吴恩达最新权威深度访谈：AI创业新逻辑全解析，技术并非瓶颈

8月22日，吴恩达教授在海外播客No Priors上做了一次深度访谈。作为“Agentic AI”这个关键术语的创造者，他聊了很多关于AI能力增长、落地挑战，以及AI如何改变软件工程、初创公司和团队协作的看法。

人工智能科学家吴恩达教授

1 AI进步：不止于规模，多元路径并行

吴恩达的一个核心判断是，未来的AI进步不会是单一模式。尽管从“堆规模”中还能再榨出些潜力，但这已经越来越吃力了。社会对AI的认知，很大程度上被少数几家公关能力很强的公司带偏了——它们把“规模”当成了唯一的故事线。

但真正的进展其实来自多个方向：袋里式工作流、多模态模型、构建方式、具体应用所需的大量工作，以及全新的技术突破。吴恩达特别提到，目前主要用于生成图像的扩散模型，未来是否也能用来生成文本？这个想法本身就令人兴奋。AI不是只有一条路，很多聪明人正在用不同的方式推动它前进。

2 Agentic AI：从术语创造到市场炒作

当被问到为什么要创造“Agentic AI”这个新词时，吴恩达坦承，当时他的团队内部也有不少怨言。有人说：“Andrew，这个世界不需要你再发明一个新术语了。”

但他坚持这么做，是因为几年前人们总在花大量时间争论“这算不算一个AI Agent”。吴恩达认为，AI Agent的自主程度其实是个连续的光谱。一端是高度自主的Agent，能规划、多步推理、独立完成大量工作；另一端则是自主程度较低的系统，只是调用了大语言模型并对其输出做点反思。

与其纠结“到底算不算”，不如承认能力存在不同程度，统一称为“袋里式的”，把精力花在实际构建上。然而，几个月后，市场营销人员学会了这个词，把它当贴纸一样到处乱贴。吴恩达感叹，营销的炒作热度蹿升得惊人，而真正的商业进展虽然在增长，但速度远跟不上。

3 最大瓶颈：人才，而非技术

吴恩达认为，实现更多Agentic AI工作流的最大障碍，其实是人才。观察众多团队构建AI Agent的方式，他发现最大的差异点在于：团队是否知道如何利用评测来驱动一个系统化的错误分析流程。

经验不足的团队常常随机尝试，浪费大量时间。而那些能推动严谨工程流程、把这些系统构建出来的人才、技能和软件工具，都还远远不到位。从技术组件层面看，AI Agent操作计算机的功能目前时灵时不灵；安全护栏和评测也是巨大难题。袋里式工作流中的许多环节需要吸收外部知识，而这些知识通常储存在人的脑袋里。

除非能构建出可以采访在职员工的AI虚拟化身，以及能看懂电脑屏幕的更强大视觉AI，否则这项工作很难完全自动化。

4 编程AI Agent：最成熟的应用领域

在Agentic AI的前沿，编程工具给吴恩达留下了最深刻的印象。从经济价值来看，目前有两个非常清晰且庞大的应用领域：一是回答人们的问题（OpenAI的ChatGPT似乎是市场领导者），二是编程AI Agent（个人最喜欢的开发者工具是Claude Code）。

Claude Code在规划软件构建任务方面表现出高度自主性，能制定任务清单并逐一执行。这种规划并执行多步骤计划的能力，使它成为目前最实际、最自主且有效的AI Agent之一。编程AI Agent之所以成功，原因也很清晰：工程师善于让各种东西运转起来；编程的经济价值巨大；巨量资源投入吸引聪明人解决问题；开发者自己就是用户，对产品有很好的直觉。

5 AI辅助编码：高强度智力活动

吴恩达不太赞同“vibe coding”（凭感觉编程）这个说法，他更倾向于“AI辅助编码”。他认为“vibe coding”会让人误以为“只要跟着感觉走，全盘接受工具的修改建议就行”。

实际上，AI辅助编码是一个深度智力活动，而不是简单的感觉驱动。干了一整天AI辅助编码后，他会感到精神上筋疲力尽。这本质上是一种“快速工程”，AI让人类能以前所未有的速度构建复杂系统和产品，但它仍然是工程，只是节奏非常快。

6 初创公司瓶颈转移：从工程到产品管理

在AI Fund，吴恩达观察到，快速工程和AI辅助编码正在改变创建公司的方式。过去需要六人工程师团队花三个月做的事，现在一个周末就能搞定。

核心迭代循环的瓶颈发生了转移：从编写软件，变成了产品经理进行用户测试、观察、凭直觉决定如何改进。随着编码速度加快、成本下降，瓶颈转移到了产品管理——即决定“到底想构建什么”。

