AMD AI 大会 | 吴恩达 × 苏姿丰：AI 开放生态 3 大原则，让千万开发者加速

全文 3,000字 | 阅读约 10 分钟

（AMD开发者大会 吴恩达苏姿丰深度对谈）

只要你没有伤害任何人，就动手去构建产品。 ——吴恩达，在 AMD AI 大会现场

2025 年，模型越来越强，但做成产品似乎变得越来越难。

不是因为工具不好用，而是因为生态正在收紧：模型权限封闭、算力路径单一、开发者被迫依附上游。

最近，在 AMD 举办的 Advancing AI 大会上，吴恩达与苏姿丰罕见同台。他们没有谈“下一代芯片有多快”，而是围绕 AI 开发生态，形成了共同理念：

未来 AI 必须保持开放，开发者不应该受制于任何门槛（You don’t need anyone else’s permission to build )。

他们称赞 ROCm 将“算力交还社区”，发布 MI350 时强调 Helios 系统“链路协议将公开”；甚至把开发门槛下降到“只需一个人、一个下午”的编程范式变革。

这场近半小时的对谈，不是一场常规的产品推介，而是一份对 AI 构建未来的行动指南：

• 开发者不该等待许可，红利藏在速度与反馈中；

• 生态不能设限 “守门人”，开放栈才有产业流动性；

• 失败不应是代价，而应成为创新加速器。

本文将以这场高密度对话为线索，提炼出吴恩达 × 苏姿丰提出的 AI 开放生态三大原则：

去"守门人" × 算力普惠 × 开发者先行

帮助你看清：红利已经从模型层，流向了下游开发者手中。

第一节｜红利不在模型，而在下游开发者

“我们这些人，其实都不在模型层。”

吴恩达在台上，开门见山地点出。

他说，过去这几年，大家的注意力都集中在技术有多强，GPT-5 能有多智能、Gemini 上新了没、Claude 推了哪一代等等。但他强调：

真正值得普通开发者关注的，不是模型有多聪明，而是我们能不能用它做出东西。

这句话背后，是吴恩达对 AI 技术结构的一个清晰解构：

整个 AI 技术栈，我把它分成四层： 最底层是半导体，比如 AMD、英伟达； 往上是云服务商，提供计算资源； 第三层是基础模型公司，比如 OpenAI、Anthropic、Mistral； 最上层，是应用开发者——也就是台下绝大多数人。

在这四层中，他强调最多人、最多机会、也最容易被忽视的，是最上面的应用层：

“几乎所有的宣传都在底层，最上层反而被忽略。但说白了，只有应用能赚钱，才能反过来养得起下面这三层。”

这是一种非常现实的'自下而上'技术栈拆解，看起来都是技术壁垒，但真正决定成败的是最上层的应用开发者——如果应用层不活跃，底层就失去了持续动力。

而现在的问题就是：

• 模型越来越强，但开放性不足：开发者很难“微调”它，很多公司甚至限制调用方式；

• 底层平台不断绑定使用方式：比如某些芯片只能配特定框架、协议不开放；

• 中小团队想构建，却被各种“许可”卡住。

吴恩达认为：“我们不能让 AI 变成另一个‘手机生态’——在手机上，你连一个新地图、新语音助手都很难推出来，因为“守门人”（安卓系统或者苹果系统）不给你通道。”

在他看来，AI 的生态尚处在早期，还没有被平台垄断完全束缚，这是我们目前最大的幸运。

这也正是他支持 AMD 和苏姿丰的原因：

“相比那些逐渐封闭的模型和平台，AMD 支持一个更开放的路线——你可以选择自己的计算底座，不需要谁批准你才能打造产品。”

苏姿丰则表示，他们从一开始就不是为了服务某一家公司，而是服务整个开发者群体：

我们的人生目标，就是确保有一个人人都能用的计算路线图。

这一节，吴恩达用最朴素的方式，讲透了 AI 开发这件事的本质：

并不是技术多先进，而是“谁能更快、更自由地把技术做出用得上的产品”。

第二节｜原则一：开发门槛降了，谁先动手谁先赢

“现在我们有个想法，下午就能做出一个版本，晚上就能发给用户试。”

