7月11日，YC發(fā)布了著名人工智能科學(xué)家、AI Fund創(chuàng)始人吳恩達(dá)6月在 AI Startup School 的演講，他斷言，“最大的機(jī)會必然存在于應(yīng)用層”，而非備受追捧的基礎(chǔ)模型層。演講總剖析了當(dāng)前AI浪潮下的創(chuàng)業(yè)核心要素，還探討了Agentic AI的崛起是當(dāng)下最重要的技術(shù)趨勢；創(chuàng)業(yè)成功的秘訣在于將模糊想法轉(zhuǎn)化為可執(zhí)行的具體構(gòu)思；隨著AI編程助手的普及，軟件工程的成本急劇下降，瓶頸正從工程端轉(zhuǎn)移至產(chǎn)品管理端；他還反駁了“AI將使編程過時”的論調(diào)，并提出：“現(xiàn)在是時候讓每個崗位的人都去學(xué)習(xí)編程了”。在最后問答環(huán)節(jié)，他更是尖銳地指出諸多關(guān)于AI的炒作，如“AI末日論”、“AGI威脅論”、“AI耗能必須依賴核能”，并分享了關(guān)于“AI Agent累積效應(yīng)”的技術(shù)見解等。

01

最大的機(jī)會必然存在于應(yīng)用層

吳恩達(dá)教授首先分享了創(chuàng)辦初創(chuàng)公司時學(xué)到的經(jīng)驗，他的分享始于一個核心主題——速度。他認(rèn)為，對于所有渴望在AI時代開創(chuàng)事業(yè)的人來說，這不僅是一個重要的品質(zhì)，更是一個具備預(yù)測能力的決定性指標(biāo)。他表示他的分享來源于AI Fund的實踐。

在他看來，對于所有渴望投身創(chuàng)業(yè)浪潮的人來說，執(zhí)行速度不僅是一種優(yōu)秀的品質(zhì)，更是預(yù)測一家初-創(chuàng)公司能否成功的關(guān)鍵性指標(biāo)。

他認(rèn)為，日新月異的人工智能技術(shù)，恰恰是賦予初創(chuàng)公司這種“速度優(yōu)勢”的最強(qiáng)催化劑。“新的人工智能技術(shù)正幫助初創(chuàng)公司大幅提速。”因此，他希望通過分享一系列不斷迭代的最佳實踐來幫助創(chuàng)業(yè)者們掌握這種至關(guān)重要的速度優(yōu)勢，從而顯著提高其成功的概率。

在深入探討如何“加速”之前，吳恩達(dá)首先為所有創(chuàng)業(yè)者描述了他所理解的AI 技術(shù)棧：最底層是半導(dǎo)體公司，其上是云服務(wù)或超大規(guī)模計算平臺，再往上是眾多 AI 基礎(chǔ)模型公司。他表示，盡管公眾的目光和市場的熱議大多聚焦于這些技術(shù)層面，但順理成章地，最大的機(jī)會必然存在于應(yīng)用層。因為我們需要應(yīng)用層來創(chuàng)造足夠多的收入，這樣才有能力去支付基礎(chǔ)模型、云和半導(dǎo)體這些技術(shù)層的開銷。對于各位有志于創(chuàng)業(yè)的人來說，最大的機(jī)會必然就在那里，當(dāng)然，技術(shù)棧的每一層也都有各自的機(jī)會。

02

Agentic AI的崛起

在過去一年里，AI 技術(shù)趨勢發(fā)生了巨大變化。AI 領(lǐng)域最重要的技術(shù)趨勢是什么？吳恩達(dá)表示是Agentic AI 的興起。”

他坦言，“大約一年半前，當(dāng)我開始四處演講，試圖讓人們相信 AI Agent 將成為一個重要方向時，我沒料到去年夏天左右，一些市場營銷人員會抓住這個術(shù)語，像貼標(biāo)簽一樣，把它用到所有能想到的地方，導(dǎo)致這個詞幾乎失去了它本來的意義”。因此，他希望從純粹的技術(shù)視角，重新闡釋為什么會認(rèn)為Agentic AI至關(guān)重要，以及它為何能開辟出大量新的創(chuàng)業(yè)機(jī)會。

吳恩達(dá)首先指出了當(dāng)前我們使用大語言模型的普遍局限性，“事實證明，我們大多數(shù)人使用大語言模型的方式，就是給它一個提示，然后讓它生成輸出。而我們讓 LLM 輸出內(nèi)容的方式，就好比你讓一個人——在這里是一個 AI——從頭到尾、一氣呵成地寫一篇文章，期間完全不能使用退格鍵。我們?nèi)祟悾诒灰笠赃@種線性方式寫作時，是無法發(fā)揮出最佳水平的。事實證明，AI 亦是如此。不過，盡管被迫以這種線性的方式寫作非常困難，我們的大語言模型表現(xiàn)已經(jīng)驚人地好了。”

而代理型工作流（Agentic Workflow）則徹底打破了這一限制。它允許AI系統(tǒng)以一種更復(fù)雜、更迭代、更接近人類專家思考的方式去完成任務(wù)。吳恩達(dá)詳盡地描述了這一流程的運作方式：

