Andrej Karpathy: 软件正进入1964年时刻

你可能没听说过这个人：Andrej Karpathy。

但他是AI圈的大神级人物。斯坦福出身，在OpenAI干过，还在特斯拉带过团队；对深度学习、计算机视觉和自然语言处理做出了重要贡献。

6月17号，他在 YC AI 创业学校，做了一场演讲，分享一个更宏大的主题：AI 时代，软件正在经历一场范式革命；他提出，我们已经进入了软件 3.0 时代。

01

什么是软件 3.0？Karpathy 在演讲中说：软件，正在经历一次根本性的范式转变。

过去几十年，软件发展经历了两个阶段：

第一个阶段叫做软件1.0，这是我们现在最熟悉的编程方式：程序员一行一行地写代码，定义每一条规则、每一个条件判断。

比如，你想做一个计算器，就得写加减乘除的函数；你想做一个网页，就得写 HTML 和 CSS。这个阶段的特点是：人写代码，机器执行。

然后，我们进入了 软件2.0，也就是深度学习的时代。

这个时候，代码不再是重点了，取而代之的是数据，是神经网络，你不再告诉机器具体怎么解决问题，而是给它一堆例子，让它自己去学。

比如：识别猫的照片，你不用写识别眼睛、耳朵的算法，你只要给它成千上万张图片，它就能自己学会判断。。

Karpathy 打了个比方：软件2.0中，不是人在写程序，而是数据在生成程序。听起来很厉害对吧？但他说，这不是终点。

现在我们正在进入一个新的时代，叫做 软件3.0。

这个软件3.0是什么？

用语言来写程序。以前要敲键盘写代码，后来要准备数据训练模型，而现在，你只需一句话，一段提示词（prompt），就能让 AI 帮你完成复杂的任务。

比如：你想做个表格、整理文档、甚至调试代码，你不需要懂语法、不一定要会函数，你只要说：帮我把这份报告里的销售数据按地区分类汇总。AI 就能理解，并自动完成。

Karpathy 把这种能力叫：可编程性。

也就是说，大模型本身像一台超级计算机，你可以通过自然语言去“编程”它，让它按照你的意图运行。

他特别强调了一点：

这不是简单界面变化，这是软件范式的根本转变；从手动编码，到数据驱动，再到语言交互，已经走到了一个全新的阶段。

他还提出了一个非常重要的观：我们正在看到一种新的操作系统正在形成。

什么意思？

我们回到20世纪60年代，那时，操作系统解决了几个关键问题：它统一管理了硬件资源，抽象出了开发者可以直接使用的接口，还催生了一个庞大的生态系统。

这一切，让计算机从实验室里的昂贵设备，变成了日常生活中不可或缺的工具。

Karpathy 认为，现在正经历类似的变革。他说，大型语言模型（LLM）正在成为一种新的操作系统。

其一，操作系统统一了硬件资源的管理。它让你不需要直接操作CPU或内存，而是通过简单的指令就能完成复杂的任务。

同样的，现在的AI模型也在做类似的事情，它们统一管理的是认知资源。比如，当你使用像Cursor这样的AI编程工具时，背后是一个大型语言模型在协调代码生成、调试和上下文管理。

就像操作系统调度硬件一样，这些模型调度的是推理和语言能力。

其二，操作系统提供了一个抽象层，使得开发者可以通过API调用硬件功能；而在软件3.0时代，这个抽象层变成了自然语言提示（prompt）。Karpathy 打了个比方：

