# 英语成为编程语言？一条数百万播放的编程神作深读：Karpathy 的“软件 3.0”宣言 ## 概述 如果一个曾参与创办 OpenAI、执掌过特斯拉 AI 团队的人告诉你：“你花了十几年学的这门手艺，正在被一种你每天说的话取代”——你会不会立刻点进去看完？这一期我们要深读的，就是编程圈近几年讨论度最高的演讲视频之一：Andrej Karpathy 在 Y Combinator 活动上的演讲《Software Is Changing (Again)》。它之所以值得逐段拆解，不是因为标题耸动，而是因为它提供了一套完整的思维框架：软件的三次范式更迭、LLM 作为新型计算机的硬件类比、“生成-验证鸿沟”对程序员角色的重塑，以及“自主性滑块”这种马上可以套用到你明天写代码的实操模型。没看过视频，这篇文章帮你补全；看过视频，这篇文章帮你把散落的比喻串成一张知识网络，并且告诉你哪些主张站得住、哪些被讲台的激情放大了。 需要说明：本篇为离线深度解读，文中视频数据（发布时间、播放量等）依据 Y Combinator 官方频道公开页面信息整理，未经实时抓取核实，精确数字从略，以频道页面为准。 ## 一、视频基本信息 | 项目 | 内容 | |------|------| | 视频标题 | Software Is Changing (Again) | | 主讲人 | Andrej Karpathy | | 发布频道 | Y Combinator（官方频道） | | 发布时间 | 2025 年中（据频道页面，约 2025 年 6 月） | | 时长 | 约 40 分钟演讲 | | 热度 | 据频道页面，播放量达数百万级，是 YC 频道近年传播最广的演讲之一；X（Twitter）上相关片段被大量转发引用 | | 领域 | 编程范式、AI、软件工程 | 先交代主讲人分量，因为这直接决定这条视频的“信息浓度”。Andrej Karpathy 是斯坦福博士，师从 Fei-Fei Li，是 ImageNet 时代卷积神经网络复兴的亲历者；2015 年成为 OpenAI 创始成员，2017 年出任特斯拉 AI 总监，主导 Autopilot 视觉团队；2023 年短暂重返 OpenAI，2024 年创办教育公司 Eureka Labs，目标是用 AI 重造编程与 AI 教育。他同时是史上最受欢迎的深度学习公开课讲者之一——从 cs231n 到“从零手写 GPT”系列，他的教学视频长期是程序员的入门标配。换句话说：这不是一个自媒体博主在追热点，而是一个既写过底层框架（他手写的 micrograd、nanoGPT 至今是教学经典）、又管理过工业级 AI 团队的人，在给整个行业画路线图。 演讲标题《Software Is Changing (Again)》刻意加了个括号里的 "Again"——这个细节就是全文的钥匙：软件不是第一次被改变，这是第三次。 ## 二、核心主张拆解：演讲到底讲了什么 ### 要点 1：软件 1.0 → 2.0 → 3.0，我们正处在范式交接点 Karpathy 给软件史建立了一个极简坐标系： - **软件 1.0**：程序员手写一行行代码，指令明确、逻辑显式。从 Fortran 到你今天写的 Java，都是 1.0。它的本质是“人把知识翻译成机器可执行的指令”。 - **软件 2.0**：2017 年他本人就在那篇著名的《Software 2.0》文章中提出（后收录于其个人博客）：神经网络权重的权重不再是人写的，而是由数据和优化算法“长”出来的。你不再写“如何判断图片里有没有猫”，而是收集一百万张猫的图片，让梯度下降替你写代码。Karpathy 当时在特斯拉的实践就是最典型的例子：自动驾驶中越来越多的模块从手写规则切换为神经网络输出。 - **软件 3.0**：这一次连“数据和训练”都省了。预训练大模型像一个通用的“计算基座”，你只需要用自然语言写下提示词（prompt），模型直接生成你要的软件行为。Prompt 是什么？Karpathy 给出的定义非常锋利：**prompt 是一种用英语写的程序，而且人人都会写**。 这页幻灯片就是整场演讲传播最广的金句出处——**“The hottest new programming language is English”（最热门的新编程语言是英语）**。这句话他其实早在 2023 年初的推文里就说过，演讲中把它升格为一张核心论点的幻灯片。 