“通過代理型工作流，我們可以讓一個 AI 系統(tǒng)先寫出文章大綱，然后根據(jù)需要進(jìn)行網(wǎng)絡(luò)搜索，獲取相關(guān)網(wǎng)頁作為參考，接著撰寫初稿，之后再閱讀、審視并修改初稿，如此往復(fù)。這樣就形成了一個迭代的工作流：模型進(jìn)行思考和研究，然后進(jìn)行修改，再返回去進(jìn)行更深入的思考。通過多次重復(fù)這個循環(huán)，雖然速度更慢，但最終產(chǎn)出的成果質(zhì)量要高得多。”

吳恩達(dá)強(qiáng)調(diào)，這種工作流在AI Fund的實踐中被反復(fù)驗證為成功的關(guān)鍵。他表示：“無論是填寫復(fù)雜的合規(guī)文件、進(jìn)行醫(yī)療診斷，還是對復(fù)雜的法律文件進(jìn)行推理中我們都發(fā)現(xiàn)，這種代理型工作流是決定一個方案可行與否的關(guān)鍵。” 他堅信，未來仍有大量工作要做，許多有價值的商業(yè)模式有待建立，這些機(jī)會就在于，如何將現(xiàn)有的或全新的工作流程，轉(zhuǎn)化為這種代理型的模式。

基于這一趨勢，吳恩達(dá)更新了他對AI技術(shù)棧的描繪：“過去一年里，出現(xiàn)了一個新的代理型編排層。它能幫助應(yīng)用開發(fā)者更好地編排或協(xié)調(diào)對底層技術(shù)的大量調(diào)用。好消息是，這個編排層的出現(xiàn)，讓構(gòu)建應(yīng)用程序變得前所未有地容易。”但他認(rèn)為，應(yīng)用層必然是整個技術(shù)棧中最具價值的一層，這個基本結(jié)論依然成立。

03

在應(yīng)用層，如何獲得速度

既然重點在應(yīng)用層，那么如何獲得速度？吳恩達(dá)分享了AI Fund的核心秘訣之一：專注于具體的想法。他為“具體”下了一個極具操作性的定義，即“一個具體的想法或產(chǎn)品構(gòu)思，必須具體到工程師可以直接上手開發(fā)的程度”。

比如“讓我們用 AI 優(yōu)化醫(yī)療保健資產(chǎn)”，在他看來是無法執(zhí)行的，因為這其實不是一個具體的想法，它太模糊了。如果你讓我用 AI 寫軟件來優(yōu)化醫(yī)療保健資產(chǎn)，不同的工程師會做出完全不同的東西。因為它不具體，你就無法快速構(gòu)建，也就沒有速度。

相比之下，一個具體的想法則能立即轉(zhuǎn)化為行動。他舉例道：“如果你有一個具體的想法，比如：‘讓我們寫一個軟件，讓醫(yī)院的病人可以在線預(yù)訂核磁共振的時段，以優(yōu)化設(shè)備使用率。’我不知道這是個好主意還是壞主意，其實已經(jīng)有公司在做這件事了。但這個想法是具體的，這意味著工程師可以快速把它做出來。如果是個好主意，你會很快知道；如果不是，你也會很快知道。擁有具體的想法，能為你換來速度。”

他進(jìn)一步以郵件處理為例進(jìn)行說明。模糊的想法是“讓我們用 AI 來提升個人郵件處理效率”，而具體的版本則是：“你能不能開發(fā)一個集成在 Gmail 里的自動化應(yīng)用，讓用戶可以通過編寫提示來自動篩選和標(biāo)記郵件？” 吳恩達(dá)表示，對于后者，“這個想法就非常具體。我今天下午就可以動手把它做出來。”

他接著指出了許多創(chuàng)業(yè)者容易陷入的一個認(rèn)知陷阱：模糊的想法反而更容易獲得他人的認(rèn)同和稱贊。他對此的總結(jié)是：“如果你告訴朋友們，‘我們應(yīng)該用 AI 來優(yōu)化醫(yī)療資產(chǎn)的利用’，所有人都會說這是個好主意。但它其實不是一個好主意，至少從可執(zhí)行的角度來說不是。事實證明，當(dāng)你描述得模糊時，你幾乎總是‘對’的。但當(dāng)你具體時，你可能是對的，也可能是錯的。無論對錯都好，因為你可以更快地得到驗證，而這對于初創(chuàng)公司至關(guān)重要。”

那么，如何獲得這些高質(zhì)量的具體想法？吳恩達(dá)認(rèn)為，這通常需要對一個特定問題進(jìn)行過長期的、深入的思考。他以自己創(chuàng)辦Coursera的經(jīng)歷為例：

“在創(chuàng)辦 Coursera 之前，我花了好幾年的時間思考在線教育，與用戶交流，不斷打磨自己對于一個優(yōu)秀的教育科技平臺應(yīng)該是什么樣的直覺。經(jīng)過那個漫長的過程——我想 YC有時稱之為‘在創(chuàng)意的迷宮中探索’你會發(fā)現(xiàn)，那些長期思考這個問題的人，他們的直覺對于快速決策非常有幫助。”