提示词（prompt）就是新的API，语言是新的编程语言。

这意味着，你可以通过简单的一句话，让AI完成复杂的任务，而不需要写一行代码。这不仅降低了技术门槛，还让更多人能够参与到编程中来。

第三点，操作系统革命催生了一个庞大的生态系统，包括各种应用程序、开发工具和社区。

现在，围绕着AI模型，一个新的生态系统也正在形成。Hugging Face就像是软件2.0时代的GitHub，而Cursor则是软件3.0的应用程序之一。

Perplexity这样的搜索工具也开始崭露头角。这些工具和平台正在构建一个开放的生态系统，就像当年的Linux挑战Windows一样。

所以，这次变革不仅是技术上的进步，更是思维方式的转变。他提到：

我们正处于软件3.0的‘1964年’，就像当时没人能想象互联网一样，今天也无法预测LLM最终会如何重塑世界。

换句话说，现在看到的只是冰山一角。未来十年，随着这些技术的进一步发展，我们会看到更多创新和突破。

就像操作系统革命带来了个人电脑的普及，软件3.0可能会带来一场全新的计算革命。

02

大家都知道，AI（人工智能）有很多优点，但问题是，它也有缺点。这些缺点会不会在商业里变成大麻烦？比如说，AI有时候会瞎编信息，那这该怎么办？

Karpathy 在演讲中提到，AI有时候会“情绪不稳定，还爱瞎编”。首先，得先搞清楚啥是“幻觉”。

他说：AI有时会编一些不存在的事或者数据。你问AI一个历史事件的细节，它可能会给你一个听起来挺像回事儿的答案，但其实细节都是编的，这就叫“幻觉”。

对企业来说，太危险了。那怎么避免AI的“幻觉”呢？

Karpathy提了几种办法：

第一个办法是“上下文管理”（Context Management），简单说，要让AI有足够的背景信息。比如，你让AI写一份报告，就先给它一些相关资料，这样它能更好地理解任务，写出更准确的内容。

第二个办法是“多重验证机制”（Multi-Validation Mechanism）。意思是，别只信一个AI的结果，多用几个AI，或者，让专家审核一下。比如，新闻机构让AI写初稿，然后编辑团队再审核修改，这样就能保证内容更准确。

第三个办法是“透明度与可解释性”（Transparency and Explainability），要让AI的推理过程让人能看懂。

比如，医生用AI来推荐治疗方案，不仅要看到结果，还要知道为啥这么推荐。这样开发的AI工具才更有用。

除了这些，还有一些技术和流程上的办法：

那最先用到的是提示词，给AI更精确的指令。比如，别只让AI“写一篇关于气候变化的文章”，告诉它要写哪些具体内容，这样它就能生成更准确的文章。

然后，“模型微调”，根据具体需求调整AI模型。比如，金融公司可以用金融数据来调整AI模型，让它在财务分析上表现更好。

最后无疑是“持续监控与反馈循环”，定期检查AI的输出，看看有没有问题。

虽然AI有缺点，但也有应对的方法，企业还是能把它用好的。不管上下文管理、多重验证机制，还是透明度与可解释性，都能帮企业降低风险。

不过话说回来，这只是AI发展的早期阶段。那再过几年呢？AI到底会让软件行业发生什么样的变化？这些变化又会给商业世界带来什么影响？

03

Karpathy 在演讲中说： 还记得前面讲过的软件3.0吗？这一次根本性的范式转移。

以前你要做个网站，得学HTML、CSS、JavaScript；；现在你只要告诉AI：“帮我做个登录页，带邮箱和密码输入框，AI就能直接生成代码，甚至帮你调试。

未来很多重复性的工作都会被AI接管，程序员的角色也会发生巨大变化，不再是“码农”，而是“提示工程师”、“系统设计师”。

其次，开发效率将呈指数级提升。

过去开发一个产品，要花大量时间写代码、测试、修bug；软件3.0时代，你可以让AI帮你快速搭建原型，自动优化逻辑，甚至在你没注意的地方，悄悄修复问题。

他在演讲中提到一个词，让我印象特别深刻，叫做“自主性滑块（Autonomy Slider）”。

意思是，你可以控制 AI 干多少活：要是不太放心，就让它提供建议，你自己确认；如果很信任它，就让它自己执行任务。

这种灵活性，会让整个开发流程变得前所未有的高效。

第三点，AI将成为新的“操作系统”。Cursor 这个工具，就是一个基于大模型的编程编辑器；Perplexity 是一个 AI 驱动的搜索引擎；还有越来越多的 AI 助手、AI 客服、AI 设计工具……

