AI Fund

128 · 寫程式變快，瓶頸換成產品判斷

42:12YouTube 上架 2025-08-21Andrew Ng（AI Fund）

No Priors Ep. 128 | With Andrew Ng, Managing General Partner at AI Fund

Andrew 談 agent 落地卡在人才與評估，coding agent 讓開發變快、瓶頸移到產品判斷，也談到小團隊、創辦人輪廓與創投能自動化的部分。

128 講了什麼

• agent 落地缺的是人才Andrew 認為最大的差別在團隊會不會用系統化的 error analysis 搭配 eval 來改 agent，經驗少的團隊多半是隨機亂試。企業流程裡的外部脈絡，目前仍要靠人去想清楚。
• coding agent 是最成熟的例子Andrew 把 AI 的經濟價值分成回答問題與 coding agent 兩大塊，自己最愛用的是 Claude Code；computer use 一類的瀏覽購物，目前多半還停在好看的 demo。
• 瓶頸移到產品管理寫程式的速度變快、成本下降，決定要做什麼反而成了瓶頸。Andrew 說自己的團隊因此愈來愈依靠直覺，而這份直覺要靠大量客戶同理心撐起來。
• 創辦人要懂 AI 能做什麼Andrew 認為懂 GenAI 的技術型產品領導人，比只懂商業的人更容易成功；也談到努力工作、對客戶或技術的執著，以及創業要快速做決定。
• 小團隊與 AI 的組合Andrew 說自己參與的團隊裡，最有產出的是人少、AI 用得多、協調成本低的小團隊；對話中也有人提醒，太過強調精簡可能錯過擴張的時機，等既有大公司進場就被通路打敗。
• 創投哪些能自動化Andrew 認為對公司做初步的深入研究適合自動化，追加投資的決定則不必；主持人補充，靠關係建立的信任較難被取代。

從哪一段開始看19 段

1. 00:05開場與能力成長主持人介紹 Andrew，並問能力成長從哪來。Andrew 說規模化還有一點空間，但愈來愈難，agentic workflow、多模態與 diffusion 用於文字等也都是方向。
2. 01:25agentic AI 這個詞Andrew 想用 agentic 取代「這算不算 agent」的爭論，改談自主程度的高低；沒想到幾個月後行銷人員把它貼到所有東西上。
3. 03:13agent 落地的障礙Andrew 認為最大的障礙是人才，關鍵在會不會做系統化的 error analysis；流程中的外部脈絡目前還得靠人去判斷。
4. 06:04coding agent 最成熟Andrew 說最強的例子是 coding agent，也解釋為什麼它做得起來，並認為資本主義很擅長解決基礎研究問題。
5. 08:08模型替自己造資料對話談到模型公司已用 AI 寫大量程式，Andrew 舉 Llama 論文裡，舊版模型花長時間思考出題、新版學著快速解題的做法。
6. 08:56vibe coding 與 AI 輔助Andrew 不愛 vibe coding 這個說法，這個詞讓人以為很輕鬆，其實用 AI 寫一天程式下來腦袋很累；Andrew 稱之為快速的工程。
7. 09:56產品管理成為瓶頸寫程式變快後，決定要做什麼成了瓶頸，Andrew 的團隊愈來愈靠直覺；也聊到加速產品管理的工具與模擬使用者的研究。
8. 12:47創辦人輪廓變了Andrew 說很多 2022 年的做法在 2025 年已不適用，懂技術的產品領導人比較可能成功。主持人以早期矽谷創辦人與行動 app 為例呼應。
9. 15:20努力與競爭心Andrew 認為努力工作與個人成就相關，主持人補充創業不是人人適合，並談到取勝的競爭心。Andrew 則說自己更執著於讓學習者與客戶成功。
10. 18:26創業像打網球Andrew 把創業比成打網球而不是解微積分，要靠直覺快速決定，並提到 Bezos 的雙向門。
11. 19:28稀缺的產品直覺主持人轉述有位公司執行長說頂尖產品人才只有幾百位；Andrew 認為更多，並談客戶同理心，以及新創早期只服務一種使用者輪廓。
12. 22:53跟上變化的人與組織對話談到上一代的領導者不一定適應現在的步調。Andrew 說 AI Fund 每個人都會寫程式，也談到雇用時看重 AI 工具的熟練度。
13. 26:13法律界與產業轉變主持人說起 Harvey 的客戶：大型律所擔心以後只雇 10 個而不是 100 個 associate，未來的合夥人要從哪裡挑；主持人認為各產業會花一二十年慢慢轉變。
14. 27:30小團隊與精簡的代價Andrew 說最有產出的是少數強工程師搭配 AI 的小團隊；對話中也有人提醒精簡過頭會錯失市場，等既有大公司進場就被通路打敗，並舉 Slack 與 Teams、Sketch 與 Figma 為例。
15. 32:27下一個要做什麼Andrew 說 AI Fund 偏好具體的想法，而不是「AI 會改變醫療」這種大方向的分析。
16. 34:02創投的哪些可以自動化Andrew 認為做公司研究與整理 LP 報告適合自動化，追加投資的決定則不必。主持人說到在 Bridgewater 工作過的合夥人，討論人的判斷難以取代。
17. 36:08人類的資訊優勢Andrew 說人仍有優勢，因為有些脈絡 AI 拿不到；主持人補充靠關係建立的信任也很難自動化。
18. 37:41輔助第一次創業的人對話談到怎麼幫技術背景的第一次創業者：同儕圈與互補的雇用，Andrew 則說創投與工作室做過很多次，能在募資與跑客戶上提供經驗。
19. 41:05未來五年的影響Andrew 認為擁抱 AI 的人會比多數人預期的更有能力。