他指出，對于早期初創(chuàng)公司，專家的直覺在決策速度上，往往優(yōu)于數(shù)據(jù)分析。他解釋道：“在你長期思考、與客戶交流之后，如果你問這位專家：‘我應(yīng)該做這個功能還是那個功能？’他憑借直覺給出的瞬間判斷，實際上是一個非常有效的決策依據(jù)。我知道我從事 AI 研究，你們可能覺得我會說：‘哦，我們需要數(shù)據(jù)。’我當(dāng)然熱愛數(shù)據(jù)。但事實證明，對很多初創(chuàng)公司而言，獲取數(shù)據(jù)來做決策是一個緩慢的機(jī)制。而一個擁有敏銳直覺的領(lǐng)域?qū)＜遥菍崿F(xiàn)快速決策的更優(yōu)機(jī)制。”

基于此，他給出了一個關(guān)于團(tuán)隊執(zhí)行的建議：在任何一個時間點，都應(yīng)該只追求一個非常清晰的假設(shè)，集中所有資源去全力驗證或證偽它。他強(qiáng)調(diào)：“一家初創(chuàng)公司沒有資源去分散下注，同時嘗試 10 件事。所以，選擇一個，然后全力以赴。”

吳恩達(dá)描述了AI Fund團(tuán)隊的狀態(tài)：“我們堅定不移地追求一個目標(biāo)，直到現(xiàn)實數(shù)據(jù)告訴我們錯了；然后我們就掉頭，以同樣的決心和執(zhí)著，去追求一個完全不同的目標(biāo)。” 他觀察到，如果一個團(tuán)隊的領(lǐng)導(dǎo)者因為每一條新出現(xiàn)的數(shù)據(jù)就輕易動搖、頻繁改變方向，這往往意味著一個更深層次的問題：“那很可能意味著你最初的知識儲備太薄弱了。如果每次和客戶交流后你都徹底改變主意，那可能說明你對那個行業(yè)還不夠了解，無法形成一個真正高質(zhì)量的具體想法。”

吳恩達(dá)接著探討了構(gòu)建與反饋的循環(huán)，并指出AI編程助理正在深刻地改變著軟件的構(gòu)建方式。他強(qiáng)調(diào)，對于應(yīng)用型公司而言，最大的風(fēng)險并非技術(shù)實現(xiàn)不了，而是“我們造出來的東西，結(jié)果根本沒人關(guān)心。”

他將軟件工作分為兩類：用于驗證想法的“簡易快速的原型”和“生產(chǎn)級軟件”。他觀察到，AI助手對后者的效率提升約為30-50%，但對前者的提速則是驚人的。他分享道：

“在構(gòu)建簡易快速的原型方面，我們的速度提升絕不止 50%。我認(rèn)為我們至少快了 10 倍，甚至可能遠(yuǎn)超 10 倍。這背后有幾個原因：當(dāng)你構(gòu)建獨立原型時，它與舊有軟件基礎(chǔ)設(shè)施和數(shù)據(jù)的集成需求更少。同時，對可靠性、可擴(kuò)展性甚至安全性的要求也低得多。”

在此，吳恩達(dá)分享了一個他經(jīng)常給團(tuán)隊、但聽起來可能有些“出格”的指令，并詳細(xì)解釋了其背后的邏輯：

“我知道，我不應(yīng)該教大家寫不安全的代碼。這話聽起來不太對。但我確實經(jīng)常對我的團(tuán)隊說：‘去寫不安全的代碼吧。’因為如果這個軟件只在你自己的筆記本電腦上運行，而且你也不打算惡意攻擊自己的電腦，那么代碼不安全是沒問題的。當(dāng)然，一旦它看起來行之有效，在你把它交付給別人之前，請務(wù)必確保其安全性。要知道，泄露個人身份信息或敏感數(shù)據(jù)，會造成非常嚴(yán)重的損害。所以，在發(fā)布前，一定要保證安全和可擴(kuò)展。但如果只是為了自測，那就沒關(guān)系。”

這種理念，使得AI Fund的團(tuán)隊能夠系統(tǒng)性地進(jìn)行創(chuàng)新，比如“一次性構(gòu)建 20 個原型，看看哪個能成功。” 他認(rèn)為，只要能將概念驗證的成本降得足夠低，那么即使大量原型最終未能投入生產(chǎn)，也是完全可以接受的。對于那句著名的“Move fast and break things”的口號，吳恩達(dá)提出了自己的修正版，他認(rèn)為正確的做法是 “要快速行動，同時也要負(fù)責(zé)任”。

吳恩達(dá)觀察到：“一個令人驚訝的變化是：過去我們習(xí)慣于將代碼看作是非常寶貴的資產(chǎn)，因為編寫代碼的成本很高。但隨著軟件工程成本的下降，代碼的價值已遠(yuǎn)不如從前。例如，我所在的某個團(tuán)隊，在上個月內(nèi)就將代碼庫完全重構(gòu)了三次。因為徹底重構(gòu)代碼、選擇新的數(shù)據(jù)模式，這些工作的難度和成本都已大幅降低。”