这些都在说明一件事：AI 正在成为新一代计算平台的核心。

除此外，AI还带来，商业逻辑的重构；以前企业比谁的产品更稳定、服务更好；未来，谁用AI更快地迭代、更高效地响应市场需求，谁就能赢。

举个例子：

一家初创公司只需要几个核心成员，借助AI完成大部分开发、运营、客服工作，就可以迅速上线产品，抢占市场；传统企业如果还依赖人工流程，可能还没反应过来，就已经被甩在后面。

所以Karpathy也提醒大家：这不是一场关于AI的技术竞赛，而是一场关于组织能力、适应速度和创新节奏的竞赛。

AI普及之后，很多基础岗位可能会减少，比如：初级程序员、数据录入员、简单的内容审核员等等；但这并不意味着就业机会变少了，而是对人才的需求变了

未来最吃香的是懂得如何与AI协作的人。

比如：懂得怎么设计高质量提示词；懂得怎么训练和调优模型；懂得怎么把AI整合进业务流程；换句话说，未来竞争力，不在于你会不会用AI，而在于你怎么用AI去放大自己的价值。

所以，未来十年，AI将带来三件大事：编程方式变了，从写代码到“说话”；开发效率变了，AI接管大量重复劳动，商业逻辑变了，效率决定胜负。

04

那么，传统企业如何在软件3.0时代避免被颠覆？在AI驱动的效率竞赛中，企业应优先投资哪些领域？有哪些可复用的转型路径？

Karpathy 在演讲中提到，企业要认识到AI是一个全新的基础设施；就像当年互联网成为企业运营的基础一样，AI也将成为未来企业的核心竞争力。

具体做法：

其一，从“工具思维”转向“平台思维”转变。

很多企业在引入AI时，习惯性地去买工具、上系统，比如买个AI客服机器人、加个数据分析模块……但这些只是局部优化，很难形成真正的竞争力。

真正重要的，是建立一个统一的AI平台，这个平台能把数据打通、让模型共享、支持多部门协同使用AI能力；就像当年Windows统一了硬件资源一样，今天的企业也需要一个能统一调度“认知资源”的平台。

毕竟，AI的核心是数据，因此企业需要建立完善的数据管理体系，确保数据的质量、安全性和可用性。只有高质量的数据，才能训练出高质量的AI模型。

然后，光有平台还不够，还要改流程。现在很多企业的流程太慢、太依赖人工；而在AI时代，效率决定生死。

你可以根据信任程度，调节AI在流程中的参与度：不太放心？让它提供建议，人再确认；很信任它？就让它自动执行任务。

举个例子：

一家银行可以用AI自动生成贷款报告，然后由人工审核；如果系统稳定了，就可以让AI直接生成并发送报告，中间不再需要人工干预；这就是流程重构的力量：让AI帮助流程变得更智能、更高效。

第三点，要培养“与AI协作”的新能力。

软件3.0时代，真正吃香的是懂得怎么和AI对话的人，Karpathy 把这些人称为：“提示工程师（Prompt Engineer）”；如果你能写出大量优质提示词，就能指挥AI完成大量工作。

最后一点，也是最难的一点：要改变组织的文化；很多企业都在搞AI试点项目，但试点成功后呢？没人跟进，不了了之。

Karpathy 强调：AI是组织运作方式的根本变化，这意味着你要从上到下地推动三件事：

鼓励试错，允许员工去尝试AI的新玩法，哪怕一开始效果不好；奖励协作，把AI使用得好的团队树为榜样，让大家看到价值；打破壁垒，让不同部门共享数据和AI能力，而不是各自为战。

只有当AI变成一种“默认操作”，它才真正落地了。

总之，传统企业要想在软件3.0时代活下去、活得好，必须做到四件事：

建平台，而不是买工具；改流程，而不是加功能；培养新型人才，而不是只会写代码的人；改文化，而不是做几个试点项目。

谁先完成这场进化，谁就能在这场AI驱动的效率竞赛中脱颖而出。