吳恩達談AI時代：驗證速度是企業競爭力，應用層仍存在大量機會

點擊關注公眾號并設星標，不錯過最新內容

已關注

關注

重播 分享 贊

關閉

觀看更多

更多

退出全屏

切換到豎屏全屏退出全屏

大碗思維已關注

分享視頻

，時長43:54

0/0

00:00/43:54

切換到橫屏模式

繼續播放

進度條，百分之0

播放

00:00

/

43:54

43:54

全屏

倍速播放中

0.5倍 0.75倍 1.0倍 1.5倍 2.0倍

超清 流暢

您的瀏覽器不支持 video 標簽

繼續觀看

吳恩達談AI時代：驗證速度是企業競爭力，應用層仍存在大量機會

觀看更多

轉載

,

吳恩達談AI時代：驗證速度是企業競爭力，應用層仍存在大量機會

大碗思維已關注

分享點贊在看

已同步到看一看寫下你的評論

視頻詳情

2025年6月17日，吳恩達（Andrew Ng）在硅谷的 “人工智能初創企業學校” 發表演講。作為 AI 領域的權威學者與實踐者，吳恩達深耕 AI 技術落地與創業孵化領域，憑借豐富的經驗形成了一套兼具理論深度與實踐指導性的思想體系。 他在此次演講中，主要圍繞 AI 技術棧的價值分布、創業決策的邏輯、組織能力的進化以及對 AI 發展本質的洞察等內容展開。以下是其核心觀點： 1.AI 技術棧：應用層是商業核心，智能體工作流成關鍵橋梁

