吴恩达亲授：小模型+边缘计算，高效AI的财富密码

随着各大科技公司争相推出千亿参数大模型，AI领域的"军备竞赛"似乎愈演愈烈。但吴恩达对此提出了不同见解：在模型规模不断膨胀的当下，争论谁是赢家其实意义不大。真正重要的是，谁能打造出真正可靠的AI应用，谁才能成为重塑未来的关键力量，甚至率先实现通过AI创造的财务自由。

在AI领域创业，真正的机会不在于"更大"，而在于"更聪明"！

就在行业巨头们在百亿美金赛道上比拼模型参数时，真正的创业机遇正在另一端悄然爆发——智能体时代已经来临。

这堪称AI领域的"中小企业革命"：它不追求通用智能的神话，而是通过成千上万个专注、可靠、懂业务的智能体，啃下那些看似不起眼却极具商业价值的实际问题。

AI创业新蓝海：智能体应用正当时！

模型越大就越好吗？投入越多就越有利吗？AI领域的竞争逻辑，真的如此简单直接？

如果真是这样，AI创业就失去了它的独特魅力。

实际上，除了开发大模型，更大的机会在于运用AI工具解决各行各业的具体问题，这正是智能体的用武之地。

当前，AI智能体市场估值约为51亿美元。行业分析预测，到2032年这一数字将增长至691亿美元，意味着7年内市场规模将扩张约17倍。

智能体能够将复杂任务拆解为一系列更小、更易管理的子任务。它会制定详细的执行策略，按步骤推进，并在过程中持续优化调整，模仿人类专家的思考方式。

智能体擅长运用多组提示词配合专业知识库，灵活调用搜索引擎、代码执行器等外部工具。

更值得一提的是，智能体还能对模型输出的结果进行自我评估。通过不断反问"这是最优方案吗？""能否更精准？""我遗漏了什么？"这样的自我纠错机制，大幅提升了输出内容的质量和可靠性。

