吳恩達：平均每月共創一家 AI 公司，只看一件事——場景夠不夠深

全文 3,000字 | 閱讀約 8 分鐘

(吳恩達《Deep Dive》訪談精彩片段)

模型還在卷大卷快，價值卻越卷越模糊。

8 月 8 日，GPT-5 上線后口碑分化：發布會被指出“圖表誤導”，社區刷屏“chart crime”，Sam Altman 在 AMA 中承認 rollout “有點坎坷”，甚至階段性讓 4o 回歸以應對用戶抱怨。

熱鬧之后，一個更現實的問題擺在所有企業和開發者面前：

到底什么才是真的價值創造？

吳恩達給出的答案很直接：先評估，后模型；選能深入打磨的場景；用閉環把 AI 接進業務主干。

這不僅僅是理論概念，而是他在最近的播客專訪《Deep Dive: Andrew Ng on Deep Learning and Google Brain》中反復強調的實踐應用方法論。

他現在主導的 AI Fund 不是傳統“孵化器”，而是一個 venture studio（共同創始型工作室）：從 0 到 1 跟團隊一起找場景、做原型、打樣落地。

官網披露：已獲得超 3.7 億美元支持；在 YC 公開課上，吳恩達說得更直接：

“我們平均每月打造一家公司?！?/p>

這就是本文標題里的核心理念，也是他判斷 AI 應用是否值得做的唯一標準：

這個場景，夠不夠深？

第一節｜AI 不卷技術，卷落地

2012 年的吳恩達，還在研究神經網絡怎么放大規模，追求“模型越大越準”。

而現在，他關心的不是模型本身有多強，而是“能不能用起來”。

在這場播客里，吳恩達這樣描述他最新的工作重點：

“我現在每天都在看：這個想法有沒有明確問題、能不能融入流程、能不能用 AI 真正做成點什么?！?/p>

這種轉變，并不是他“看淡技術”，而是從他一路走來的經歷中“看透技術”。

他曾是強化學習的先行者——博士時期訓練神經網絡駕駛直升機，在空中懸停；他也曾是大模型規?；牡谝慌苿诱摺狦oogle Brain 項目，正是他說服拉里·佩奇后啟動的。

但今天，他更關注的是一個場景到底能不能撐起一家公司？

他說得很清楚：

“很多人追的是參數、架構，但我想問：你有沒有找到一個真正的問題？你能不能用 AI 讓這件事省下一半時間？”

在 AI Fund，他不再投那些技術花哨、方向模糊的項目，而是專注于“用 AI 解決一個實際流程”。

“我們共創的項目，往往從一個非常具體的任務開始，比如自動起草醫療報告、優化呼叫中心、生成教學內容……你可以看出它馬上能被用在哪。”

吳恩達認為，AI 的技術儲備其實已經足夠，“不是缺聰明才智，而是缺落地邏輯”。

很多人還沉浸在“AI 能不能做到”的討論里，他已經在推著團隊問另一件事：

你是不是真的在解決問題？ 你是不是只是做了個很厲害的工具，卻沒人用？

所以他把“做一家公司”這件事，簡化為一條核心判斷：

“這個場景，夠不夠具體，夠不夠深，能不能持續優化。”

這也是他在近 60 分鐘訪談中反復強調的底層邏輯——AI 要有價值，不是靠技術新奇，而是靠能不能真的被人用上。

第二節｜原型先行，三月成敗

吳恩達做的不是投項目，而是一家公司從 0 到 1 的共同打造。

他把 AI Fund 定義為 “venture studio” —— 不是站在外面投錢看結果，而是親自下場，和創業者一起構思、驗證、打樣、跑第一批用戶。

在播客的對談中，他解釋：我們每月平均啟動一家 AI 初創公司……但我們不是只投點錢就結束了，而是和創始人一起工作三個月。

這三個月的目標，不是組個團隊、寫個 BP、畫個 PPT，而是：

“三個月內拿出原型，真正找用戶驗證?！?/p>

原型是什么？不是完美產品，而是能跑起來、能給人用、能看出效果的“第一版”。

吳恩達特別強調，現在原型制作的成本已經降到幾千美元、幾天時間：“我們很多項目，初步驗證只花幾千塊、兩三天就能跑出一個結果。驗證失敗了也沒關系，至少我們知道不該往那個方向走。”

