00:43:57
人工智能专家吴恩达(Andrew Ng)在近期演讲中分享了他在AI基金(AI Fund)运营过程中积累的实战经验——这家风险工作室平均每月创办一家初创企业。通过亲身参与代码编写、客户需求讨论、功能设计和定价决策,他们积累了独特视角。核心发现是:执行速度是预测初创企业成功概率的最强指标之一。而新一代AI技术正在为企业构建过程带来前所未有的加速能力。
当被问及"AI初创机会在哪里"时,吴恩达提出了清晰的AI价值栈分析:在底层半导体、云计算、基础模型之上,应用层才是价值创造最集中的地方。尽管媒体往往聚焦于技术层,但应用层必须创造更多营收才能支撑整个技术生态的运转。
关键认知转变在于:媒体常过度关注技术层,而初创企业真正的黄金机会往往藏在应用层。这是因为应用需要直接创造商业价值,为整个AI生态链提供资金支持。吴恩达观察到,随着AI技术的快速迭代,特别是代理型AI(agentic AI)的崛起,应用开发正在变得前所未有的高效。
吴恩达指出,过去一年最重要的技术趋势是代理型AI工作流的成熟。传统的提示工程(prompting)要求模型一次性输出结果,就像"要求人类从第一字到最后一字不停顿地写完整篇文章"。而代理型AI实现了多步骤迭代式工作流:
单次输入 → 一次输出 → 结束
像要求作家不使用退格键,从头到尾一气呵成写完整篇文章
制定计划 → 搜索研究 → 初稿 → 批判修订 → 优化输出
模拟人类深度思考过程,通过多次循环迭代获得高质量结果
在医疗诊断、法律文件分析等复杂场景中,这种工作流往往决定了"产品能否真正解决问题"。AI基金发现,将现有或新型工作流程重新设计为代理型工作流,是当前最重要的价值创造机会。这也催生了代理协调层(agentic orchestration layer)这一新技术层次,使应用开发更加便捷。
吴恩达强调:"对初创团队而言,模糊想法往往获得更多喝彩,但具体想法才能换来执行速度。" 他将具体想法定义为"工程师能立即着手实施的产品概念"。
模糊想法(缺乏速度)
具体想法(带来速度)
吴恩达提醒:模糊想法往往"几乎永远正确"但无法行动;具体想法可能对或错,但能快速验证并推进。
吴恩达团队观察到,当前编程助手带来的速度提升呈现巨大差异:
开发类型 | 传统速度 | AI加速后 | 关键差异 |
---|---|---|---|
生产级代码 | 1x | 30-50%提升 | 受限于系统集成和质量要求 |
快速原型 | 1x | 10x+提升 | 低集成需求,容忍不安全/不可靠代码 |
"我们经常告诉团队:先写不安全的代码,"吴恩达坦言,"只要代码只在你笔记本上运行,且你不打算恶意攻击自己,这完全没问题。但产品上线前一定要完善安全性和扩展性。" 正是这种"测试快速、上线谨慎"策略,使得团队可以低成本测试20个概念验证,无需担心大多数无法投入生产——只要最终有一个能真正解决问题。
软件工程的新现实:一扇门还是两扇门?
过去选择技术栈是"一扇门"决策(难以回溯);如今由于代码创建成本大幅下降,技术栈选择更多是"两扇门"——改变成本低得多。吴恩达团队已养成"每周重构数据库架构"的习惯,这种灵活性在AI开发环境中尤为重要。
工程速度提升后,新的瓶颈转移到产品决策与用户反馈获取。吴恩达分享了按速度排序的反馈策略矩阵:
最快(但准确性最低)
中等速度
最慢(但准确性高)
吴恩达特别强调了一项技能:"学会在高人流量区域礼貌地向陌生人请求产品反馈。"他发现,当人们在咖啡馆工作时,提供一个暂停的正当理由,他们反而乐于参与。值得注意的是,虽然AB测试被视为标准做法,但在工程速度大幅提高的今天,AB测试已成为最慢的验证方法之一——发布和收集足够数据需要时间。关键在于"用测试数据持续校准你的直觉",使后续决策即使基于最快的方法也能保持准确性。
吴恩达指出一个关键观察:AI领域知识稀缺性正在创造独特竞争优势。相比已经成熟的领域如移动端开发(大多数人已知其能力边界),新兴的AI技术意味着:
他将AI构建块比作乐高积木:"当你掌握一个构建模块(如提示工程),你可以建立一些东西;当掌握两个(如提示工程+聊天机器人),就能组合出更复杂的系统;掌握越多模块,可组合的可能性指数级增长。" 这也是为什么吴恩达坚信"所有人——包括CFO、招聘官和前台人员——都应该学习编码":理解如何让计算机精确执行任务,将成为未来最重要的技能之一。
打破一个迷思:AI不会取代编程,而是扩大编程者的影响力
"历史上当编程从穿孔卡片转向键盘终端,或从汇编语言转向高级语言时,都有人预言'不再需要程序员'。但事实是,让工具更易用后,反而需要更多程序员。"吴恩达认为,"在AI辅助时代,更多人应当学习编程——不仅是为了自己写代码,更是为了有能力指导AI完成任务。这将决定你能走多远。"
当谈到"如何在创新与社会责任间取得平衡"时,吴恩达给出了简明原则:
"直视你的内心。如果你所构建的产品不会让大多数人受益,不要做。"
他透露,AI基金已在伦理考量上终止了多个经济上可行的项目——即使商业前景良好。但加速同时,也要注意吴恩达提到的关键趋势:团队正在调整PM与工程师的比例,从传统的1:6转向更平衡的结构,甚至出现"1名产品经理对应0.5名工程师"的项目架构。这意味着产品管理正成为新的速度瓶颈,具备产品思维的工程师或将更具竞争力。
吴恩达最后强调,虽然速度至关重要,但并非唯一成功要素。AI基金的评估框架包含多维度考量:
首要关注点
"其他问题如渠道、定价、护城河都很重要,但若没有产品-市场匹配,几乎不可能建立有价值的企业。"
应用层机会现状
当前市场上,"可构建的创新应用"数量远超"具备构建技能的人才"——特别是在应用层面,仍存在大量未开垦的蓝海。专注构建用户真正想要的产品,其他挑战可在过程中逐步解决。
核心结论:在AI驱动的创业新时代,执行力不仅关乎决策质量,更与决策速度息息相关。掌握具体执行路径、利用AI加速工程、建立快速反馈机制、持续深化技术认知,将使初创企业获得关键竞争优势——在正确方向上比竞争对手快10倍前进。