关键洞察在于三者的叠加关系，而不是替代关系：3.0 需要跑在 2.0 训练出的基座模型上，基座模型需要 1.0 写的基础设施（CUDA、分布式系统、推理引擎）才能运转。所以 Karpathy 强调这不是“淘汰旧程序员”，而是“编程语言的抽象层级又抬高了一层”——就像汇编程序员当年看 C 语言，C 程序员看 Python。 ### 要点 2：LLM 是一种新型计算机，而不是一个“更聪明的聊天框” 演讲中最具解释力的部分，是 Karpathy 的硬件类比。他提出：应该把 LLM 理解为一种全新的计算机架构，而不是一个应用： - **GPU 集群 + 模型权重 = CPU**：这是这台计算机的算力核心，制造极其昂贵，所以量产瓶颈酷似早期芯片产业； - **上下文窗口（context window）= 内存（RAM）**：容量有限、按需读写，所有“程序状态”都得塞进这块有限内存里运转； - **token 计费 = 电力/水费**：按用量付费，这是历史上第一次“计算”像公用事业一样被零售； - **软件 1.0/2.0 生态 = 外围设备与驱动**：检索、工具调用、插件，相当于这台新计算机的 I/O 系统。 由此推出他的"LLM OS"蓝图（这个白板图最早出现在他 2023 年 11 月的入门演讲《Intro to Large Language Models》中，本次演讲进一步展开）：LLM 内核挂载浏览器、代码解释器、文件系统、检索等“外设”，其他 LLM 像多进程一样协作，长视频/长文档则像“从磁盘换页进内存”。 这个类比的价值不只是漂亮。它把一批看似零散的行业现象一次性解释了：为什么显存/HBM 是战略资源（内存墙）、为什么上下文长度竞赛如此惨烈（RAM 竞赛）、为什么推理成本逐年骤降（硬件摩尔定律 + 软件优化）、为什么“上下文工程”正在取代“提示词工程”成为新技能——因为内存管理从来就是编程的核心难题之一。 ### 要点 3：LLM 心理学——它会犯一种人类新手才犯的错 Karpathy 花了一整节讲他称之为 "LLM psychology" 的东西，这是他对开发者社区最有实际价值的贡献之一： - **幻觉不是 bug，是特性**：LLM 的训练目标是“生成统计上最像样的下一个 token”，所以它天生是个“逢问必答”的过度自信实习生。他把幻觉类比早期计算机的随机崩溃——1970 年代的机器隔三差五蓝屏，工程师的应对不是放弃计算机，而是围绕它建立容错体系。今天的 AI 工程也一样：验证层、重试、交叉检查，都是在给一个“会犯错但便宜到离谱的员工”配质检。 - **能力分布极度不均**：它读得懂《联邦党人文集》却可能算错三位数乘法。这不是装傻，而是架构决定的——它没有内置计算器，除非你给它接一个（工具调用）。所以会用人的人，是“把它的强项暴露出来、把弱项外包出去”的人。 - **认知阻抗（cognitive inertia）式的转述偏差**：长对话中模型会被自己的前文带偏，越聊越偏，需要你重开上下文，像给员工放个假。 ### 要点 4：部分自主（partial autonomy）与自主性滑块 这是对程序员日常最有操作意义的部分。Karpathy 强调：不要问“AI 能不能取代程序员”，要问“AI 能替你完成任务的百分之几”——这个百分比就是一个**自主性滑块（autonomy slider）**： - 滑块在最左端：自动补全，改一行代码（你仍是驾驶员）； - 中间：Copilot 式协作，AI 起草、你逐段确认； - 最右端：Devin 类全自动 agent，接一个 Jira 工单自己跑完。 他现场点评了当时引发轰动的 Devin 演示，并给出了一个流传很广的比喻：那演示像 **Anki Overdrive 玩具赛车**——看起来像真车在自动驾驶，其实是轨道上按剧本跑的玩具；真正的 Waymo 是另一回事，做到了车队级可靠性。他后来用“演示到产品的距离”提醒所有人：demo 与可靠产品之间隔着数量级的工程。 更重要的工程判断是**生成与验证的不对称**：AI 生成一万个 token 只要几秒，你验证它对不对却要读很久——生成便宜了，验证成了新的稀缺资源。因此他的结论是：**把 AI 拴在皮带上（keep the AI on a leash）**，用小颗粒度、高频率验证来换取真正的加速；而不是一条 prompt 甩出去祈祷结局。 