【新智元导读】软件3★◆◆.0，不止Vibe Coding！Karpathy重磅演讲，揭示软件深刻重构——已从「写代码」走向「说人话就能编程」的新时代。

　　虽然未来LLM也许能点击◆★、能导航■■■，但现在这些操作还成本高★◆、效率低。我们应该主动迎合它们，以最低成本获得最大效益。

　　当然，仅仅把文档变成markdown还不够。我们还得改变文档本身的写法。

　　软件一直在变，但在过去的70年里在根本层面上并没有太大变化，而在过去几年中却快速变化了两次★◆■。

　　另一个他喜欢的类比是：「当与ChatGPT利用文本交谈时，我就像是在用终端和操作系统对话。」这是文字输入，是最直接的操作系统访问方式。

　　它们是计算机★■■■★◆，但行为类似人类。它们就像「互联网的灵魂」，需要与软件基础设施交互■★。

　　目前LLM的计算成本仍然非常高，必须集中在云端运行，用户就像是当年的「哑终端」，通过网络与交互■★■，占用云端运行批处理任务中的一个维度。

　　智能参差不齐◆◆★■：它们在某些任务上表现超人，但有时却会犯一些基本错误★■，比如说「9.11大于9.9」★■◆◆■★。这种「锯齿形智能」现象很独特。

　　几年前，他注意到软件正在发生变化，出现了新型的软件，当时称之为「软件2.0」■◆◆★★。

　　今天可以在GPT■◆★■★、Claude★◆★◆★★、Gemini上运行同一个「LLM应用」，就像过去的软件一样。

　　软件2.0则是神经网络的权重参数。不再直接编写这些代码，而是更多地在调整数据集★◆◆★，并运行优化器来生成神经网络的参数。

　　我们使用全网的文本数据训练这个模型权重，因此这个模拟器具备了某种「人类心理」的涌现能力。

　　或者放手让AI自由操作整个项目（Command+I）——这就是「全自治」模式。

　　过去■■，想要在软件行业做点什么，通常需要花5到10年的时间学习编程语言、工具链、工程实践等等◆■◆■。但现在，不再是这样了■■◆★。

　　现在GitHub上的代码已经不仅仅是代码了◆■■，而是掺杂着大量英文，自然语言变成了新的「代码」。

　　但目前，面对尚不完美的LLM，Karpathy更倾向于「钢铁侠战衣」式的AI系统：

　　在LLM领域，也看到了这种格局：几个主流的闭源模型（如GPT、Claude等），再加上开源的LLaMA等。

　　另一个让他产生共鸣的类比是◆◆■：现在的AI处于「1960年代的计算机时代」★■★★。

　　缺点：LLM同时也存在很多「认知缺陷」，比如容易幻觉（hallucination），胡编乱造★◆★◆◆，缺乏对自身知识状态的良好感知。

　　它也有自治滑块：可以进行快速搜索■★◆、普通研究★■◆★■，或者更深入的研究■■，十分钟后返回结果★★。这些选项代表赋予工具的不同程度的自治权。

　　但目前还没有真正意义上的「通用GUI」（图形界面）来与这些模型交互，没有一个统一的GUI适用于所有任务。

　　「GitHub地图」展示了所有已经被编写的软件，也就是计算机在数字空间中执行任务的指令■★◆。放大来看，包含了不同类型的代码仓库，也就是编写的所有代码。

　　回顾历史，我们会发现很多变革性的技术，比如电力■◆■◆★★、密码学、计算、飞行、互联网、GPS等■◆◆★■◆，最初都是由政府或大型企业首先使用的——因为这些技术昂贵且复杂★■★◆，普通人无法早期接触◆★■★。

