本文来自于吴恩达（Andrew Ng）在 YC 举办的 AI 创业学校的演讲。
如果你想在今天这个AI浪潮里做点什么，那你来对地方了。
我叫吴恩达（Andrew Ng），在我的风险工作室AI Fund，我们就像一个高产的“创业工厂”，平均每个月就会孵化一家新的创业公司。我们不只是旁观者，而是亲自下场，和创业者一起写代码、聊客户、定价格、设计功能。在无数次的实战中，我们摸爬滚打，积累了一套关于如何在这个瞬息万变的AI时代快速打造成功企业的经验。
今天，我想把这些滚烫的经验分享给你。核心就一个词：速度。
对于创业公司来说，执行速度几乎是成功的头号预测指标。而好消息是，新的人工智能技术，正在让创业的速度快到超乎想象。
最大的金矿在哪？别只盯着技术层
在讨论如何“快”之前，我们先得看清地图。很多人问我，AI时代的机会到底在哪里？
我们可以把AI想象成一个技术栈：
- 底层是英伟达这样的半导体公司。
- 往上是云计算平台。
- 再往上是OpenAI这样的基础模型公司。
- 最顶层，也是最重要的，是应用层。
尽管媒体和公众的目光大多聚焦在下面几层技术上，但从逻辑上讲，最大的机会必然在应用层。说白了，应用层得赚够钱，才能养活下面一整条产业链。所以，如果你想创业，别被那些光鲜的技术名词迷惑，真正的金矿在应用里。
最重要的技术趋势：Agentic AI正在改写规则
过去一年，AI领域最激动人心的变化是什么？在我看来，是**智能体（Agentic AI）**的崛起。
一年前，当我到处宣讲“AI Agent会是未来”时，很多人还觉得这概念很新鲜。没想到后来市场营销人员把“Agent”这个词当成了万能贴纸，到处乱用，反而让它有点失去了本来的意义。
但从技术角度看，Agentic AI的价值是实实在在的。
我们过去用大模型（LLM），就像让它写一篇文章，但有个苛刻的要求：不能打草稿，不能用退格键，必须从第一个字到最后一个字一气呵成。这太为难人了，对吧？AI也一样。尽管如此，LLM的表现已经很惊人了。
而Agentic工作流则完全不同。它允许AI像人一样思考和工作：
- 先列个大纲。
- 如果需要，可以上网搜索资料。
- 写出第一稿。
- 自己阅读、批判、修改第一稿。
- 循环往复，直到满意为止。
这个过程虽然慢一些，但最终产出的质量天差地别。在AI Fund的很多项目里，无论是处理复杂的合规文件、进行医疗诊断，还是分析法律文书，Agentic工作流都是从“不可行”到“可行”的关键。
这也为AI技术栈增加了一个新的层次：Agentic编排层（Agentic Orchestration Layer）。它帮助应用开发者协调对底层技术的多次调用，让构建强大的应用变得更加容易。
创业第一课：抛弃“宏大愿景”，拥抱“具体想法”
在AI Fund，我们只做一件事：执行具体的想法（Concrete Ideas）。
什么叫“具体”？就是你的想法足够清晰，清晰到工程师可以直接动手去实现。
- 模糊的想法：“用AI优化医疗资源。”——这太空泛了，十个工程师会做出十个完全不同的东西，根本快不起来。
- 具体的想法：“开发一个软件，让医院病人能在线预约核磁共振（MRI）的空闲时段，以提高设备使用率。”——不管这是不是个好主意，但它足够具体，工程师今天下午就能开工。
模糊的想法特别有欺骗性。你跟朋友说“我要用AI改变医疗”，大家都会夸你“想法真棒！”。但实际上，这种无法执行的想法一文不值。模糊几乎总是对的，但具体才有可能创造价值，也可能让你犯错。 犯错没关系，重要的是快速发现它。
要找到好的具体想法，通常需要你或者某个领域的专家“在想法的迷宫里徜徉”很长时间。当你对一个领域思考得足够久、和足够多的用户聊过天之后，你的**直觉（Gut Feeling）**会变得异常敏锐。这时候，做决策（比如该做哪个功能）靠直觉，往往比费力地收集数据要快得多，也准得多。
创业公司资源有限，不可能同时尝试十件事。最佳策略是：
- 选定一个具体的假设，全力以赴去验证它。
- 如果数据证明你错了，没关系，像U盘一样瞬间掉头（Pivot on the dime）。
- 以同样的决心，去追逐下一个具体的想法。
如果你发现每次和客户聊完天，都想彻底改变方向，那可能说明你对这个领域的了解还太少，需要找个更懂行的人来帮你找到那个更靠谱的“具体想法”。
创业第二课：把代码当成草稿，大胆地写，大胆地扔
打造产品的核心是一个循环：构建（Build）➡️ 获取反馈（Feedback）➡️ 迭代。
过去，这个循环的瓶颈在“构建”环节，因为写代码很慢。但现在，AI编程助手彻底改变了游戏规则。
我们写软件可以分为两种：
- 快速原型（Quick and Dirty Prototypes）：为了测试一个想法。