他还留了一个让全场发笑又背后发凉的类比：当前阶段的 agent 工具，好比钢铁侠的第一代战甲 Mark 1——在山洞里敲出来的粗糙铁壳，丑、慢、勉强能飞，但方向已经确定，后面是 Mark 42。 ### 要点 5：Builder 的机会窗口 作为 YC 的场子，最后一节自然落在创业机会。他的判断：最大的机会不在“再做一个基础模型”，而在**垂直领域 agent**（你的行业知识 + LLM 的杠杆）和**个人助理级 agent**；且此刻的位置酷似“1970 年代初的计算机行业”——操作系统、高级语言、 Killer App 都还没定型，现在入场的人在和历史的早期同频。 ## 三、知识与理论溯源：这些主张从哪里来 这场演讲的每个论点都有真实的历史与技术脉络，这里逐条对应： 1. **“软件 2.0” 概念**：直接源自 Karpathy 2017 年 11 月的博客文章《Software 2.0》，他在文中系统论述了“神经网络是第三种编程方式”。这篇文是今天 AI 工程师群体的高频引用文献。 2. **“英语是最热编程语言”**：出自他 2023 年 1 月的推文，与 OpenAI 发布 ChatGPT API、Tjaden Lessen 等人讨论 prompt 工程的浪潮同期。彼时已引发“自然语言编程”的讨论。 3. **LLM OS 架构**：脱胎于经典计算机科学中的操作系统抽象（进程、内存、I/O、多租户），Karpathy 在 2023 年 11 月《Intro to Large Language Models》演讲中首次画出该白板图，其思想与伯克利学者 Dawn Song 等人后续论文《LLM as OS, Agents as Apps》相互印证。 4. **LLM 幻觉的“特性论”**：与 OpenAI 2024 年关于“幻觉源于训练目标”的研究论文、以及学界“校准与过度自信”的大量文献一致，并非演讲者的即兴发挥。 5. **Anki Overdrive 对比 Devin**：出自 Karpathy 本人 2024 年 3 月在 X 上对 Devin 演示的公开点评，原话大意是“让我想起了 Anki 的驾驶玩具”。Devin 由 Cognition 公司发布，当时号称“首位 AI 软件工程师”。 6. **Waymo 类比与自动驾驶历史**：源自他管理特斯拉 Autopilot 五年的一线经验——演示视频与可部署系统之间的巨大鸿沟，是他反复强调的职业伤痕。 7. **“1970 年代计算机行业”的结尾类比**：呼应计算史的标准叙事——大型机时代（IBM 360）、小型机到微处理器革命（Intel 4004，1971）、以及后来 PC 与互联网的两波平台更替。 ## 四、批判性审查：哪些站得住，哪些被讲台的激情放大了 **证据充分、基本被业界接受的主张：** - 软件抽象层级持续抬高的历史判断——这是从机器码到高级语言再到框架的一贯趋势，无争议。 - “生成-验证不对称”——已被大量开发者工作流的实证经验支持：AI 写代码快，但 code review 和测试没变快，瓶颈确实在验证端。这与他引用的“验证器稀缺”逻辑自洽。 - LLM 作为“新型计算平台”的架构类比——学术界和产业界（从 OS 级框架到 token 经济学分析）已普遍采用类似表述。 **需要打折扣或存在争议的主张：** 1. **“英语是编程语言”的表述有煽动性成分**。自然语言 lacks 编译器意义上的可验证性：代码的巨大价值在于它可以被机器机械地判定对错（类型检查、单元测试），而 prompt 无法被“编译”。一个人机协作的更准确表述或许是：英语成了新的“伪代码”，而把伪代码变成可靠程序的最后一公里仍然需要工程。到 2026 年，agent 工具普及两年后，行业的普遍体感恰恰是“写 prompt 容易，让它稳定可靠极难”——这与“人人都会编程”的乐观叙事有相当距离。 2. **软件 3.0 的覆盖面容易被高估**。金融、医疗、航空等确定性关键系统不可能被统计模型接管；现实中 2.0 和 3.0 更多是“嵌在 1.0 系统里的组件”，而不是替代。Karpathy 自己也说了三者叠加，但金句传播时这个限定语通常被丢掉了。 3. **agent 时间线过于乐观的痕迹**。演讲对“全自动 agent 接需求”的近期预期，从 2025 到 2026 的实际落地看，仍卡在验证、责任归属与长程可靠性上。