过去三周开发原型，花一周获取用户反馈是可以接受的；现在一天构建原型，再花一周等待用户反馈就太痛苦了。因此，团队越来越依赖直觉，凭借深刻的客户同理心快速做出产品决策。

7 产品管理自动化：工具发展但仍有限

目前已有不少工具试图加速产品管理流程，比如Figma的IPO在设计领域做得非常出色，集成度很高；还有一些工具利用AI帮助面试潜在用户，或者用AI Agent集群模拟用户群体做研究。

但这些工具对产品经理的提速效果，远不如编程工具对软件工程师的提速效果。因此，产品管理端反而成了更突出的瓶颈。

8 创始人画像：技术背景比商业经验更重要

吴恩达认为，在AI这样日新月异的技术变革时期，对前沿技术的认知本身就是最稀缺的知识。那些精通生成式AI技术的创始人——也就是以技术为导向的产品负责人——成功的可能性远大于那些可能更偏向商业、更有商业头脑，但对AI发展方向缺乏敏锐洞察力的人。

如果没有对技术能力边界的深刻理解，就很难思考战略，也很难领导公司前进方向。

9 成功创始人的共同特质

除了深刻的技术背景，成功的创始人还需要具备以下几个特质：

第一，对前沿技术的敏锐洞察。在AI快速变化时期，技术认知是最稀缺的知识，必须及早看到技术前景才能抓住机会。

第二，努力工作与拼搏精神。努力工作的人确实能取得更多成就，甚至需要“疯狂到以为自己能够改变世界”的魄力。

第三，两种驱动力类型：一种是渴望公司商业获胜，另一种是真心希望客户成功，对服务客户极度痴迷。

第四，快速决策能力。创业像打网球，必须立刻做出反应，这需要深厚的知识储备和敏锐直觉。

10 AI赋能下的“小而精”团队

关于团队规模，吴恩达认为需要重新权衡。过去团队把大量工作外包，部分原因是为了降低成本。但如今，随着AI和AI助手的出现，规模极小、技术精湛、配备大量AI工具的团队，表现可能超越规模庞大但能力参差不齐的团队。效率最高的团队，恰恰是规模最小的。

这也带来一个思维转变：应该去“雇佣”AI，而不是增加更多人手。具备“AI直觉”的人会提出：“能给我一些预算，让我雇一个AI来做这件事吗？”

11 未来五年：拥抱AI者将超越想象

下一个机遇在哪里？吴恩达认为，AI领域是“机会富矿区”，技术基础太新，太多想法无人尝试。具体想法比宏观分析更有价值。经济学家研究哪些工作岗位被AI碘伏风险最高，这恰好可以成为寻找项目创意的线索。

对于VC工作的自动化，单个公司深度调研和竞品分析适合自动化，给LP的报告文书工作也可以被简化。但人类在背景调查、创始人品性判断等方面，仍有信息优势。

帮助创始人的方式有很多：分享行业经验和直觉，帮助招聘人才、建立同辈社群，提供融资、客户反馈、技术趋势等方面的指导。

吴恩达还有一个非共识判断：几年内，许多人将被AI极大地赋能，能力比今天强得多。拥抱AI的人，个人能力将被放大到大多数人目前难以想象的程度。个人和企业都将变得比他们自己所能想象的强大得多、能干得多。

12 文章要点总结

核心观点

• AI进步路径多元化：不仅依赖模型规模，袋里式工作流、多模态技术、新架构同样重要
• 最大瓶颈是人才：实现Agentic AI的关键是系统化评测和错误分析流程，而非技术本身
• 初创公司瓶颈转移：从工程实现转向产品管理，AI加速编码但决策成为新瓶颈

关键洞察

• 编程AI Agent最成熟：经济价值巨大，开发者自己就是用户，产品直觉准确
• AI辅助编码是深度智力活动：需要高强度思考，而非简单的“凭感觉编程”
• 创始人画像变化：技术背景和AI直觉比商业经验更重要，必须紧跟技术前沿

实践指导

• 团队模式变革：AI赋能下“小而精”团队可能超越传统大团队
• 思维转变关键：应该“雇佣AI”而非增加人力，具备“AI直觉”至关重要
• 未来趋势：拥抱AI的人能力将被放大到难以想象的程度

重要提醒

• 产品管理自动化工具发展有限，短期内仍需要人类深度参与
• 2022年的很多工作流程在2025年已经不再适用，必须跟上技术变革
• 招聘标准变化：懂AI的毕业生可能比有经验但不熟悉AI工具的人更有生产力