他引用了杰夫·貝佐斯的“雙向門”與“單向門”理論，指出過去作為“單向門”的技術(shù)架構(gòu)選擇，如今正變得越來越像可以輕松反悔的“雙向門”。他描述道：“我確實觀察到，我的團(tuán)隊更頻繁地出現(xiàn)這種情況：基于某個技術(shù)棧開發(fā)一周后，又改變主意，然后干脆丟棄整個代碼庫，在新的技術(shù)棧上從零開始。”

04

現(xiàn)在是時候讓每個崗位的人都去學(xué)習(xí)AI編程了

基于軟件工程門檻的急劇降低，吳恩達(dá)提出了一個觀點，他堅決反駁了“因為AI會自動編程，所以人們不應(yīng)該再學(xué)編程”的論調(diào)。在他看來：“這或許會成為有史以來最糟糕的職業(yè)建議之一。”

他的邏輯根植于技術(shù)發(fā)展的歷史：工具的進(jìn)步總是讓更多人掌握一項技能，而非更少。他回顧道：“幾十年前，當(dāng)世界從打孔卡轉(zhuǎn)向鍵盤和終端時，編程變得更容易了；當(dāng)我們從匯編語言轉(zhuǎn)向 COBOL 等高級語言時，當(dāng)時甚至有人發(fā)表論文，論證說‘既然有了 COBOL，我們就不再需要程序員了’。這當(dāng)然是錯誤的。每一次工具的革新都降低了門檻。因此，隨著編程變得越來越容易，就應(yīng)該有更多人去學(xué)習(xí)它。”

于是，他拋出了那個可能略帶爭議的呼吁：“現(xiàn)在是時候讓每個崗位的人都去學(xué)習(xí)編程了。” 這并非空想，他已經(jīng)在自己的團(tuán)隊中付諸實踐。他分享道：“我的首席財務(wù)官、人才主管、招聘專員，甚至前臺，他們都會編程。并且我親眼看到，編程能力讓他們在各自的崗位上都表現(xiàn)得更出色。”

為了說明為何要讓所有人都學(xué)會與機(jī)器溝通，他分享了一個關(guān)于生成圖像的親身經(jīng)歷。在為Coursera課程制作背景圖時，一位懂藝術(shù)史的團(tuán)隊成員Tommy，能夠運用專業(yè)知識編寫出精準(zhǔn)的Midjourney提示詞，從而生成了質(zhì)量極高的圖片。相比之下，吳恩達(dá)自己因為缺乏藝術(shù)史知識，只能想出寬泛的提示。這個例子讓他深刻體會到：未來最重要的技能之一，就是能夠清晰準(zhǔn)確地告訴計算機(jī)你想要什么，并讓它為你執(zhí)行。而學(xué)習(xí)編程（并非指要你親自編寫每一行代碼），而是學(xué)會引導(dǎo)AI為你編程在未來很長一段時間內(nèi)，似乎仍將是掌握這種指揮能力的最佳途徑。

05

產(chǎn)品管理成為新的瓶頸

然而，工程速度的飛躍也帶來了始料未及的連鎖反應(yīng)，吳恩達(dá)觀察到：“產(chǎn)品管理工作——包括獲取用戶反饋、決策要開發(fā)的功能等——正日益成為整個流程的瓶頸。”

他分享道，在過去一年中，越來越多的團(tuán)隊開始抱怨瓶頸出在產(chǎn)品端，因為工程師的開發(fā)速度已經(jīng)變得太快了。“就在昨天，我的一個團(tuán)隊在做項目人力規(guī)劃時，首次向我提出一個建議：將產(chǎn)品經(jīng)理與工程師的比例設(shè)定為1:0.5，也就是為每一位工程師配備兩名產(chǎn)品經(jīng)理。這是我職業(yè)生涯中第一次看到有管理者提出這樣的建議。我還不確定這是否是個好主意，但這無疑是一個信號，揭示了未來可能的發(fā)展方向。”

為了應(yīng)對這一挑戰(zhàn)，吳恩達(dá)強(qiáng)調(diào)了建立快速反饋機(jī)制的重要性，并分享了他個人常用的一系列策略，從快到慢依次是：依靠自己的產(chǎn)品直覺、找三五個朋友同事試用、找三到十個陌生人獲取反饋。他特別強(qiáng)調(diào)了最后一項技能的重要性，稱其為“最重要的產(chǎn)品技能之一”：

“學(xué)會如何在咖啡館或者酒店大堂里，非常禮貌地邀請陌生人體驗我正在開發(fā)的產(chǎn)品并給出建議。很多酒店大堂人流量大，而且我發(fā)現(xiàn)在咖啡館里，許多人其實并不想工作，所以當(dāng)有人給他們一個分心的理由時，他們通常很樂意幫忙。”

