吴恩达谈“氛围编程”：别被名字误导，AI编程并不轻松

划重点：

• AI进步不会只靠“规模”，未来动力来自模型扩展、自主工作流、多模态和新技术应用，而非单一路径。
• 吴恩达认为，自主人工智能应用的最大障碍并非纯粹的技术，而是懂得如何进行误差分析、评估驱动开发的相关人才和工程化能力短缺。
• 目前经济价值最明确、表现最成熟的自主AI应用是AI编程助手（如Claude Code）和通用问答助手（如ChatGPT）。
• 在AI快速变革的当下，对技术能力有深度直觉和理解的技术型创始人，比仅具商业背景的创始人更具优势。
• 优秀产品人才的关键在于卓越的客户共情能力，能整合多方信息构建用户心智模型，并据此快速做出决策。
• 未来几年，AI将深刻改变所有职能的工作方式，善用AI工具的个人其生产力和潜能将得到空前释放。

知名学者、斯坦福大学教授吴恩达（Andrew Ng）近日做客投资播客《No Priors》，分享了其对AI能力未来发展方向的深刻洞察。

吴恩达是AI领域的教父级人物，他曾联合创办谷歌大脑、在线教育平台Coursera以及风险投资机构AI Fund。最近，他提出了“自主人工智能（Agentic AI）”这一概念，并加入了亚马逊公司董事会。

在最新专访中，吴恩达指出，AI进步的动力将来自模型扩展、自主工作流、多模态模型及新技术应用等多元路径，而非单一依赖规模扩张。他认为当前智能体落地的最大障碍并非技术本身，而是懂得进行误差分析和评估的人才短缺。

他还强调，AI正在重塑创业范式：工程效率的极大提升使产品管理成为新瓶颈，而对技术拥有深度直觉的“技术型创始人”正重获优势。

展望未来，吴恩达认为善用AI工具的个体和团队将释放出远超当前想象的潜能，深刻改变各行各业的工作方式。

以下为吴恩达最新专访精华内容：

01 AI 进化的下一站，是 “多条腿走路”

问：你关注的领域实在太广了，我们或许应该从最核心的问题切入：展望未来，AI能力的提升究竟会从哪里来？是依靠更大的模型规模？还是更高效的数据处理？

吴恩达：未来的进步不会只来自单一方向，而是多方面共同推动。扩展规模这条路上，我们或许还能继续挖掘潜力，但确实比过去更具挑战。现在社会对AI的认知，很大程度上受少数几家公关能力极强的公司影响，大家一提AI进步，往往首先想到的就是“规模”。

但实际上，真正的突破也可能来自别的维度。比如自主工作流、多模态模型的设计方式，以及各种应用落地的探索，都有很大空间。此外，还有像扩散模型这样的新技术，比如说它最初主要用于图像生成，但未来能否拓展到文本生成？这些方向同样令人兴奋。所以说，人工智能的发展绝不会只依赖单一路径。

问：你最早提出了“自主人工智能”（Agentic AI）这个词，你当时是怎么想的？

吴恩达：当时决定用“自主人工智能”这个说法时，其实还没有多少人这么讲，我的团队甚至劝我不要再造新词。但我还是坚持用了，没想到后来它真的流行了。之所以提出这个概念，是因为几年前大家常常陷入争论：“这个算不算智能体？那个不算吧？到底什么才算智能体？”

在我看来，智能体本身就是一个程度问题：有些自主性很强，能做计划、进行多步推理、完成复杂任务；而有些则依赖人工提示，智能体属性相对较弱。与其纠结定义，不如承认不同系统都具有一定的智能体特征，只是程度不同。这样才能把时间和精力真正放在研发上。

于是我开始推广“自主人工智能”这个词。但我没想到的是，几个月后，大量营销人员迅速抓住这个标签四处传播，结果“自主人工智能”火了。市场的炒作节奏比想象中快，而真正的业务进展也在持续，但显然没有炒作传播得那么快。

