Andrej Karpathy: Software Is Changing (Again)

Andrej Karpathy在2025年6月18日Y Combinator AI Startup School的演讲《Software Is Changing (Again)》中，系统阐述了软件开发的第三次范式革命，核心观点可概括为以下五个方面：

🧠 一、软件演进的三个阶段：从代码到自然语言

1. Software 1.0
   传统手写代码（如Python/C++），开发者需精确编写逻辑指令，代表平台为GitHub。
2. Software 2.0
   以神经网络权重为核心，开发者通过数据训练生成模型参数（如AlexNet），代表平台为Hugging Face——其地位相当于“模型界的GitHub”。
3. Software 3.0
   自然语言成为新编程接口：用户通过英语等自然语言编写提示词（Prompt）直接指挥大语言模型（LLM），提示词即程序。例如情感分析任务中，一句“判断此评论情感倾向”即可替代传统代码或模型训练。

⚙️ 二、LLM的三重属性与“新操作系统”生态

Karpathy将大语言模型（LLM）定义为兼具三种行业特性的革命性存在：

• 公共设施（Utility）：如OpenAI、Anthropic等实验室投入巨资训练模型，通过API按Token计费分发智能，类似电网的按需供应。
• 晶圆厂（Fab）：训练LLM需百亿级资本投入，技术壁垒高，少数巨头垄断核心研发（如谷歌TPU vs. 英伟达GPU模式）。
• 操作系统（OS）
  LLM构成新型计算平台：上下文窗口如内存，提示词调度如CPU指令，闭源模型（GPT/Claude）与开源社区（LLaMA）并存，生态类似Windows/Linux之争。
  💡 当前阶段类比“1960年代计算模式”：云端集中式计算，用户通过“瘦客户端”远程访问，尚未进入个人智能设备普及时代。

⚠️ 三、LLM的认知缺陷与协作挑战

Karpathy指出LLM本质是“人类心智的幽灵”（People Spirits），基于人类数据训练涌现类人心理，但存在显著短板：

1. 锯齿状智能（Jagged Intelligence）
   能解决复杂问题却常犯基础错误（如认为9.11 > 9.9）。
2. 顺行性遗忘（Anterograde Amnesia）
   无法持久记忆，超出上下文窗口的信息立即丢失。
3. 安全与可靠性问题
   易受提示注入攻击，产生幻觉（Hallucination），需严格验证输出。
   → 解决方案：通过系统提示学习（System Prompt）定义能力边界，构建“生成-验证”高效循环。

🤖 四、人机协作新模式：半自主化与“钢铁侠战衣”哲学

1. 自主性滑块（Autonomy Slider）
   动态调节AI参与度，例如编程工具Cursor支持从代码补全（低自主）到重构整个项目（高自主），人类始终保持最终决策权。
2. 氛围编程（Vibe Coding）
   自然语言描述意图而非精确逻辑，例如Karpathy用提示词一天开发iOS应用Menu Gen，无需Swift基础。
3. 关键主张

   “不要造钢铁侠，要造钢铁侠的战衣” —— 增强人类能力，而非追求完全自主的AGI。

🔮 五、未来方向：重构AI原生基础设施与开发者机遇

1. 为AI智能体重建数字世界
   当前网站/文档依赖人类交互（如“点击这里”），需设计机器可读协议（如LLM.txt）和API优先接口（如Stripe的Curl命令文档）。
2. 开发者新定位
   • 需同时掌握三种范式：传统编码（1.0）、模型训练（2.0）、提示工程（3.0）。
   • 角色从“写代码”转向“意图描述与结果审核”。
3. 行业十年展望
   • 短期：半自主应用爆发（如Perplexity研究助手）。
   • 长期：智能体（Agent）渗透企业工作流，但人类仍是闭环决策者。

💎 总结：根本性变革与行动呼吁

Karpathy强调，Software 3.0不是工具迭代而是“计算语言转移”——从机器码到自然语言的跃迁，其颠覆性堪比从命令行到图形界面的跨越。他呼吁开发者拥抱这场变革：

“我们站在软件重写的浪潮上，未来十年需重构海量系统，这是进入行业最激动人心的时刻。”

延伸参考：

• 演讲视频：Youtube链接
• 技术细节：LLM心理学框架、分时计算模型、Vibe Coding实践案例详见。