對于廣受推崇的A/B測試，吳恩達(dá)給出了一個更深層次的理解。他認(rèn)為，A/B測試的目的遠(yuǎn)不止是在方案A和B之間做出選擇，更重要的是：

“我的團(tuán)隊會坐下來仔細(xì)分析數(shù)據(jù)，目的是為了打磨和校準(zhǔn)我們自身的直覺。我們會反思：‘為什么我原以為A方案會更好，但數(shù)據(jù)卻顯示B方案勝出？顯然，我們對用戶的心智模型存在偏差。’通過這種方式，我們利用所有數(shù)據(jù)來不斷更新自己的心智模型，從而提升我們僅憑直覺做出高質(zhì)量決策的能力和速度。這一點至關(guān)重要。”

06

深刻理解AI的“構(gòu)建模塊”是實現(xiàn)指數(shù)級創(chuàng)新的基礎(chǔ)

吳恩達(dá)認(rèn)為，深刻理解AI本身是獲得速度優(yōu)勢的又一關(guān)鍵因素。他表示，對于手機(jī)應(yīng)用這類成熟技術(shù)，大多數(shù)人已經(jīng)使用了很長時間，所以包括非技術(shù)人員在內(nèi)，大家對于一個手機(jī)應(yīng)用能做什么、不能做什么，都有著相當(dāng)不錯的直覺。同樣，對于銷售、市場、人力、法務(wù)等成熟的職能崗位，雖然它們都非常重要且充滿挑戰(zhàn)，但由于這些領(lǐng)域的方法論在過去幾年沒有顛覆性的變化，相關(guān)知識已經(jīng)相對普及。你能很容易找到優(yōu)秀的市場或人力專家。但AI 是一項新興技術(shù)，關(guān)于如何高效利用 AI 的知識遠(yuǎn)未普及。因此，那些真正“懂”AI 的團(tuán)隊，相較于其他團(tuán)隊，就擁有了顯著的優(yōu)勢。如果你遇到了人力資源問題，你總能找到專家解決；但如果你面臨一個 AI 難題，是否擁有解決它的專業(yè)知識，將直接決定你是否能領(lǐng)先于其他公司。

例如，一個客服聊天機(jī)器人能達(dá)到的準(zhǔn)確率上限是多少？你應(yīng)該采用提示詞工程、模型微調(diào)，還是AI Agent 工作流？如何實現(xiàn)低延遲的語音輸出？在面對大量此類決策時，一個正確的選擇可能讓你在幾天內(nèi)就解決問題；而一個錯誤的技術(shù)決策，則可能讓你在死胡同里折騰三個月。有一點讓他感到很驚訝：從理論上講，如果你面臨兩個架構(gòu)選項，這相當(dāng)于一個“比特”的信息量。如果你不知道正確答案，似乎最壞的情況也只是多花一倍的時間去嘗試兩種可能，即一個比特的信息最多能帶來兩倍的效率提升，理論上確實如此。但在實踐中他看到的是：“一旦選錯了方向，你的速度不是慢了兩倍，而是可能慢了十倍，因為你會在錯誤的路徑上浪費大量時間。這正是我認(rèn)為正確的技朮判斷力對初創(chuàng)公司至關(guān)重要的原因，它能極大地提升發(fā)展速度。”

他發(fā)現(xiàn)緊跟AI 發(fā)展對初創(chuàng)公司極具價值的另一個原因是，在過去兩年里，涌現(xiàn)出了海量優(yōu)秀的生成式 AI 工具和“構(gòu)建模塊”。例如：提示詞工程、AI Agent 工作流、評估、護(hù)欄、RAG、語音優(yōu)先、異步編程、多種 ETL 工具、嵌入、微調(diào)、圖數(shù)據(jù)庫、計算資源整合使用，以及蒙特卡洛樹搜索 (MCTS) 推理模型等等。類似樂高積木。現(xiàn)在我們擁有一個豐富而強(qiáng)大的構(gòu)建模塊庫，通過快速組合它們，我們能創(chuàng)造出在一年前地球上任何人都無法構(gòu)建的軟件。這為初創(chuàng)企業(yè)開辟了前所未有的創(chuàng)新機(jī)遇。

他用一個比喻來闡釋這些構(gòu)建模塊的威力：“如果你只擁有一種構(gòu)件，比如一塊基礎(chǔ)的白色構(gòu)件，你可以用它來搭建一些很酷的東西。但如果你獲得了第二種構(gòu)件，你就同時擁有了白色和黑色的樂高積木，可以搭建出更有趣的東西。你擁有的構(gòu)件越多，能夠?qū)⑺鼈兘M合創(chuàng)造出的事物數(shù)量，便會以組合式乃至指數(shù)級的速度飛速增長。”

他總結(jié)道：“作為一名管理者，我認(rèn)為評判我的標(biāo)準(zhǔn)就是決策的速度和質(zhì)量。兩者固然都重要，但速度是絕對關(guān)鍵。借助 AI 編程助手可以極大提升工程開發(fā)的速度，但這也會讓瓶頸轉(zhuǎn)移到獲取用戶反饋和產(chǎn)品決策上。因此，掌握一套能夠快速獲得反饋的策略組合就至關(guān)重要——比如，去咖啡館和陌生人交流。這或許并不容易，但關(guān)鍵在于尊重他人。我認(rèn)為，這對創(chuàng)業(yè)者來說是一項非常寶貴的技能。此外，在 AI 技術(shù)的基礎(chǔ)上進(jìn)行構(gòu)建，同樣能為你爭得速度優(yōu)勢。”