问：你认为目前实现真正智能体应用的最大障碍是什么？

吴恩达：如果从技术组件角度来看，确实还有一些需要提升的环节。比如“计算机使用”这一能力，在某些场景能成功，但失败率依然不低；再比如护栏机制和评估体系，如何高效、系统地对模型进行评估并推动优化，仍是很大的挑战。

不过，我认为阻碍自主人工智能落地的最大障碍其实是人才。很多团队的差别，不在于技术堆栈，而在于是否能真正做到评估驱动的误差分析。成熟的团队会不断拆解问题，分析有效和无效之处，再针对性改进；而经验不足的团队往往是随机尝试，进展更慢。

现实中，大量企业工作流本可以由智能体来自动化，但缺乏具备相应技能的人才和配套工具，导致难以走向工程化和规模化。构建智能体工作流往往需要整合外部知识，而这些知识大多存在于人的头脑中。除非未来出现能“采访”员工、甚至能“看”屏幕的AI，否则在未来一两年，仍然需要人类工程师深度参与，推动工作流的落地。

问：所以当前更现实的路径，还是靠人去收集数据、建立反馈闭环等等。还有其他方面的挑战吗？

吴恩达：没错。举个例子：很多公司有类似的流程——客户发来一份文件，需要先转成文本；接着为了合规，可能要做网络检索验证供应商可靠性；再查数据库确认价格；最后归档。这就是一个典型的多状态智能体工作流，可以视作下一代的RPA（机器人流程自动化）。

但问题在于，一旦流程出错，后果可能很严重。比如发票日期提取错误？验证请求发错了人？上线初期几乎不可能完美，那么哪些错误对业务影响最大？比如：“是否太频繁打扰CEO？哪些验证他愿意亲自处理？” 这些背景判断往往需要有经验的产品经理或工程师来把关。未来智能体或许能独立处理这些复杂情境，但至少目前还相当困难。

问：但这些知识既不存在于互联网预训练数据中，也很难自动从手册里提取。

吴恩达：是的。构建智能体工作流高度依赖专有数据，而不是互联网的通用知识。这使得过程复杂且常常令人抓狂，但它也代表着真正的机遇。正因如此，我依然认为这是一项非常值得投入、充满前景的工作。

02 迈向“自举”：AI自我进化的两条路径

问：如果只从自主人工智能的范围来看，你目前见过的最好示例是什么？

吴恩达：在这一领域，一些AI编程助手给我留下了很深的印象。从经济价值的角度看，目前有两条特别突出的路径：一条是问答型应用，比如OpenAI的ChatGPT，显然已经成为市场领导者，展现出真正的高速增长；另一条就是编程辅助代理。

我个人最喜欢的是Claude Code。它在规划能力上展现出很强的自主性，能够理解目标软件是什么，生成任务清单，并逐步完成执行。这种能够规划多步任务、并按照计划落实的能力，使它成为目前真正具备自主性、并能投入实际使用的代理之一。

当然，也有一些方向我觉得还不够成熟，比如某些“计算机使用”场景——像在线购物、浏览网页等。这类应用虽然在演示中效果不错，但距离真正能够大规模投入生产还有一段距离。

问：你认为造成这种差异的原因是什么？是因为任务标准不明确、操作变数太大？还是说编程场景有更好的训练集或更清晰的输出规范？

吴恩达：我认为主要有两个原因：一方面，工程师本身就很擅长把复杂系统运转起来；另一方面，编程助手的经济价值极其直接和巨大。这吸引了许多聪明人投身其中，他们既是用户，又对产品有天然直觉，从而推动了这一方向的快速发展。

