前特斯拉AI总监，AI大佬 Andrej Karpathy 在最新演讲中揭示了软件发展的革命性变化
在科技发展的历史长河中，很少有技术能够在如此短的时间内彻底改变一个行业的基础架构。
然而，人工智能正在做到这一点。
Andrej Karpathy 在演讲中，为我们描绘了一个令人震撼的图景：软件正在经历70年来最根本的变化，我们正站在"软件3.0时代"的门槛上。
为了方便大家阅读，本文是对该演讲的翻译、整理和总结
软件演进的三次革命
从手工编程到神经网络的跨越
Karpathy 将软件的发展历程划分为三个截然不同的时代。
软件1.0时代
是我们最熟悉的世界------程序员使用Python、C++等编程语言，一行行地编写明确的指令，构建起我们今天数字世界的骨架。
所有的逻辑都来源于人类的智慧，代码被整齐地存放在GitHub这样的代码仓库中。
软件2.0时代
伴随着深度学习的兴起。在这个时代，软件的核心不再是人类编写的指令，而是神经网络的"权重"。
程序员不再直接"写"程序，而是通过精心构建数据集和优化器，去"寻找"能够解决问题的程序------也就是训练完成的神经网络模型。
Hugging Face平台就像是软件2.0时代的GitHub，汇集着无数的AI模型。
Karpathy在特斯拉工作期间，亲眼见证了软件2.0如何逐步"吞噬"传统的C++代码。
在自动驾驶系统的开发中，感知、融合、规划等复杂任务逐渐被整合进更大、更强韧的神经网络中，传统代码被一行行删除。
软件3.0：自然语言成为编程语言
然而，真正的革命发生在软件3.0时代。大型语言模型(LLM)的出现创造了一种全新的计算实体。如果说过去的神经网络像是功能固定的专用机器，那么LLM就像是一台可编程的通用计算机。
最令人惊叹的是，这台新计算机的编程语言竟然是人类的自然语言------英文、中文、或任何我们日常使用的语言。我们通过"提示词"来指挥这台新计算机，这意味着编程的门槛瞬间消失，数十亿会说话的人一夜之间都成为了潜在的"程序员"。
LLM：新时代的操作系统
多重身份的技术巨兽
Karpathy 用了一系列精妙的比喻来解析LLM在技术生态中的定位。
首先，他很赞同LLM确实像吴恩达所说的"新时代的电力"------它们通过API像电网一样输送智能。用户按需付费，要求低延迟、高可用性和一致的质量。
同时，LLM也具有半导体制造业的特征。
训练一个大型模型需要巨额资本投入，拥有复杂的技术路线图和研发秘密。有些公司采用"Fabless"模式，使用Nvidia的GPU但不制造硬件；而像Google这样的公司则拥有自己的TPU，类似于Intel的自有制造模式。
但 Karpathy 认为，最贴切的比喻是 操作系统 。当前的LLM生态正如个人电脑的早期历史：有OpenAI、Google Gemini这样的封闭系统（类似Windows和Mac OS），也有以Llama为代表的开源生态（类似Linux）。
在这个新操作系统中，LLM本身是CPU，上下文窗口是内存(RAM)，它们协调着内存和计算来解决问题。我们目前与ChatGPT的对话，就像在1960年代通过文本终端与大型机交互------我们还处在"时间共享"的云端时代，个人计算的革命尚未真正到来。
技术扩散的逆转
有趣的是，LLM的普及模式完全颠覆了传统技术的扩散路径。通常，新技术首先被政府和大企业采用，然后才扩散到消费者。但LLM却直接面向普通用户------它们帮助我们煮蛋、写邮件、解决日常问题，而政府和企业反而在采用上显得滞后。
与"有瑕疵的天才"共事
超能力与认知缺陷并存
要有效利用LLM，我们必须理解它们的本质。Karpathy将LLM比作"有瑕疵的天才"------它们拥有如电影《雨人》主角般的超凡记忆力，能记住互联网上海量的知识，甚至可以背下整本电话簿。
但同时，LLM也存在明显的认知缺陷：
- 幻觉问题：会编造事实，缺乏足够的自我认知
- 锯齿状智能：在某些领域超越人类，却在其他领域犯下人类绝不会犯的低级错误（比如坚持9.11大于9.9，或认为strawberry中有两个R）
- 顺行性遗忘症：如同电影《记忆拼图》的主角，每次对话结束记忆就归零，无法从交互中持续学习
理解这些特性至关重要，因为我们需要设计一种既能发挥其长处又能规避短处的工作流程。
打造"钢铁人战甲"而非全自动机器人
部分自主应用的兴起
基于对LLM特性的深刻理解，Karpathy 提出了一个核心开发哲学：现阶段的目标不应该是创造全自主的AI代理，而是打造"半自主的应用程序"，就像托尼·斯塔克的钢铁人战甲。
