过去两年，“AI会不会取代程序员”这个问题被反复讨论，但绝大多数内容要么贩卖焦虑，要么空洞安慰。真正把这件事讲出结构、讲出操作框架的，是Andrej Karpathy（安德烈·卡帕西）在Y Combinator旗下AI Startup School上的这场演讲——《Software Is Changing (Again)》。
Karpathy的分量不需要多介绍：OpenAI创始团队成员、前特斯拉AI总监（Autopilot视觉系统的缔造者）、斯坦福CS231n课程的开创者。更关键的是，他是行业里极少数“既造过最前沿的AI、又能把复杂概念讲到高中生能懂”的人——"Software 2.0"这个概念本身就是他在2017年提出的，如今已经成了行业标准词汇。这场演讲的标题，正是致敬a16z在2011年那句著名的“软件吞噬世界”：当年是软件吞噬各行各业，现在是AI正在吞噬软件本身。
这场演讲之所以在科技圈刷屏，是因为它没有停留在“AI很厉害”的感慨上，而是给出了一套完整的认知坐标系：软件的三次范式跃迁（1.0→2.0→3.0）、把大模型当计算机而不是搜索引擎的"LLM OS"心智模型、以及一个极其务实的Agent使用哲学——“把AI拴在绳子上”。看完你不会更焦虑，反而会更清楚：下一步具体该学什么、做什么。
说明：本轮检索工具受限，文中事实基于该演讲的公开内容与行业广泛报道整理；播放量等动态数据未经实时核验，已做模糊化处理。文中标注“延伸分析”的部分为本文作者观点，非演讲原话。
| 项目 | 内容 |
|---|---|
| 视频标题 | Andrej Karpathy: Software Is Changing (Again) |
| 演讲者 | Andrej Karpathy（前OpenAI创始成员、前特斯拉AI总监，现AI教育公司Eureka Labs创始人） |
| 频道 | Y Combinator（订阅量百万级） |
| 发布时间 | 2025年6月（YC AI Startup School现场演讲） |
| 时长 | 约40分钟（含现场演示） |
| 播放量 | 数百万级（据公开页面，未经本轮实时核验） |
| 核心主题 | 软件范式从"手写代码”到“神经网络权重”再到“自然语言提示”的第三次跃迁，以及人与AI协作的正确姿势 |
Karpathy把整个软件史压缩成三种范式。Software 1.0是我们都熟悉的世界：人用Python、C++、Java一行行写代码，计算机忠实执行。Software 2.0是他在2017年命名的范式：你不再写逻辑，而是收集数据集、定义网络结构，然后让优化器（随机梯度下降）自动“炼”出几百万个参数——这些权重就是程序本身。图像识别、语音识别早就是2.0的世界。而Software 3.0是当下正在发生的：你用自然语言写下提示词，大语言模型在运行时“现场生成”软件行为。
这个三分法的厉害之处在于：它不是把AI当作“新工具”，而是当作和手写代码平起平坐的编程范式。这意味着未来十年的软件工程，是三种范式的混合体——关键业务逻辑可能还是1.0，感知和判断交给2.0，交互层和大量胶水工作交给3.0。延伸分析：这个框架对个人最大的价值是“选战场”——你不必在三巨头的基座模型上竞争，但可以在三种范式的结合部找到自己的位置。
Karpathy在演讲中重申了他的著名判断：英语（自然语言）成了最热门的编程语言。这不是段子，而是一个严肃的观察：编程的门槛本质上是“人类意图→机器指令”的翻译成本，而大语言模型把这个成本降到了趋近于零。当一个会用自然语言清晰描述需求的护士、会计或者店主，都能“聊”出一个能用的应用时，“程序员”这个职业的定义就变了。
他强调的结果是程序员的民主化：软件创造人群从全球几千万人，扩展到几乎所有会用电脑的人。延伸分析：这里有一个常被误读的地方——“人人都是程序员”不等于“职业程序员没价值了”。恰恰相反，当造软件的供给爆炸时，判断什么该造、验证造得对不对、维护复杂系统的能力会变得更值钱。翻译成本低了，翻译错了的代价还在。
演讲中Karpathy搬出了那张著名的"LLM OS"示意图，这是我认为整场演讲最值得带走的心智模型：把大语言模型类比为一种新型计算机的CPU，把有限的上下文窗口（context window）类比为内存（RAM）——它同样容量有限、同样需要精心调度什么内容留在“内存”里；而浏览器、Python解释器、图像生成器、向量数据库、甚至其他专门用途的LLM，都是挂在总线上的外围设备。
这个类比为什么重要？因为它直接改变了你的使用方式。把LLM当搜索引擎的人，只会问问题拿答案；把它当操作系统的人，会思考“这个任务该调用哪些外设、上下文里该装什么、什么该卸载出去”。延伸分析：今天所有Agent框架（AutoGPT式的循环、Cursor的多文件编辑、各种工具调用）本质上都是在这个“LLM OS”上写驱动程序。理解了这个抽象层，你看任何AI产品都能秒懂它在架构里的位置。
这是全场最务实的部分。Karpathy借用了自动驾驶的L0-L5分级来给AI Agent分级，并给出了一个反直觉的判断：当下最有效的不是追求“全自动L4”，而是L2-L3的“部分自主”（partial autonomy）——AI负责生成和执行，人始终坐在驾驶座上，随时接管方向盘。
他给出的原话级建议是"keep the AI on a leash"（把AI拴在绳子上）：让AI生成小步快跑的增量，每一步都由人快速验证，而不是甩给它一个“帮我重写整个系统”然后去做别的事。特斯拉Autopilot的经验在这里形成了闭环——他太清楚全自动在长尾场景下的失败代价了，所以他把同样的安全哲学带进了软件Agent的设计。延伸分析：这条建议直接反驳了“一句话生成整个App”的营销叙事。实践中的高产出者，几乎都是把Agent当成“能力强但需要盯着的初级工程师”来带，而不是当成许愿机。