问：你认为模型什么时候能够有效地实现“自举”（bootstrapping）？比如说，让编码代理自己去编写模型的代码？

吴恩达：我觉得我们正在逐步接近这一目标。事实上，一些领先的基础模型公司已经公开表示，他们正在大量使用AI来辅助编写代码。

让我同样兴奋的是另一个方向：利用智能体工作流来帮助下一代模型生成训练数据。比如Llama的研究论文就提到，旧版Llama可以通过“长时间思考”生成复杂题目，再用这些题目训练新版Llama去更快地解决。这种思路非常有意思。这再次说明，AI的进步从来不是单一路径，而是由无数聪明的人从不同角度同时推进的。

问：我记得你之前不太认可“氛围编程”（vibe coding）这个说法，而更倾向于用“AI辅助编程”。这两者到底有什么区别？

吴恩达：是的。“氛围编程”听起来像是我只要放轻松，把AI给的修改建议全部接受就行。有时候这样也能奏效，但远非全貌。实际上，当我花上半天甚至一整天在编程时，那是一项高度消耗脑力的深度工作。老实说，用AI辅助编程一整天后，我往往会感到非常疲惫。

因此，我更愿意称之为“快速工程”。AI确实能帮助我们以远超以往的速度构建严肃的系统、开发成熟的产品，但本质上，它依然是扎实的工程工作——只是完成得更快了。

03 AI效率革命：2人+周末=6名工程师+三个月

问：那你认为这是否正在改变创业公司的本质呢？比如团队需要多少人、产品该如何构建、流程该如何设计？还是说创业的基本方法没变，只是大家现在有了更强大的工具，效率变得更高了？

吴恩达：从我参与创业和观察行业的经验来看，快速工程和AI辅助编程确实正在改变我们构建公司的方式，这非常令人兴奋。过去也许需要六名工程师花三个月才能完成的任务，现在我和一个朋友在一个周末就能实现。

但有趣的是，真正发生变化的并不仅仅是开发效率。传统的创业节奏是这样的：先把软件开发出来，再由产品经理做用户测试，根据直觉或数据决定如何改进。如今，编码速度和成本大幅下降，反而让瓶颈越来越集中在产品管理环节。

换句话说，我们可以更快地实现想法，但难点变成了到底该构建什么。以前，一个原型要花三周做出来，再花一周收集用户反馈，这样的节奏还能接受；可现在一天就能做出原型，再等一周反馈就显得太慢。于是我发现，团队越来越依赖直觉决策。当然，我们仍然会收集大量数据来完善对市场的理解，但更关键的是对客户要有深刻的共情，才能在高速迭代中做出正确的选择。

问：那你是否见过能够部分自动化产品管理环节的工具？我知道有些人正在尝试用AI机器人模拟实时用户反应，甚至构建模拟市场环境或用户群体。

吴恩达：确实有一些方向在探索。比如Figma在IPO过程中就展示了设计工具在产品开发中的巨大价值；也有人尝试用AI来辅助用户访谈，或者像你说的那样，用智能体群体模拟用户行为。甚至已经有一些学术论文在研究如何校准这样的模拟系统。

这些都非常有前景，但目前还处在比较早期的阶段。总体来看，这些工具对产品经理的帮助，还远不及编程工具对工程师带来的加速效果显著。所以现在，产品管理反而成了创业公司里最突出的瓶颈。

04 AI时代的理想创始人，必须既懂技术又懂产品

问：随着时间的推移，你认为“理想创始人”的形象有没有发生变化？

吴恩达：在我看来，2022年普遍采用的许多方法，到2025年可能已经行不通了。所以我经常提醒自己：我们现在做的事情，有多少还是沿用2022年的方式？如果答案是“很多”，那就必须仔细审视它是否仍然适应当下。事实上，很多2020年的工作流程放到今天已经完全不合时宜了，因为技术演进的速度实在太快。

从目前的趋势看，我认为具备生成式AI技术能力的创始人，就是那些以技术为驱动，同时又拥有产品领导力的人——比单纯商业背景、但对AI技术走向缺乏敏感度的创业者，更容易获得成功。除非你对AI“能做什么、不能做什么”有清晰直觉，否则很难制定有效的战略，更难把握公司未来的发展方向。