值得記的話5 句

• Oh I think capitalism is great at solving fundamental research problems.我認為資本主義很擅長解決基礎研究問題07:53

• the bottleneck is deciding what do we actually want to build瓶頸在於決定我們到底要做什麼10:58

• building a startup feels more like playing tennis than solving calculus problems創業比較像打網球，而不是解微積分18:26

• software engineering is a harbinger of what will happen in other disciplines軟體工程預示了其他領域將發生的事25:58

• we really like concrete ideas我們很喜歡具體的想法33:13

名詞與人物10 個

agentic AI

Andrew 提出的說法，把 agent 看成自主程度的光譜，而不是二分的有或沒有

error analysis

系統化地分析 agent 哪裡做得對、哪裡出錯，再決定改什麼

eval

評估 agent 表現的做法，Andrew 說快速評估是目前的一大難題

computer use

讓 AI 操作電腦或瀏覽器，Andrew 說有時能用、經常不能用

Claude Code

Andrew 目前最愛的 coding agent，稱讚它會規劃步驟、列檢查清單、逐項執行

AI assisted coding

Andrew 偏好的說法，用來取代 vibe coding，強調這是費腦力的快速工程

AI Fund

Andrew 所在的創投工作室，這集談它如何挑想法、輔助創辦人

two-way doors

Andrew 引用 Bezos 的說法，指做錯了可以退回的決定，所以可以快速下判斷

Harvey

法律 AI 公司，主持人投資時打電話問過它的大型律所客戶

OpenEvidence

主持人參與的公司，說在美國約有 50% 的醫師使用，並以保持小規模為公司目標

提到但沒有展開

• Andrew 提到一個招募的例子：面試了一位約有 10 年經驗的全端工程師與一位剛畢業的學生，後者更熟悉 AI 工具而被錄取；不過現在最厲害的工程師是有 10 到 15 年以上經驗、同時很熟 AI 的人。
• Andrew 說有一週，一位成員來要人力被拒絕，另一位來要預算聘用 AI 則獲准，以此說明要有「請 AI 而不是請人」的直覺。
• 對話中有人說，當年 Minecraft 賣給 Microsoft 時大約只有五個人，賣了幾十億美元；也有人說大型科技公司很多都可以縮編 70% 而更有效率。

在 YouTube 看原片 ↗