AI 最卓越的價值在于提升迭代效率，而非追求一蹴而就的「魔法」效果。

在 Founder Park YC AI Startup School 的第二天，七位重量級嘉賓齊聚一堂，圍繞 AI 技術(shù)、創(chuàng)業(yè)等核心議題展開深度探討。Satya Nadella（微軟 CEO）、吳恩達（Deep Learning.AI 創(chuàng)始人）、Chelsea Finn（Physical Intelligence 聯(lián)創(chuàng)）、Michael Truell（Cursor CEO&聯(lián)創(chuàng)）、Dylan Field（Figma CEO&聯(lián)創(chuàng)）、Andrej Karpathy（特斯拉前 AI 總監(jiān)）、Sriram Krishnan（白宮人工智能高級政策顧問）的精彩觀點，為與會者帶來深刻啟發(fā)。

**AI 的本質(zhì)與未來**
不要將 AI 擬人化。它并非人類，而是一種強大的工具。下一階段的關(guān)鍵在于賦予 AI 記憶、工具和行動能力，但這與人類推理存在本質(zhì)差異。未來，智能體將成為新一代計算機的核心，其發(fā)展不僅依賴于技術(shù)精度，更取決于用戶信任與無縫交互體驗。那些包含反饋循環(huán)的產(chǎn)品，如 Agentic AI，其表現(xiàn)遠超「一次性」任務(wù)工具，持續(xù)交互能持續(xù)優(yōu)化成果，迭代則帶來性能的指數(shù)級增長。

**速度與效率的變革**
當(dāng)前原型構(gòu)建速度提升了10倍，生產(chǎn)級軟件開發(fā)效率提高30-50%。這一優(yōu)勢應(yīng)被充分利用，通過實時用戶反饋降低市場風(fēng)險。代碼已不再是稀缺資源，AI 工具的普及使其易于生產(chǎn)，真正重要的是代碼所實現(xiàn)的價值。真實世界數(shù)據(jù)雖需合成數(shù)據(jù)輔助，但仍是復(fù)雜視覺與物理任務(wù)不可或缺的基石。

**行業(yè)領(lǐng)袖的獨到見解**

**Microsoft CEO：Satya Nadella**
1. **平臺的復(fù)合效應(yīng)**：AI 建立在數(shù)十年的云基礎(chǔ)設(shè)施之上，每一代平臺都在為下一代鋪墊基礎(chǔ)。
2. **模型與生態(tài)**：基礎(chǔ)模型是基建，產(chǎn)品是生態(tài)，圍繞模型構(gòu)建的反饋循環(huán)、工具集成和用戶交互才是關(guān)鍵。
3. **經(jīng)濟價值**：衡量 AI 的核心指標是「是否創(chuàng)造經(jīng)濟盈余」，無 GDP 增長的技術(shù)非變革性。
4. **算力與智能**：智能隨算力呈對數(shù)增長，但未來突破將來自范式轉(zhuǎn)變，而非單純規(guī)模擴張。
5. **能源與社會共識**：AI 規(guī)?；韪嗄茉?，但必須證明其社會效益足以匹配成本。
6. **變革管理**：傳統(tǒng)行業(yè)轉(zhuǎn)型阻力不在于技術(shù)，而在于工作流程慣性，需重新設(shè)計工作方式。
7. **角色融合**：設(shè)計、前端、產(chǎn)品等角色在 LinkedIn 等平臺逐漸融合，AI 正加速這一趨勢。
8. **重復(fù)性工作的價值**：AI 最擅長消除知識工作中的「隱形摩擦成本」，解放人類創(chuàng)造力。
9. **保持開放**：Satya 本身也驚訝于「測試時計算」和「強化學(xué)習(xí)」的突破，AI 的未來充滿未知。
10. **開發(fā)新范式**：AI 不會取代開發(fā)者，而是成為得力助手，軟件工程核心轉(zhuǎn)向系統(tǒng)設(shè)計與質(zhì)量保障。
11. **責(zé)任與信任**：AI 產(chǎn)品仍需企業(yè)承擔(dān)法律責(zé)任，隱私、安全與主權(quán)至關(guān)重要。
12. **信任的來源**：實用價值而非花言巧語能建立信任，印度農(nóng)民聊天機器人的成功印證了這一點。
13. **從語音到智能體**：微軟 AI 戰(zhàn)略從1995年語音技術(shù)起步，現(xiàn)已轉(zhuǎn)向功能完備的智能體。
14. **智能體即未來計算機**：Satya 的愿景是「智能體將成為新一代計算機」，其成功依賴技術(shù)精度與用戶信任。
15. **領(lǐng)導(dǎo)力啟示**：從基層做起，心懷遠大抱負，學(xué)習(xí)打造團隊而非僅開發(fā)產(chǎn)品。
16. **人才標準**：重視化繁為簡、激發(fā)團隊活力、解決復(fù)雜難題的能力。
17. **面試秘訣**：考察候選人對未知問題的好奇心、適應(yīng)力與毅力。
18. **量子計算潛力**：糾錯量子比特或能以超精度模擬自然世界，成為顛覆性技術(shù)。
19. **給年輕人的建議**：主動創(chuàng)造賦權(quán)工具，反思「我們能幫助他人創(chuàng)造什么？」
20. **最愛產(chǎn)品**：VSCode 和 Excel，因它們賦予人們超能力。