问：这其实有点像回归老派硅谷的风格。你看看比尔·盖茨、乔布斯和沃兹尼亚克，或者半导体和早期互联网时代的那些真正先驱——他们本身都是技术极客。我有种感觉，我们曾经一度丢失了这种特质，但现在很明显，科技公司仍然需要技术型的领导者。

吴恩达：过去我们可能更看重创业者的履历，比如“这位创始人已经有过一次甚至两次成功退出，那就再支持他一次吧”。但在技术发生剧烈变革的时期——而AI就是今天变化最快的变量——真正的优势来自于对技术本身的深刻理解。

拿移动技术来类比：如今每个人都清楚手机能做什么、不能做什么，什么是移动应用、GPS可以实现什么功能……大家都心里有数。所以你不需要是技术专家，也能判断“我能不能基于这个开发一个App”。但AI的发展节奏要快得多：语音应用现在能做到哪一步？AI工程流程演进到什么程度？基础模型和推理模型的差异是什么？——掌握这些知识，在今天就是巨大的差异化优势。这种优势，远比当年“懂移动应用”要关键。

问： 在你看来，成功的创始人还有哪些非常重要的共同特征？

吴恩达：我自己是个非常努力工作的人。过去很长一段时间，我常常鼓励那些渴望有所成就、产生影响的人全力以赴去拼搏。不过，现在在某些语境下，公开说“努力工作可能与成功有关”，甚至会被视为不够“政治正确”。但我认为我们必须面对现实。

当然，我理解并不是每个人在生命的每个阶段都有条件拼命工作。比如我孩子刚出生的那一周，我就没能全力以赴工作，这很正常。但不可否认的是，努力工作确实能让你完成更多事情。

问：创业本质上是一件反常规的事——你试图在短时间内创造巨大价值、影响很多人。当你选择做这样反常规的事，可能就不得不非常努力。我觉得，那种为推动世界进步而全力以赴的工作伦理，在今天似乎正在被淡忘。

吴恩达：是的。有句话说得特别好——虽然我记不清是谁说的了：“只有那些疯狂到以为自己能改变世界的人，才能真正改变世界。”我们需要有胆识、有信念的人站出来，对自己说：“这是世界的现状，而我要尝试改变它。”我认为只有怀抱这种信念的人，才可能真正做到。

其实，我观察到两类创业者都可能成功：一类是真心希望自己的企业能赢，这当然很好，其中不少人也确实做到了；另一类则是真心希望客户能赢——他们执着于服务客户，甚至痴迷于此，最终也往往能走向成功。在Coursera早期，我就常说：我知道市场竞争无处不在，但驱动我大多数决策的，不是竞争，而是对学习者的痴迷。

问：“竞争”不一定是指与其他公司对抗，有时候也需要与自己设定的目标、指标或渴望做到极致的事情去“竞争”。

吴恩达：确实如此。在创业环境中，你每天都要做大量决策，而大多数时候只能依靠直觉。打造一家初创公司，更像是打一场网球，而不是解一道微积分题——你没有时间慢慢推演，必须即时反应。

正因如此，创业者需要时刻想着用户、想着产品，不断沉浸在思考之中，才能积累概念层面的认知。当有人问“我该先做功能A还是功能B”时，往往只能凭直觉做决定。这不代表直觉永远正确，但正如亚马逊创始人杰夫·贝佐斯所说，创业公司中的很多决定都是“双向门”——哪怕做错了，也能很快调整回来，成本并不高。

所以关键是要快速、果断地行动。而做到这一点，通常需要对用户或技术保持一种近乎痴迷的沉浸状态。正是这种执着，能让你在大多数时候做出既快又准的判断。

吴恩达：我不认为优秀的产品人才只有几百个，就像我也不相信优秀的AI人才只有几百个一样。但我确实发现，真正具备用户共情能力的人非常少见。

理解用户并不只是做问卷或访谈，还需要整合来自多个渠道的信息：调研、深度访谈、市场报告、竞品分析……更难的是，在掌握这些数据后，还能跳出自己的惯性思维，为理想的用户构建一个清晰的心理模型——理解他们如何思考、如何行为——并据此快速做出能真正服务他们的产品决策。这种深度的同理心，既关键又稀缺。

