一分鐘觀點

AI Fund 共同創辦人吳恩達強調，新創成功關鍵在於由 AI 驅動的快速且具體執行，以及負責任的創新。執行速度是預測成功的重要指標，AI 技術大幅提升迭代速度，尤其在應用層帶來最大價值。
能動型 AI 支援迭代工作流程，通過規劃、研究、草擬、批評與修訂，產出高品質成果。具體且詳盡的產品想法促進快速工程與驗證，模糊想法則難以落實。經驗豐富的領域專家直覺優於初期數據驅動決策，軟體工程成本下降使決策更具彈性並鼓勵快速重建。
團隊成員包括非工程師者應學習編碼，以提升生產力與 AI 使用效率。產品設計與用戶反饋成為新的瓶頸，需利用多元反饋策略加速迭代。
負責任的 AI 開發要求倫理自律，必要時終止不當專案，並保護開源生態免受過度監管威脅。避免對 AGI 及災難性風險的炒作，聚焦現實應用與挑戰。
未來關鍵技能為能清晰指示電腦需求（編碼或提示工程），並通過組合多個 AI 構建模組實現指數級創新。快速原型和低成本概念驗證鼓勵嘗試和學習，持續掌握最新工具以保持競爭力。
教育方面，超個性化學習及 AI 導師具潛力，但仍處於實驗階段。

總結而言，新創成功依賴於 AI 賦能的速度、具體執行及負責任創新，同時需平衡技術進步與倫理社會影響。

摘要

AI Fund 共同創辦人吳恩達分享了關於新創成功的課題，強調速度、AI應用層、能動型AI、具體想法、快速反饋與負責任的創新。

觀點

• 執行速度是預測新創成功的強力指標，新AI技術大幅提升了迭代速度。
• AI 堆疊中最高價值在於應用層，推動收入流向基礎技術層如雲端和半導體。
• 能動型AI支援迭代工作流程，AI能規劃、研究、草擬、批評並修訂，產出優於線性提示的成果。
• 具體的產品想法必須足夠詳盡，讓工程師能快速構建，以加速驗證或否證，提高速度。
• 模糊的想法雖受讚賞但難以構建；具體的想法可能對也可能錯，但透過快速迭代能加速學習。
• 有良好直覺的領域專家能比緩慢的數據驅動方法更快做出有效決策。
• 新創應堅持一次專注一個明確假設，當數據推翻時迅速轉向以保持速度。
• AI 編碼輔助大幅提升工程速度，尤其是快速原型，有時開發速度超過10倍。
• 在本地機器撰寫不安全的原型代碼可加快迭代，但正式部署前必須加強安全。
• 快速原型和低成本概念驗證讓新創能快速測試大量想法，接受多數不會進入生產。
• 現代 AI 編碼助手高度能動，提升開發者生產力，團隊需持續更新工具以達最大速度。
• 軟體工程成本下降降低了代碼資產價值，團隊可承擔每月多次重建代碼庫。
• 過去被視為單向門的決策，如技術棧選擇，因工程成本降低與彈性提高，正轉變為雙向門。
• 公司內所有人，包括非工程師，都應學習編碼以提升生產力並更好利用AI工具。
• 有效的提示技巧，如理解藝術史以生成影像，大幅提升AI輸出質量，彰顯領域知識的價值。
• 產品管理與用戶反饋收集成為瓶頸，因工程速度超越決策與設計流程。
• 新團隊動態出現，產品經理對工程師比例增加，反映產品開發瓶頸轉移。
• 快速反饋策略從個人直覺到AB測試不等，快速但不夠精確的方法若用得其所可加速迭代。
• 深入理解AI因其新興與複雜性帶來競爭優勢。
• 組合多個AI構建模組能指數級擴展軟體應用與創新機會。
• 負責任的AI開發意味著終止不符合倫理標準的計畫，平衡速度與社會影響。
• 必須保護開源AI模型與工具免受監管與把關者威脅，以維護創新與使用權。
• AI本身既不安全也不不安全，安全與否取決於負責任的應用，類比電動馬達可作善用也可作惡用。
• AI教育仍屬實驗階段；超個性化學習與AI導師具潛力，但需複雜工作流程規劃。
• 對AGI及災難性AI風險的炒作過度，應以現實視角理解實際AI進展，避免錯誤恐慌。
• 能明確告訴電腦你想要什麼，無論透過編碼或提示工程，是未來關鍵技能。
• 限制開放創新的監管方式可能導致權力集中在少數把關者手中，損害競爭與進步。