07

反擊AI炒作，如何看待“AI Agent累積效應(yīng)”

在演講結(jié)束后的問答環(huán)節(jié)，吳恩達(dá)就多個熱點問題與現(xiàn)場觀眾進(jìn)行了深度交流。他回答的問題包括對AI算力未來的看法與如何辨別行業(yè)炒作；當(dāng)前AI領(lǐng)域最危險的敘事；初創(chuàng)公司應(yīng)如何思考商業(yè)模式與護(hù)城河；關(guān)于“AI Agent累積效應(yīng)”的技術(shù)見解；AI在教育領(lǐng)域的融合方式與未來形態(tài)；AI構(gòu)建者如何平衡快速發(fā)展與社會責(zé)任；以及向公眾普及AI知識的重要性與防范創(chuàng)新“守門人”出現(xiàn)的必要性等等。

被問及隨著AI進(jìn)步，是開發(fā)工具更重要，還是學(xué)習(xí)使用工具更重要？個人如何在這個智能日益普及的世界里保持核心價值？

吳恩達(dá)首先表示，他認(rèn)為AGI的概念被過度炒作了。他指出，在未來很長一段時間里，仍然會有大量工作是人類能做而AI做不了的。他認(rèn)為：“在我看來，未來最強(qiáng)大的人，是那些能夠驅(qū)使計算機(jī)精準(zhǔn)執(zhí)行自己意圖的人。”

因此，他強(qiáng)調(diào)，掌握并善用工具至關(guān)重要。我們當(dāng)中有些人會去創(chuàng)造工具，但更多時候，我們可以直接使用他人創(chuàng)造出的大量工具。他總結(jié)道：“所以，懂得如何利用AI來讓計算機(jī)完成任務(wù)的人，將擁有遠(yuǎn)超他人的強(qiáng)大能力。我不擔(dān)心人們會無事可做，但我確信，善用AI的人將比不使用AI的人強(qiáng)大得多。”

被問及算力的未來發(fā)展方向以及如何辨別行業(yè)炒作？

吳恩達(dá)借此機(jī)會分享了一個他用來辨別行業(yè)炒作的思維框架。他指出，在過去兩年里，有些公司為了特定目的刻意夸大了某些事情。他建立了一個個人判斷標(biāo)準(zhǔn)：“警惕那些讓某些企業(yè)顯得比實際上更強(qiáng)大的炒作敘事。”

他列舉并駁斥了多個此類敘事：

關(guān)于“AI末日論”：他直斥“‘AI如此強(qiáng)大，可能會意外導(dǎo)致人類滅絕’的觀點，這簡直是無稽之談”，并認(rèn)為這本質(zhì)上是服務(wù)于企業(yè)融資和公關(guān)的炒作。

關(guān)于“AI導(dǎo)致失業(yè)”：他斷言“‘AI如此強(qiáng)大，人類很快就會失業(yè)’，這根本不是事實”，同樣是讓企業(yè)顯得更強(qiáng)大的論調(diào)。

關(guān)于“大模型扼殺初創(chuàng)”：他認(rèn)為“‘我們強(qiáng)大到只需訓(xùn)練一個新模型，就能輕而易舉地消滅成千上萬家初創(chuàng)公司’，這也不是真的。是的，Jasper 確實遇到了困境，少數(shù)公司被淘汰了，但要輕而易舉地消滅成千上萬的初創(chuàng)公司，遠(yuǎn)沒有那么簡單。”

關(guān)于“AI能源消耗”：他指出“‘AI 需要巨大電力，只有核能才能滿足’，暗示風(fēng)能、太陽能都不行，這同樣不是事實。”

關(guān)于“GPU上太空”：他對此表示“怎么說呢，祝他們好運吧。我認(rèn)為地球上的GPU 還有巨大的發(fā)展空間。”

他認(rèn)為“危險AI”這種敘事被過度炒作了。他表示，AI是一款非常出色的工具，但和任何強(qiáng)大的工具一樣，其善惡取決于應(yīng)用方式，而非技術(shù)本身。他解釋說：“我發(fā)現(xiàn)自己不常用‘AI安全’這個詞，并非因為我認(rèn)為可以去制造危險的東西，而是因為我認(rèn)為，安全與否，并不取決于技術(shù)本身，而是取決于我們?nèi)绾螒?yīng)用它。”

他用電動機(jī)作類比，制造商無法控制電動機(jī)的下游應(yīng)用是制造醫(yī)療設(shè)備還是智能炸彈。他認(rèn)為AI同理，其本身無所謂安全與否。因此，他更常思考的是“負(fù)責(zé)任的AI”。他強(qiáng)調(diào)：“因為，正是我們使用它的方式——是負(fù)責(zé)任的，還是不負(fù)責(zé)任的——最終決定了我們用AI技術(shù)創(chuàng)造出的東西是有益的還是有害的。”