我在职业生涯早期就犯过一个错误：当时尝试把一些优秀的工程师转型为产品经理，还专门做了培训。但结果是，我既没有培养出优秀的产品经理，反而让一批工程师因为自己“不擅长做产品”而感到沮丧。这让我意识到：能否成为出色的产品人才，并不取决于是否聪明、是否懂工程，而在于是否具备真正的人类同理心。只有能整合多方信息，并能站在用户角度思考的人，才可能做出优秀的产品决策。

05 “直觉”胜过“调研”：AI创业公司的产品哲学

问：事实证明，创业公司的一个优势就是在早期阶段可以专注于单一用户画像。即便只是围绕一个理想的“虚拟用户”去构建产品，只要这个画像足够贴近广泛的需求，就能走得很远。但如果你是谷歌，就必须考虑到极其多样化的用户群体，决策复杂性会大幅增加。

无论是Cursor、Claude Code还是其他团队，如果他们对目标用户的理解足够深入，并且内部形成共识，那么依靠直觉和共情来推动产品，反而可能更有效。

吴恩达：事实证明，创业公司的一个优势就是在早期阶段可以专注于单一用户画像。即便只是围绕一个理想的“虚拟用户”去构建产品，只要这个画像足够贴近广泛的需求，就能走得很远。但如果你是谷歌，就必须考虑到极其多样化的用户群体，决策复杂性会大幅增加。

无论是Cursor、Claude Code还是其他团队，如果他们对目标用户的理解足够深入，并且内部形成共识，那么依靠直觉和共情来推动产品，反而可能更有效。

问：我注意到一个现象，整个行业的基础能力一直在快速变化。同时，在那些已经明确重要性、并且参与者众多的领域，竞争也变得异常激烈。这就导致上一代在企业中表现卓越的领导者，被招募到这些快速扩张的公司时，未必能发挥同样的作用——因为对速度和适应变化的要求完全不同。

吴恩达：这对很多人来说确实是个挑战。我认识许多不同职能的优秀领导者，他们仍在沿用2022年的工作方式。但时代已经变了。想象一下，如果在互联网刚普及时，有人完全不懂网络搜索，我们肯定不会雇佣他——今天也一样。对于绝大多数岗位，如果你不能有效使用开放模型（OM）等AI工具，你的效率就会落后于那些善于利用技术的人。

在我的团队中，每个人都会编程，每个人都有GitHub账户。我的助理总法律顾问、首席财务官，甚至前台接待员，他们都学了编程——虽然不是要成为软件工程师，但通过学习计算机的语言，他们能更精准地告诉计算机该做什么，从而在自己的职能上变得更高效。快速的变化确实让很多人感到不安，但当世界以这样的速度前进时，我们必须同步改变自己。

问：我确实看到类似的趋势，尤其是在产品和设计招聘中。我参与的一家较成熟的AI公司，在招聘产品和设计负责人时，明确要求求职者必须熟悉AI辅助编程工具。他们的观点是：如果你连快速原型都做不出来，无法直观展示产品该怎么运作，那就会浪费大量时间在需求文档和反复讨论上。所以整个产品开发流程——甚至产品推介的方式——都在发生根本变化。

吴恩达：我最近在面试工程师时也遇到了类似情况。一位有十年经验的全栈工程师简历很漂亮，但几乎没用过AI工具；另一位应届毕业生却非常熟悉AI。最终我选择了后者，因为AI工具能显著提升他的效率——事实证明这个决定非常正确。

当然，我现在共事的出色工程师中，也有经验超过十年、同时精通AI工具的人，他们真正成为了“自成一级”的顶尖人才。我觉得软件工程其实是其他职能未来的前兆——因为这里的工具进化是最快的。