——吴恩达

如果说上一节他讲的是开发者在哪里，那这一节他说得更明白：谁能更快做出来，谁就有优势。

在 AMD 大会现场，吴恩达分享了他团队现在开发产品的方式：有时候，把一个想法讲清楚，让别人来做，反而比我自己直接动手还慢。所以我现在更愿意自己做，哪怕只是快速做个原型。

这种开发速度，过去是很难想象的。

他说：以前一个产品原型，可能要六个人做三个月；现在，可能我自己用一下午就能搞定。

背后的关键，是一整套工具的变化。

他提到了一系列开发者正在用的新工具：

• Claude 的 Computer Use，可以调用真实电脑完成指令；

• Cursor、Windsurf 等 AI 编程助手，能帮你直接改代码、搭框架；

• Devin 等工具，甚至可以根据你说的需求，自动创建整个项目流程。

这类工具的出现，把原本要很多人、很多周才能完成的开发流程，压缩成了一下午就能跑起来的项目雏形。

开发速度变快，带来的最大好处就是—— 你能做更多产品原型。

他举了自己的例子：

“现在你可以做 20 个原型，哪怕最后只有两个留下来， 那 18 个没用的也不是浪费，而是找到好产品的成本。”

在这个逻辑下，“快速失败”反而是一种资源节约。不是你要一次做对，而是你能多试几次、快点试出来。

苏姿丰也回应了这个观点。

她说在 AMD 的开发者云平台，每两周就会推出一次新的训练或推理 Docker（类似开发环境包），不断迭代更新。她强调：

“我们不指望一开始就完美。我们要的，是开发者能快速试，快速反馈。”

这种节奏，正是为了配合现在越来越快的构建需求。她甚至说：我们正在用 AI 来帮我们自己写底层代码（内核），就是为了让系统反应更快，开发者更省力。

两人不约而同地强调了一点：

今天最宝贵的，不是模型参数，不是推理速度，而是能不能让更多人更快地动手，做出东西来。

第三节｜原则二：开发者要能自由选平台

“我真的很感谢 AMD 和 ROCm，因为我们很多 PyTorch 工作流程，搬过去几乎不用改代码。” ——吴恩达

吴恩达在现场的这句“感谢”，并不是客套，而是他对开发自由的一种认可。

在他看来，AI 开发者现在最怕的不是技术复杂，而是工具不能选、平台动不了——代码写完却不能换地方部署，模型调完却无法调用底层算力。这些看不见的限制，往往才是真正卡住开发的地方。

AI 开发如果继续朝封闭平台方向走，迟早也会卡住上层开发者的动手空间。

所以他明确提出：技术栈必须保持开放，尤其是底层算力要可选、可迁移。

他举了个例子。他的团队在 PyTorch 上做了很多流程，过去这些代码只能在固定平台上运行。但现在，他们尝试把这套流程迁移到 AMD 的 GPU 上，结果出人意料地顺利：

不是说 100% 都能跑，但很大一部分代码， 我们几乎没怎么改，就直接跑了起来。

这背后的关键，是 AMD 推出的 ROCm。

ROCm 是一套开源开发工具包，允许开发者在 AMD 平台上运行 AI 框架代码，不需要重新适配或被迫绑定。

苏姿丰现场说：我们的目标从来不是把人锁在 AMD 上，而是让大家能有选择。如果你原本在用 PyTorch，我们希望你可以直接在 AMD 上用。 如果你以后想换模型、换平台，也能轻松切过去。

她把这称为“交还计算主权”：不是强行配套，而是开放接口，让开发者自由组合。

而这种可组合的开放性，不只出现在算力平台上，也开始出现在模型层。

吴恩达提到一个很有意思的事情：

“当前DeepSeek 模型发布没几天，就和 Qwen 模型被合成成一个新版本。 这是我非常喜欢的合作方式——不是重做一个模型，而是把两个开放模型拼起来，形成新能力。”

这类开放蒸馏模式，在过去是不可能的。

如果模型不开源、不允许下载权重、或者代码限制重重，开发者根本没法做类似组合。正因为 DeepSeek 和 Qwen 都是开放模型，这种“自由合成 + 快速试验”的能力才成为现实。

