吳恩達指控 AI 實驗室操弄恐懼以構築監管護城河，Coursera 則力挺其 1 億美元一對一 AI 家教押注
這篇於 2026 年 9 月 3 日發布的訪談探討了 AI 監管、職位替代與 LearnVector 的推出
Google Brain 共同創辦人、Coursera 共同創辦人吳恩達（Andrew Ng）的線上機器學習課程已觸及超過 800 萬名學員。他近日透過一場廣泛的訪談，針對 AI 產業如何談論自身風險，發出了迄今最犀利的公開批判之一。他的核心主張是：過去兩到三年充斥於社群媒體和政策辯論中的 AI 末日論浪潮，並非對真實危險的基層自然反應，而是少數前端實驗室（frontier labs）所主導的協同商業策略，旨在鞏固其監管優勢。
販賣恐懼是商業策略，而非科學
吳恩達的論點直言不諱：「少數幾家領先的 AI 公司一直在大力鼓吹對 AI 的恐懼，試圖推動立法來創造不公平的競爭環境，偏袒現有業者，好讓我們所有人必須為使用 AI 付出高昂代價，同時打壓其他研究團隊或其他只想免費提供任何人都能以更低成本使用的開源權重模型（open weight models）的公司。」在他看來，將 AI 比擬為核武、刻意挑選失敗案例，以及對資料中心耗水量發布誤導性統計數據，並非偶發的誇大其詞，而是一場蓄意的「恐懼訊息宣傳戰」，這已將社會對 AI 的觀感推向負面，在他看來，這也正在實質拖慢美國的技術採用與競爭力。對於追蹤前端模型監管政策環境的投資人而言，吳恩達的言論提醒了我們，這個產業的遊說誘因指向一個特定方向：朝向大型且資金雄厚的實驗室能輕易吸收、但開源挑戰者或小型新進者難以負荷的合規成本。
吳恩達主張：職場末日論與數據不符
在勞動市場顛覆的議題上，吳恩達強力反駁了 AI 將消滅一半以上工作的說法。他引用史丹佛大學經濟學家艾瑞克·布林恩優福森（Erik Brynjolfsson）與麻省理工學院安德魯·麥克菲（Andrew McAfee）針對任務層級的研究指出，AI 可能會自動化許多工作中 30% 至 40% 的任務，這反而讓人類執行的其餘 60% 至 70% 任務更具經濟價值，而非貶值。他說，最明確的試金石就是軟體工程——這個受 AI 影響最直接的職業。「軟體工程的職缺數量正在增加，這與末日恐懼販賣者的說法恰恰相反，」吳恩達表示，並補充說他認識的所有優秀軟體工程師「都比以往更忙碌」。不過他的警告對那些仍以 ChatGPT 出現前的方式寫程式的人來說更加嚴厲：他指出，這些工作者「將陷入困境」，除非他們迅速重新受訓。他看到行銷、招募和人力資源領域也正在出現同樣的洗牌現象，AI 協助下的全才正在取代狹隘的專員，而非總 headcount（員工人數）全面崩潰。
LearnVector：押注 1 億美元宣告一對多教育已死
訪談中最具體的實質消息，是吳恩達透露了 LearnVector 的成立，這是一家由他領導的新創公司，並獲得 Coursera 100萬美元（編按：原文為 100 million，應為 1 億美元）的投資。這個前提是對吳恩達 15 年前曾協助開創的 MOOC（大規模開放線上課程）模式的直接反擊。「15 年前我有幸參與了線上課程運動，我認為它改變了許多人的學習方式，但那過去是、現在仍然主要是『一對多』的體驗，每個人基本上都在看同一支影片，」他說。LearnVector 正押注於 AI 首次在技術上和經濟上讓全面個人化的一對一學習體驗得以大規模實現。吳恩達表示，團隊預計在「明年初左右」展示更多成果，這讓 Coursera 生態系統的投資人必須密切關注，這既是一項資本配置決策，也是一個訊號，表明吳恩達認為教育科技的利潤結構將走向何方。