洞見

• 新創執行速度放大成功機率勝過僅有品質，AI顯著加速此速度。
• AI的價值主要在於解決真實用戶問題的應用，而非僅基礎模型進步。
• 迭代的能動型AI工作流程模擬人類創造過程，通過反思與修訂產出更高品質成果。
• 具體明確的想法促成快速工程迴圈，模糊想法雖吸引但阻礙進展。
• 經驗豐富的領域直覺常優於初期數據驅動決策，能加快假設測試。
• 軟體工程成本下降使得嚴格決策轉為可逆實驗，鼓勵大膽轉向與重建。
• 普及編碼技能提升所有角色生產力與AI應用能力。
• 技術進步導致瓶頸轉移，工程速度提升後產品設計與用戶反饋成為新限制。
• 精通AI構建模組並創意結合帶來指數級創新，類似組裝樂高積木。
• 負責任的AI需自我倫理監管，有時為確保社會利益放棄獲利項目。
• 過度炒作的AI恐懼分散了對實際可控風險的注意，專注負責使用更有效。
• 保護開源AI生態系統是民主化AI利益及防止壟斷的關鍵。
• AI輔助的快速原型鼓勵嘗試，接受失敗是發現過程的一部分。
• AI增強教育未來在於複雜迭代工作流程，而非簡化AGI方案。
• 與AI有效溝通（編碼或高階提示）是未來專業人士的關鍵差異化技能。

引言

• 「執行速度是新創成功機率的重要預測指標。」
• 「幾乎定義上，最大機會必定出現在應用層。」
• 「能動型工作流程雖較慢，但產出品質大為提升。」
• 「具體想法帶來速度。」
• 「模糊時，你幾乎總是對的；具體時，你可能對也可能錯。」
• 「有良好直覺的領域專家通常是更快速的決策機制。」
• 「快速行動且負責任。」
• 「只在自己筆電上運行的原型不安全代碼是可以接受的。」
• 「軟體工程成本正迅速下降。」
• 「技術棧選擇曾是單向門，現在正變成雙向門。」
• 「隨著AI使軟體工程更簡易，更多人應該學習編碼。」
• 「懂得利用AI讓電腦達成目標的人將更有力量。」
• 「AI本身既不安全也不不安全，關鍵在於你的應用方式。」
• 「如果你帶人跟不上速度，那是危險。」
• 「保護開源是防止創新被把關者抽走的關鍵。」
• 「打造用戶喜愛的產品是最重要的事。」
• 「AB測試如今是最慢的策略之一，因為需要時間上線。」
• 「能明確告訴電腦你想要什麼，是未來最重要技能之一。」
• 「隨著AI構建模組增加，你能建造的東西呈指數成長。」
• 「快速反饋與迭代是新創成功關鍵。」

習慣

• 專注構建具體且詳盡的產品想法，使工程師能立即開始編碼。
• 堅持一個明確假設直到被證偽，再迅速轉向新想法。
• 利用快速原型製作20個以上低成本概念驗證，快速測試想法。
• 鼓勵團隊在本地撰寫不安全的原型代碼以加快迭代速度。
• 持續更新技術判斷，掌握最新AI編碼工具與模型。
• 讓所有員工，包括非工程師，學習編碼以提升生產力與AI使用。
• 在咖啡館、飯店大廳等公共場所花時間，尊重地收集即時用戶反饋。
• 利用從直覺到AB測試的多元反饋策略，平衡速度與準確性。
• 設計軟體架構，便於在AI構建模組供應商間切換，保持彈性。
• 投入時間持續深入理解AI構建模組，透過學習和課程提升。
• 鼓勵產品經理學習編碼或培養產品直覺，解決開發瓶頸。
• 推動負責任AI開發，評估倫理影響並終止可能傷害社會的專案。
• 定期分析新創想法，撰寫詳盡備忘錄評估產品、市場、護城河和技術可行性。
• 當技術決策成為瓶頸時迅速重建代碼庫，擁抱雙向門思維。
• 透過深入分析用戶反饋和數據，不斷精進心智模型，加快決策速度。

