吴恩达，Building faster with AI.

共8节

1

速度是真正的护城河

“决定一家初创公司成功几率的关键因素之一就是执行速度。我非常佩服那些能够迅速行动的创业者和高管，尤其是在新的人工智能时代。”吴恩达说，“我们将向大家介绍一些提高速度的方法，比如说，要专注于具体的idea，利用 AI 编码辅助快速进入开发，一套快速获取反馈的策略，等等”。

2

机会在应用层

说到速度，很多人问我，初创公司的机会在哪？AI的整个架构，最底层是半导体公司，然后云服务商，很多基于AI模型公司都是基于这个逻辑搭建的。虽然很多宣传和炒作都集中在这些技术层面，但实际上，最大机会几乎肯定是在应用层。因为我们真的需要应用来创造更多收入，才能负担得起基础的云计算和半导体技术层。不知道为什么，媒体和社交媒体通常不太讨论应用层。

3

AI Agent是最重要的趋势

我们很多人用大语言模型的时候，都是给它下指令让它生成内容，而让模型输出东西的方式就像是你就是去找一个人，或者找一个人工智能，让它帮你写一篇文章，从第一个字一直写到最后一个字，中间不能用退格键删除重写。人类写作时，可不会强制自己按这种线性的顺序写，效果也不好，人工智能也是一样。在有 Agent 的 workflow 中，我们可以让 AI Agent 先帮忙写。

比如，先写个论文提纲，然后如果需要的话做些网上查资料，找些网页内容放进自己的文章里，再写第一稿，接着读第一稿，给自己提意见然后修改，如此反复。最后我们就有了这样一个循环的工作流程：模型先思考一下，再做点研究，然后修改，再回头继续思考。通过多次反复，虽然过程慢了一点，但产出的作品质量会好很多。

4

具体性胜过模糊性

在AI fund，我们只专注于实际可行的具体点子。对我来说，具体的点子或者具体的产品想法，就是要细节明确到工程师能直接去做出来。举个例子，如果你告诉我做一个用 AI 优化医疗资源的软件，不同的工程师会做出完全不同的东西，那其实不是具体点子，太模糊了。

不能快速搭建，也就没有速度。相反，如果你有一个具体的想法，比如写个软件，让医院和病人能在线预约核磁共振（MR）机器的时间段，来优化使用率。我不知道这个具体想法好不好，实际上现在生意上已经有人这么做了。它是具体的，这意味着工程师能快速做出来。你也能很快地发现这个想法好不好。

事实证明，找到好的具体点子通常需要有具体的人，比如某个领域的专家，长时间思考一个问题。比如说，实际上在开始做Coursera之前，我花了好几年时间思考在线教育，和用户交流，同时保持自己的直觉。

长时间思考后你会发现，那些深入思考过这件事的人在快速做决策方面非常厉害。也就是说，当你跟客户聊了很久，想了很久之后，如果你问专家“我该做这个功能还是那个功能？”专家的直觉就是瞬间做出的决定。

5

快速原型及AI辅助编程

会写代码的产品经理或者有点产品感觉的工程师，在创业过程中往往表现更好。

吴恩达团队将软件工作分为两类：用于验证想法的快速粗略原型，以及正式的、可维护的生产软件。“做快速粗糙的原型，我们不是快50%，我觉得至少快10倍，可能还不止10倍，原因有几个。做独立原型的时候，跟老旧的软件系统、老数据的整合少很多，而且对可靠性、扩展性甚至安全性的要求也低很多。我知道我不该叫大家写不安全的代码，听起来怪怪的，但事实就是这样。” “我发现越来越多的初创公司会通过做20个原型来系统地追求创新，看看哪个行得通。因为我知道AI领域有些弥漫焦虑气息，很多概念验证都没能投入生产。但我觉得只要把概念验证的成本压得足够低，很多项目没成功其实也没关系。”

从 GitHub Copilot 到 Cloud Code 等更新、更先进的助手。“大概六七个月前开始，出现了一代全新的高效编码助手，比如现在我用o3写代码特别多，Cloud Code也非常棒。过几个月你再问我，可能我会用别的工具，但这些工具发展得真的很快。如果落后半代甚至一代，和掌握最新工具相比，差别其实特别大。”