演讲中有一个贯穿始终的工程判断：生成（generation）已经变得极其便宜，瓶颈转移到了验证（verification）。AI一秒钟可以吐出500行代码，但人理解这500行的速度没变快。所以设计AI工作流的正确方式，是围绕“如何让人验证得更快”来搭建：有自动化测试就跑测试，有类型系统就靠类型系统，改UI就直接肉眼看渲染结果。
延伸分析：这个视角解释了很多团队的实践落差——同样用Coding Agent，有人效率翻三倍，有人制造出没人敢动的“面条代码2.0”，差别就在有没有系统性地降低验证成本。它也预言了一个工程方向：可验证性会成为新基础设施。谁能让“人检查AI产出”的速度逼近“AI生成”的速度，谁就掌握下一代开发工具的钥匙。这也是为什么他鼓励创业者去做Agent工作流里的验证工具。
演讲中段，Karpathy展示了一个他基本用自然语言“聊”出来的Demo应用——MenuGen：拍一张餐厅菜单的照片，AI为菜单上每道菜生成成品图的想象画面，解决“看不懂菜单”的真实痛点。整个开发过程用的是Cursor这类Agent化编程工具，从头到尾他主要在做的事是：描述需求、看产出、给反馈。这是"Software 3.0"从概念到成品的现场证据——一个传统上需要一到两周外包的小应用，一个人一个周末就能上线。
值得注意的是他演示里的细节：Agent不是一次成型，而是在他的持续纠偏下一轮轮逼近可用。延伸分析：这个Demo的真正意义不在“多快”，而在“什么该用它来造”——低风险、强验证、个人规模的工具型应用，就是3.0范式的甜点区。企业级核心系统，还远没到放弃工程纪律的时候。
演讲的后半段，Karpathy把镜头拉向未来：当你的软件的主要“用户”变成Agent时，一切都要重新设计。他专门提到了文档应该为LLM重写——比如社区正在推动的llms.txt标准（给模型看的说明书），以及Anthropic提出的MCP（Model Context Protocol）这类让Agent标准化调用工具的协议。未来优秀的网站和应用，可能同时服务两套界面：给人看的GUI，和给Agent看的“原生语言界面”。
他还描绘了Agent时代软件的形态：不是一个个孤立的App，而是一群Agent进程并行工作，以Markdown等轻量工件作为协作媒介，人类像看仪表盘一样监督整个“Agent集群”。延伸分析：这其实是把“多进程+文件系统”的经典计算机抽象搬到了Agent世界。对企业来说，这意味着未来每一份API文档、每一个SaaS产品，都值得问一句：“Agent能用我吗？”
flowchart TD
A["Software Is Changing (Again)"] --> B["软件三次范式跃迁"]
A --> C["LLM OS 心智模型"]
A --> D["人机协作方法论"]
B --> B1["1.0 手写代码<br/>人写逻辑给机器执行"]
B --> B2["2.0 神经网络<br/>数据+优化器炼出权重"]
B --> B3["3.0 自然语言编程<br/>提示词驱动LLM生成软件"]
B3 --> B3a["英语成为最热编程语言"]
B3 --> B3b["程序员民主化"]
C --> C1["LLM = CPU"]
C --> C2["上下文窗口 = RAM"]
C --> C3["浏览器/解释器/其他LLM = 外设"]
D --> D1["自动驾驶分级类比<br/>L0-L5"]
D1 --> D2["当下最优: L2-L3部分自主"]
D2 --> D3["Keep the AI on a leash"]
D3 --> D4["瓶颈: 验证不对称<br/>生成便宜, 验证昂贵"]
A --> E["前沿方向"]
E --> E1["llms.txt 给机器的文档"]
E --> E2["MCP 工具调用协议"]
E --> E3["Agent集群 + 人类仪表盘"]
如果你是开发者：第一，立刻把“自动驾驶分级”贴在工位上——接任何AI辅助任务前先问一句“这是L2还是L5？”，凡是没有快速验证手段的任务，坚决不让AI跑全自动。第二，把验证基建当成一等公民来建：测试覆盖率、类型标注、可视化检查，这些“旧手艺”恰恰是新时代最稀缺的护城河。第三，花一个下午体验Cursor或Claude Code这类Agent工具，刻意练习“小步生成—快速验证”的节奏，而不是“一句话大 rewrite”。
如果你是创业者或产品人：Karpathy点名的方向值得认真评估——为Agent服务的“第二界面”（llms.txt、MCP接入）是新的分发渠道，就像2010年前后“有没有移动端”决定生死一样，三年后“Agent能不能用你的产品”会成为标配问题。垂直行业的验证工具（AI生成结果的自动质检）是典型的卖水生意。
如果你是普通学习者：这场演讲最解放人的信息是——表达清晰度成了新的编程能力。你不需要学Python语法，但需要学会把需求拆解成AI能理解的精确描述。用MenuGen的思路给自己造小工具（记账、看菜单、整理照片），是这个时代最好的学习方式：以造代学，用自己的问题驱动。
软件正在经历第三次变形——当生成变得无限便宜，人类的护城河只剩下两样东西：知道该造什么，以及验证造得对不对。
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。