回到硬件层面，这次 AMD 发布 MI350 GPU 的同时，还首次开放了 Helios 系统的链路协议。这意味着未来不需要专用通信模块，也能直接接入更多计算节点和内存资源——从连接标准上就避免了“被锁死”。

苏姿丰说了这样一句话：

“我们知道 ROCm 并不完美，有时候也会跑出 bug。但关键是它是开放的。 如果你发现问题，可以看见它，甚至参与解决它。可如果是封闭平台，你连问题在哪都看不到，更别说动手了。”

吴恩达也补了一句：

“开发者能不能做出东西，不是看技术多复杂，而是看你能不能动手去组合它们。”

说到底，技术越开放，开发者才能越自由。

不是平台决定你能不能做什么，而是你自己决定该用什么来做事。

第四节｜原则三：失败不是代价，而是反馈起点

如果说开发门槛的降低，让动手变得容易；

那么，吴恩达和苏姿丰都在强调另一个更重要的能力——即时反馈。

也就是说，一个生态真正能长出好产品，不是靠谁第一个做出来，而是看做出来之后，能不能听到反馈、收进意见、快速改进。

这才是开发的闭环。

苏姿丰说，AMD 团队在做 ROCm 时，没奢望它完美——而是希望它能“暴露问题”，让问题能被开发者看到、被改进。

有时候一个不完美的开源版本，比一个封闭的完美产品更值钱，因为它可以被更多人用，也能被更多人一起修。

她还提到一个具体做法： AMD 正在用 AI 帮他们自己写底层内核代码。每写完一版，先放出来跑数据，看哪里慢、哪里挂，再交给工程师继续优化。

“不是我们先做完才给别人用，而是大家一起在用的过程中把它做完。”

吴恩达也表示，今天构建工具的意义，不在于结果完美，而是“你能不能尽快得到用户的回应”。

他甚至说：有时候我们做一个小功能，第二天早上收到10个用户的邮件，比我们花3个月做一个完整系统要有用得多。

这就是打造反馈回路的重要性。

比起“闭门造车”，现在更关键的是：你能不能让用户在最早期参与你的产品开发？

他们不是等你上线的消费者，而是“帮你一起打磨产品的共创者”。

苏姿丰的理解是：如果没有社区和开发者不断反馈，我们的产品永远追不上节奏。我们每两周一个版本，其实就是为了让你们来挑毛病。

所以，今天开发者最大的资产，可能不是一个好主意，而是一群愿意反馈的用户。 真正好的开发范式，不靠一次做对，而是靠无数次做错之后还能继续做。

结语｜真正的开发者，不靠身份，而靠手速与反馈

“有些人说，因为 AI 会写代码，就不该学编程了。 我觉得这可能是过去十年最糟糕的职业建议。” ——吴恩达

在这场对谈的最后，主持人问了一个现实问题： AI 正在写越来越多代码，那工程师还需要做什么？

吴恩达给出的回答没有犹豫：

“AI 让编程变容易了，意味着会编程的人应该更多，而不是更少。 就像从打孔卡进化到键盘，从汇编语言进化到 Python， 每一次工具升级，写代码的人反而变多。”

他点出了一个关键变化：写得多，不等于有用；能快速开发并落地，才是竞争力。

苏姿丰接着说，他们现在全公司都在用 AI，不仅是写代码，也包括硬件设计、市场策略、人才招聘。

他们不是减少人力，而是在让同样的人能做更多事，三年的事情，如果六个月能完成，那就是 AI 带来的价值。

所以，问题不再是你是不是工程师，而是：

你是不是一个开发者—— 一个能用 AI 把想法变成产品、变成结果的人。

本文由AI深度研究院出品，内容翻译自吴恩达与苏姿丰在AMD开发者大会的对话实录。未经授权，不得转载

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

https://www.youtube.com/watch?v=ckS-ynViLjY&t=329s&ab_channel=AMDDeveloperCentral

https://www.reuters.com/business/amd-ceo-unveils-new-ai-chips-2025-06-12/

https://www.linkedin.com/posts/ilyatabakh_advancingai-opensource-developerfreedom-activity-7339094872898850816-R_Fm

来源：官方媒体/网络新闻，

排版：Atlas

编辑：深思

主编：图灵