**Deep Learning.AI 創(chuàng)始人：吳恩達**
1. **執(zhí)行速度決定成敗**：初創(chuàng)公司成功的關(guān)鍵是構(gòu)建、測試和迭代的速度，AI 使這一效應(yīng)呈指數(shù)級增長。
2. **應(yīng)用層機會**：最大收益來自現(xiàn)有模型的用戶價值應(yīng)用，而非新模型構(gòu)建。
3. **Agentic AI 的優(yōu)勢**：含反饋循環(huán)的產(chǎn)品表現(xiàn)遠超「一次性」工具，迭代帶來性能復(fù)合式提升。
4. **「編排層」興起**：基礎(chǔ)模型與應(yīng)用間出現(xiàn)代理式編排層，支持跨工具與數(shù)據(jù)源的復(fù)雜任務(wù)。
5. **具體想法加速執(zhí)行**：從細節(jié)充足的初始想法開始，工程師能立即構(gòu)建，領(lǐng)域?qū)＜业闹庇X最關(guān)鍵。
6. **警惕「宏大敘事」**：抽象目標如「AI 賦能醫(yī)療」易導(dǎo)致執(zhí)行遲緩，具體工具如「MRI 預(yù)約自動化」更高效。
7. **調(diào)整方向的藝術(shù)**：具體初始方案能幫助快速轉(zhuǎn)向，清晰測試目標才能在失敗后迅速調(diào)整。
8. **利用反饋規(guī)避風(fēng)險**：原型構(gòu)建速度提升10倍，開發(fā)效率提高30-50%，實時反饋降低市場風(fēng)險。
9. **嘗試而非完美**：構(gòu)建20個粗糙原型，而非追求首個完美版本，學(xué)習(xí)速度更重要。
10. **快速行動并負責(zé)**：重新詮釋硅谷信條，從「快速行動，打破陳規(guī)」改為「快速行動，并承擔(dān)責(zé)任」。
11. **代碼價值重塑**：代碼不再是稀缺資源，關(guān)鍵在于實現(xiàn)的價值，而非代碼本身。
12. **技術(shù)架構(gòu)可逆**：過去單向選擇的架構(gòu)如今可雙向切換，降低實驗成本。
13. **編程普及化**：AI 降低編程門檻，未來更多崗位需掌握編程能力。
14. **領(lǐng)域知識賦能 AI**：藝術(shù)史學(xué)家、醫(yī)生等專業(yè)人士能更好地運用 AI。
15. **產(chǎn)品經(jīng)理成瓶頸**：吳恩達團隊建議產(chǎn)品經(jīng)理與工程師配比2:1，加速反饋與決策。
16. **工程師需產(chǎn)品思維**：產(chǎn)品直覺的工程師行動更快，開發(fā)的產(chǎn)品更優(yōu)。
17. **反饋速度層級**：內(nèi)部自測→朋友意見→陌生人→小規(guī)模發(fā)布→全球 A/B 測試，創(chuàng)業(yè)者應(yīng)盡快攀登。
18. **AI 知識仍是護城河**：AI 素養(yǎng)尚未普及，理解技術(shù)原理的人仍具巨大優(yōu)勢。
19. **警惕炒作**：AGI、滅絕等術(shù)語常被用于籌款或提升地位，而非真實影響力。
20. **安全關(guān)乎使用**：AI 像電或火，好壞取決于應(yīng)用，安全是使用而非技術(shù)本身。
21. **唯一標準是用戶喜愛**：不必糾結(jié)成本或性能，關(guān)鍵在于用戶是否喜愛并持續(xù)使用。
22. **教育 AI 探索期**：Kira Learning 等公司實驗中，AI 教育的終局形態(tài)尚不明朗。
23. **警惕「末日論」與「監(jiān)管俘獲」**：過度恐懼被用于辯護現(xiàn)有企業(yè)利益，需對「AI 安全」敘事保持懷疑。

