导读9 月 10 日前后，李沐在小红书开了一场 AMA，2000 多条评论问的几乎是同一件事：AI 越来越强，我该学什么、选什么方向，才不会被淘汰。把现场问答和多篇整理稿交叉核对后会发现，这些回答可以收敛成一个公式和一张方向地图：Agent 放大的是你已有的能力，编程、项目、转行和读博的判断都从这个公式推出；而对具身、端侧、多模态这些热门方向，他的信心排序相当克制。
本文约 3000 字，阅读约 7 分钟｜乘数公式 → 编程与项目的位置 → 转行与读博的边界 → 一张方向信心地图
一场 2000 条评论的答疑，问的其实是同一个问题
9 月 10 日前后，李沐在小红书发了一条 AMA 帖。AMA 是 Ask Me Anything 的缩写，即开放式问答：主人公开放收集问题、逐条回答，提问范围不设限。这条帖子里，这位 BosonAI 联合创始人、前 Amazon AI 高级首席科学家、《动手学深度学习》作者之一，直接问大家"AI 越来越强，今天应该学什么，才能不被 AI 淘汰"。
图片说明：李沐 AMA 开场帖，评论区共 2030 条评论 图片来源：李沐小红书原帖（智猩猩 AI 整理稿截图）
刚读研的学生问"全程用 AI 做项目还要不要练编程"，双非本科的实习生问"过度依赖 AI、三年什么都没学到怎么办"，30 岁的从业者问转行晚不晚，做具身的研究生问机械臂 demo 都出来了自己的方向还有没有价值。最终有 2030 条评论。
问题看似分散，回答也一贯地短。但 30 多个问答放在一起，其实都在回答同一个问题：Agent 把活接过去之后，人身上剩下的什么东西会被定价？
他给的核心答案是一个公式。
×10，而不是 +10
被问得最多的 Agent 类问题里，李沐的原话是：
Agent 是能力放大器，就是能力 ×10，而不是加法器，不是能力 +10。
他紧跟着给了一个衡量方式："以前要五个人才能完成的工作，现在能不能你带着 Agent 完成？"两年后具体需要什么样的工程师很难预测，但今天能看到的是，需要的是能够负责一大块事情的人——以前这样的人带五到十人的小团队，以后可能是一个人带一堆 Agent。
这个乘法比喻有一个容易被跳过的推论：乘数是 Agent，被乘数是你自己。Agent 放大的是判断力、经验、品味这些你已经有的东西。他自己也从反方向说过同一句话："AI 能把人的优势放大十倍，你比别人厉害的地方，利用 AI 之后能够更厉害。"换句话说，Agent 不会把一个零变成非零。
理解了这个公式，他对编程、学习、转行和读博的所有具体回答，其实都是在回答同一个追问：怎么让被乘数不是零？
编程没有贬值，贬值的是"只负责写出来"
"现在还要不要学编程"是这轮 AMA 里最密集的问题之一。李沐的答案并不激进：
图片说明："编程还是要学的……得 review 代码"，该回答获 150 赞 图片来源：李沐小红书原帖（智猩猩 AI 整理稿截图）
目前来看，编程还是要学的。你可以不用写代码，但是得 review 代码，至少能够看得懂 AI 写的代码在干嘛。
编程语言不用贪多，"熟悉一个语言就行了"。他对人的新位置描述得很具体：给 AI review 代码，防止它犯很低级的错误，或者在整体设计上绕了没必要的弯路。对已经工作的程序员，他的建议是先把 Agent 用到能最大化自己的生产力，"把这个工具用得很溜再说"。
为什么看得懂仍然重要？他给了体感证据："我用 Agent 干我不是很懂的东西，都干出来不太行。"Tech Leader 层面，基础的代码实现、Review、运行确实被干掉了，但理解需求、定结构、为结果负责，Agent 还接不住；Infra 设计同理，简单日常活 Agent 干得挺好，整个 infrastructure 的设计"AI 目前还不行"。
所以变化不是"编程没用了"，而是编程从比谁写得快的体力活，变成了比谁看得懂、判得对、能把 AI 拉回正轨的判断力。判断力只能在做具体事情的过程里长出来，这就引出他对学生和转行者那个不太好听的提醒。
"来得及"的后半句：别让被乘数停在零
有个双非本科、在机器人公司实习的学生写了很长一段：学历焦虑、三年高度依赖 AI、感觉什么都没学到，担心"这岗位换了谁都能干"。李沐的回答前半句是安慰，后半句才是重点：
学历可能不是最关键的，越到职业后期越没那么重要。但如果你都觉得自己过于依赖 AI、没学到什么东西，这一点可能更加重要——至少先了解 AI 完成的工作，背后到底在干什么事情。
对"CS 本科几年最该打磨什么"，他的答案是"多做项目，在实践中更多地体会"；非计算机专业的人，路径只有半句："用 AI 做个项目看看。"共同点是：入口可以是用 AI，落脚点必须是你自己搞懂了一件事。
一个具身组学生的状态很典型：GPT 给方案、Codex 执行，自己主要在努力理解，做不到主动引导。李沐说"这不算问题，就是这一块不熟"，出路是往深里做："知道哪些方案 Agent 试过、哪些 work 哪些不 work，踩过坑了，自然会理解深一些。"深耕还是求广，他选深度优先：先把一件事做深，再做广。
