吳恩達YC演講：AI創業如何快人一步？

鷺羽 2025-07-11 16:45:02 來源：量子位

鷺羽 發自 凹非寺

量子位 | 公眾號 QbitAI

天下武功，唯快不破：AI創業亦是如此。

最近吳恩達在YC演講上傾囊相授，為所有AI創業者提供建議，總結下來就一個字——快！

吳恩達表示：

執行速度是衡量創業公司成功幾率的一個重要指標。

除了強調速度的關鍵作用，吳恩達還探討了AI技術如何加速工程和產品反饋，以及學習編碼對個人的重要意義。

雖然只有短短四十多分鐘，但干貨滿滿。

• 事實證明，初創公司的機會在應用層。
• 具體的想法帶來速度優勢，錯誤也沒關系，能更快地發現結果，對初創公司才重要。
• 去吧，寫不安全的代碼也沒關系。只需快速行動，然后同時負起責任。
• 每個職業的人都應該學習編程，會編程的產品經理往往表現更好。
• 了解最新的構建模塊，以更豐富的方式組合，就是初創公司的機遇。
• 初創公司應該更專注于打造一款用戶真正喜歡的產品。

難怪網友都紛紛表示：

吳恩達是一名出色的老師，從ML、DL、GAN等專業知識再到今天的創業課堂，他始終在用知識風暴幫助世界。

那讓我們來看看他到底講了些什么。

新的市場機遇

吳恩達首先拋出了AI技術棧的概念：最底層是半導體公司，其次是云計算或超大規模云服務商，再往上是AI基礎模型公司，最頂層是應用層。

當前絕大多數人都將目光放在構建基礎模型等技術層面上，但事實上，最大的創業機會卻存在于應用層。

正是因為AI應用創造出了足夠多的收入，才能支撐底層技術的發展。

在過去一年里，尤其值得關注的是，智能體AI的興起。

它也為AI技術棧帶來了新的智能體編排層，可以幫助應用開發者更好地協調對底層技術層的調用，讓應用開發變得更加容易。

與LLM通過Prompt一次性生成輸出不同，智能體工作流允許AI進行迭代思考。

就像我們人類寫一篇文章一樣，先寫一份大綱，再查找一些網絡資料，然后寫初稿，再進行批注修改，以及重復這個過程……

吳恩達發現，智能體工作流雖然迭代循環過程較慢，但往往能生產出更好的工作成果，例如在處理復雜合規文件、醫療診斷等任務中。

它的出現也帶來了更多的創業機會，關鍵在于初創企業如何將原有的工作流轉換成智能體工作流。

如何提升創業公司速度

至于如何讓初創公司更快地發展，吳恩達根據自己在AI Fund創業的實踐經驗，認為可以從以下四點入手：

專注具體想法

首先需要擁有一個具體的產品想法，意味著擁有足夠豐富的細節，可以讓工程師直接開始構建。

比如，“用AI提升電子郵件的個人效率”，這很模糊、不夠具體，但如果是“能否開發一個與Gmail集成的應用，通過合適的提示和篩選，實現郵件自動化處理”，那么工程師就能立馬get到！?

具體帶來速度，可以給團隊指出明確的方向，也能被迅速驗證或證偽，從而節省時間。

當然一個好的具體想法并不是那么容易產生，也許你可以轉而尋求行業領域專家的幫助。

他們長時間思考相關問題，在數據獲取緩慢的情況下，專家的直覺往往能幫助更快地做出高質量決策。

另外，成功的初創公司都有一個共同的特點，就是他們只專注一個非常明確的想法，并努力去實現它。

如果數據證明想法錯誤，那就迅速調整方向，轉向另一個全新的想法。

初創公司往往資源有限，如果同時對多個想法都付諸實踐，反而哪個都做不好。

利用AI編碼助手

然后就是實踐過程中，現在可以直接用AI輔助編碼，工程速度得以大幅提升，初期成本投入也可以迅速下降。

在構建測試想法的快速粗糙原型（quick and dirty prototypes）時，AI編碼可以將速度提升至少10倍。

因為原型對復雜的遺留系統集成較少，對可靠性、可擴展性甚至安全性的要求也較低。（當然，只是在測試階段，代碼可以不安全）

在編寫生產級代碼時，速度也能提高30%到50%。

現在創建代碼變得相當容易，三四年前還是Copilot的代碼自動補全，然后接著是Cursor、Windsurf等新一代AI驅動的IDE，幾個月前又有了例如o3的智能編碼助手。