他說，這種方式比拉個團隊討論三個月、分析市場、寫大計劃要實用得多：

“我們不希望等想法‘成熟’才開始，而是先試試，再看值不值得繼續。”

在 AI Fund，每月啟動一家公司，并不意味著“效率驚人”，而是他們找到了一個適合 AI 應用的工作節奏：

1. 找到一個真實問題（比如客戶支持、教育內容生成、研究文檔寫作）；

2. 快速搭出能跑的原型（能調模型、能連業務流程）；

3. 讓用戶用起來，看看能不能替代以前的做法。

吳恩達把這叫做“驗證-迭代-成型”的閉環：

我們只有在第一階段有明確反饋、有初步使用， 才會進入下一階段。

如果不能落地，就不浪費資源；如果能落地，就快速加速。這套方法，也讓他們保持了約 75% 的原型項目畢業率 —— 用吳恩達的話說，就是：

“我們要做的是快速判斷方向，而不是光靠直覺去猜?！?/p>

所以，“原型”不是個技術環節，而是項目有沒有價值的第一道篩選器。

他不斷提醒團隊：“不是你覺得這很酷就行，而是有人愿意用、能用得進去、用了能省時間，那才是真的?！?/p>

第三節｜什么才算“深場景”？

“場景夠不夠深”，聽上去像一句模糊的話，但吳恩達在對談里講得非常具體。

我們不會花幾個月研究市場，也不會假設這可能很有用。 我們要看，這個場景是不是立刻就能用起來、能反復打磨、能真正落進流程里。

這句話，基本就把“深”的標準講清楚了： 別光做白日夢想著以后有多好用，關鍵是看現在能不能真正做出來、做得下去、越做越好。

在他的操作邏輯里，一個“深場景”至少要滿足三個條件：

一、明確任務，而不是模糊概念

“我們希望項目從具體問題出發，比如：怎么減少客服的響應時間？怎么用 AI 幫醫生起草報告？怎么自動生成教材題目？這種就是好起點?！?/p>

也就是說，不是“AI+教育”“AI+醫療”這種泛泛的賽道，而是要直接指向一個具體任務，最好能寫在用戶的待辦清單里。

二、能打第一版，就能走后幾步

“我們不怕第一版不完美，但我們要能看出它會不會變得更好。 一上來就卡住、跑不通、沒辦法調優的場景，不值得做?！?/p>

吳恩達很清楚，AI 應用不是一錘子買賣。如果做完原型就沒了空間，那就是“淺場景”——表面看起來亮眼，實則不值得花太多時間。

相反，一個能從 50% 提升到 80%、再提升到 90% 的場景，就具備了“深度”。它能給模型成長的空間，也能給公司建立長期優勢的可能。

三、融得進流程，不是靠人捧著用

“最好的 AI 產品，是能自己運行，不需要人去手動喂數據、維護規則、每次都從頭調?！?/p>

在他看來，真正的 AI 落地，不是“造個新流程”，而是融進舊流程，代替原本需要大量人力的環節，讓效率自然提升。

他舉例說：

“我們有項目是讓 AI 幫醫生寫研究文檔——以前需要團隊花九周，現在五分鐘就能出初稿，人再來審核?！?/p>

再比如他提到自己為女兒做的一個小應用：

“我幾小時就做了個乘法卡片練習工具，用語音來出題、互動。不是多高級的產品，但它確實解決了我們家庭里的一個小問題。”

這些例子都指向同一個判斷：AI 能不能省時間、少犯錯、真正融進使用者的日常？

如果答案是肯定的，那就說明這個場景，是可以走深的。

而反過來看，“不夠深”的場景，往往有這些特征：

• 做起來像demo，用戶看了覺得酷，但用起來沒效率；

• 靠人不斷改 prompt、修數據、盯著結果，無法自運行；

• 沒有清晰的業務目標，只是在“展示模型能力”。

對這些方向，吳恩達給出的態度非常明確：

“只要做了原型，我們就能判斷它是不是能往下做。如果一開始就感覺問題不夠具體、流程不連續、數據不成體系，那我們會很快放棄。”

