AI入门学谁？吴恩达到卡帕西的四位大神学习路径

想入门AI却被铺天盖地的教程和课程搞得眼花缭乱？这份B站流传的AI学习路线给出了一个清晰的答案：与其漫无目的地刷视频，不如锁定四位公认的顶级讲师，按照从概念到实战的顺序循序渐进。下面结合原始素材，梳理这条学习路径的逻辑与适用人群。

为什么要按顺序跟对的人学

AI领域的知识跨度极大，从抽象的机器学习理论到具体的模型训练、项目落地，如果没有清晰的路径，很容易陷入「听了很多课却什么都不会做」的困境。

该教程的核心观点是：学习顺序比学习数量更重要。四位讲师分别对应AI学习的四个阶段——认知启蒙、原理理解、动手实践、底层洞察。这种由浅入深的编排，避免了初学者一上来就啃硬骨头导致的挫败感。

四位大神对应的四个学习阶段

第一阶段：吴恩达——先搞懂AI是什么

对于完全零基础的人，教程建议从吴恩达（Andrew Ng）的《AI for Everyone》入手。这门课的最大特点是不用写代码、不用懂技术，目标只有一个：让你先理解AI到底是什么、能做什么、边界在哪里。

这一步看似简单，却常被急于求成的人跳过。建立正确的AI认知框架，能帮助后续学习少走很多弯路，也能避免对AI能力的过度神话或过度贬低。

吴恩达（Andrew Ng）是斯坦福大学教授，曾任职谷歌大脑和百度首席科学家，也是在线教育平台Coursera的联合创始人之一。他在AI教育领域的影响力极大，其早年推出的机器学习课程被全球数百万人学习，被誉为AI入门的「圣经级」资源。《AI for Everyone》是他专门面向非技术背景人群设计的课程，重点讲解AI项目的流程、企业如何应用AI、以及如何与AI团队有效协作，适合产品经理、管理者或任何想了解AI但不打算亲自写代码的人群。

第二阶段：李宏毅——把头疼的概念讲成人话

当你对AI有了基本认知，下一步是理解背后的原理。教程推荐李宏毅的机器学习、深度学习、大模型与生成式AI系列课程。

他的风格被形容为「把看着头疼的概念讲成人话」，善于用通俗的比喻拆解复杂逻辑，让学习者从「听说过」进阶到「真正听懂」AI背后的运行机制。这一阶段解决的是「知其所以然」的问题。

第三阶段：李沐——从听懂到会做

理解了原理，还需要把知识转化为技能。教程指向李沐的《动手学深度学习》（Dive into Deep Learning），这是从理论走向实践的关键一跃。

课程从模型训练讲到项目实战，一步步带学习者上手写代码、跑模型。这一阶段的价值在于动手能力的养成——只有真正敲过代码、调过参数、跑通过项目，才算把纸面知识变成了可用的能力。

《动手学深度学习》（Dive into Deep Learning，简称D2L）是李沐与多位作者共同撰写的开源教材，目前已被全球数百所高校采用，提供Python代码、可运行的Jupyter Notebook以及配套的B站视频讲解，是少见的将理论、代码与直播答疑三位一体融合的学习资源。李沐曾任职亚马逊AWS首席科学家，课程内容覆盖从线性神经网络、卷积网络（CNN）、循环网络（RNN）到注意力机制与Transformer的完整深度学习体系。其特点是代码优先、边讲边跑，学习者可以直接在云端环境中运行每一个示例，大幅降低了环境配置的门槛。

第四阶段：卡帕西——看透大模型底层逻辑

最后一位是Andrej Karpathy（卡帕西）。作为深度参与前沿大模型研发的技术专家，他擅长把复杂的大模型原理掰开揉碎讲清楚。

这一阶段面向已经具备基础的学习者，帮助你看透AI的底层运行逻辑。理解模型内部到底发生了什么，是从「会调用」迈向「会创新」的分水岭，也是未来在AI领域走得更远的根基。

Andrej Karpathy曾任特斯拉AI总监，负责自动驾驶视觉系统，后加入OpenAI参与GPT系列模型的早期研发。他在YouTube上发布的系列教程（如「Neural Networks: Zero to Hero」）以从零手写神经网络、逐行解释GPT结构著称，受众大多是已有编程基础、希望真正理解Transformer和大语言模型（LLM）工作原理的学习者。与前几位讲师偏向课程体系不同，卡帕西的内容更接近「带你重新发明轮子」的风格——通过亲手实现一个简化版GPT，让学习者对注意力机制、词嵌入、自回归生成等核心概念形成直觉性理解，而非停留在调用API的层面。

这条路径适合谁

这套路线的优势在于层次分明、门槛递进，尤其适合以下几类人：

• 完全零基础者：从吴恩达的通识课开始，不会一上来就被劝退；
• 有一定了解但不会动手者：可直接从李宏毅或李沐的课程切入；
• 希望深入底层的进阶者：卡帕西的内容能补齐对大模型机制的理解。

需要提醒的是，原素材更多是一份学习资源指引，而非完整的实操教程。真正的AI能力仍需大量动手练习和项目积累，跟对老师只是起点，持续投入才是关键。

小结

这份路线图的核心价值，是用四位公认的优秀讲师，把AI学习拆成了「认知→原理→实践→底层」四个清晰阶段。对于面对海量资源无从下手的初学者，一条被验证过的路径本身就极具参考意义。至于「学完薪资翻倍」这类说法，则更像是吸引眼球的宣传话术，理性看待即可。