吳恩達將 AI 技術棧劃分為幾個清晰層級：最底層的半導體公司、之上的超大規模云服務商、再往上的 AI 基礎模型公司。盡管媒體的聚光燈多聚焦于底層技術，但他從商業角度來看，明確指出“AI 商業真正的風口在應用層”。這一判斷源于一個簡單卻深刻的邏輯：只有應用層產生足夠收益，才能進一步支持底層的基礎模型、云計算和半導體技術的發展。吳恩達強調：“各個技術層級都有機會，但應用層是連接技術與市場的樞紐，其價值密度最高。” 他特別強調智能體工作流的革命性意義：“在AI Fund參與的醫療診斷、法律文書等項目中，是否采用智能體工作流往往決定項目成敗。”傳統線性AI交互模式（輸入提示詞→獲得結果）正在被顛覆，智能體通過“提綱-調研-撰寫-評估-修改”的循環，雖稍慢于線性輸出，卻大幅提升結果質量。這種工作流創新，正催生技術棧的新層級——智能體編排層（Agentic Orchestration Layer），成為模型與應用間的關鍵橋梁。 2.聚焦具體產品創意，高效驗證與快速迭代，是AI時代創業成功的關鍵路徑，避免過早優化和資源浪費。 只專注于具體的產品創意。這里所說的“具體”，是指工程師能夠根據明確的需求描述，立即開始開發的程度。這是吳恩達在 AI Fund 始終堅持的原則。他以兩個案例對比說明：“用 AI 優化醫療資源” 屬于模糊想法，工程師可能開發出完全不同的產品；而 “開發讓患者在線預約 MRI 設備的軟件” 則是具體方案，工程師可立即編程，快速推進開發。 具體創意的價值體現在三個維度：一是明確的方向能讓團隊全速推進開發工作；二是無論驗證結果是成功還是失敗，都能迅速得出結論；三優秀的具體創意通常源自于領域專家對某個問題的長期思考和深入理解。 吳恩達以 Coursera 的創立為例，他在在線教育領域研究好幾年，反復推敲如何構建一個能夠真正解決問題的教育科技平臺。經過長時間思考意識到，某個領域多年的專家，往往能夠憑借直覺快速做出高質量的決策，他提醒創業者：“如果每次用戶交流后都改變方向，說明還沒有形成高質量的具體創意，這時需要引入領域專家指引方向。” 成功的初創公司應專注于驗證明確假設，資源有限時需聚焦單一方向，若不可行則快速轉向。開發的最大風險在于市場接受度，而 AI 編程輔助工具正改變傳統反饋循環。 軟件開發分為快速構建原型和維護成熟代碼庫，前者用于驗證創意，AI 可提升效率10倍以上，對代碼可靠性等要求低，后者可容忍不完美維護成熟代碼庫，AI提升效率30-50%。 如今初創公司可通過構建大量原型篩選方向，因驗證成本低，失敗原型可接受。同時，AI編程工具，如GitHub Copilot、Cursor、OpenAI o3等，持續提升開發效率，工具代際差距影響顯著，代碼價值屬性發生變化，軟件工程成本降低，重構代碼庫變得容易。 3.技術決策與編程能力：從“單向門” 到全員編程的必要性 貝索斯的“單向門決策”（難以逆轉）與 “雙向門決策”（可輕易改變）理論中，過去技術棧和軟件架構選擇屬單向門，改變困難，而現在因 AI 等因素，雖非完全雙向門，但技術棧和代碼庫的改變已變得容易，甚至可重寫。 同時，即便AI能寫代碼，懂編程依然重要。歷史上編程工具簡化反而擴大開發者群體，如今更應讓每個崗位都學習編程，團隊全員具備編程能力能提升表現，如團隊成員可通過精準提示詞控制AI生成圖像，核心在于學會向計算機清晰表達需求。引導AI編寫代碼在未來很長一段時間是最有效的工具。 4.組織能力升級：產品管理轉型與高效反饋機制 工程效率的飛躍正在倒逼組織能力升級。吳恩達觀察到一個顯著趨勢：產品管理逐漸成為瓶頸—— 過去 “1個產品經理對接6-7個工程師”的模式被顛覆，部分團隊甚至出現 “2個產品經理對接1個工程師”的配置。這并非資源錯配，而是因為AI工具讓工程師效率提升后，產品設計和工程管理的速度跟不上技術實現的節奏。 在工程開發速度加快的環境下，懂編程的產品經理或有產品思維的工程師更出色。初創公司領導者需建立快速獲取反饋的機制。 吳達恩總結了一套從快到慢、從粗略到精確的產品反饋戰術體系：最快是領域專家親自體驗后憑直覺判斷；稍慢是請三五個朋友或同事試用反饋；再慢是邀請三到十個陌生人試用收集意見；較慢的是向 100 名測試用戶發送原型；最慢但最精確的是 A/B 測試。同時，除第一種方法外，不能僅依據表面數據做決定，尤其 A/B 測試需深入分析功能表現不佳的原因，通過深入分析數據完善產品直覺。通過這樣的深度反思，能夠利用所有的數據來更新心智模型，以提升快速決策質量。 5.團隊競爭力與加速法則：效率、反饋與技術敏感度 理解 AI 技術對提升工作效率至關重要，由于 AI 作為新興技術，掌握其精髓的人較少，理解 AI 的團隊具有競爭優勢。在技術決策上，如構建客服聊天機器人時的技術選擇，選錯可能導致10倍效率損失，正確判斷對初創公司很關鍵；。續關注 AI 最新進展有益，眾多生成 AI 工具和模塊的組合能創造新應用，如同樂高積木般帶來豐富創意。 創業成功與團隊執行速度強相關，加速法則包括專注具體可行的創意、提高決策速度、利用 AI 編程輔助工具、建立高效用戶反饋機制、持續追蹤技術動態。 6.AI 發展的理性認知：價值、風險與社會責任 吳恩達針對 AI 發展中的諸多關鍵問題給出了明確觀點。在人類與 AI 的關系上，他認為通用人工智能（AGI）被過度炒作，未來很長一段時間人類仍擁有 AI 無法替代的獨特價值，掌握 AI 工具、精通與 AI 協作的人將更具競爭力，無需擔心被取代。 同時，他批判了 AI 領域的諸多夸大宣傳，如 “AI 導致人類滅絕”“取代所有工作”“需核能數據中心或太空 GPU” 等說法均缺乏技術依據，實際上 AI 正在創造新崗位并改變現有崗位性質，地面計算設施仍有巨大優化空間。 對于 AI 的本質與創業邏輯，吳恩達強調 AI 是類似電力的工具，其安全性取決于使用方式，更應關注 “負責任的 AI”，反對將實驗室極端案例渲染成聳人聽聞的故事，尤其反對借此攻擊開源軟件，同時警惕以“安全”為名的技術壟斷行為，共同維護自由開放的創新生態。 對創業者而言，核心是打造用戶真正喜愛的產品，先解決 “產品與市場匹配” 問題，當前應用層存在大量空白領域和未被開發的機會，無需過度擔憂模式或功能被快速復制。 在 AI 工具與具體領域應用上，吳恩達指出智能體工作流已能整合多種技術模塊，如提示工程、檢索增強生成等，開發者初期不必過度擔心token成本。他建議在架構設計時考慮技術模塊的可替換性，保持技術選擇的靈活性，可以確保在疊加更多功能時，仍然能夠快速迭代。 教育領域中，未來教育將向高度個性化發展，但這是漸進過程。“AGI 徹底改變教育” 的說法被夸大，需持續探索教育工作流與 AI 智能體工作流的結合。 關于社會影響與知識普及，吳恩達提出開發者需秉持“確保產品讓大眾生活更好” 的原則，AI Fund已叫停多個可能產生負面影響的項目，同時要讓 AI 紅利惠及所有人。 他認為讓普通大眾了解深度學習至關重要，知識普及應跟上技術發展，同時需警惕部分企業通過夸大 AI 風險建立技術壟斷（如加州 SB-1047 法案），保護開源軟件以避免技術不平等。

END

閱讀推薦

新加坡總理黃循財就美國關稅最新講話：全球化和自由貿易時代正在結束

“數字勞動力”已誕生，黃仁旭最新發言圍繞AI談了這幾點...

AI超越人類進入倒計時，諾獎得主辛頓有何預言？

想獲取此次演講中英文全文文字內容，可掃碼加入大碗思維知識星球社群，閱讀更多精彩哦～