工具日新月異，轉換技術棧、完全重建代碼庫已經不再困難，所以吳恩達建議，初創團隊要“快速行動，同時肩負責任”，而不是“快速行動，破壞一切”。

很多概念驗證都無法投入生產，但只要驗證成本足夠低，即使無法成功也沒有關系。

不過，有了AI編碼，就不再需要程序員了嗎？

恰恰相反，吳恩達認為更多人應該學習編碼，只有那些對計算機有著更深理解的人，才能讓計算機始終按照自己的意愿工作。

加快產品反饋

此外，吳恩達發現了一個相當有趣的現象，初創團隊的產品管理工作反而日益成為瓶頸，因為工程師的速度實在太快。

為了跟上他們的速度，所以需要建立一套行之有效的產品反饋策略：

1. 憑借自身直覺判斷，但前提是自己是領域專家。
2. 詢問三個朋友或團隊成員，讓他們試用產品并獲取反饋。
3. 在人流量大的地方（如咖啡館、酒店大堂），詢問三到十個陌生人的反饋。
4. 向100個或者更多的測試者發送原型。
5. A/B測試，這也是最慢的策略之一。

但無論選擇哪種策略，都可以將反饋回來的數據進行自我直覺思維磨練，以期在未來更快地做出高質量的產品決策。

充分理解AI

而作為AI從業者，真正理解AI，知道如何出色運用AI知識，可能會幫助初創企業領先優勢。

正確的技術判斷可以讓你在幾天內解決問題，錯誤的技術判斷卻可能讓你在死胡同里摸索兩倍甚至十倍的時間。

同時緊跟AI發展，也能了解到市場最新推出的生成式AI工具或構建模塊，例如檢索增強生成（RAG）、語音交互、異步編程、數據抽取轉換加載（ETL）工具等。

將模塊快速組合，就像搭積木一樣，就可以創造出指數級增長的豐富軟件應用，這為初創公司創造了大量新的機會。

另外，吳恩達還提供了一個補充建議，在軟件架構中可以對構建模塊設計得更為靈活，一旦有新模型發布，就快速進行評估，如果優于舊模型，立馬切換到新模型。

切換編排平臺的成本較高，但更換選擇的構建模塊卻很容易，也能幫助初創公司更快地迭代升級。

先有產品，再考慮“護城河”

初創公司往往喜歡起初就關注“護城河”這個問題，但吳恩達認為，更多企業往往是先有產品，才逐漸形成護城河。

對于初創公司而言，最重要的是去構建一個用戶真正喜歡的產品，而其他像市場推廣渠道、技術模式以及護城河等，都是次要。

尤其是現在AI時代，任何產品都可能在一天內被復制或顛覆，用戶的喜愛才是核心。

如果能夠在消費者群體中建立起品牌概念，以及自身擁有較強的發展勢頭，這樣就足夠讓競爭對手難以追趕了。

而對于企業級產品，如果難以進入特定的市場渠道，可能此時才更需要考慮護城河的因素。

One More Thing

最后，吳恩達還簡單描述了他對AI教育領域的看法。

現在像多鄰國這樣的應用，已經能夠初步展示AI帶來的教育變革，教育將變得高度個性化，但具體是通過虛擬形象還是文本聊天機器人實現還未可知。

這是一個正在逐步轉換為智能體工作流的領域，尚未足夠成熟，但對初創公司而言，也許是一個很有前景的嘗試。

參考鏈接：
[1]https://x.com/ycombinator/status/1943309837351424222
[2]https://www.youtube.com/watch?v=RNJCfif1dPY