正如杰夫·贝佐斯“两扇门”与“一扇门”的说法：两扇门指的是你可以做出的决定，如果改变主意还能回头，比较容易且成本低；而一扇门就是一旦做了决定就回不去了。以前选技术架构就像走了单行道。一旦基于某个技术栈搭建，确定了数据库结构，想改就特别难。所以过去这基本是个单行道。

“我们上个月已经完全重构了代码库三次。现在完全重写代码库、选个新的数据结构其实不难，因为成本已经大幅下降。甚至不仅仅是软件工程，我觉得现在其实是个让每个人都能利用AI来构建东西的好时机。”

吴恩达提出了一个颇具争议的观点——其实现在是每个岗位的人都该学编程的时候了，“过去一年里，很多人都建议别人别学编程。我觉得以后大家会觉得这可能是有史以来最糟糕的职业建议。”

“因为随着更好的工具让软件开发变得更简单，应该是更多人去做，而不是更少。几十年前，世界从打孔卡转向键盘和终端，让编程更方便。当我们从汇编语言转向像 COBOL 这样的高级语言时，当时确实有人争辩说，现在有了 COBOL，就不需要程序员了，真有人这么写过。”

6

产品经理需求增加

过去一年里，我看到好几个团队都开始抱怨，他们的瓶颈在产品、工程和设计上，因为工程师们变快了。但产品经理负责设计要做什么的工作并没有跟上工程师的速度。传统的产品经理与工程师的比例通常在 1:6 或 1:7 左右，**一个团队甚至提议将产品经理的数量增加一倍于工程师的数量**，以解决这种不平衡问题。吴恩达认为这一建议虽然不太平常，但也反映了技术团队结构不断变化的动态。

7

产品反馈策略与迭代

还有一点，我觉得对创业领导者特别重要，因为工程发展太快了。如果你有一套快速获取反馈的方法，能更快地调整你的想法，决定做什么产品，这样就能更快推进进度。

具体方法，最快的就是自我评估，看一份清单，列出那些更快但可能没那么准确、更慢但更准确的方法，自己看产品，凭感觉判断。如果你是这个领域的专家，实际上这招挺管用的，前提是你真的懂行。稍微慢一点的方法就是找三个朋友或队友，让他们试玩你的产品并给反馈。再慢一点的是找三到十个人。

我坐在酒店大堂，那里人流非常多，然后很礼貌地跟陌生人说，嘿，我们正在做这个东西，能不能帮忙看一下？我还发现咖啡店里有很多人在工作，也有很多人其实不太想工作，所以我们给他们个借口分心，他们也很乐意帮忙。其实我就是在酒店大堂或者咖啡店，跟合作者一起做了好多产品决策。

对于硅谷流行的A/B测试，这是最慢的策略之一，因为它需要较长的启动时间和较多的用户数量。

8

看见AI知识的竞争优势

你看看那些成熟的岗位，比如销售、市场、HR、法务，这些都很重要，也都很难，但你知道，这也岗位已经有足够多的人做过了。比如营销，过去一年里营销手段其实没变太多，所以有很多人在营销方面很厉害，但这方面的知识比较普及。就像做人力资源的方法，过去六个月没啥大变化一样。但人工智能是新兴技术，真正懂得怎么用好AI的人还不多，所以那些能搞懂AI的团队就很有优势。

过去两年涌现了大量很棒的生成式AI工具和构建模块，比如Prompt设计、Workflow、RACK、Voice、Act、RAG、ETL等等。怎么整合模型，有一长串很棒的组件，可以快速组合起来，打造出地球上没人能在一年前做到的软件。这给初创公司带来了很多新机会，能做出新东西。了解这些组件时，我脑海里其实有个画面。如果你有一个基础的白色组件，你知道该怎么使用提示词，你就能做出一些很酷的东西。你有一个积木块，就能搭建出很棒的东西。但如果你有第二个积木块，比如你还会做聊天机器人，你手里有白色积木块和黑色积木块，就能搭出更有趣的东西。嗯，如果你再弄个蓝色积木块，就能搭出更厉害的东西。要几个红色积木块，可能还有个黄的，更有意思。积木块越多，能搭出来的东西就越多，组合也越丰富，速度很快就能玩出花样。它是以组合的方式增长，或者说是指数级增长。所以，了解这些很棒的基础模块，能让你把它们组合得更加丰富。

原视频：https://www.youtube.com/watch?v=RNJCfif1dPY

编译整理：Alex