁员其实比大家想象的少很多。过去一年科技公司的裁员更多是对疫情期间过度招聘的回调，或是常规的成本缩减和架构调整，只有极少数岗位是真的被AI自动化替代了。当然未来这一趋势可能会加剧，像呼叫中心客服、翻译、配音这类高度暴露在AI自动化风险下的职业，接下来可能会面临求职难或者薪资下降的问题，但大范围的AI失业现在确实是被过度宣传了。
现在职场更常见的逻辑是：AI不会替代人，但会用AI的人会替代不会用AI的人。比如会用AI编码工具的开发者现在越来越抢手，企业甚至会主动淘汰不愿意适配AI工具的员工，换成懂AI的人，这个趋势在软件开发领域已经非常明显，就连营销、招聘、分析师这类传统非技术岗位也已经出现了类似的人员替换迹象，懂AI的从业者生产力明显更高，这个趋势接下来大概率还会加速。还有一个很有意思的变化是，AI原生团队的规模比传统团队小很多，过去需要8个工程师加1个产品经理的项目，现在可能只需要2个工程师加1个产品经理，甚至一个同时懂技术和产品的人就能完成，因为AI提升了个体的工作效率，团队的瓶颈已经从“怎么实现”转向了“要做什么”。不过也不用太焦虑，大部分企业还有大量待完成的工作，具备AI技能的人反而有更多机会承担更重要的任务，之前很多因为效率问题没法落地的想法现在都可以推进了，机会其实比以前更多。而且现在不管是技术还是非技术从业者，在AI技能上基本都还在同一起跑线，现在开始学习完全来得及。
OpenClaw本质上是一个可配置的智能体框架，可以在本地电脑或者云虚拟机上运行，用户可以给它授权访问邮箱、日历、各类API服务，让它调用编码工具、互动社交网络、爬网站甚至帮你花钱。它的架构也很有意思，由中心网关服务器和各类客户端应用组成，启动的时候会生成动态系统提示，用Markdown文件来保存跨会话的持久记忆，记忆文件还分成了用户信息、智能体身份、行为规则、可用工具、心跳规则几个部分，用户和智能体都可以编辑这些文件。模型支持也很全，默认是Anthropic Claude Opus或者Meta Llama 3.3 70B，也支持谷歌、OpenAI、月之暗面等多家的模型，既可以本地部署也可以用云端服务，OpenClaw本身是免费的，只有模型服务商可能会按token收费。交互方式也很灵活，用Telegram、WhatsApp、Slack、iMessage这些常用的聊天工具都能给它发指令，自带几十种技能，还有用户贡献的上百个扩展可以安装。很多人把这个项目和AGI、奇点到来绑定，但其实现在的智能体还远没到那个程度，它最大的价值是证明了智能体的实用性，也提醒大家在使用这类工具的时候一定要注意安全问题。
这个模型是在之前7月发布的文本版Kimi K2基础上做的，新增了视觉编码器，用15万亿的图文token做了进一步预训练，还通过强化学习让模型学会自己判断什么时候需要生成子代理、给子代理分配什么任务，最后整合子代理的输出结果。实测下来，开启思考模式的Kimi K2.5在推理、视觉、编码、智能体行为的各项测试里都超过了其他所有开源模型，甚至在部分视觉和智能体基准测试里赢了GPT 5.2、Claude 4.5 Opus、Gemini 3 Pro这些闭源模型，17项图像视频测试里有9项拿到了第一。子代理功能还让它的任务执行速度提升了3到4.5倍，在BrowseComp和WideSearch两个智能体基准测试上的性能分别提升了18.4和6.3个百分点。不过目前月之暗面还没有披露使用子代理带来的算力和内存成本，大家还不清楚速度性能提升和资源消耗之间的权衡是怎样的。这个模型最大的意义在于它把大模型从传统的链式思考推理，变成了类似管理者的角色，会自动拆分并行任务，交给不同的工作流去同步执行，给大模型的效率提升提供了新的思路。
