20. 给年轻人的建议：不要坐等他人的许可。去构建能赋予人们真正权力的工具。他时常反思：「我们能创造什么，来帮助他人进行创造？」
21. 最喜欢的产品：VSCode 和 Excel ——因为它们赋予人们超能力。
Deep Learning.AI 创始人：吴恩达
1. 执行速度决定成败：衡量一家初创公司能否成功的最佳指标，是构建、测试和迭代的速度。速度能带来学习的复利效应，AI 让这一效应呈指数级增长。
2. 多数机会在应用层：目前最大的收益并非来自构建新模型，而是将现有模型应用于有价值、面向用户的场景中。这才是创始人应该关注的地方。
3. Agentic AI 优于「一次性」工具：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。
4. 「编排层」正在兴起：在基础模型和应用之间，一个新兴的中间层正在形成：代理式编排。这一层能够支持跨工具和数据源的复杂多步任务。
5. 想法越具体，执行越迅速：快速行动的最佳方式是从一个具体的想法开始，一个细节充足到工程师可以立即开始构建的想法。好的具体想法，通常来自具有直觉般清晰度的领域专家。
6. 警惕「宏大叙事」的陷阱：「AI 赋能医疗」这类抽象目标听起来雄心勃勃，但往往导致执行迟缓。真正能带来效率的，是诸如「MRI 预约自动化」这类具体而微的工具。
7. 勇于调整方向，前提是走对第一步：如果早期数据显示你的想法行不通，一个具体的初始方案会让你更容易转向。清晰地了解你在测试什么，才能在失败后快速转向另一个方向。
8. 利用反馈循环规避风险：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。
9. 多做尝试，而不是追求完美：不要试图完善你的第一个版本。构建 20 个粗糙的原型，看看哪个能留存下来。学习的速度比打磨更重要。
10. 快速行动并负责：吴恩达重新诠释了硅谷的经典信条：不要「快速行动，打破陈规」，而要「快速行动，并承担责任」。责任感是建立信任的基石。
11. 代码正在失去其稀缺价值：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。
12. 技术架构是可逆的：过去，选择一个架构曾是单向决定。现在它是一扇双向门，更换架构的成本大大降低。这种灵活性鼓励了更大胆的尝试和更快的实验。