问：说到这，让我想起Harvey（一家AI法律科技公司）。我领投了他们的B轮，当时我做客户调研时发现一件特别有意思的事：法律界本以抗拒新技术著称，历史上成功的法律科技公司也不多。但我访谈的那些大律所客户，尤其是已经深度使用Harvey的，都一致认为“这就是未来”，AI将彻底改变法律行业。他们最关心的问题反而是：如果AI普及了，我以后只需要10个律师助理而不是100个，那未来合伙人的晋升路径该怎么设计？我觉得这种思维转变非常值得关注——AI正缓慢而坚定地渗透进各个行业，迫使人们重新思考业务的每个环节。这个过程可能需要十年、二十年，但最早拥抱垂直领域AI的人，已经走在了前面。

吴恩达：这确实非常有意思。我之前参与过另一家法律AI初创公司Catalyst，也发展得很好。未来工作的性质注定会发生巨大变化。

很多团队选择外包是出于成本考虑，但我有时会想：一个规模小但高度熟练、善于使用AI工具的团队，会不会比一个人数更多、成本更低但技术落后的团队更有竞争力？我见过一些效率极高的团队，恰恰是人数极少、但成员水平极高、AI工具用得娴熟、协作极其流畅的组合。世界会如何演变，现在下定论还为时过早，但我们已经可以隐约看到一些可能的方向。

问：你觉得你的公司未来也会保持这么小的规模吗？ 从效率角度说，真的能用10人、50人甚至100人的团队，去影响百万、千万甚至上亿的用户吗？

吴恩达：我认为现在的团队确实可以比过去更小，但问题在于：我们到底是投资不足，还是投资恰到好处？就像你刚才说的，还要看市场动态。如果这是一个赢家通吃的市场，那激励机制就完全不同了……

问：我记得《Minecraft》被卖给微软的时候只有50多人？但它服务着亿万用户，卖出了数十亿美元。人们总是容易忘记这些例子。事实上，以前你也可以用很少的人做很多事情，但如今AI让这变得更可行。真正的问题是：你在人力上有多少杠杆？分发效率如何？哪些环节真正需要投入资金？而我越来越觉得，小团队能高效利用AI的一个原因正是：小团队本来就更灵活。你没有雇30个冗余的人来增加沟通成本。看看很多大型科技公司，其实不少团队砍掉70%的人，效率反而可能更高。

所以我觉得大家有时忽略了两个事实：第一，AI确实带来了效率革命；第二，高价值人才正在流向以前他们不会考虑的领域。法律行业就是很好的例子——以前优秀的工程师谁愿意去律所工作？但现在像Harvey这样的公司改变了这一切。医疗行业也是，突然之间，顶尖人才开始涌入。但另一方面，我们也必须承认：小团队往往天然更高效。AI只是给“保持精简、高效运作”提供了更多理由。

吴恩达：我觉得这又回到了“AI直觉”为什么如此重要的话题。前几周，我和两位团队成员分别谈了两次。一个人来找我说：“我想做这件事，能给我加人吗？”我说：“不能。”那周晚些时候，另一个人又提出：“能给我一些预算用AI来做这件事吗？”我说：“当然可以。”这种意识上的差异很关键——一类在想“要人”，另一类在想“用AI”。你必须建立起这种直觉。

06 天才创业者的 “最后短板” ：如何补足那关键的20%？

问：在你看来，接下来哪些领域会迎来爆发？或者你希望看到哪些方向取得突破？其实我更希望你能系统性地梳理一下，对于这类机会，你们会按什么优先级布局。

吴恩达：有件事我觉得很有意思：经济学家做了很多研究，试图预测哪些工作最容易受到AI冲击。虽然这些研究未必完全可靠，但我有时会从中获得灵感，甚至据此探索值得推进的项目。