成功的半自主应用，如代码编辑器Cursor和搜索工具Perplexity，都具备几个共同特点：
智能的上下文管理：自动收集所有相关信息，喂给LLM处理。
多模型协调 ：在后台调度不同功能的LLM分工合作。Cursor就同时使用嵌入模型处理文件、聊天模型进行对话、差异应用模型修改代码。
专用的UI/UX：设计高效的可视化界面让人类快速验证AI的输出。人类的视觉系统是"高带宽"的，图像化的差异对比远比阅读纯文字快速。
可调节的自主性 ：提供一个"旋钮"让用户根据任务复杂度调整AI的介入程度。在Cursor中，你可以选择简单的Tab补全，也可以让AI修改整个代码库。
人机协作的黄金法则
成功的AI应用遵循一个基本循环：人类生成指令 → AI执行 → 人类验证。这个循环越快，生产力就越高。为了加速这个过程，需要：
- 加速验证：利用GUI和可视化，让人类的"视觉GPU"快速处理信息
- 保持AI在控制范围内：避免产生过大的变更（比如10,000行代码的差异），因为人类仍然是验证的瓶颈
Karpathy以自己在Waymo的经历为例提醒大家：即使在2013年就能完美演示自动驾驶，但解决最后1%的长尾问题却花了超过十年。同样，实现真正的AI代理也将是一段漫长的旅程。
"Vibe Coding"：人人都是程序员
编程门槛的彻底消失
软件3.0时代最激动人心的变化之一，就是自然语言成为了编程语言。这催生了"Vibe Coding"现象------通过自然语言进行编程，无需深入学习传统编程语言。
Karpathy分享了自己的亲身体验：尽管不会Swift编程，他却在一天内完成了一个iOS应用并在手机上运行。这种体验让他深深震撼------过去需要花费数天学习Swift基础的工作，现在几乎瞬间就能上手。
他还开发了一个名为MenuGen的应用（menu.app），功能是为餐厅菜单生成图片。有趣的是，编写核心代码只花了几个小时，但处理支付、身份验证、部署等DevOps工作却耗费了一整周。这揭示了一个重要问题：虽然编程变得简单，但系统集成仍然复杂。
新挑战：为AI代理重新设计软件
这种体验让Karpathy意识到，我们需要开始为一种全新的"数字物种"------AI代理------设计软件。传统上，数字信息只有两种消费者：人类（通过GUI）和计算机（通过API）。现在我们有了第三种：AI代理，它们像"互联网上的人类精神"。
为了让AI代理更好地工作，我们需要：
专门的文档格式：就像网站有robots.txt指导搜索引擎，我们可能需要lms.txt来指导LLM。将文档转换为LLM易读的Markdown格式，把"点击这里"这样的指令转换为代理可执行的curl命令。
代理友好的工具：开发各种小工具，将为人类设计的网页或程序库转换成适合LLM读取的格式。比如将GitHub仓库转换为单一文本文件的Git Ingest工具，或者Deep Wiki这样的智能分析工具。
重写软件的时代
前所未有的机遇
Karpathy 的演讲揭示了一个令人振奋的现实：我们正站在一个需要重构、重写、重新想象几乎所有软件的时代。从底层的操作系统概念，到上层的应用交互模式，再到信息本身的呈现方式，都在经历剧烈变动。
这为新一代的开发者、设计师和思想家创造了巨大的机遇：
- 大量软件需要重写：适应AI时代的新需求
- 新的编程范式：需要掌握1.0、2.0、3.0三种编程方式
- 编程门槛降低：让更多人参与到软件创造中
- 全新应用类别：半自主应用的广阔空间
十年发展路径
Karpathy 预测，未来十年我们将逐步推动"自主性滑块"从左向右移动------从人类增强的"钢铁人战甲"模式，逐步迈向更高的自主性。但这个过程需要谨慎和耐心，因为我们处理的是复杂的软件系统，需要确保安全性和可靠性。
结语：拥抱变化的时代
正如 Karpathy 所说，这是一个"进入行业的绝佳时机"。软件正在经历70年来最根本的变化，这种变化的规模和速度都是前所未有的。
对于每一个技术从业者来说，理解这种变化并积极适应至关重要。我们不仅要学会与AI协作，更要学会为AI设计，为这个人机共存的新时代构建更好的工具和系统。
这不仅仅是技术的进步，更是人类与机器关系的重新定义。在这个充满挑战与机遇的时代，每个人都有机会成为这场伟大变革的参与者和推动者。
软件3.0时代已经到来，问题不是我们是否准备好了，而是我们如何更好地拥抱这个变化。正如Karpathy所展望的，这将是一个需要新一代开发者、设计师和思想家共同参与构建的未来。