吴恩达YC演讲：AI时代的创业新机遇与挑战

7月11日，硅谷创业孵化器YC举办的创业学院活动中，吴恩达分享了最新的洞见：执行速度成为关键，智能体工作流重塑初创公司开发边界，具体方案优于模糊构想。

此外，吴恩达还探讨了AI编程助手的兴起、产品开发瓶颈的演变，及其如何推动技术进步。他强调，在这个软件加速发展的时代，人类的判断力和责任感依然是决定未来创业成败的核心。

吴恩达演讲核心观点：

尽管行业关注多聚焦底层技术，但真正的商业机会常在应用层。应用层盈利能反哺模型、算力与芯片的发展。同时，各层级各有机会。

未来最具商业价值的机会，在于将已有或新设计的工作流程转化为智能体架构。

AI技术栈正在形成新的“智能体编排层”，承接底层模型与上层应用，帮助开发者更高效地构建复杂AI应用。

领域专家直觉胜过数据滞后：深耕领域的专家凭直觉做出的产品判断，往往比依赖数据驱动的慢速反馈更具前瞻性。

验证速度即竞争力：构建粗糙原型、验证想法是否成立，是AI时代创业成功的关键路径，避免过早优化和资源浪费。

今天，我想与大家分享AI Fund积累的创业经验。AI Fund是一家风险投资基金，每月创立一家初创公司。作为联合创始人，我们不仅帮助创业者编写代码、调研客户、设计功能，还要制定定价策略，积累了丰富的实战经验。

1

AI商业真正的风口在应用层

今天的分享聚焦于“速度”这一主题，围绕AI技术不断发展的背景和其带来的新机会。

作为创业者，执行速度是预测创业成功的关键指标。我特别欣赏那些行动迅速的创业者，新一代AI技术正在大幅提升创业效率。接下来分享提高执行速度的最佳实践，帮助更频繁地迭代产品，提高创业成功率。

讨论速度前，很多人会问：“当前创业的机会在哪里？”在我看来，AI技术栈结构分为几个层级：最底层是半导体公司，之上是超大规模云服务商（hyperscalers），再往上则是AI基础模型公司。

尽管媒体关注点和行业炒作集中在这些技术层面，但从商业角度看，真正的机会往往出现在应用层。因为应用层产生了足够的收益，才能进一步支持底层的基础模型、云计算和半导体技术的发展。但无论如何，各个技术层级都存在着不同的商业机会。

2

采用智能体工作流或将决定项目成败

过去一年，AI技术显著变化，最重要的趋势是智能体的崛起。一年半前，我阐述智能体潜力时，没想到这一概念被过度炒作。今天从技术角度分享智能体为何重要且为创业者提供大量新机会。

当前用户与大语言模型互动方式是直接输入提示词并获取输出。这种方式像让人一次性写完文章。然而人类最佳创作状态不是线性的输出方式，AI也不应如此。

尽管当前大语言模型使用模式通常是线性的，但它们已表现出惊人能力。通过智能体工作流，让AI系统执行更复杂的创作过程。例如：列提纲、网络调研、获取内容、撰写初稿、自我评估、反复修改等迭代式工作流程。这种模式虽可能比线性输出稍慢，但通过多次思考、研究和修改循环产生质量大幅提升的结果。

在AI Fund参与的项目中，发现是否采用智能体工作流往往决定项目成败。未来最具商业价值的机会在于如何将现有或全新设计的工作流程转化为智能体架构。

3

AI创业避坑：模糊想法=烧钱，具体方案=印钞

我想分享一些有助于初创公司快速发展的实践经验。在AI Fund我们始终坚持一个原则：只专注于具体的产品创意。

“具体”是指工程师能根据明确需求描述立即开始开发。例如，“用AI优化医疗资源”想法模糊，工程师可能开发出完全不同的产品；而“开发让患者在线预约MRI设备软件”是一个具体创意，工程师可以当天开始编程。

具体创意带来巨大优势尤其在创业过程中。“用AI提升邮件效率”听起来吸引人但具体方案才能快速验证可行性。

4

编程成为AI时代的新型表达力

这让我想起亚马逊创始人杰夫·贝索斯的“单向门决策”与“双向门决策”理论：单向门决策意味着决定一旦改变就无法轻易退出或逆转；而双向门决策可以随时改变或撤回代价小。

过去选择技术栈和软件架构像经过单向门但如今情况显著变化团队经常重构代码库换用全新技术栈。

工具代际差距带来实质性影响我的团队工程实践与半年前截然不同。代码价值属性正在变化过去代码是珍贵资产如今软件工程成本大幅降低。

5

当AI让开发变快10倍产品设计与管理成最大瓶颈

随着软件工程效率大幅提升我观察到一个有趣现象：产品管理正逐渐成为整个开发流程中的瓶颈。工程师效率提升而产品设计和工程管理的速度没同步跟上。

这样的环境下那些懂编程的产品经理或具备产品思维的工程师表现更出色。初创公司领导者随着工程开发速度加快建立快速获取反馈的机制变得尤为重要。