事實

• AI Fund 每月大約打造一個新創，深度參與編碼、客戶互動與設計。
• 能動型AI工作流程包含迭代步驟：大綱、研究、草擬、批評與修訂內容。
• AI編碼輔助能使原型開發速度比傳統編碼快10倍以上。
• 本地撰寫不安全原型代碼可接受，但未經加固不得外部部署。
• 矽谷產品經理與工程師比例從1:6轉變為部分團隊可能高達2:1。
• 利用評估框架（如 evals）切換AI基礎模型成本相對較低。
• AI安全更適合稱為負責任AI，重點在應用而非技術本身。
• 加州SP 1047監管提案因對開源AI要求繁重而被阻擋。
• 行動生態系統受限於把關者（Android與iOS），限制創新，相較於開放AI較受限。
• 過度炒作的AI敘事包含人類滅絕與大規模失業恐懼，缺乏證據。
• 企業護城河有時比消費者產品護城河更具防禦力，後者依賴勢能與品牌。
• 多個AI構建模組結合產生應用的組合爆炸。
• 深度學習課程提供的構建模組促進軟體應用複雜度指數級增長。
• AI Fund 因倫理理由終止專案，即使財務可行。
• AI驅動的教育仍屬實驗階段，尚無明確終局，但預期超個性化將成形。

參考資料

• AI Fund 創業工作室
• 能動型AI工作流程
• GitHub Copilot 及AI輔助整合開發環境
• Cloud Code 與 Cloud CodeX AI編碼助手
• 傑夫·貝佐斯的雙向門與單向門比喻
• Coursera 線上教育平台
• Midjourney 生成藝術工具
• DeepLearning.AI 課程與虛擬助理聊天機器人
• 加州SP 1047 AI監管提案
• Android與iOS行動生態系統
• Jasper AI 新創案例
• 提示工程與微調技術
• evals、guardrails、嵌入技術、圖形資料庫整合等工具
• Speak 語言學習應用（提及Duolingo）
• 《華爾街日報》AI控制相關報導

一句話總結

新創成功依賴於由AI賦能的快速且具體執行，以及負責任且具倫理的創新。

建議

• 專注於具體且詳盡的產品想法，促進快速工程與快速驗證。
• 堅持一次專注一個假設，假設被數據推翻時迅速轉向。
• 利用AI編碼輔助打造快速原型，速度至少比傳統方法快十倍。
• 允許在本地機器撰寫不安全原型代碼以加快迭代，但生產前必須加固安全。
• 讓所有團隊成員，包括非工程師，學習編碼以提升AI使用效率與生產力。
• 定期從多元來源（包括陌生人）快速收集用戶反饋，獲取公正產品見解。
• 持續掌握最新AI工具與模型，保持技術判斷力與速度。
• 架構軟體系統以便於在AI供應商間切換，避免鎖定並保持敏捷。
• 創意結合多個AI構建模組，指數級擴大產品能力與創新。
• 及早終止倫理有疑慮的專案，將社會利益置於財務收益之上。
• 在快速行動與負責任間取得平衡，確保AI應用周到且尊重。
• 培養產品經理的編碼技能，解決產品開發中新瓶頸。
• 利用多元反饋策略（從直覺到AB測試）加速學習迴圈。
• 保護並貢獻開源AI，維護創新自由與AI利益民主化。
• 廣泛教育AI能力與限制，縮短認知差距並賦能用戶。
• 避免炒作敘事，聚焦現實且實用的AI應用與挑戰。
• 鼓勵透過AI教育平台與深度學習課程持續學習。
• 優先打造用戶喜愛的產品，作為擴展或護城河建設的基礎。
• 深入理解領域知識，提升AI互動與輸出品質。
• 在公共場所尊重且直接與用戶互動，收集誠實的產品反饋。