他還提到，媒體有時熱衷于炒作極端個案，并以聳人聽聞的方式報道，這導(dǎo)致炒作敘事被不斷放大。所有這些被放大的炒作敘事，都是“對未來真實圖景的一種歪曲”。他明確表示，“我認(rèn)為AGI的概念被過度炒作了”，未來很長一段時間，人類的價值依然不可替代。

被問及在一個一切都可能被快速顛覆的時代，創(chuàng)業(yè)者應(yīng)如何思考商業(yè)模式和護(hù)城河？

吳恩達(dá)表示，創(chuàng)業(yè)確實要操心很多事，但他首要關(guān)心的是一個根本性問題：“你是否在打造一款用戶真正熱愛的產(chǎn)品？”

他認(rèn)為，在解決“打造用戶需要的產(chǎn)品”這個問題之前，很難建立起有價值的公司。在此之后，市場策略、銷售渠道、定價、護(hù)城河等問題才會變得重要。他指出，“護(hù)城河”這個概念往往被過度夸大了。他觀察到：“我看到更多公司的路徑是從一個成功的產(chǎn)品起步，最終才逐步構(gòu)筑起自己的護(hù)城河。” 對于消費品，品牌是壁壘；對于企業(yè)產(chǎn)品，難以進(jìn)入的渠道是壁壘。

最后，他給出的建議是，當(dāng)前應(yīng)用層的機(jī)會遠(yuǎn)超能夠?qū)崿F(xiàn)它們的人才數(shù)量。他總結(jié)道：“所以我的建議是，專注于打造一款人們需要、人們熱愛的產(chǎn)品，然后在前進(jìn)的道路上解決其他問題，當(dāng)然，邊走邊解決這些問題本身也非常關(guān)鍵。”

被問及如何看待未來可能出現(xiàn)的“AI Agent的累積效應(yīng)”？

吳恩達(dá)就此分享了幾點技術(shù)看法。他給開發(fā)者的首要建議是，在初期基本不要擔(dān)心Token成本，因為只有極少數(shù)公司能幸運地達(dá)到因用戶量巨大而導(dǎo)致成本成為問題的階段。即便如此，通常也能找到工程解決方案來控制成本。

他指出，大量的AI Agent工作流實際上已經(jīng)整合了提示工程、RAG、評估體系等許多不同步驟，這本身就體現(xiàn)了能力的累積。但他想給出一個更關(guān)鍵的建議：“我通常會著力設(shè)計軟件架構(gòu)，讓在不同基礎(chǔ)模塊的提供商之間切換變得相對容易。” 他以自己的產(chǎn)品為例，說明團(tuán)隊會通過評估體系持續(xù)更換效果更好的底層大語言模型，有時甚至無需通知他。

他舉例說明：“用戶很喜歡我們的產(chǎn)品，結(jié)果我們發(fā)現(xiàn)生成式AI 的賬單持續(xù)攀升，構(gòu)成了一個嚴(yán)峻的挑戰(zhàn)。但實際上，要達(dá)到 Token 使用成本成為瓶頸的階段，是非常困難的。在我們那些足夠幸運、因用戶眾多而面臨 Token 成本壓力的團(tuán)隊里，我們通常能找到工程上的解決方案來控制成本的增長，比如通過提示工程、微調(diào)、使用 DSPy 進(jìn)行優(yōu)化等各種方法。

此外，我觀察到大量 AI Agent 工作流實際上整合了許多不同的步驟。例如，在構(gòu)建客服聊天機(jī)器人時，我們通常需要用到提示工程，可能還會用 DSPy 優(yōu)化部分結(jié)果，建立評估體系和安全護(hù)欄，客服聊天機(jī)器人可能還需要RAG 作為獲取信息并反饋給用戶的途徑。所以我確實看到了這種能力的增長。但我想給大家一個建議：我通常會著力設(shè)計軟件架構(gòu)，讓在不同基礎(chǔ)模塊的提供商之間切換變得相對容易。

舉個例子，我有很多產(chǎn)品是基于大語言模型構(gòu)建的，但有時如果你指著某個具體產(chǎn)品問我用的是哪個大語言模型，老實說我也不知道。因為我們已經(jīng)建立了一套評估體系，每當(dāng)有新模型發(fā)布，我們就會迅速運行評估，看它是否優(yōu)于舊模型，如果表現(xiàn)更好，就直接切換過去。所以，我們每周使用的模型，工程師們有時會根據(jù)評估結(jié)果直接更換，甚至都懶得通知我，因為評估結(jié)果證明新模型效果更好。

他認(rèn)為：“事實證明，基礎(chǔ)模型的切換成本相對較低，在基礎(chǔ)模塊的選擇上保留這種靈活性，即使你不斷地在現(xiàn)有基礎(chǔ)上疊加新功能，通常也能讓你迭代得更快。”

