吳恩達最新深度訪談：警告，AI 創業的最大瓶頸已變，90%的人還沒意識到

• AI進步的新方向： AI 的發展已超越單純的“規模競賽”。未來的突破將更多來自“智能體工作流”（Agentic Workflows）、多模態模型和 AI 自我生成訓練資料等多個維度。
• 真正的瓶頸是人才，而非技術： 建構可靠的“智能體 AI”的最大障礙，不是模型本身，而是懂得如何進行系統性錯誤分析、能將人類隱性知識（如商業流程）有效教給 AI 的工程人才。
• 技術型創始人的回歸： 在技術能力邊界模糊的 AI 早期，創始人必須對技術有深刻的直覺，才能制定正確戰略。這標誌著矽谷正重返由技術遠見者主導的時代。
• 小而精： AI 將催生由少數頂尖人才組成的、協調成本極低的精英小團隊。

01  告別“規模競賽”，AI 的未來不止一條路

長期以來，科技巨頭用“規模就是一切”為行業刻下了金科玉律。但吳恩達在近期的訪談中直言，這種由公關驅動的單一敘事，正在成為一種戰略上的“隧道視野”。他承認規模依然重要，但過度關注會讓我們忽視其他更富成效的創新路徑。

從“越大越好”到“越聰明越好”

如果不是只有規模，未來 AI 的進步將來自何方？吳恩達描繪了一個多元化的創新組合：

• 智能體工作流 (Agentic Workflows): 這是吳恩達思想的核心。它標誌著 AI從一個“問答機器”向一個能進行多步驟規劃、推理並自主執行任務的“任務執行者”轉變。
• 多模態模型 (Multimodal Models): 整合文字、圖像、聲音等不同資料的能力，是建構更複雜應用的基礎。
• 資料生成循環 (Data Generation Loops): 一個極具前瞻性的方向。即用上一代AI模型生成高品質的訓練資料（例如難題），來訓練下一代模型，實現 AI 系統的自我迭代和完善。
• “王牌”與未知 (Wild Cards): 探索全新的技術架構，例如將主要用於圖像生成的擴散模型（Diffusion Models）用於生成文字。這類探索隨時可能帶來非線性的突破。

02  為什麼最聰明的AI也搞不定你的購物車

在 AI 領域，演示（Demo）與生產（Production）之間存在巨大鴻溝。吳恩達指出，像“讓 AI 幫我上網購物”這類任務，仍是“非常棒的演示，但尚未達到生產等級”。

程式碼之外的“隱性知識”

當被問及實現智能體應用的最大障礙時，吳恩達的回答出人意料：“我認為最大的單一障礙……實際上是人才。”

他所說的“人才”並非指程式設計師數量，而是特指那些懂得如何“通過評估來驅動一個系統性的錯誤分析流程”的團隊。

• 隱性知識的挑戰：建構智能體是一個複雜的社會+技術挑戰。AI 的“錯誤”往往不是程式碼 bug，而是未能理解那些不成文的商業規則、組織內的社交禮儀和專有知識。例如，自動化處理髮票時，搞錯日期和打擾到 CEO，那個問題更嚴重？這些知識“被鎖在人們的頭腦裡”。
• 從技術問題到社會+技術難題：因此，建構強大的智能體，本質上是如何將人類工作流中那些隱性的、上下文相關的知識，進行有效提取、編碼，並以此為標準來評估 AI 表現的難題。

為什麼“程式碼智能體”成了模範生？

在當前的智能體版圖中，程式碼智能體是“最前沿”和“最強大的範例”。原因有三：

1. 巨大的經濟激勵：巨大的市場需求吸引了頂尖的人才和海量的資源投入。
2. 開發者即使用者：建構工具的工程師本身就是使用者，這帶來了無與倫比的產品直覺和高效的迭代閉環。
3. 結構化的環境：程式碼的輸出高度結構化且易於驗證（能否編譯、運行結果是否符合預期），這提供了即時、明確的反饋，極大地加速了模型最佳化。

03  當開發只需一天，你的公司還等得起一周嗎

隨著 AI 輔助程式設計工具的普及，吳恩達更傾向於用“快速工程”（Rapid Engineering）來描述當下的工作狀態。這並非“去技能化”，而是將工程師的認知負荷推向了更高層次的系統設計和抽象思維。

瓶頸轉移：從敲程式碼到做決策

吳恩達指出：“程式設計的速度正在加快……因此，瓶頸越來越多地出現在產品管理上……即決定我們到底想建構什麼。”

這個邏輯鏈條可以這樣拆解：

1. “建構”環節被壓縮：AI 極大地縮短了開發時間。過去需要三周的原型，現在可能一天就能完成。
2. “學習”環節相對變慢：傳統的使用者測試、市場調研等環節的速度沒有相應提升，成為了整個迭代循環的瓶頸。
3. 決策周期必須縮短：為了維持速度優勢，團隊必須想辦法加速決策。
4. 創始人直覺被放大：如何加速？吳恩達的答案是依賴“直覺”（gut）。這意味著，創始人或產品負責人腦中預先存在的、對客戶的“心智模型”，從一個加分項，變成了維持競爭速度的核心資產。

04  為什麼說現在是技術人的最好時代

產品管理成為新瓶頸，直接導向了另一個重要結論：技術型創始人的全面回歸。

從“商業嗅覺”到“技術直覺”的權力交接

• 吳恩達斷言：“除非你對這項技術‘能做什麼’和‘不能做什麼’有很好的感覺，否則你很難思考戰略。”在AI技術劇烈變革的今天，關於技術能力邊界的“稀缺知識”是最核心的資產。
• 這標誌著矽谷正在重返其早期精神，那個由比爾·蓋茲、史蒂夫·賈伯斯等技術遠見者定義的時代。

05  小團隊的崛起

AI 帶來的效率革命，將如何重塑未來的組織形態？

未來的組織：小而美的“特種部隊”

• 吳恩達預見，未來將由“技術精湛的小團隊，配備大量 AI 工具”主導。他觀察到，自己最高效的團隊往往是規模最小、協調成本極低的團隊。

一個致命陷阱：效率是蜜糖，也可能是砒霜

• 然而，小而美並非永遠正確。在贏家通吃的市場中，搶佔市場的速度可能遠比資本效率更重要。AI 給了創始人保持精益的能力，但這並不意味著這永遠是正確的戰略。

訪談的最後，吳恩達給出了一個總結：“軟體工程是其他行業將要發生的事情的預兆。”今天在軟體開發領域看到的一切——瓶頸的轉移、技能的重估、人機協同的興起——都將在未來幾年內，投射到法律、醫療、金融等所有知識工作領域。 (vibehood)