令人不安的轉折：AI 對學習有害
吳恩達建立 LearnVector 的邏輯，基於一項他稱之為公開談論形同禁忌的發現：現有的大型語言模型（large language models）是糟糕的學習工具，儘管它們是完成工作的優秀工具。「數據非常清楚。學生在使用 AI 時，家庭作業的分數更高。太棒了，家庭作業分數更高了。但他們的記憶保持率、長期表現卻糟得多，因為 AI 代勞了所有工作，」他說。他將這個觀點延伸到他自己的工作流程，並指出在使用前端模型解決技術問題六個月後，他經常想不起解決方案，必須再次詢問模型。他的結論十分嚴苛：「我們應該停止認為 AI 有助於學習，至少在當今絕大多數人使用 AI 模型的大多數方式中是如此。它對學習絕對是糟糕透頂。」這正是 LearnVector 明確旨在彌合的鴻溝，將商業論述與泛泛的 AI 家教炒作區隔開來。
人類的「情境優勢」作為對抗自動化的結構性護城河
支撐吳恩達對近期職位替代抱持懷疑態度的，是一個他稱為「人類情境優勢」（human context advantage）的概念——這是工作者多年累積下來的累積性、情境式知識，而 AI 系統根本無法取得。「事實證明，幾乎所有人類都知道很多事情，而讓 AI 取得這些知識的基礎工程目前並不存在，而且我認為在可預見的未來也不會存在，」他說。他將其視為人們籠統稱之為判斷力或品味背後的技術解釋，並主張這是一條持久的護城河而非暫時的，因為 AI 要吸收數十年的隱性人類經驗，並沒有明確的技術路徑。對於正在建模 AI 以多快速度替代各產業技術勞動力的投資人而言，這是一個比某些前端實驗室評論所暗示的替代曲線更有意義、更保守的框架。
資料隱私：信任超大規模業者，對實驗室保持戒心
在處理敏感資料方面，吳恩達對超大規模雲端業者（hyperscalers）和部分 AI 原生公司做了明確區分。他表示，他信任大型雲端供應商會遵守其服務條款，因為違約「對長期商業模式的損害太大了」，但他點名至少一家未具名的 AI 公司，指責其進行機會主義式的服務條款變更，悄悄賦予自己使用用戶資料進行訓練的權利。對於真正敏感的材料，包括他所參與、與銀行合作的創投公司 AI Aspire 所處理的非公開財務資訊，吳恩達表示，實務做法是完全避免將此類資料發送給前端實驗室，而是依賴在本地執行的開源權重模型。他特別肯定了 Meta 最新的開源權重版本以及阿里巴巴的 Qwen 模型，認為它們既具備接近前端水準的效能，又小到足以在本地硬體上執行，但他警告稱，排行榜每隔幾周就會變動，並建議不要對任何單一模型產生依賴。
談 AGI：距離尚有數十年，吳恩達直接砲轟輝達黃仁勳
當被問及通用人工智慧（AGI）時，吳恩達将其定義為能夠執行人類能做的任何智力任務的 AI，包括產出博士水準的論文，或是僅憑幾分鐘的練習就能學會在陌生地形開卡車等任務。按照這個標準，他說 AGI 仍然「距離數十年之遙」，這等於是間接駁斥了輝達（Nvidia）執行長黃仁勳關於 AGI 已經實現的公開說法。吳恩達將部分定義上的混淆歸因於商業誘因，他指出，OpenAI 先前與微軟重新談判的協議，曾在大力宣稱 AGI 已經實現這件事上，創造了提前達成的財務誘因。關於對逐漸強大的 AI 系統失控的相關恐懼，吳恩達給出的是工程學而非哲學上的類比，他將 AI 安全比作航空安全：從來沒有人建造過一架完美可控的飛機，但漸進、小心翼翼的效能擴展，已使得航空旅行變得足夠安全，乘客不必擔心生命危險，而他預期 AI 的發展也將遵循相同的軌跡。