我从实践中学到的一点是：单纯依赖自上而下的市场分析，往往会得出“AI会优先颠覆高价值领域”的结论。但现实是，有些方向没人尝试，只是因为技术太新。在AI Fund，我们极度强调速度——我一向痴迷于“快”，而现在手里有了比以往更强大的工具，就更要行动迅速。因此，我们特别偏好具体的想法。

如果有人对我说：“AI会改变医疗保健”，听起来没错，但我很难判断该怎么落地。但如果一位专家提出：“医疗保健运营中的某个环节这样运作，我觉得可以从这里切入……”——哪怕我不确定这个主意能否成功，但至少它很具体，可以立刻验证用户痛点和技术可行性，然后快速行动。所以在筛选创意时，我们会跳过那些不够具体的设想。

问：你觉得像你们这样的投资机构或孵化工作室，两年后哪些工作不会再手动做了？或者说，哪些环节会彻底自动化？

吴恩达：确实有很多环节可以自动化，但问题是：哪些应该被自动化？比如我们不会让AI完全替代后续融资决策，因为投资组合里有几十家公司，这样做既不现实，也没必要。但一些具体任务很适合自动化，比如针对单个公司的深度研究、竞争分析。我个人也常用AI工具来做市场调研。

还有有限合伙人（LP）报告，那是标准的文书工作重灾区，绝对应该简化。

不过，即使模型越来越聪明，人类在某些方面仍有巨大优势——尤其是那些AI暂时无法获取的“背景信息”。比如与创始人见面时，感受他们的领导力、沟通方式、人格特质……这些或许未来可以通过视频分析部分捕捉，但现在还很难。人类还会通过一次随意的聊天得到关键信息，这种“无意中的收获”是AI暂时做不到的。

问：我注意到越来越多技术背景深厚的人开始尝试首次创业。你觉得该如何帮助他们补齐短板？

吴恩达：这是我很关心的问题。我常想：当一位创始人已经具备80%的优秀素质时，我们能不能帮他补上最后关键的一小部分？

你说的两点我很认同：第一，构建一个同侪社群，让他们和背景相似、但比自己领先一两步的人交流；第二，互补性招聘。在职业早期，人们往往想补齐短板，但到后期会更专注于长处，把其他事交给擅长的人去做。就像比尔·盖茨曾说，他从COO身上学到最多——公司成长到一定规模，就需要寻找合适的合作伙伴。

问：但我始终觉得，学习最好的方式还是“动手去做”。哪怕搞砸也没关系，只要不危及公司生存。归根结底，问题是：你有客户吗？你在认真做产品吗？

吴恩达：我同意。创业的核心还是：你是否真正做出了用户喜欢的产品。推广、运营固然重要，但产品始终是第一位的。只要产品足够好，其他问题通常都能解决。

问：如果你们投资的就是这群“技术极强但其他方面有短板”的首次创业者，你们具体会怎么辅助他们？

吴恩达：这是我们一直在探索的。在Venture Studios，我们做了大量可复用的工作。我们发现，即便是连续创业者，一生中也只创业过一两次。所以我们分享的很多直觉其实非常宝贵，比如如何更快获取用户反馈？是否跟上了最新技术趋势？如何加速进程？怎么融资？——大多数人一辈子也融不了几次资。

哪怕最优秀的创始人，也能从我们的经验中受益。再加上你之前说的组建社群、招募互补团队……我觉得我们能做的还有很多。事实上，再优秀的创始人也需要帮助。希望风险投资机构能真正帮到他们。

问：你认为未来5年，AI将对各行各业带来怎样的影响？你觉得大多数人是否低估了它的潜力？

吴恩达：我认为几年后，许多人会比今天拥有大得多的能力和能量。拥抱AI的个人所释放的潜力，可能会远超他们现在的想象。两年前，谁能料到软件工程师的效率能提到今天这么高？

未来，AI也会深刻改变每个人的工作职能。我相信，善用AI的人将变得无比强大、无比高效，甚至超出他们自己的预期。

本文来自“腾讯科技”，作者：金鹿，36氪经授权发布。