吴恩达YC演讲:AI创业如何快人一步?

鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI

天下武功,唯快不破:AI创业亦是如此。

最近吴恩达在YC演讲上倾囊相授,为所有AI创业者提供建议,总结下来就一个字——快!

吴恩达表示:

执行速度是衡量创业公司成功几率的一个重要指标。

除了强调速度的关键作用,吴恩达还探讨了AI技术如何加速工程和产品反馈,以及学习编码对个人的重要意义。

虽然只有短短四十多分钟,但干货满满。

  • 事实证明,初创公司的机会在应用层。
  • 具体的想法带来速度优势,错误也没关系,能更快地发现结果,对初创公司才重要。
  • 去吧,写不安全的代码也没关系。只需快速行动,然后同时负起责任。
  • 每个职业的人都应该学习编程,会编程的产品经理往往表现更好。
  • 了解最新的构建模块,以更丰富的方式组合,就是初创公司的机遇。
  • 初创公司应该更专注于打造一款用户真正喜欢的产品。

难怪网友都纷纷表示:

吴恩达是一名出色的老师,从ML、DL、GAN等专业知识再到今天的创业课堂,他始终在用知识风暴帮助世界。

那让我们来看看他到底讲了些什么。

新的市场机遇

吴恩达首先抛出了AI技术栈的概念:最底层是半导体公司,其次是云计算或超大规模云服务商,再往上是AI基础模型公司,最顶层是应用层。

当前绝大多数人都将目光放在构建基础模型等技术层面上,但事实上,最大的创业机会却存在于应用层

正是因为AI应用创造出了足够多的收入,才能支撑底层技术的发展。

在过去一年里,尤其值得关注的是,智能体AI的兴起。

它也为AI技术栈带来了新的智能体编排层,可以帮助应用开发者更好地协调对底层技术层的调用,让应用开发变得更加容易。

与LLM通过Prompt一次性生成输出不同,智能体工作流允许AI进行迭代思考。

就像我们人类写一篇文章一样,先写一份大纲,再查找一些网络资料,然后写初稿,再进行批注修改,以及重复这个过程……

吴恩达发现,智能体工作流虽然迭代循环过程较慢,但往往能生产出更好的工作成果,例如在处理复杂合规文件、医疗诊断等任务中。

它的出现也带来了更多的创业机会,关键在于初创企业如何将原有的工作流转换成智能体工作流

如何提升创业公司速度

至于如何让初创公司更快地发展,吴恩达根据自己在AI Fund创业的实践经验,认为可以从以下四点入手:

专注具体想法

首先需要拥有一个具体的产品想法,意味着拥有足够丰富的细节,可以让工程师直接开始构建。

比如,“用AI提升电子邮件的个人效率”,这很模糊、不够具体,但如果是“能否开发一个与Gmail集成的应用,通过合适的提示和筛选,实现邮件自动化处理”,那么工程师就能立马get到!✅

具体带来速度,可以给团队指出明确的方向,也能被迅速验证或证伪,从而节省时间。

当然一个好的具体想法并不是那么容易产生,也许你可以转而寻求行业领域专家的帮助。

他们长时间思考相关问题,在数据获取缓慢的情况下,专家的直觉往往能帮助更快地做出高质量决策。

另外,成功的初创公司都有一个共同的特点,就是他们只专注一个非常明确的想法,并努力去实现它。

如果数据证明想法错误,那就迅速调整方向,转向另一个全新的想法。

初创公司往往资源有限,如果同时对多个想法都付诸实践,反而哪个都做不好。

利用AI编码助手

然后就是实践过程中,现在可以直接用AI辅助编码,工程速度得以大幅提升,初期成本投入也可以迅速下降。

在构建测试想法的快速粗糙原型(quick and dirty prototypes)时,AI编码可以将速度提升至少10倍。

因为原型对复杂的遗留系统集成较少,对可靠性、可扩展性甚至安全性的要求也较低。(当然,只是在测试阶段,代码可以不安全)

在编写生产级代码时,速度也能提高30%到50%。

现在创建代码变得相当容易,三四年前还是Copilot的代码自动补全,然后接着是CursorWindsurf等新一代AI驱动的IDE,几个月前又有了例如o3的智能编码助手。

工具日新月异,转换技术栈、完全重建代码库已经不再困难,所以吴恩达建议,初创团队要“快速行动,同时肩负责任”,而不是“快速行动,破坏一切”。

很多概念验证都无法投入生产,但只要验证成本足够低,即使无法成功也没有关系。

不过,有了AI编码,就不再需要程序员了吗?

恰恰相反,吴恩达认为更多人应该学习编码,只有那些对计算机有着更深理解的人,才能让计算机始终按照自己的意愿工作。

加快产品反馈

此外,吴恩达发现了一个相当有趣的现象,初创团队的产品管理工作反而日益成为瓶颈,因为工程师的速度实在太快。

为了跟上他们的速度,所以需要建立一套行之有效的产品反馈策略

  1. 凭借自身直觉判断,但前提是自己是领域专家。

  2. 询问三个朋友或团队成员,让他们试用产品并获取反馈。

  3. 在人流量大的地方(如咖啡馆、酒店大堂),询问三到十个陌生人的反馈。

  4. 向100个或者更多的测试者发送原型。

  5. A/B测试,这也是最慢的策略之一。

但无论选择哪种策略,都可以将反馈回来的数据进行自我直觉思维磨练,以期在未来更快地做出高质量的产品决策。

充分理解AI

而作为AI从业者,真正理解AI,知道如何出色运用AI知识,可能会帮助初创企业领先优势。

正确的技术判断可以让你在几天内解决问题,错误的技术判断却可能让你在死胡同里摸索两倍甚至十倍的时间。

同时紧跟AI发展,也能了解到市场最新推出的生成式AI工具或构建模块,例如检索增强生成(RAG)、语音交互、异步编程、数据抽取转换加载(ETL)工具等。

将模块快速组合,就像搭积木一样,就可以创造出指数级增长的丰富软件应用,这为初创公司创造了大量新的机会。

另外,吴恩达还提供了一个补充建议,在软件架构中可以对构建模块设计得更为灵活,一旦有新模型发布,就快速进行评估,如果优于旧模型,立马切换到新模型。

切换编排平台的成本较高,但更换选择的构建模块却很容易,也能帮助初创公司更快地迭代升级。

先有产品,再考虑“护城河”

初创公司往往喜欢起初就关注“护城河”这个问题,但吴恩达认为,更多企业往往是先有产品,才逐渐形成护城河。

对于初创公司而言,最重要的是去构建一个用户真正喜欢的产品,而其他像市场推广渠道、技术模式以及护城河等,都是次要。

尤其是现在AI时代,任何产品都可能在一天内被复制或颠覆,用户的喜爱才是核心。

如果能够在消费者群体中建立起品牌概念,以及自身拥有较强的发展势头,这样就足够让竞争对手难以追赶了。

而对于企业级产品,如果难以进入特定的市场渠道,可能此时才更需要考虑护城河的因素。

One More Thing

最后,吴恩达还简单描述了他对AI教育领域的看法。

现在像多邻国这样的应用,已经能够初步展示AI带来的教育变革,教育将变得高度个性化,但具体是通过虚拟形象还是文本聊天机器人实现还未可知。

这是一个正在逐步转换为智能体工作流的领域,尚未足够成熟,但对初创公司而言,也许是一个很有前景的尝试。

(文:量子位)

发表评论