软件又变了：Karpathy说英语是新编程语言

导语

2025年6月，Andrej Karpathy 在 Y Combinator 的 AI Startup School 上做了一场题为《Software Is Changing (Again)》的演讲。如果说过去两年你被 Cursor、Claude Code、Devin、vibe coding 这些新词轰炸得晕头转向，这场演讲就是那张能把混乱变成地图的“总图”：它告诉你 AI 编程变革到底处在什么历史位置、当下真正能落地的形态是什么、以及作为一个程序员（或者即将不再是程序员的人）应该怎么站位。

Karpathy 的分量不需要赘述：OpenAI 联合创始人、前特斯拉 AI 总监、"Software 2.0"和 vibe coding 这两个概念的都是他提出的。这样一个既造过轮子又开过公司的人，出来给整个行业画坐标系，本身就是事件。这场演讲最值钱的地方在于它不是布道，而是克制的工程判断——比如他反复强调“部分自主（partial autonomy）”才是当下正解，而不是一步到位的“全自动Agent”。本文把这35分钟拆成6个要点，并补上视频没展开的背景知识，帮你把一场演讲变成可以执行的行动清单。

视频背景卡片

核心内容拆解

要点一：三幕剧——Software 1.0、2.0、3.0

这是全场演讲的骨架。Karpathy 把软件史分成三个阶段：Software 1.0 是人一行行写代码，逻辑由程序员显式表达；Software 2.0 是他2017年在自己那篇同名博客里提出的——你不再写逻辑，而是收集数据，让优化器去“炼”出神经网络权重，逻辑藏在上亿个浮点数里；Software 3.0 则是最新一幕：用自然语言写提示词来编程。他在演讲中重申了自己那个著名判断——“最热门的新编程语言是英语”。（要点一为视频原话框架；“最热门语言”这句最早出自他2023年的推文，演讲中重申，此处标注为背景补充。）

我的延伸分析是：这三幕剧不是替代关系，而是叠加关系。今天的推荐系统是 2.0，计费系统是 1.0，客服机器人是 3.0——真正的好工程师要学会判断“哪一幕适合解决眼前的问题”，而不是追着最热的那幕跑。很多人误以为 3.0 出现后前两幕会死，Karpathy 在演讲里恰好给出了相反的暗示：AI 系统越复杂，底下越需要扎实的传统代码做骨架。

要点二：LLM 是新时代的“公用事业”

Karpathy 给 LLM 行业画了一个非常清醒的类比：它更像电力公司或晶圆厂，而不是普通的互联网创业。训练一个前沿模型需要数十亿美元级的资本开支（capex），这和建发电厂、造晶圆厂是同一种游戏；而使用时按 token 计费，就像按度数交电费——他明确把 token 类比成“新时代的瓦时”。这意味着模型层天然趋向同质化竞争、利润率被压薄，玩法更像基础设施行业而非软件行业。（视频原话框架）

我的延伸分析：这个类比最锋利的推论是——应用层才是你能赚钱的地方。电力公司不发明电风扇，但发明电风扇的公司赚走了消费端的钱。对普通开发者来说，别去纠结哪家模型“最终赢”，而应该假设模型像电一样随取随用、随换随用。演讲中他给出的工程纪律是：把模型供应商抽象掉、保持可替换性、必要时用开源权重模型保住控制权。这和选云厂商时避免 vendor lock-in 是同一套智慧，只不过这次押注的筹码是你的整个产品。

要点三：当下正解不是全自动，而是“部分自主”

这是全场我认为最有长期价值的一页。Karpathy 说，行业叙事总是推向“全自主Agent”，但真实可用的产品几乎都在中间地带。他画了一个自主性滑块（autonomy slider）：滑块最左是 Copilot 模式——AI 建议、人驾驶，比如 ChatGPT 的问答和代码补全；滑块最右是全自主循环——AI 自己规划、执行、自我验证，运行数小时不打扰人类。他的核心论点是：今天商业上成立的产品，几乎都是中间档。他拿特斯拉 FSD 做例子：一个需要人类监督但大幅降低负担的部分自主系统，反而是被大规模验证过的形态。（视频原话框架）

他还用钢铁侠做类比：贾维斯（全自主管家）和战衣（增强人类）都是好产品，而战衣更容易先做出来赚钱。我的延伸分析：这个滑块思维可以直接迁移到你的日常工作——写周报可以给到 80% 自主，改生产数据库的迁移脚本就应该降到 10%。自主级别应该按任务的爆炸半径来定，而不是按你对 AI 的信仰程度来定。

要点四：生成变便宜之后，瓶颈是验证

这是程序员最该记住的一个结构性变化。Karpathy 指出，大模型让“生成”（写代码、写文档、做方案）的成本趋近于零，一个 Agent 可以同时开几十个分支并行干活、7×24小时不休；但验证（verification）依然压在人类头上。于是整个职业的重心从“怎么写出来”滑向“怎么确认它是对的”。演讲里他给出一个非常具体的解法：要给 Agent 配 GUI——因为人类是视觉动物，看渲染出来的界面、看 diff、看图表，验证速度远快于读一堆原始文本；他甚至现场演示了用 AI 快速搭出辅助审查的小工具。（视频原话框架）

我的延伸分析：这就是为什么“会写测试的程序员”在 AI 时代的溢价反而变高了——测试就是可自动化的验证。生成端已经内卷，验证端才是护城河。如果你现在的工作里没有“写验证器、设计审查流程”这一环，你就是那个即将被滑块碾过的人。