**Physical Intelligence 聯(lián)創(chuàng)：Chelsea Finn**
1. **機器人技術(shù)需全棧思維**：不能簡單添加機器人技術(shù)，需從零構(gòu)建數(shù)據(jù)、模型、部署全棧。
2. **數(shù)據(jù)質(zhì)量勝過數(shù)量**：行業(yè)、YouTube 或模擬數(shù)據(jù)往往缺乏多樣性與真實性，高質(zhì)量數(shù)據(jù)更關(guān)鍵。
3. **最佳模式**：預(yù)訓(xùn)練+微調(diào)，先在廣泛數(shù)據(jù)集預(yù)訓(xùn)練，再用1000個高質(zhì)量樣本微調(diào)。
4. **通用型機器人勝出**：跨任務(wù)、硬件平臺的通用模型，比專用系統(tǒng)更成功。
5. **真實世界數(shù)據(jù)不可替代**：合成數(shù)據(jù)有幫助，但復(fù)雜視覺與物理任務(wù)仍需真實數(shù)據(jù)。
6. **資源過多適得其反**：過度資助會減緩進展，清晰問題與專注執(zhí)行更重要。

**Cursor CEO&聯(lián)創(chuàng)：Michael Truell**
1. **持續(xù)構(gòu)建的力量**：即使合伙人退出，Michael 仍堅持編程，早期病毒式傳播（Flappy Bird 仿品）助其成長。
2. **快速驗證**：團隊無經(jīng)驗時構(gòu)建機械工程編程助手，信條是「在實踐中學(xué)習(xí)」。
3. **差異化定位**：曾猶豫與 GitHub Copilot 競爭，后意識到「全流程開發(fā)自動化」市場空白。
4. **快速行動**：從第一行代碼到公開發(fā)布僅3個月，快速迭代校準產(chǎn)品方向。
5. **專注勝過復(fù)雜**：放棄同時開發(fā) IDE 和 AI 工具的計劃，專注 AI 功能實現(xiàn)更快發(fā)展。
6. **口碑傳播的力量**：Cursor 早期增長源于創(chuàng)始人社交媒體推文，口碑傳播成為主要驅(qū)動力。
7. **執(zhí)行力的復(fù)利效應(yīng)**：2024年，Cursor 年化經(jīng)常性收入從100萬美元增長至1億美元，周復(fù)合增長10%。
8. **最佳建議**：與聰明人一起做感興趣的事，忘掉簡歷美化。

**Figma CEO&聯(lián)創(chuàng)：Dylan Field**
1. **聯(lián)合創(chuàng)始人的激勵**：與 Evan Wallace 合作，「每周都感覺像在創(chuàng)造未來」是他的動力。
2. **盡早開始，邊做邊學(xué)**：19歲大學(xué)時開始創(chuàng)業(yè)，早期失敗項目最終孕育出 Figma。
3. **快速發(fā)布，持續(xù)反饋**：通過郵件聯(lián)系早期用戶，快速迭代，從一開始堅持收費。
4. **拆解長期路線圖**：將宏大愿景分解為短期沖刺，確保速度與執(zhí)行力。
5. **產(chǎn)品市場契合需時間**：Figma 花五年才等到 Microsoft 提出的合作信號，暗示收費必要性。
6. **設(shè)計成為差異化因素**：AI 崛起下，設(shè)計愈發(fā)重要，F(xiàn)igma 推出 Draw、Buzz、Sites、Make 等產(chǎn)品順應(yīng)趨勢。
7. **AI 加速原型設(shè)計**：AI 最價值在于提升迭代速度，而非一鍵生成魔法，設(shè)計師需參與 AI 評估。
8. **擁抱拒絕**：童年表演經(jīng)歷教會他坦然面對批評，拒絕是成功的一部分。
9. **人際連接的核心地位**：警告不要用 AI 取代人際關(guān)系，生命的意義在于「探索意識，堅持學(xué)習(xí)，分享愛」。

**加入微想AIidea2003社群**
歡迎加入微想AIidea2003官方社群 Telegram 訂閱群：http://www.iy168.cn/idea2003Daily
Twitter 官方賬號：http://www.iy168.cn/idea2003Post
Twitter 英文賬號：http://www.iy168.cn/BlockFlow_News