7.6
深览指数
科技微博·机器之心Pro··AI 生成
同一天，贾扬清、吴恩达等分别官宣创业，Agent有了新方向？
2026年7月29日，贾扬清、吴恩达与Sonia Joseph同日官宣创业，分别切入AI Agent驱动的软件工程、个性化教育和可解释物理世界模型三个截然不同的方向。文章详细拆解了贾扬清Intent Lab的「自动驾驶舰队」Fleet如何通过三个实验案例（优化TensorRT-LLM、重建SQLite、创造AgentFS）展示AI从辅助编码到承担完整软件工程的能力；吴恩达的LearnVector则聚焦用AI打造一对一学习向导，挑战传统教育模式；Sonia Joseph的World Mechanics致力于为科学模拟和机器人构建可解释的基础模型。适合对AI Agent前沿应用方向、技术落地可行性及产业趋势感兴趣的深度读者阅读。原文 ↗
核心观点
- ▍AI Agent正在从「辅助开发者写代码」转向「承担完整的软件工程任务」，即从理解模糊意图到交付并持续维护生产级软件系统。
- ▍当前主流AI教育产品（如聊天机器人）提供的「给答案」模式会损害学习，真正的个性化教育需要从「一对多」转向「一对一」的学习向导。
- 01Intent Lab的Fleet在优化TensorRT-LLM时，将推理速度从约102 tokens/s提升至647 tokens/s，实现了约6.3倍的性能提升，且优化过程由AI自主发现并执行。
- 02Fleet在没有源代码和设计文档的情况下，仅通过外部行为重新构建了一个兼容SQLite的数据库引擎，并通过了所有SQLite测试用例。
- 03Fleet从零设计并构建了面向AI Agent工作负载的分布式文件系统AgentFS，在部分文件操作场景中性能提升达数十倍至数百倍。
- 04Fleet的工作方法被归纳为六个动词：Understand、Design、Coordinate、Build、Verify、Evolve，强调从意图澄清到系统持续演进的闭环。
- 05吴恩达的LearnVector由Coursera战略投资一亿美元，按完全稀释计算，Coursera将获得约三分之一的股权。
- 06吴恩达认为，当前教育模式「不是学习的局限，而是经济学的局限」，AI的进步第一次让「为每个人定制学习向导」成为可能。
- 07Sonia Joseph的World Mechanics注册为公益公司，旨在为物理AI（如机器人）构建可解释的基础模型，强调AI安全与可解释性贯穿模型全生命周期。
反方 / 局限
- — 文章对Intent Lab的案例描述均为正面，未提及Fleet在处理极其复杂、需要大量领域知识或突发需求变更时的潜在失败率或成本问题。
- — LearnVector强调「让学习乐在其中」的愿景，但未深入讨论当学习本身是枯燥的、需要重复练习时，AI如何有效维持用户的长期学习动机。
12 分钟 · 4 卡片 · 10 资料
读原文 →