对于准备进入AI领域的创业者而言，必须认清一个现实：智能体的核心优势在于"专业化"。

大厂试图用单一模型解决所有问题，而智能体系统让每个组件只需专注特定工作环节。

关键在于如何为智能体分配合适的角色，让小型、经济的模型组合在工作效率上超越像GPT-5这样价格昂贵的标准模型，从而实现特定应用场景的降本增效。

这正是创业者能够创造的价值所在。

解决具体问题，比空谈AGI更具价值

科技界一直热衷于追求通用人工智能的理想。

这一追求消耗了数百亿美元研发资金，也引发了无数媒体跟风炒作。对此，吴恩达的建议显得颇为务实：与其好高骜远，不如专注解决实际问题。

对于有志于AI领域的创业者，最好不要期待AGI的早日到来。因为真正的通用智能出现，意味着所有知识型岗位都将面临重塑。

如果这一天真的到来，自然也就没有了创业者的生存空间。

当前AI领域之所以需要创业者，是因为当今每个行业都存在大量"重复性高""缺乏创新"但极具商业价值的痛点。

创业公司应该专注于那些可量化成果的领域，比如自动化文档处理、优化能源消耗、提升医疗诊断准确性以及简化制造流程。

这些应用可能不会成为头条新闻，但它们通过提升效率、减少错误和降低成本，创造了数十亿美元的商业价值。这才是当前人工智能领域真正的价值洼地。

创业者需要选择自己熟悉的行业，深入分析工作流程中的每个环节，看看哪些步骤重复性最高、哪些环节最容易出错，这些都是需要优先解决的现实问题。

构建能够解决特定高成本问题的专业化AI解决方案，其投资回报是直接可见且相当可观的。

在这一过程中，创业者不必从零开始开发模型，而是应该秉持"实用主义"原则，积极探索和实验现成的开源模型，其成本仅为专用模型的十分之一。

通过这些成本效益高的基础组件，初创公司能够以更低的运营成本快速迭代，更快地推出产品，超越那些受制于昂贵专有模型的大公司。

把握边缘计算的增长红利

目前，大多数大模型都在云端运行。

但吴恩达指出，随着小型模型性能的不断提升，以及硬件价格的持续下降，未来我们将看到更多轻量化模型在本地设备上运行。

小型模型市场规模预计将从2024年的9.3亿美元增长至2032年的54.5亿美元；而边缘计算市场，预计将在2028年达到3780亿美元。

边缘计算使得涉及隐私数据的应用部署成为可能。

例如，创业者可以开发一款手机应用，通过实时分析用户的语音数据，早期检测抑郁症、阿尔茨海默症等疾病的征兆，而所有数据都安全存储在本地设备。

在制造业中，创业者可以在摄像头上增加多模态模型，让用户通过输入提示词，即时识别用户关心的细微缺陷。

而在零售业，创业者可以开发可租赁的导购机器人来替代推销人员，通过观察用户的行为选择发送赠品，并将关注的用户数据存储在本地。

边缘计算+小模型之所以可行，是因为现有的基础设施已经相当完善。

数十亿部的智能手机和物联网设备本身就可作为计算节点。

这些设备具有零延迟、零云成本和高度一致的隐私保护优势。

创业者要做的就是充分利用这些优势，通过优化小模型在特定领域的性能，构建一个个小而精的应用场景。

随着模型变得越来越小，同时性能越来越强大。

对AI领域的创业者而言，真正的护城河不该是技术本身。

当下，任何人都可以下载开源模型并进行部署。创业者真正的不可替代之处在于如何赢得用户的信任。

创业者不需要向客户炫耀技术有多先进，而是要设法说服客户信任你开发的AI应用。

与此同时，监管机构也不再接受黑盒系统；他们要求可解释和透明的模型。

当模型本身不再稀缺，真正的竞争优势将来自那些值得信赖的AI应用。

那些发展最快的公司不仅仅是部署更多模型；它们是在部署经过验证、监控和适当管理的模型。

只有致力于构建透明可信系统的承诺，才能持久地保持领先地位。

军民融合的应用前景广阔

2025年2月，吴恩达发表了关于"我很高兴谷歌改变了其对AI武器的立场"的评论。

不过，这样的言论也并非无的放矢。AI在军事领域的应用已成为一个关键且不可避免的创新领域。

尽管自主武器充满伦理争议，但现实是"军事AI淘金热"已经拉开序幕。

吴恩达自己的投资组合公司正在开发自主无人机，它们通过在灾区进行快速侦察来拯救生命，并为偏远部队提供后勤保障。这可以视为一种军民融合的应用场景。

除此之外，AI驱动的智能安防、复杂硬件的预测性维护、军事仿真和培训，以及前所未有的后勤优化。

全球各国政府的投资正在涌入，为能够提供强大可靠AI解决方案的初创公司创造了成熟的生态系统。

企业家应该关注"军民两用"技术。

为优化商业供应链而设计的AI系统，可以适应军事物流。

用于工业检测的计算机视觉模型，可以重新用于海军舰艇的设备维护。

关键在于构建既适用于民用又适用于国防部门的基础技术，从而开拓一个规模庞大的增量市场。

远见创造财富，洞察成就机遇

以上几点，就是吴恩达对AI创业者提出的实用建议。

遵循这些建议，用AI创业并存活下来，并非遥不可及的梦想。

如果你有远见、能洞察世界发展趋势，未来触手可及。

未来的AI财富，不属于那些拥有最大GPU集群的人，而属于懂得用最小模型解决最具体问题的人。

在巨头的阴影之外，是创业者的黄金边界——他们让智能真正落地，让信任成为新的护城河。

AI不再仅仅是技术的战争，而是执行与洞察的竞赛。胜者，将是那些在"巨浪之下"仍能稳扎稳打的追梦者。

参考资料：

https://www.reddit.com/r/AgentsOfAI/comments/1nogqpy/andrew_ng_the_ai_arms_race_is_over_agentic_ai/

https://aiquantumcomputing.substack.com/p/the-ai-oracle-has-spoken-andrew-ngs