撰文：Techub News 整理
导语
在创业孵化器 Y Combinator 的一场2025 年 6 月演讲中，OpenAI 联合创始人、前特斯拉 AI 总监 Andrej Karpathy（安德烈·卡帕西）分享了他对人工智能时代软件范式根本性转变的深刻观察。作为深度参与自动驾驶和大型语言模型（LLM）发展的核心人物，Karpathy 的见解对于理解当前技术浪潮的方向至关重要。本次演讲面向即将进入行业的年轻开发者，阐述了为什么现在是投身软件领域“极其独特而有趣”的时刻。
摘要
- 软件正经历70年来最根本的变革，进入“软件3.0”时代，其核心是用自然语言提示（Prompts）编程大型语言模型。
- 大型语言模型（LLM）可类比为新的“操作系统”，但目前尚处早期（类似1960年代的计算），通过云端分时共享使用。
- 未来的应用将是“部分自主”的，人类与AI协作，由AI生成内容，人类进行高效验证，并通过“自主性滑块”调节控制程度。
- 由于编程语言变成英语等自然语言，所有人都将成为潜在的程序员，“氛围编码”（Vibe Coding）成为新的开发范式。
- 为适应AI智能体这一新的“数字信息消费者”，软件基础设施（如文档、API）需要做出针对性改变，使其更易于机器理解和操作。
软件的根本性变革：从1.0到3.0
Andrej Karpathy（安德烈·卡帕西）开篇明义：软件正在再次发生根本性变化。他认为，软件的基本范式在70年里没有太大变动，但近几年却经历了两次快速变革。
他回顾了自己几年前提出的概念：软件1.0 是人类编写的明确指令代码（如C++、Python），而 软件2.0 则是神经网络的权重参数。人类不直接编写这些“代码”，而是通过整理数据集和运行优化器来“训练”出这些参数。Hugging Face 就相当于软件2.0领域的GitHub。
然而，最近的变化更为深刻。Karpathy 指出，过去的神经网络多是“固定功能计算机”（如图像分类器），而如今的大语言模型（LLM）变得“可编程”了。提示（Prompts）现在成了编程LLM的程序，并且这种编程语言就是英语等自然语言。他将此称为 软件3.0。
他以情感分类任务为例：你可以写Python代码（软件1.0）、训练一个神经网络（软件2.0），或者简单地给LLM一段提示，比如“分析这段文本的情感：……”（软件3.0）。这三种范式并存，开发者需要根据场景灵活选择。
Karpathy（卡帕西）以自己在特斯拉开发自动驾驶（Autopilot）的经历，生动说明了范式迁移的过程。最初，Autopilot 堆栈中充满了C++代码（软件1.0）和一些用于视觉识别的神经网络（软件2.0）。随着系统进化，神经网络的能力和规模不断增长，而许多原本由C++代码实现的功能（如多摄像头图像信息跨时空融合）被迁移到了神经网络中，导致大量C++代码被删除。软件2.0“吞噬”了软件堆栈。他预见，软件3.0也将以类似方式“吞噬”现有堆栈。
LLM是什么？效用、晶圆厂还是操作系统？
如何理解LLM的本质？Karpathy（安德烈·卡帕西）探讨了几种类比。
首先，LLM 具有公共效用（Utility）的属性，类似于电力。OpenAI、Google（Gemini）、Anthropic等LLM实验室投入巨额资本（Capex）训练模型，犹如建设电网；然后通过API按量（如每百万tokens）提供智能服务，这是运营支出（Opex）。用户对API有低延迟、高可用性、质量稳定等类似公用事业的要求。甚至出现了类似“电力转换开关”的服务（如Open Router），允许用户在不同LLM提供商间轻松切换。
其次，LLM 也像晶圆厂（Fab）。训练顶尖LLM需要巨大的资本投入和深厚的技术积累，形成了深厚的“科技树”和研发壁垒，这些都集中在少数LLM实验室中。不过这个类比略有不同，因为软件的可塑性更强，不像硬件制造那样具有绝对的防御性。
但Karpathy（卡帕西）认为，最贴切的类比是将LLM视为一个新的“操作系统”。这并非像水电那样从水龙头流出的简单商品，而是一个日益复杂的软件生态系统。目前格局也与操作系统市场相似：有几个闭源提供商（如Windows、macOS），也有开源的替代品（如Linux）。Llama生态系统目前可能最接近未来LLM领域的“Linux”。