　　在YC放出的软件3.0的完整视频，Karpathy深入探讨了这种转变对开发者◆■、用户及软件设计本身的意义★■■：

　　在实际工作中，Karpathy总是害怕AI一次性给出太大改动。他追求的是高速◆★★、可控的协作循环◆★■■。

　　它也可以作为智能体（agent），在某些时候中它可以自己飞来找主人■■，自动完成任务。

　　软件3★◆■◆★.0：现在我们有了可编程的神经网络——大语言模型（LLM），而提示词（prompt）成了「编程语言」，而且这些提示词直接用人类语言写的！

　　「个人化AI计算机」尚未真正到来，也尚不清楚未来会是什么样子——或许在座的你们就将定义它。

　　加快验证速度■■■◆。GUI非常关键★★◆★■◆。视觉界面能调动人类大脑「图像识别GPU」■◆，而阅读文本费力又不直观。图形界面是直通大脑的高速通道。

　　如果用语音模式，这就是「软件3.0」的「言出法随」：真正做到了用嘴编程！

　　不仅仅是LLM本身的能力在提升，还包括它们使用工具的方式、多模态能力的扩展等等。这一切构成了一个真正复杂的软件生态系统。

　　目前大量的文档都是为「人类」写的，里面包含各种列表、加粗◆◆、图片……这对LLM来说很难直接理解。

　　Karpathy认为，这会成为下一代「走进软件开发」的入门方式■◆■，就像「网球王子」让人爱上网球一样◆■。

　　基于在斯坦福大学★★、OpenAI和特斯拉的工作经验，Karpathy观察到软件变革正在悄然发生——软件正在再次进化。

　　Karpathy非常喜欢钢铁侠的设定，它在许多方面都对技术的发展方向做了准确的预言。

　　这正对应早期计算时代的操作系统模型★◆：一切都在云端处理■◆◆★★，通过网络传输，进行批量运行■◆★。

　　现在有了「软件2.0」版GitHub平台★◆◆■，比如HuggingFace就是软件2.0世界中的GitHub★■■■。而Model Atlas也可以可视化这些模型全部参数的「代码」。

　　这就体现了「自治滑块」(Autonomy Slider)：我们可以构建「增强型工具」（像战衣），也可以构建「自主代理」（像战衣自己飞行）◆◆■■。

　　Karpathy觉得LLM现在确实表现出了「基础设施」的一些特性★◆■■◆■，但更贴切的类比也许是：LLM更像是新的操作系统。

　　Vibe Coding真的很有趣。特别是当想快速做一个非常定制化的小项目，市面上又没有现成产品时◆★◆■■■，Vibe Coding非常合适。

　　他认为我们已进入「软件3.0」时代，自然语言成为新的编程接口◆■◆★■，而模型则完成剩余工作：

　　再举一个成功的例子：Perplexity◆◆◆，具备Cursor类似的特性：汇总大量信息、在后台协调多个LLM、提供可供用户「审核」的GUI等。

　　比如Vercel就正在做这件事◆◆：把文档中所有「点击」操作◆◆★，替换成相应的curl命令，这样LLM就可以自动化处理。还有像Anthropic的Model Context Protocol，提供了与代理沟通的一种标准化协议■◆◆。这是一个值得关注的方向。

　　Karpathy做了一个iOS应用Menu Gen虽然他并不懂需要的编程语言。

　　LLM非常容易受骗★■★◆◆◆，容易受到「提示注入攻击」（prompt injection），可能会泄露数据。

　　这和过去的操作系统生态有些相似：有闭源的操作系统■◆■，比如Windows或macOS，同时也有Linux之类的开源系统。

　　他还发明了「Vibe Coding」（氛围编程）这一词汇，来描述直接用自然语言编程的情景。

　　当然，LLM在一些方面也和传统操作系统或早期计算设备截然不同■★★■◆。LLM与传统技术扩散路径之间■★★◆■★，存在关键差异：它们颠覆了技术扩散的方向。

　　这是根本性的转变：过去程序要把人类需求翻译为「机器语言」，现在直接把需求输入到LLM即可。

　　牢牢地把AI控制在手上。很多人现在对「AI智能体」（agent）过于兴奋。但实际上，如果AI给软件repo提交了10,000行代码，那人类审查员就是最大瓶颈■★★★◆■：还得逐行确保没有引入bug，没有安全问题等等。

　　这些产品应该拥有专属的GUI和交互设计（UI/UX），确保人类可以快速生成与验证结果■■。

　　我们必须一边利用它的超能力■★■★■，一边绕过它的弱点，学会如何与它协作★■★■■■、如何编程◆★★■◆■。

　　产品设计中应包含「自治滑块」★★■◆■★，并思考如何逐步右移它，让产品变得越来越自主◆◆★■■。

　　当时神经网络只是被当作另一种分类器，比如决策树之类◆■■◆★，所以这个框架在当时还是很有意义的。

　　优点：LLM拥有百科全书般的知识与记忆能力，远远超过任何单一人类个体★■■◆★。它们可以轻松记住Git SHA哈希值、各种信息、文件结构等内容。就像电影《雨人》里的「自闭症天才」◆■★■★◆，能一字不差地背下电话簿。