在2025年6月的YC AI创业学校演讲中，知名AI专家Andrej Karpathy深入剖析了软件演进的三个里程碑阶段，并对大语言模型（LLM）的本质、特性及未来应用方向提出了独到见解。他的演讲不仅揭示了当前软件变革的核心，也为我们描绘了未来AI世界的图景。
软件发展：从指令到自然语言
Karpathy将软件的发展历程划分为三个清晰的阶段：
软件1.0时代：传统编程的辉煌
这是我们最为熟悉的阶段。程序员们使用Python、C++等编程语言，通过编写明确的指令，精确地告诉计算机每一步操作。这是传统软件开发的基石，强调逻辑严谨和精确控制。
软件2.0时代：神经网络的崛起
随着神经网络的兴起，软件开发范式发生了转变。我们不再直接编写代码来定义具体行为，而是通过准备大量数据、调整网络结构，并运行优化器来训练神经网络，使其自动学习并生成权重参数。图像识别模型AlexNet就是这一时代的典型代表。
软件3.0时代：LLM驱动的智能
当前，我们正步入由大语言模型主导的软件3.0时代。自然语言成为了新的编程接口，通过简单的提示词（Prompt），我们就能直接与AI交互，指挥它完成各种复杂任务。这极大地降低了编程门槛，使更多人能够参与到软件创造中来。
大语言模型的三重属性：工具、工厂与操作系统
Karpathy对大语言模型（LLM）的本质进行了深刻洞察，认为它们同时具备三种重要属性：
工具属性：智能的“电力公司”
LLM就像电力公司，前期需要投入巨额资本建设基础设施（如GPU算力），一旦建成，后期则通过API按使用量收费。当顶尖大模型出现故障时，就像全球遭遇了一场“智能停电”，整个依赖它们的系统都会受到影响。
工厂属性：AI时代的“晶圆厂”
训练和部署大模型需要巨大的资本投入，其过程复杂且集中在少数几家拥有核心技术的公司手中，这与半导体制造的晶圆厂模式有着异曲同工之妙。技术路线的高度复杂性使得大模型生产成为少数巨头的专属领地。
操作系统属性：未来的计算核心
大模型不仅仅是一个工具，更是一个复杂的软件生态系统，其作用类似于Windows或Linux操作系统。Karpathy形象地指出，我们目前正处于大模型的“1960年代”——计算成本依然高昂，模型主要集中在云端，但未来它将成为支撑各类应用的基础平台。
大语言模型的“心理特征”：超人与缺陷并存
Karpathy将大语言模型形容为“人类心智的幽灵”，因为它们在基于海量人类数据训练后，涌现出了一些类人的心理特征：
超人能力：记忆的百科全书
LLM展现出惊人的记忆力，能够记住普通人难以记住的详细信息，例如Git提交哈希值等，这让它们在信息检索和处理方面拥有超人的能力。
认知缺陷：锯齿状智力
尽管在许多复杂任务上超越人类，大模型也存在“锯齿状智力”现象。它们有时会犯一些低级错误，比如认为9.11大于9.9，或者数错单词中字母的个数。这种不均衡的智能表现是大模型目前的重要特点。
记忆局限：顺行性失忆症
大模型的上下文窗口是它们的工作记忆，但每次对话结束后，这些记忆就会被清空，就像人类的“顺行性失忆症”一样。这意味着在多轮对话中，我们需要通过各种技术手段来维持其“记忆”。
部分自主性产品：人机协作的黄金法则
基于大语言模型的特性，Karpathy提出了“部分自主性”产品的概念，强调人与AI的协作：
钢铁侠战衣类比：赋能而非替代
Karpathy认为，我们应该致力于建造“钢铁侠的战衣”，而不是完全自主的钢铁侠机器人。AI的核心价值在于增强人类的能力，作为辅助工具，而非彻底取代人类。
自主性滑块：弹性控制
未来的AI产品应提供一个“自主性滑块”，用户可以根据任务的复杂性和风险程度，动态调整AI的自主程度，从简单的辅助提示到相对自主的决策。这为人机协作提供了更大的灵活性。
人机协作循环：始终掌握控制权
强调人类应始终保持对系统的最终控制权。通过高效、实时的协作循环，AI提供智能辅助，而人类进行最终的审查和决策，确保任务的顺利完成。
“Vibe Coding”：编程的民主化浪潮
Karpathy提出的“Vibe Coding”概念，预示着一种全新的编程方式：
编程门槛降低：人人皆可为程序员
“Vibe Coding”意味着任何能够清晰表达自己想法的人都可能成为“程序员”。编程不再是少数专业人士的特权，而是转化为一种普遍的沟通能力，极大地降低了软件开发的门槛。
创造民主化：让创意自由飞翔
非技术背景的用户，甚至儿童，都有可能通过自然语言来构建功能性的应用程序。这将极大地激发创新，让更多人的创意得以实现。
隐藏复杂性：表面简化，内部依然挑战
尽管通过自然语言生成代码变得简单，但传统的“软件1.0”任务，如管理API密钥、部署应用、处理支付等，依然复杂。这提示我们，编程的深层复杂性依然存在，只是被LLM巧妙地隐藏起来了。
未来基础设施改造：为AI重塑数字世界
Karpathy强调，为了适应AI时代的需求，我们需要对现有的数字基础设施进行彻底改造：
机器可读格式：信息交互新范式
未来的文档应更多地采用Markdown等机器可读的格式，将传统网页中“点击这里”等人类操作替换为AI可以直接识别和执行的命令，提高AI的理解和操作效率。
AI友好设计：面向智能体的API
需要设计面向智能体的API，而不仅仅是为人类用户设计的图形界面。这意味着API应该更加结构化、语义化，以便AI能够更高效地调用和理解。
标准化协议：AI时代的“lm.txt”
类似于robots.txt文件，未来可能会出现lm.txt文件，它将告诉AI如何与特定网站进行交互，哪些内容可以访问，哪些操作可以执行，从而规范AI在网络空间中的行为。
关键启示与未来展望
Karpathy的演讲传递了几个关键信息，为我们指 明了未来AI发展方向：
范式转移：软件开发的根本性变革
我们正在经历一场软件开发的根本性变革，从过去编写一行行代码，转向用自然语言指挥AI执行任务。这种范式转移将深刻影响整个软件行业。
谨慎发展：聚焦“部分自主”产品
当前最大的机遇在于构建“部分自主”产品，而不是盲目追求完全自主的AI。在AI技术尚不成熟的阶段，人机协作是更安全、更有效的路径。
长期视野：AI代理的成熟之路
Karpathy认为，AI代理（Agent）的真正成熟可能还需要十年甚至更久的时间。这需要持续的基础设施改造、技术完善以及社会适应过程。我们应该以长远的眼光来看待AI的发展，并为此做好准备。
Karpathy的演讲无疑为我们打开了一扇窗，让我们得以窥见未来软件和AI的演变方向。作为开发者和科技爱好者，理解并适应这些变化，将是我们迎接新时代的关键。