- 生产级软件（Production Software）：需要维护、稳定、安全的大型代码库。
在维护生产级代码时，AI能让我们提速30%-50%。但在构建快速原型时，我们不是快了50%，而是快了至少10倍！
为什么？因为原型不需要考虑与旧系统的集成，对可靠性、安全性、可扩展性的要求也低得多。我经常跟我的团队说：“大胆去写不安全的代码吧！”
当然，前提是这代码只在你自己的电脑上跑，你总不会自己黑自己吧？一旦验证可行，准备发布给别人之前，再把它变得安全、可靠。
这个变化带来一个惊人的思维转变：代码变得越来越“廉价”和“一次性”了。
过去，技术架构像是“单程门”（One-way Door），一旦选定就很难回头。现在，它越来越像“双程门”（Two-way Door），如果发现走错了，推倒重来也无所谓。我的团队在一个月内把整个代码库重写三次的情况都发生过。
同时，别再听信那些“AI会取代程序员，别学编程了”的鬼话。这绝对是史上最糟糕的职业建议之一。工具越强大，就越应该学习如何使用它。在AI Fund，我的CFO、招聘负责人，甚至前台都懂编程，这让他们在自己的本职工作上表现得更出色。
学会编程，不是为了让你自己一个字一个字地敲代码，而是为了让你能精准地指挥AI为你写代码，就像一个懂艺术史的人能用Midjourney创造出更棒的画作一样。
新的瓶颈，新的玩法
既然工程速度飙升，那瓶颈转移到哪了？产品管理（Product Management）和获取用户反馈。
过去，硅谷的经验法则是1个产品经理带4到7个工程师。但现在，工程师的效率太高，PM已经跟不上了。就在昨天，我的一个团队竟然向我提议，一个项目配备1个产品经理和0.5个工程师——产品经理的人数是工程师的两倍！这在过去是不可想象的，但它预示着未来的趋势。
所以，你必须掌握一套快速获取产品反馈的“组合拳”，按速度排序：
- 自己的直觉（最快，但不一定准）：如果你是领域专家，这招很管用。
- 问朋友和同事。
- “咖啡馆战术”（非常有效）：找个咖啡馆或酒店大堂等人多的地方，非常有礼貌地找陌生人聊几分钟，给他们看你的产品原型。你会惊讶地发现，很多人很乐意从工作中分心一会儿，给你宝贵的反馈。
- 小范围用户测试：发给100个测试用户。
- A/B测试（最慢，但最准）：这通常是你最后的验证手段，而不是最初的探索工具。
记住，使用这些方法的最终目的，不仅仅是为了做某一个决定，更是为了训练和打磨你自己的产品直觉。这样，你最快的决策工具——你的直觉——才会越来越准。
创业第三课：懂AI本身，就是一种超能力
对于成熟的技术（比如移动应用），大多数人都有了基本的直觉。但AI不同，它是一项新兴技术，真正懂得它的人不多。
这就意味着，如果你能对AI有更深的技术判断力，你就能获得巨大的速度优势。
比如下面这些问题：
- 一个客服聊天机器人，准确率能做到多高？
- 我应该用提示工程（Prompting）还是微调（Fine-tuning）？
- 语音交互的延迟怎么降到最低？
如果你做了正确的选择，可能几天就能解决问题。如果选错了，可能在死胡同里浪费三个月。一个看似小小的技术决策，带来的不是2倍的速度差异，而是10倍。
把AI的各种技术（如RAG、微调、Agentic工作流、向量数据库等）想象成乐高积木。你掌握的积木越多，你能搭建出的东西就越复杂、越有创意，可能性是指数级增长的。
结语：在混沌中保持清醒，在质疑中加速前进
最后，我想聊聊AI领域的种种炒作（Hype）。
你会听到各种耸人听闻的说法：“AI会导致人类灭绝”、“AI会让所有人失业”、“AI需要核电站才能驱动”。你得学会分辨，问问自己：这个说法，是不是主要为了让某家公司看起来更强大，从而帮助他们融资或获得影响力？
很多时候，答案是肯定的。
与其谈论虚无缥缈的“AI安全”，我更愿意谈论**“负责任的AI（Responsible AI）”**。技术本身无所谓安全与否，就像电动机，可以用它来造救命的透析机，也可以用来造炸弹。安全与否，取决于我们如何应用它。
作为创业者，你的首要任务是打造一个用户真正喜爱的产品。在找到产品市场契合点（Product-Market Fit）之前，过分担心护城河（Moat）和竞争是本末倒置。
同时，要警惕那些打着“安全”旗号，试图扼杀开源创新的声音。保护开源，就是保护我们所有创业者自由创新的权利。
在这个激动人心的时代，机会遍地都是，能抓住机会的人却不多。希望今天分享的这些关于具体想法、AI加速构建、快速反馈和技术洞察的经验，能帮你成为那个跑得最快的人。
记住，移动得快，并负责任地行动（Move fast and be responsible）。这就是在AI时代取胜的秘诀。