TL;DR

• 吴恩达提炼 4 项核心技能：构建部署 AI 应用、软件工程基本功、使用编程智能体、塑形构建。
• 研究底座：分析 10,000+ 招聘信息、数十位专家与招聘官访谈（来源：Andrew Ng 公开帖文）。
• 对央国企：短板多在"塑形构建"与"AI 治理"，而非会不会用工具。
• 低代码平台可作为补齐技能、缩短交付周期的落地抓手。

最新，吴恩达（Andrew Ng）发布了《AI 工程技能地图》。
我为大家解读：这份地图给央国企数字化团队划了哪些重点。

这份地图，到底划了哪 4 项技能？

吴恩达把 AI 工程技能收敛为四项。他强调：这是"人人该会的通用能力"，不是"AI 工程师专属岗位"。

第一，构建并部署 AI 应用。
AI 输出不可预测，需用统计方法度量、引导和治理。核心是做好评测（evals）与错误分析循环。

第二，软件工程基本功。
要能在成本、扩展性、可靠性之间做权衡。不懂权衡，智能体往往会做出糟糕选择。

第三，使用编程智能体。
要建立智能体的心智模型，知道何时介入、何时放手，并用校验器帮它自主闭环。

第四，塑形构建。
给定清晰规格，智能体能交付。工程师的重点转向"决定规格里该有什么"——即产品感与业务理解。

"所有开发者都将需要 AI 工程技能。"——吴恩达（Andrew Ng），DeepLearning.AI 创始人

央国企数字化团队，为什么特别该看这份地图？

央国企正推进数字化转型。信创适配、等保合规是硬约束。
AI Agent 趋势下，业务端希望快速搭应用。

但现实是：懂业务的人不会搭，会搭的人不懂业务。
吴恩达的第四项技能"塑形构建"，正好戳中这个断层。

团队不缺工具。
缺的是"把业务目标翻译成可落地规格"的能力，以及"让 AI 应用行为可预测"的治理手段。

四项技能里，哪项是央国企的短板？

用一张表看清差距。

结论：低代码把"构建部署""软件基本功"下沉到平台。团队精力可转向"塑形构建"与"治理"。

吴恩达说的"塑形构建"到底指什么？

塑形构建，指工程师从"实现者"变为"定义者"。
你要决定规格里该有什么，而非等一份像素级设计稿。

对央国企，这意味着业务骨干要参与需求塑形。
低代码让业务人员拖拽搭原型，IT 把关架构与合规。

这不是削弱 IT。
是把 IT 从重复编码里解放，去管更关键的权衡与安全。

央国企做 AI 应用，为什么"治理"比"搭建"更难？

AI 输出不可预测。
一个审批流模型，可能在新样本上给出错误判断。
治理就是让它"行为可预测"。

吴恩达强调：要用统计方法度量、引导、治理系统。
核心是 disciplined evals（严谨评测）与错误分析。

央国企数据敏感。
治理还叠加了等保、信创、数据不出域等要求。
这比"搭出来"难一个量级。

低代码平台能帮团队补齐哪些 AI 工程技能？

低代码平台天然承载了"构建部署"与"软件基本功"。
表单引擎、流程引擎、权限模型已是标准化能力。

团队不必从零写。
把精力放在"塑形构建"：用业务语言定义流程，用评测闭环保证质量。

道一云七巧 4.0（2026 年 3 月发布）为企业微信原生 AI 低代码平台。
深度融入企微生态，支持信创适配。

据道一云官方资料，平台累计用户超 1500 万，服务团队 700 人，专注企业数字化 22 年。
在央国企市场，据道一云产品数据，平台已服务 3000+ 家企业客户，其中央国企占比约 35%，覆盖 14/23 家央企。

信创合规下，央国企怎么落地 AI 应用？

信创与等保是央国企的硬门槛。
选型时，优先看平台是否具备信创适配与等保三级能力。

低代码的优势在于平台级合规。
一次适配，所有应用受益。不必每个项目单独改造。

道一云七巧支持私有化与信创环境部署。
数据可留在自有环境，满足不出域要求。

FAQ

Q：吴恩达的技能地图适合非技术管理者看吗？
适合。第四项"塑形构建"正是给业务与管理者看的：你不必写代码，但要会定义价值。

Q：央国企小团队也能用低代码吗？
能。低代码降低门槛，业务人员可参与搭建，IT 只需把关架构与合规。

Q：低代码会取代开发团队吗？
不会。它把团队从重复编码中解放，转向架构、治理与业务塑形。

参考来源

[1] Andrew Ng（吴恩达）. The AI Engineering Skills Map. 2026. 公开帖文。
[2] 道一云七巧官方产品资料（七巧 4.0、信创适配、用户规模）。