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、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)的產品，如 Agentic AI，其表現(xiàn)遠超「一次性」任務工具，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**
當前原型構建速度提升了10倍，生產級軟件開發(fā)效率提高30-50%。這一優(yōu)勢應被充分利用，通過實時用戶反饋降低市場風險。代碼已不再是稀缺資源，AI 工具的普及使其易于生產，真正重要的是代碼所實現(xiàn)的價值。真實世界數(shù)據雖需合成數(shù)據輔助，但仍是復雜視覺與物理任務不可或缺的基石。

**行業(yè)領袖的獨到見解**

**Microsoft CEO：Satya Nadella**
1. **平臺的復合效應**：AI 建立在數(shù)十年的云基礎設施之上，每一代平臺都在為下一代鋪墊基礎。
2. **模型與生態(tài)**：基礎模型是基建，產品是生態(tài)，圍繞模型構建的反饋循環(huán)、工具集成和用戶交互才是關鍵。
3. **經濟價值**：衡量 AI 的核心指標是「是否創(chuàng)造經濟盈余」，無 GDP 增長的技術非變革性。
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變，而非單純規(guī)模擴張。
5. **能源與社會共識**：AI 規(guī)模化需更多能源，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)轉型阻力不在于技術，而在于工作流程慣性，需重新設計工作方式。
7. **角色融合**：設計、前端、產品等角色在 LinkedIn 等平臺逐漸融合，AI 正加速這一趨勢。
8. **重復性工作的價值**：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「強化學習」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，軟件工程核心轉向系統(tǒng)設計與質量保障。
11. **責任與信任**：AI 產品仍需企業(yè)承擔法律責任，隱私、安全與主權至關重要。
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年語音技術起步，現(xiàn)已轉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」，其成功依賴技術精度與用戶信任。
15. **領導力啟示**：從基層做起，心懷遠大抱負，學習打造團隊而非僅開發(fā)產品。
16. **人才標準**：重視化繁為簡、激發(fā)團隊活力、解決復雜難題的能力。
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。
19. **給年輕人的建議**：主動創(chuàng)造賦權工具，反思「我們能幫助他人創(chuàng)造什么？」
20. **最愛產品**：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)公司成功的關鍵是構建、測試和迭代的速度，AI 使這一效應呈指數(shù)級增長。
2. **應用層機會**：最大收益來自現(xiàn)有模型的用戶價值應用，而非新模型構建。
3. **Agentic AI 的優(yōu)勢**：含反饋循環(huán)的產品表現(xiàn)遠超「一次性」工具，迭代帶來性能復合式提升。
4. **「編排層」興起**：基礎模型與應用間出現(xiàn)代理式編排層，支持跨工具與數(shù)據源的復雜任務。
5. **具體想法加速執(zhí)行**：從細節(jié)充足的初始想法開始，工程師能立即構建，領域專家的直覺最關鍵。
6. **警惕「宏大敘事」**：抽象目標如「AI 賦能醫(yī)療」易導致執(zhí)行遲緩，具體工具如「MRI 預約自動化」更高效。
7. **調整方向的藝術**：具體初始方案能幫助快速轉向，清晰測試目標才能在失敗后迅速調整。
8. **利用反饋規(guī)避風險**：原型構建速度提升10倍，開發(fā)效率提高30-50%，實時反饋降低市場風險。
9. **嘗試而非完美**：構建20個粗糙原型，而非追求首個完美版本，學習速度更重要。
10. **快速行動并負責**：重新詮釋硅谷信條，從「快速行動，打破陳規(guī)」改為「快速行動，并承擔責任」。
11. **代碼價值重塑**：代碼不再是稀缺資源，關鍵在于實現(xiàn)的價值，而非代碼本身。
12. **技術架構可逆**：過去單向選擇的架構如今可雙向切換，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. **領域知識賦能 AI**：藝術史學家、醫(yī)生等專業(yè)人士能更好地運用 AI。
15. **產品經理成瓶頸**：吳恩達團隊建議產品經理與工程師配比2:1，加速反饋與決策。
16. **工程師需產品思維**：產品直覺的工程師行動更快，開發(fā)的產品更優(yōu)。
17. **反饋速度層級**：內部自測→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，理解技術原理的人仍具巨大優(yōu)勢。
19. **警惕炒作**：AGI、滅絕等術語常被用于籌款或提升地位，而非真實影響力。
20. **安全關乎使用**：AI 像電或火，好壞取決于應用，安全是使用而非技術本身。
21. **唯一標準是用戶喜愛**：不必糾結成本或性能，關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. **機器人技術需全棧思維**：不能簡單添加機器人技術，需從零構建數(shù)據、模型、部署全棧。
2. **數(shù)據質量勝過數(shù)量**：行業(yè)、YouTube 或模擬數(shù)據往往缺乏多樣性與真實性，高質量數(shù)據更關鍵。
3. **最佳模式**：預訓練+微調，先在廣泛數(shù)據集預訓練，再用1000個高質量樣本微調。
4. **通用型機器人勝出**：跨任務、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)據不可替代**：合成數(shù)據有幫助，但復雜視覺與物理任務仍需真實數(shù)據。
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**：團隊無經驗時構建機械工程編程助手，信條是「在實踐中學習」。
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，快速迭代校準產品方向。
5. **專注勝過復雜**：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動力。
7. **執(zhí)行力的復利效應**：2024年，Cursor 年化經常性收入從100萬美元增長至1億美元，周復合增長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**：19歲大學時開始創(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. **設計成為差異化因素**：AI 崛起下，設計愈發(fā)重要，F(xiàn)igma 推出 Draw、Buzz、Sites、Make 等產品順應趨勢。
7. **AI 加速原型設計**：AI 最價值在于提升迭代速度，而非一鍵生成魔法，設計師需參與 AI 評估。
8. **擁抱拒絕**：童年表演經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 取代人際關系，生命的意義在于「探索意識，堅持學習，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