整理：Founder Park

YC AI Startup School 的第二天，迎来了 Satya Nadella（Microsoft CEO）、吴恩达（ Deep Learning.AI 创始人）、Chelsea Finn（Physical Intelligence 联创）、Michael Truell（Cursor CEO&联创）、Dylan Field（Figma CEO&联创）、 Andrej Karpathy（特斯拉前 AI 总监）、Sriram Krishnan（白宫人工智能高级政策顾问）七位重磅嘉宾。

围绕 AI 技术、创业等话题，这些大佬们在演讲中分享了许多精彩观点，诸如：

• 不要将 AI 拟人化。AI 不是人，它是一个工具。下一个前沿是赋予它记忆、工具和采取行动的能力，但这与人类的推理能力有本质区别。

• 未来，智能体将成为新一代的计算机。这个未来不仅取决于技术的精确，还取决于用户信任和无缝的交互体验。

• 那些包含反馈循环的产品，如 Agentic AI ，其表现远胜于那些只能「一次性」完成任务的工具。持续的交互能优化成果，而迭代则能带来性能的复合式提升。

• 现在构建原型的速度快了 10 倍，开发生产级软件的效率也提升了 30-50%。应当利用好这个优势，通过实时用户反馈来降低市场风险。

• 代码已不再是过去那种具备稀缺性的核心资产。有了快速原型工具和 AI，代码很容易生产。真正重要的是代码所实现的价值。

• 真实世界的数据无可替代。尽管合成和模拟数据有帮助，但真实数据仍然至关重要，特别是对于复杂的视觉和物理任务。

• AI 最好的用途是提高迭代速度，而不是追求一键生成的「魔法」。设计师和产品经理现在必须为 AI 评估做出贡献。

除了 Andrej Karpathy（Andrej Karpathy 的分享详见我们昨天的文章《YC AI 创业营第一天，Andrej Karpathy 的演讲刷屏了》）、Sriram Krishnan 外，我们对其余五位嘉宾的分享的核心观点进行了整理。

1. 平台的复合效应：AI 并不是凭空出现，而是建立在数十年的云基础设施之上，这些设施已发展到能够支持大规模模型训练。每一代平台都在为下一代平台的出现铺垫。

2. 模型是基建，产品是生态：基础模型是一种基础设施，类似新型的 SQL 数据库。真正的产品不是模型本身，而是围绕它构建的整个生态：反馈循环、工具集成和用户交互。

3. 经济影响是基准：Satya 衡量 AI 价值的北极星指标是：「它是否在创造经济盈余？」如果一项技术不能推动 GDP 增长，那就不是变革性的。

4. 算力与智能的边界：智能水平会随着算力的投入呈对数级增长。但未来的重大突破将不会仅来自规模，而是来自范式转变，如同下一个「规模定律时刻」的到来。