他描绘了LLM作为操作系统的蓝图：LLM本身是新型计算机的“CPU”，上下文窗口是“内存”，LLM利用其多种能力（工具使用、多模态等）来协调内存和计算以解决问题。从这个角度看，它非常像一个操作系统。同样地，你可以下载一个LLM应用（如Cursor代码编辑器），然后选择在GPT、Claude或Gemini等不同的“操作系统”上运行它。
Karpathy（安德烈·卡帕西）进一步指出，我们目前正处于类似1960年代的计算阶段：LLM计算非常昂贵，因此集中在云端，我们通过网络以“分时共享”的方式使用它，个人计算革命尚未发生（因为不经济）。虽然有早期尝试（如在Mac Mini上本地运行某些模型），但真正的个人AI计算形态仍待发明。
他还强调了一个“前所未有”的特点：LLM颠覆了技术扩散的方向。以往如电力、计算机、互联网等技术，总是先由政府和企业采用，而后扩散至消费者。但LLM恰恰相反，它首先被亿万消费者用于“如何煮鸡蛋”这类日常问题，而企业和政府的采用反而滞后。这种“自下而上”的扩散速度惊人，ChatGPT几乎一夜之间就被“空投”到数十亿人的电脑上。
LLM的“心理学”：与有认知缺陷的超人共事
在编程LLM之前，必须理解它们的“心理”。Karpathy（卡帕西）认为，LLM是“人物之灵”（People Spirits），是人的随机模拟器，其模拟器是一个自回归Transformer神经网络。
这些“灵”拥有超人的能力：百科全书式的知识和记忆，远超任何个人，类似于电影《雨人》中的自闭症学者。但它们也有一系列认知缺陷：
- 幻觉（Hallucination）：会编造信息。
- 参差智能（Jagged Intelligence）：在某些领域超人类，却会犯人类不可能犯的简单错误（如坚持9.11 > 9.9）。
- 逆行性遗忘（Retrograde Amnesia）：与人类同事不同，LLM不会随着时间的推移自然而然地积累和巩固知识。它们的“权重”是固定的，上下文窗口如同工作记忆，每次交互后会被“擦除”，就像电影《记忆碎片》或《初恋50次》的主角一样。如何让它们持续学习是一个未解决的研发问题。
- 安全限制：容易轻信，易受提示注入攻击，可能泄露数据等。
因此，开发者的挑战在于：如何与这些同时具备超人能力和显著认知缺陷的“灵”合作，绕开其缺陷，利用其超能力。
机会之地：构建“部分自主”应用
面对这种新型“计算机”，最大的机会是什么？Karpathy（安德烈·卡帕西）重点阐述了“部分自主应用”的理念。
他举例说，对于编码任务，你不会总是直接去ChatGPT界面复制粘贴。更好的方式是使用像 Cursor 这样的专用应用。Cursor 代表了早期LLM应用的一些共同关键属性：
- 上下文管理：LLM处理了大量的上下文管理工作。
- 多LLM调用编排：底层可能协调了嵌入模型、对话模型、代码补丁应用模型等多个模型。
- 应用特定GUI的重要性：GUI让人能够审计这些容易出错系统的工作。例如，以红绿色高亮显示代码差异（Diff），按一个键接受或拒绝，远比阅读文本指令高效。GUI利用了人类强大的视觉处理能力。
- 自主性滑块（Autonomy Slider）：用户可以根据任务复杂度，控制AI的自主程度。在Cursor中，可以是简单的标签补全（低自主）、修改选中的代码块（中自主），或是让AI在整个代码库中自由发挥（高自主）。
另一个例子是 Perplexity（AI搜索工具），它也具备类似特征：打包信息、编排多个LLM、提供可溯源结果的GUI，以及提供快速搜索、深度研究等不同自主程度的模式。
Karpathy（卡帕西）预测，很多软件都将变得“部分自主”。关键问题是：LLM能否看到人类所能看到的一切（应用状态）？能否执行人类所能执行的所有操作？人类能否监督并保持在环？我们需要重新设计软件界面，使其既能被人类操作，也能被LLM理解和操作。例如，Photoshop中的“差异”应该如何呈现给AI？
他强调，在这种人机协作中，AI负责生成（Generation），人类负责验证（Verification）。我们的核心利益是让这个循环尽可能快。为此：1) 需要加快验证速度，GUI是关键；2) 必须“拴住AI”（Keep AI on the Leash）。对AI智能体过度兴奋是危险的。如果AI一次性生成上万行代码差异，人类仍然是验证的瓶颈，需要确保没有错误、安全漏洞且符合意图。因此，他提倡采取小步快跑、增量验证的工作流。
