AI时代下的公司变革

我爱免费

作者：微信文章
#模型时代# 达沃斯AI创业对话：吴恩达等人给出的5个关键判断，100倍多还不够，要100倍快

达沃斯谈AI的场次有很多，但是谈创业的不多，这场应该是比较关键的一局了，有：吴恩达（DeepLearning.AI创始人，顺便提一句，"agentic"这个词就是他两年前发明的）、Laura Modiano（OpenAI EMEA创业负责人）、Andy Hock（Cerebras首席战略官，刚和OpenAI签了700MW的大单）、Alex Ilic（ETH AI Center联合创始人）。主持人Nicole Büttner是Morantix Capital的创始合伙人。

他们聊了一些硬问题。构建成本趋近于零之后，壁垒在哪？企业AI实验为什么大多失败？下一个招的人，为什么应该是会写代码的市场？

一、"千花齐放"的AI实验策略失败了

吴恩达在达沃斯跟很多CEO聊的最多的话题，还是AI落地。他有一个比较直接的判断：大多数企业的bottom-up（自下而上）实验模式基本失败了。做了一堆试点，可能有些微小的效率提升，但远没有兑现agentic AI承诺的变革性改变。

问题出在哪？

1、只优化单点，不重构整条价值链

他举了银行贷款审批的例子。很多AI团队说：用AI做贷款审批，把人工1小时缩短到10分钟。效率提升了，成本省了。然后呢？业务没变。

真正的玩法是：既然AI能10分钟完成审批，那就做一个全新的产品，让用户"10分钟内拿到预批复"，而不是原来的等一周。这是完全不同的产品定位，需要重新设计营销、数字化申请流程、后端执行，整条链都要变。

"要真正变革业务，必须进行更深层的工作流重构。"他反复强调这一点。

2、问对问题：做100倍多，还是做100倍快？

每次自动化一件事情，除了想着省成本，要多问两个问题：能不能把这件事做100倍的量？能不能做100倍快？

这两个方向才是增长的来源。只看效率节省，你只会得到渐进式的效率提升。而那些咨询公司出的"每个银行都应该这样做"的报告，吴恩达的评价是"基本没用"。

3、企业内部的差异比外人想象的大得多

从外面看，银行和银行差不多，保险公司和保险公司差不多。但深入一两层，完全不同的护城河、资源、人才结构。所以AI策略必须定制化，hard work，比所有人预期的都要久。

4、从注意力经济到意图经济

Alex Ilic提出了一个更底层的框架转变。过去的互联网是注意力经济：争夺用户时间，导致成瘾、无限滚动等负面效果。但在agentic AI时代，你不是在争夺agent的注意力。

新的竞争是意图经济：谁能预测用户真正想解决的问题，谁就能做出更好的AI解决方案。

"我们正在从窃取用户时间的注意力模式，转向找出用户真正想解决什么问题。"

这个转变对广告行业的影响可能是颠覆性的。

Laura Modiano给了一个判断标准：别看你替换了价值链上的哪个"乐高积木"，要看你影响的是不是最终结果。是收入？是利润？还是业务成果？她举了医院的例子，患者流程有很多环节，但你真正要关心的不是某个环节的效率，而是患者最终是不是更健康了、体验是不是更好了。

"把所有乐高积木放进盒子，摇一摇，看看能拿掉多少块，然后重新设计。"

二、欧洲创业生态正在快速追赶

Laura Modiano带来了一组数据：2025年欧洲诞生了51家独角兽，前一年是26家，翻了一倍。全球独角兽占比从15%升到22%。同期美国是129家。

"我把职业生涯押在让欧洲公司成为全球品类领导者上。"

几个具体案例：
• Lovable：史上增长最快的公司之一，单年营收达到2亿美元
• 在图像生成、视频生成领域，Synthesia等欧洲公司是品类前三
• 硅谷投资人正在加大对欧洲公司的关注和投资力度

她还提到一个趋势：欧洲STEM毕业生数量超过美国和中国。技术创始人的供给正在增加。

Alex Ilic从学术界的角度补充：ETH和EPFL拥有世界领先的超级计算机，11000块最新GPU，是其他大学的20到50倍。他们正在从供给侧解决人才问题，让学生能够hands-on学习如何构建基础模型。

"我们现在大概只走完了这波浪潮的5%到10%。"

三、招聘逻辑彻底变了：所有岗位都要会编程

吴恩达分享了他现在的招聘原则，听起来有点极端，但逻辑自洽。

1、几乎所有岗位都优先招会编程的人

市场人员、招聘人员、前台接待员，都是。为什么？因为会编程的市场人员比不会的更高效。他的CFO不去花几个月找供应商、每月付几千美元买软件，而是自己写代码做工作流定制。他最好的招聘人员不用手工筛简历，而是写代码批量处理。

"我们的前台会写代码，她其实挺能干的，能给我们做定制软件。"

2、工程师效率的四个层级

他给了一个排序，从高到低：
• 最高：10-20年经验，同时精通最新AI工具的工程师
• 第二：精通AI工具的应届毕业生
• 第三：有经验但还在用2022年方式编程的老工程师（comfortable job，full stack，效率低很多）
• 最低：不懂AI工具的应届毕业生

"我个人永远不会再招一个不懂得熟练使用AI工具的工程师。"

