•
門檻沒了。真的沒了。
以前幾個月才能做出來的 MVP，現在幾天就能上線。
當任何人都能快速做出 AI 產品，問題變了：你做的，到底有沒有價值？使用者買單嗎？能撐得起一家公司嗎？
2026 年 1 月 22 日，達沃斯會議期間，吳恩達、OpenAI 歐洲負責人、Cerebras 戰略官和 ETH AI Center 負責人坐在一起，參加了一場名為《AI 時代的創業》的圓桌討論。
他們給出的答案是：速度，已經不是優勢，而是及格線。
門檻沒了之後，AI 創業還剩什麼能贏？
答案是三種能力：
光快，不夠。
做對，才是硬道理。
在這場達沃斯圓桌對談裡，吳恩達講了一個企業最典型的誤區。
他說，現在很多公司部署 AI，最常見的做法就是：找一個環節，用 AI 替代人工。比如貸款審批，把某一步從人工 1 小時壓到 10 分鐘。
看起來像是提高了效率，實際上只是改快了一小步，整個產品形態並沒有改變。
還是貸款這個例子。傳統流程要走行銷、申請、初審、覆審、執行等五六步。如果 AI 已經能做出可信的自動批准結果，那就不應該去最佳化舊流程裡的某一步，而是應該打造一個 10 分鐘批貸的全新產品。
這個差別，不是速度快不快，而是產品邏輯是不是從 AI 能力出發重新設計的。
在他看來，如果其他環節不變，AI 只是一個效率工具。真正該做的，是圍繞新能力，重構整個流程。
OpenAI 歐洲業務負責人 Laura 接著從使用者視角補充說：
“企業的老習慣是那裡慢就改那裡，換掉一個環節，結果發現根本沒變，問題還在。真正有效的 AI 部署，是把舊流程推倒，從頭設計”
她強調，AI 最該改的，是客戶從接觸到拿到結果的整個體驗，而不是只盯著某一個環節。
說白了，AI 創業的第一種能力，就是能看到一個可以被 AI 徹底重構的場景，然後做出從一開始就不一樣的產品。
判斷標準很簡單：
流程重構需要什麼樣的人來執行？
這是第二個問題。
在以往，創業團隊通常需要一個產品經理負責想清楚使用者要什麼，一個工程師負責把功能寫出來，再配上營運、設計、前台、招聘……每個角色各有分工。
但現在，吳恩達說的情況已經變了。
他說，開發成本越來越低後，一個人如果既能寫程式碼、又能理解使用者，還能判斷下一步該做什麼，就能替代一整支傳統團隊。
“我們以前是一個產品經理配幾個工程師，後來發現最有效的組合，是把他們合成一個人。”
他在 AI Fund 就是這麼做的。招前台、HR、財務，都優先考慮會寫程式碼的人。甚至連 CFO，都能自己寫出內部使用的自動化指令碼，不用再花幾千美元去找供應商開發。
為什麼需要這種全端能力？
吳恩達認為：AI 工具把“怎麼做”變得很容易，真正拖慢進度的，是“要做什麼”這件事沒人決策。
以前，工程師可能要等產品經理寫完需求文件、設計評審、開個會才動手。現在，工具快了，模型強了，工程師常常第二天就做好了。
反過來，是產品經理跟不上工程師。
所以他說，在他的公司，有時為了不浪費工程資源，團隊配置直接精簡：1 個產品配 1 個工程師，甚至讓一個人兼顧產品和工程。而且他發現，那些速度最快、反應最靈活的創業者，往往都是既能動手，又懂使用者。
Cerebras 的戰略官 Andy 也表示，技術能力只是基礎，創業者還得懂得如何拆解問題、如何組建團隊、如何從使用者視角判斷產品方向。最優秀的技術創始人，都具備同理心、產品判斷力和講故事的能力，而不僅僅只是會寫程式碼。
這就是第二種全端開發能力：既能動手做，又能判斷做什麼。
在人人都能用 AI 寫程式碼的年代，一人頂多崗不是壓榨，是 AI 創業的標配。
快速做出來只是第一步，真正難的是怎麼把一個 Demo 變成能讓成千上萬使用者天天用、用得穩的產品。
吳恩達說：
“很多創業者能做出 Demo，但做不大，卡住的不是技術，是產品沒做到位。”
ETH AI 中心的 Alex 進一步解釋：很多項目失敗不是因為模型不夠好，而是沒把 Demo 打磨成真正能用的產品。展示一個好看的 PPT 很容易，但要讓它能被很多人用、出了問題能解決、還能一直好用，那就是另一回事了。
什麼叫“打磨成真正能用的產品”？
Laura 舉了個例子。有個叫 Fyxer AI 的創業公司，只做了一件事：幫使用者寫和回覆電子郵件。
聽起來不複雜，但他們做得非常細：那些郵件需要立刻處理、那些可以跳過、什麼語氣更合適……產品上線 6 個月，就拿下了數百萬的年收入。
Laura 的總結是：Fyxer AI 不是在節省發郵件的時間，而是在改善整個溝通體驗。
反過來看，很多 AI 創業公司失敗，不是因為不會做，而是因為沒想清楚這些問題：
AI 創業的第三種能力，就是要把 Demo 做成能持續運轉的產品，打通從開發、使用、反饋到最佳化的整個鏈路。
在開發成本極低的今天，能做出閉環，才是真正的壁壘。
吳恩達說：開發成本正在歸零，該做的就是大量試錯。
但這也意味著，Demo 滿天飛的時代，真正稀缺的不是技術，是把東西做成的能力。
留下來的，是那些能用 AI 重構流程、一個人幹全端活、把 Demo 做成產品的人。
門檻沒了，能力就是新門檻。 (AI深度研究員)