他以AI教育为例：直接让ChatGPT“教我物理”很容易迷失方向。更好的方式是分解为两个应用：一个给教师用的课程创建应用，一个给学生用的课程学习应用。中间产物是结构化的、可审计的课程大纲，这样就把AI“拴在”了特定的教学路径上，避免了其“在森林中迷路”。
Karpathy（安德烈·卡帕西）借用他在特斯拉研发自动驾驶的经验和《钢铁侠》战衣的类比，进一步阐释了“部分自主”和“自主性滑块”的概念。自动驾驶汽车和钢铁侠战衣都是“部分自主产品”，既能增强人类（ augmentation），也能作为独立智能体（agent）。他提醒，鉴于当前LLM尚不完美，我们应更多关注构建增强人类的“钢铁侠战衣”（部分自主产品），而非炫酷但不可靠的全自主智能体演示。产品应具备自定义GUI和用户体验，旨在加速“生成-验证”循环，但同时也要保留未来向更高自主性平滑过渡的可能性。
人人都是程序员：“氛围编码”与为智能体设计
软件3.0的另一革命性影响是：编程语言变成了英语等自然语言，这意味着人人都可能成为程序员。过去需要5-10年学习才能进行软件开发，现在情况不同了。
Karpathy（卡帕西）提到了他无意中催生的网络迷因——“氛围编码”（Vibe Coding）。这指的是开发者凭借直觉和与LLM的自然语言对话来构建软件，而非严格遵循传统编程规范。他分享了一个孩子们用这种方式编程的温馨视频，认为这将是引导新一代进入软件开发的“入门毒品”，并对未来感到乐观。
他用自己的两个“氛围编码”项目为例：一个用不熟悉的Swift语言编写的iOS应用，以及一个解决实际问题的网站 Menu Gen（拍摄菜单生成菜品图片）。后者在几小时内就做出了demo，但将其变为真正的产品（涉及认证、支付、部署等）却花了一周，因为这些“运维”工作充满了需要在浏览器中手动点击的繁琐指南。这引发了他的思考：为什么不能让AI智能体来完成这些工作？
这引出了演讲的最后一个维度：为AI智能体设计（Building for Agents）。Karpathy（卡帕西）指出，数字信息的消费者和操控者除了人类（通过GUI）和计算机（通过API），现在增加了第三类：AI智能体（Agents），也就是那些在互联网上运行的“人物之灵”。我们的软件基础设施需要适应它们。
他举例说明了几种方式：
- 提供机器可读的文档：像 Vercel 和 Stripe 等公司已开始提供专门针对LLM优化的Markdown格式文档，因为Markdown易于LLM解析。他们甚至将文档中的“点击此处”替换为对应的cURL命令，以便智能体直接执行。
- 专用协议与文件：例如，可以有一个 `lm.txt` 文件（类似 `robots.txt`），用自然语言向LLM说明网站的内容和用途。Anthropic提出的 模型上下文协议（Model Context Protocol） 也是为此目的。
- 转换工具：出现了一些工具，能将现有的人类界面（如GitHub仓库）转换为适合LLM消化和分析的格式（如GitIngest、Deep Wiki），只需修改URL即可实现。
Karpathy（安德烈·卡帕西）认为，虽然未来LLM可能更擅长直接操作GUI，但现在“半路迎接”它们，为它们提供更友好的访问方式，仍然非常有价值，特别是对于那些可能不会主动适配的长尾软件。
结语：携手塑造软件的未来
Andrej Karpathy（安德烈·卡帕西）最后总结道，当前是进入软件行业的绝佳时机。我们需要重写大量代码，这些代码将由专业人士和AI“程序员”共同完成。
LLM既是公用设施，又像晶圆厂，但最像是一个处于1960年代早期阶段的操作系统。它们是拥有认知缺陷的“人物之灵”，我们需要学会与之协作，并为此调整我们的基础设施。在构建LLM应用时，应采用有效的工作方式（如快速生成-验证循环、保持AI受控），打造“部分自主”产品。同时，也需要直接为AI智能体编写更多代码。
回到钢铁侠战衣的类比，未来十年，我们将共同推动“自主性滑块”从左向右移动，逐步探索人机协作的深度与广度。Karpathy（卡帕西）对与新一代开发者共同构建这个未来充满期待。