3、学术界正在让学生失望

他直接说：现在还有大学让计算机专业毕业生从未调用过一次OpenAI或Anthropic或Gemini的API。"这对我来说太奇怪了。"学术机构需要现代化，否则就是在培养2022年的人才。

Andy Hock有不同的看法：技术创始人确实有优势，但他关注的是技术之外的能力——用户同理心、产品思维、讲故事的能力、组建团队的能力。"真正的差异化来自那些让人成为出色讲述者、出色领导者、出色产品构建者的技能，而不仅仅是技术能力。"

Laura则感谢了学术界培养技术创始人的贡献。她注意到一个趋势：现在的创业公司，CEO往往是上一代公司里的CTO。因为我们在用技术解决商业问题，技术能力真的很重要。而且不只是创始人，销售、BD这些传统非技术岗位现在也需要很技术，因为你要跟企业的技术采购团队对话。

四、PM与工程师的比例正在崩塌

吴恩达有一个有意思的观察。

传统科技公司的PM与工程师比例是1:4到1:8，一个产品经理能让四到八个工程师有活干。但吴恩达发现这个比例在快速下降。

原因很简单：构建变得太快了。PM给工程师一个spec，以为能让对方忙一周，结果工程师很快就说"done，下一个是什么？"PM和设计师开始被压得喘不过气。

他们的演变路径：1:4 → 1:2 → 1:1 → 最后干脆把PM和工程师合并成一个人。

"现在跑得最快的团队，有时候就是一个人的团队。"

这种人得同时有技术能力、用户同理心和产品直觉。传统培养体系几乎不培养这种混合型人才，所以压力落到了每个人身上——PM要学编程，工程师要学产品。

底层逻辑：当假设测试变便宜，假设生成就成了瓶颈

构建变快变便宜了，但决定做什么还是那么慢。去找客户、读他们的表情、决定下一步做什么——AI对这个环节的加速远不如对写代码的加速。这就是产品管理瓶颈的来源。

Laura补充了现在创业公司的速度有多快：用Codex这样的工具，人们不是快3倍，而是快200倍。更少的人能做更多的事，因为你的团队实际上被agent扩展了。从想法到产品的周期是以天计算的。

"现在变得极其重要的是观点、视角和品味。工具能完成大量工作，但你必须引导它们往哪个方向跑。"

五、速度提升创造的是全新品类

Andy Hock的视角来自基础设施层面。Cerebras的推理速度比GPU快10-50倍，这不只是让同样的产品更快，而是创造了之前不可能存在的应用。

他用互联网的历史做类比：从拨号上网到宽带，我们不只是得到了更快的BBS。我们得到了搜索、流媒体视频、社交网络。

"速度变快不只是让原来的东西更快，而是意味着全新的应用，意味着从数十亿到万亿美元的全新产业。"

对于agentic workflows来说，超快推理是基础设施层面的必要条件。语音助手、推理模型、多步骤agent流程，都需要这种速度。

快速构建的真相：是快速假设测试

Andy Hock引用了Jeff Dean十二三年前的一个观点：AI加速的是科学假设验证的过程。
• 测试一个想法需要一周或一个月？你大概不会测
• 需要一两天？如果在读博勉强可以
• 瞬时完成？这才是目标

所以"build fast"表面上是结果，底层是快速迭代、快速实验。最好的工程师之所以在金字塔顶端，是因为他们知道问什么问题、知道结果意味着什么、能快速生成下一个假设。

Laura补充了一个细节：最好的创业公司有always on AB testing（持续AB测试），快速发布，早期就让小批量用户测试未完成的功能。这种信任关系和速度是他们快速扩张的基础。而且，持续给合作伙伴反馈也很重要——那些和OpenAI紧密合作、不断做eval测试、说清楚想要什么的创业公司，能得到更快的支持。

Andy Hock最后补充了一句给硬件创业者的鼓励：不要因为周期长就回避深度技术和物理世界的项目。芯片和计算机系统不是12个月能出产品的，但这些是他个人最有成就感的问题。"去做那些疯狂的、以十年为周期的硬件项目吧。"

总结

这场对话说的其实是一件事：AI时代的创业，速度只是表象，底层是对整条价值链的重新思考。省成本不是目标，增长才是。招有技术能力的人做所有岗位。准备好一个人干过去一个团队的活。

吴恩达的最后一句话："当构建成本快速趋近于零，理性的做法就是去构建更多东西。"

核心归纳

Q1: 大多数企业的AI实验为什么失败？
因为只优化单点效率，没有重构整条价值链。正确的思路是：AI让某件事变快之后，能不能做成一个全新的产品，而不只是省成本。吴恩达举的例子是银行贷款审批——不是把1小时审批缩短到10分钟，而是做一个"10分钟拿到预批"的新产品。

Q2: 现在招人最看重什么？
会编程。吴恩达几乎所有岗位都优先招会写代码的人，包括市场、招聘、前台。最高效的工程师不是应届生，而是有10-20年经验同时精通AI工具的老手。他说自己永远不会再招一个不会用AI工具的工程师。

Q3: 欧洲创业生态现状如何？
正在快速追赶。2025年欧洲独角兽数量翻倍到51家，全球占比从15%升到22%。STEM毕业生数量超过美国和中国。Lovable单年营收达到2亿美元，是史上增长最快的公司之一。