"30 岁转 AI 晚不晚"得到最干脆的回答："四十岁了都来得及，三十岁我觉得没问题。"但和上面的提醒放在一起，"来得及"有个隐含前提：时间来得及，不等于被乘数自动变大。岗位分布也很明确：Agent 偏应用，岗位更多；Infra 和算法需求公司少，但门槛高。想去工业界，读 PhD"不见得是目前最优的"。
读博是他唯一承认没有答案的问题。以前研究从头到尾自己做，人学到很多；现在 Agent 做的结果也不差，但"人学到的东西变少了"，"博士期间要干什么事情，目前不是那么明确"。他的结构性判断是：学生跟导师打杂的时代过去了，应把学生看成带 Agent 独立完成工作的 Independent Researcher，导师只给高层指导。但"做"被接走后人怎么照样长本事，他承认自己也没想清楚。
一张方向信心地图：看好什么，泼什么冷水
答疑后半段是方向点评。按他自己表达的信心程度排，可以分成三层。
第一层是他说"总有饭吃"的位置：AI 安全，因为模型能力进步总会带来新的安全挑战；推理芯片和推理算法优化，理由很实在——"算法一变，硬件得跟着改"；AI 硬件肯定有市场，尤其国内硬件能力强。AI Compiler 也有意义，但他特意标注是小众方向、做的团队不多，前提是找得到合适的团队。
第二层是"短期有泡沫，但方向没错"：具身智能。这是这轮答疑里点赞最高的回答之一，截图显示 1110 个赞：
图片说明：具身智能是否泡沫的问答，截图显示 1110 赞 图片来源：李沐小红书原帖（杰克王聊 AI 整理稿截图）
短期看，肯定是有泡沫的。但这是一个自然的方向，因为 AI 做了白领的工作之后，就是要做蓝领的工作。但具体什么时候能落地、真正发展起来，很可能是漫长的时间，就像无人驾驶，花了多少时间？
对最近刷屏的模型直接操纵机械臂，他的判断是"目前还是 demo 级别"，效果、实时性、成本够不够用，都还得再看。机器人和大模型为什么看起来像两条路线？他的解释是行业目前主要还在做硬件和"小脑"，没怎么花时间在"大脑"上。Agent 和具身近三五年怎么选，他没有给排序，只给了两个选择标准：你自己更喜欢哪个，以及能不能找到一个好团队。
第三层是明确泼冷水的：端侧 AI——"十年前我很相信端侧，但深度学习那一波一直在打脸"，短期因 GPU 涨价、Mac Mini 这类设备上会有应用，长期仍是小众需求；多模态——它是人和 Agent 交互的重要途径，但"能不能提升模型智商，观点不一致，好几家大厂已经把优先级调低了"；AI 能不能本质解决物理世界问题，"应该还没有，但很多 lab 和公司在做"。
这张地图有个明显的形状：他说"有饭吃"的位置——安全、推理优化、硬件——全都离模型能力本身很近；故事最热的几个位置，他反而最谨慎。
回到那个乘法
这轮 AMA 没有方法论，只有一个个短回答。串起来看，李沐实际只说了一件事：竞争单位正从"一群人"缩到"一个带 Agent 的人"，决定产出的不是会不会用 Agent——这很快是默认值——而是他能 review 什么、判断什么、对哪一块结果负责。
"四十岁都来得及"和"没学到东西这一点更重要"并不矛盾：入场窗口还开着，但窗口不奖励空手进来的人。被乘数只能靠做深一个具体方向、看懂 AI 背后在干什么、踩过真实的坑来积累——乘法本身不会替你完成这一步。
如果要用这轮答疑给自己一个可操作的检查，问题也许不是"AI 会不会取代我"，而是李沐那个公式的展开版：当我的判断力、经验和品味被放大十倍之后，具体能做成什么事？回答不上来，要补的就不是工具教程。
参考资料
李沐小红书 AMA 原帖整理（30 余问答，2026-09-10 前后），机器之心《快去提问！沐神空降小红书，在线答疑》： https://mp.weixin.qq.com/s/-fIOSqsxUVJt0N1svt76ag
智猩猩 AI《李沐最新答疑：Agent 让能力×10，40岁转 AI 也来得及》（含原帖截图）： https://mp.weixin.qq.com/s/geKaTb0euD0STZYOXDompw
SylanV《李沐的 AMA：20个Q&A速览》： https://mp.weixin.qq.com/s/9nmhSmeFFaGa9Sj_RmlvmA
杰克王聊 AI《Agent 能把你的能力放大10倍，前提是你不是0》（点赞数据与截图）： https://mp.weixin.qq.com/s/El2dVi2qkNz2a06Y1u9fNw
大模型科技说《李沐空降小红书》（机器之心整理稿转载）： https://mp.weixin.qq.com/s/LZrq19yA7Mb0Zoxl6tdJcw
— THE END —
文章仅做学术分享，如有侵权请联系删除，非常感谢！