被問及AI賦能教師和賦能學(xué)生這兩種教育范式將如何融合？未來五年的教育會是什么樣？

吳恩達(dá)坦言，雖然每個人都感覺到教育科技正迎來變革，但他認(rèn)為顛覆性的變革尚未真正發(fā)生，目前看到的是大量的實驗。他列舉了Coursera Coach、DeepLearning.AI的聊天機(jī)器人以及語言學(xué)習(xí)領(lǐng)域的應(yīng)用作為例子。

他表示：“但對于更宏觀的教育領(lǐng)域，AI將以何種確切方式改變它，我看到的是大量的實驗最終的形態(tài)尚不明朗。” 他確實相信教育會走向超個性化，但具體的工作流程是怎樣的，還不清楚。他反駁了那種認(rèn)為AGI能解決一切的炒作，并強(qiáng)調(diào)：“現(xiàn)實是，真實世界的工作流程是高度復(fù)雜的。教師、學(xué)生，他們所做的工作流程都極為復(fù)雜。在未來十年，我們需要研究那些待完成的工作，并思考如何將它們映射到AI Agent工作流上。” 他認(rèn)為教育正是這種映射正在發(fā)生但遠(yuǎn)未成熟的行業(yè)之一，需要大家繼續(xù)努力。

作為AI的構(gòu)建者，應(yīng)如何平衡產(chǎn)品開發(fā)與AI產(chǎn)品潛在的社會負(fù)作用，做到“快速發(fā)展”與“負(fù)責(zé)任”兼顧？

吳恩達(dá)表示：“如果你從根本上不認(rèn)為你正在構(gòu)建的東西能讓大眾的生活變得更美好，那就不要去做。” 他透露，在AI Fund，團(tuán)隊曾多次不是出于財務(wù)原因，而是出于“我們不希望這樣的東西出現(xiàn)在世界上”的倫理考量，終止了商業(yè)前景可觀的項目。

此外，他關(guān)心的另一個核心是如何讓所有人都跟上時代的步伐。他觀察到，在非工程崗位上，懂AI的員工效率遠(yuǎn)高于不懂的同事。他分享道：“在我的市場營銷團(tuán)隊里，那些會編程的營銷人員，坦白說，他們的表現(xiàn)遠(yuǎn)超那些不會編程的同事。于是，后來所有人都去學(xué)了編程，工作表現(xiàn)也因此變得更出色。” 因此他認(rèn)為，確保人人都有能力利用AI進(jìn)行創(chuàng)造，是所有從業(yè)者工作中的一個重要組成部分。

向普羅大眾普及AI知識，讓更多人理解其原理和能力，這件事是否重要？

吳恩達(dá)肯定地表示，他認(rèn)為知識終將普及，這也是DeepLearning.AI正在努力的方向。但他借此機(jī)會談到了他認(rèn)為的兩個主要風(fēng)險。

第一個風(fēng)險是“我們沒能足夠快地讓所有人跟上步伐”。

第二個風(fēng)險，也是他重點闡述的，是出現(xiàn)扼殺創(chuàng)新的“守門人”。他指出，一些公司正利用被夸大的“AI風(fēng)險”來游說監(jiān)管機(jī)構(gòu)，試圖打壓開源社區(qū)，目的是成為基礎(chǔ)模型的“守門人”。他反駁道：“我認(rèn)為，通過夸大AI的風(fēng)險——包括那些被臆想出的、虛假的風(fēng)險——來游說監(jiān)管機(jī)構(gòu)通過類似加州之前提議的SP 1047法案的做法是十分危險的。” 他解釋說，這類法案并不能提升安全，反而會給開源軟件的發(fā)布制造巨大困難。

他警告說：“一旦這些監(jiān)管提案成功，并最終形成扼殺創(chuàng)新的法規(guī)，那么我們最終會剩下少數(shù)幾個‘守門人’。屆時，任何人都需要得到這少數(shù)幾家公司的許可，才能去微調(diào)一個模型，或以特定方式使用它。” 他認(rèn)為這將扼殺創(chuàng)新，阻礙信息傳播。因此，他最后呼吁：“只要我們能阻止這種對開源和開放權(quán)重模型的攻擊得逞……那么知識最終就能得以普及，我們也才有希望讓每個人都跟上。但是，這場保護(hù)開源的戰(zhàn)斗，盡管我們一直處于優(yōu)勢，但戰(zhàn)斗遠(yuǎn)未結(jié)束，我們必須繼續(xù)努力，保護(hù)開源。”

【AI技術(shù)與應(yīng)用交流群｜僅限受邀加入】

AI算力領(lǐng)域TOP級從業(yè)者專屬圈層

√ 與頭部算力企業(yè)深度對話

√ 與AI上下游企業(yè)深度對話

√ 獲取一手全球AI與算力產(chǎn)業(yè)信息

√ 獲取AI熱點及前沿產(chǎn)業(yè)獨家信息

√ 隨時了解全球AI領(lǐng)域高管最新觀點及實錄全文

√ 有機(jī)會參與AI主題產(chǎn)業(yè)交流活動

掃碼驗證身份（需備注姓名/公司/職務(wù)）

不止有 DeepSeek，更有 AI產(chǎn)業(yè)的未來！

| 文章來源：數(shù)字開物

? END?

【專欄】精品再讀