要点五：为 Agent 而设计——你的下一个用户不是人

Karpathy 提出了一个容易被忽略的判断：软件的用户正在从“一个”变成“两个”——人类用户和 Agent 用户。Agent 访问你网站的时候，不欣赏你的 UI 动画，它要的是结构化数据、清晰的文档、可编程的接口。他在演讲中展示了一个对比：对人友好的航班预订页面，对 Agent 来说又慢又脆；而一个干净的 API 调用，Agent 一次就能完成。由此衍生出一套“为 AI 而设计”的工程实践：文档要写“双份”（人类版和 llms.txt 这类机器版）、优先暴露结构化端点、让关键信息对爬取和解析友好。（视频原话框架；llms.txt 社区规范本身是视频之外的补充背景）

我的延伸分析：这一条对做产品的人是重大信号。未来流量入口可能不再是搜索引擎的十个蓝色链接，而是用户的 Agent 直接替人完成交易。你的产品对 Agent 不友好，就像2005年不做 SEO——现在提前布局 Agent 可达性（结构化接口、机器可读文档、甚至 Anthropic 推的 MCP 这类标准协议）的成本还很低，红利期窗口不会一直开着。

要点六：LLM 心理学——它是个“精灵”，不是同事

整场演讲最有意思的人文视角：Karpathy 说人类有史以来第一次造出了能用语言交流的“物”，但它的心理状态很奇特——没有持续的长期记忆、极易被暗示、会一本正经地幻觉、知识断层式分布。他形容模型更像“人形的精灵（people-spirits）”而非同事：有时候聪明得吓人，有时候又像刚入职就自信过头的实习生。理解这套“心理画像”，是提示词工程的本质——你不是在“调用接口”，你是在“管理一个不怕你但会犯错的智能体”。（视频原话框架）

我的延伸分析：把这条和要点四连起来，会得到一个完整的协作心法：给精灵下任务时，把“怎么算做对了”写进任务里——明确的验收标准、可运行的测试、边界条件的例子。这比任何“魔法提示词模板”都管用，因为它把验证前移到了生成之前。

知识结构图

flowchart TD
    A["Software 3.0：Karpathy的全景图"] --> B["三个时代"]
    A --> C["LLM即基建"]
    A --> D["部分自主"]
    A --> E["为AI而设计"]
    B --> B1["1.0 手写代码"]
    B --> B2["2.0 优化器炼权重"]
    B --> B3["3.0 自然语言提示词"]
    C --> C1["公用事业：token如瓦时"]
    C --> C2["晶圆厂：重资本竞赛"]
    C --> C3["抽象供应商，避免锁定"]
    D --> D1["自主性滑块"]
    D --> D2["生成便宜，验证贵"]
    D2 --> D3["给Agent配GUI供人审"]
    E --> E1["结构化接口优先"]
    E --> E2["双份文档与llms.txt"]
    E --> E3["Agent成为第二用户"]

实战启示

看完这场演讲，我总结出四条可以本周就执行的动作：

第一，给你的AI工具栈做一次“电力化改造”。 把对模型供应商的调用收拢到一层抽象后面，确保随时可以切换模型而不重写业务逻辑。Karpathy 在演讲中反复强调保持可替换性——在基建化的行业里，押注单一供应商就是押注一家电厂永远不停电。

第二，用“自主性滑块”给任务分级。 拿张纸列出你每周的工作，逐项标注爆炸半径：低风险高重复（如生成测试数据、写文档草稿）给高自主；高风险低重复（如生产环境变更、安全相关代码）给低自主甚至全手动。这张表本身就是你的 AI 使用章程。

第三，把验证能力当成第一等技能投资。 学着写更好的测试、更快读 diff、用 AI 给自己搭验证小工具（比如自动跑一遍 UI 截图对比）。当生成免费之后，你的薪资将由你“拦住多少错误”决定，而不是“产出多少代码”决定。

第四，如果你的产品有外部用户，开始做 Agent 友好化。 最小动作：为站点加一份机器可读的说明文档（参考 llms.txt 规范），梳理出哪几个核心功能可以封装成干净的结构化接口。这是提前很多年的“Agent SEO”，成本极低，值得占位。

一句话心法：别问 AI 什么时候取代程序员，问自己的工作里有多少环节已经可以被滑块推到右边——然后把省下的时间花在验证和设计上。

延伸学习路径

1. Karpathy《Software 2.0》博客（2017） — 理解本次演讲中“2.0 → 3.0”演进的原始文本，十分钟读完，回报率极高。
2. Karpathy《Intro to Large Language Models》1小时演讲（2023） — 本场演讲的“前传”，系统讲 LLM 是什么、怎么训练、往哪去，“精灵”比喻的雏形就在这里。
3. Karpathy《Deep Dive into LLMs like ChatGPT》约3.5小时长课（2025） — 想真正搞懂预训练、后训练、幻觉机制的看这门，是免费内容里最完整的工程视角教材。
4. llms.txt 规范网站（llmstxt.org） — “为 Agent 而设计”的社区落地标准，可以直接对照给自己的项目写一份。
5. Y Combinator 的 AI Startup School 系列演讲 — 本场视频所属的系列，同一批次还有多位一线从业者分享，适合按需选看。

一句话总结

这场演讲最大的价值，是给“AI 编程”这场大变革画出了一张克制的地图：模型正在变成水电煤，而你的机会在于——当好那个掌握自主性滑块、以验证为生的设计者。

参考来源

1. Andrej Karpathy: Software Is Changing (Again) | YC AI Startup School — 本文分析的核心视频
2. Software 2.0 — Andrej Karpathy（2017博客原文） — Software 2.0 概念原始出处
3. Intro to Large Language Models — Andrej Karpathy — LLM 基础框架的前传演讲
4. Deep Dive into LLMs like ChatGPT — Andrej Karpathy — 免费长课，深入训练与幻觉机制
5. llms.txt 规范 — 为 Agent 提供机器可读文档的社区标准

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。