在他這里，“場景夠不夠深”不是一句口號，而是一個可操作的起步門檻。也正是這個門檻，幫他和團隊做出了優先級——

把時間和資源，用在值得走下去的方向上。

第四節｜慢融資，快行動

吳恩達不講“講故事拿融資”的劇本，也不推“燒錢跑馬圈市場”的打法。

他說得很直接：

我每天看到很多好的 AI 想法，但很少有人真去試。

他更關注的，是有沒有快速驗證的能力：一兩天內能不能做出原型、讓用戶用上、拿到反饋。

這個過程中，最重要的不是融資規模、模型大小，而是能否保持快速迭代的節奏，具備邊做邊學、邊試邊改的持續優化能力

主持人把這稱為“學習循環的緊密性”，吳恩達深表認同：

“很多創新，不是靠你知道什么，而是靠你多快能發現方向不對。 只要試錯快，就算重做也不怕?！?/strong>

訪談后段，主持人問他怎么看“速度”這件事，他給出一個真實對比：

“我見過的創始人，有的 15 分鐘就能拍板試一個想法； 有的要寫一份文檔、拉個會、再研究幾周……這就是 10 倍差距?！?/strong>

這不是在說創業者要盲目冒進，而是在強調：越快做，越快學，越能接近真實需求。

AI 項目不是投一個就能做成的，吳恩達公開說，他們在 AI Fund 的成功率大約是 75%。但那 25% 的放棄，也很重要。

“我們歡迎失敗，只要失敗是快速發生的。 這樣團隊不會消耗太久，也不會錯過真正的機會。”

而為了讓失敗盡快暴露，他特別看重“第一版要跑起來”：

“我們不要求原型完美，但一定要能用、能看效果。 起碼能讓一個客戶看到價值，哪怕只是省下一小時?！?/p>

這其實也解釋了他對融資的態度——不是不融資，而是不靠融資判斷項目值不值得做：

現在用 AI 做原型很便宜，很多時候幾千塊就夠了。 與其花幾周寫商業計劃，不如先試個初版，哪怕只是半天的工作。

所以在吳恩達這里，創業的關鍵不是“技術多先進”或“故事多打動人”，而是——

誰能最早知道這事做不做得通，誰就最有機會把它做得成。

結語｜AI 時代鐵律：把場景打穿，比什么都值錢

吳恩達很少談論 AGI，從不炒作“超人類智能”概念。

他說得最多的是一句話：

不是 AI 會取代你，而是會用 AI 的人會。

而這些能用起來的人，有一個共同點：不是技術最強，但能選對方向，快速起手，沿著真實場景一路走下去。

他做的 AI Fund，很少單純追賽道熱度，只看三件事：

• 這個問題夠不夠具體？

• 這個場景能不能打穿？

• 這個產品能不能跑起來？

所以，如果你也在做 AI，別再問“模型夠不夠強”，先問一句話：

你選的這個場景，夠不夠深？

這就是今天 AI 應用時代，最硬的一條底線。

本文由AI深度研究院出品，內容翻譯整理自吳恩達在播客訪談《Deep Dive: Andrew Ng on Deep Learning and Google Brain》。為便于閱讀，采用意譯形式，保留核心觀點。未經授權，不得轉載。

星標公眾號， 點這里 1. 點擊右上角 2. 點擊"設為星標" ← AI深度研究員 ? ← 設為星標

https://www.youtube.com/watch?v=Oz0LizN3uMk&t=8s&ab_channel=X%2CTheMoonshotFactory

https://techcrunch.com/2025/08/08/sam-altman-addresses-bumpy-gpt-5-rollout-bringing-4o-back-and-the-chart-crime/?utm_source=chatgpt.com

https://www.businessinsider.com/openai-made-mistakes-with-charts-in-its-gpt-5-demo-2025-8?utm_source=chatgpt.com

https://www.ft.com/content/554af7b1-588a-47fb-8dc1-fb8fd6ea92f0?utm_source=chatgpt.com

https://x.company/moonshotpodcast/?utm_source=chatgpt.com

https://aifund.ai/about/?utm_source=chatgpt.com

https://singjupost.com/andrew-ng-building-faster-with-ai-transcript/?utm_source=chatgpt.com

來源：官方媒體/網絡新聞，

排版：Atlas

編輯：深思

主編：圖靈