他用 Mark 1 的比喻给自己留了余地，但不少观众只记住了乐观的部分。 4. **演讲的“场子属性”**。这是一场对创业者做的动员演讲，鼓舞投资与试错是其隐含目标；引用它的判断时，记得区分“工程事实”与“时代召唤”。 总体评价：这场演讲的核心框架（范式三层、LLM OS、验证鸿沟、自主性滑块）是分析性成果，价值稳固；最弱的是时间表，最强的是概念工具。 ## 五、认知提升与实用启示：明天就能用的三条 1. **用“自主性滑块”给任务分级，而不是用“AI 行不行”做判断**。把你的日常工作列一张表：左端是补全、改写、解释（放权无风险）；中段是单文件函数实现、写测试（AI 起草、你验收）；右端是多文件重构、生产变更（人主导设计，AI 做搬运）。每周复盘哪些任务可以右移一格——这就是 Karpathy 说的“leash 慢慢放长”。加速感的来源不是“一条 prompt 干完所有事”，而是滑块精确地停在“验证成本 = 生成收益”的那一格。 2. **把验证能力当成新的核心竞争力来投资**。生成已经白菜价，验证正在变贵。具体做法：强化“可机械验证”的基础设施——类型系统、属性测试、契约测试、可回滚的灰度发布；练出“十分钟看完 800 行 diff 并抓出真问题”的评审能力。未来团队里最贵的人，不是最能写的人，而是**验证吞吐量最大**的人。 3. **用“LLM 心理学”设计你的使用方式**：给足上下文（它没有公司内部知识，除非你塞给它）；精确计算和实时事实交给工具调用而不是模型本尊；发现对话被带偏立刻重开会话，别在污染的上下文里继续纠缠。把它当成一个“博览群书、过度自信、从不喊累的初级同事”来管理，产出质量立刻上一个台阶。 ## 六、一张图看懂演讲的论证结构 ```mermaid graph TD A[Software Is Changing Again] --> B[范式框架] A --> C[平台模型] A --> D[工程方法] A --> E[机会判断] B --> B1[软件1.0
手写代码] B --> B2[软件2.0
神经网络权重
Karpathy 2017] B --> B3[软件3.0
自然语言 prompt
人人可编程] C --> C1[LLM OS 类比] C1 --> C1a[GPU+权重 = CPU] C1 --> C1b[上下文窗口 = RAM] C1 --> C1c[token计费 = 水电] C --> C2[LLM 心理学
幻觉是特性/能力不均] D --> D1[生成-验证鸿沟
生成廉价·验证稀缺] D --> D2[自主性滑块
补全→Copilot→Agent] D --> D3[keep the AI on a leash
小颗粒高频验证] E --> E1[垂直 agent 创业窗口] E --> E2[类比1970s计算机业
平台格局未定] D1 --> F[程序员新角色：
从代码生产者到验证工程师] D2 --> F C2 --> F ``` ## 延伸阅读 1. Karpathy 原始博客《Software 2.0》（2017）：理解“软件 2.0”概念的源头文献，可与其个人博客或 medium 存档获取。 2. 同一频道体系下的 Karpathy《Intro to Large Language Models》（2023，可在其个人 YouTube 频道观看）："LLM OS"白板图的首次亮相，与本次演讲互为前传。 ## 参考来源 1. [Y Combinator 官方 YouTube 频道](https://www.youtube.com/@YCombinator) — 演讲视频《Software Is Changing (Again)》发布页（播放数据以频道页面为准） 2. [Andrej Karpathy 个人博客](https://karpathy.github.io/) — 《Software 2.0》等原始文章 4. [Eureka Labs 官网](https://www.eurekalabs.ai/) — 主讲人当前的教育创业项目 --- > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 > 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。