軟件正進入1964年時刻？

本文來自微信公衆號：王智遠，作者：王智遠，原文標題：《Andrej Karpathy：軟件正進入1964年時刻》

你可能沒聽說過這個人：Andrej Karpathy。

但他是AI圈的大神級人物。斯坦福出身，在OpenAI幹過，還在特斯拉帶過團隊；對深度學習、計算機視覺和自然語言處理作出了重要貢獻。

6月17號，他在 YC AI 創業學校，做了一場演講，分享一個更宏大的主題：AI 時代，軟件正在經歷一場範式革命；他提出，我們已經進入了軟件 3.0 時代。

什麼是軟件 3.0？Karpathy 在演講中說：軟件，正在經歷一次根本性的範式轉變。

過去幾十年，軟件發展經歷了兩個階段：

第一個階段叫做軟件1.0，這是我們現在最熟悉的編程方式：程序員一行一行地寫代碼，定義每一條規則、每一個條件判斷。

比如，你想做一個計算器，就得寫加減乘除的函數；你想做一個網頁，就得寫 HTML 和 CSS。這個階段的特點是：人寫代碼，機器執行。

然後，我們進入了軟件2.0，也就是深度學習的時代。

這個時候，代碼不再是重點了，取而代之的是數據，是神經網絡，你不再告訴機器具體怎麼解決問題，而是給它一堆例子，讓它自己去學。

比如：識別貓的照片，你不用寫識別眼睛、耳朵的算法，你只要給它成千上萬張圖片，它就能自己學會判斷。

Karpathy 打了個比方：軟件2.0中，不是人在寫程序，而是數據在生成程序。聽起來很厲害對吧？但他說，這不是終點。

現在我們正在進入一個新的時代，叫做軟件3.0。

這個軟件3.0是什麼？

用語言來寫程序。以前要敲鍵盤寫代碼，後來要準備數據訓練模型，而現在，你只需一句話，一段提示詞（prompt），就能讓 AI 幫你完成複雜的任務。

比如：你想做個表格、整理文檔，甚至調試代碼，你不需要懂語法、不一定要會函數，你只要說：幫我把這份報告裡的銷售數據按地區分類彙總。AI 就能理解，並自動完成。

Karpathy 把這種能力叫做：可編程性。

也就是說，大模型本身像一臺超級計算機，你可以通過自然語言去“編程”它，讓它按照你的意圖運行。

他特別強調了一點：

他還提出了一個非常重要的觀察：我們看到一種新的操作系統正在形成。

什麼意思？

我們回到20世紀60年代，那時，操作系統解決了幾個關鍵問題：它統一管理了硬件資源，抽象出了開發者可以直接使用的接口，還催生了一個龐大的生態系統。

這一切，讓計算機從實驗室裡的昂貴設備，變成了日常生活中不可或缺的工具。

Karpathy 認爲，現在正經歷類似的變革。他說，大型語言模型（LLM）正在成爲一種新的操作系統。

其一，操作系統統一了硬件資源的管理。它讓你不需要直接操作CPU或內存，而是通過簡單的指令就能完成複雜的任務。

同樣地，現在的AI模型也在做類似的事情，它們統一管理的是認知資源。比如，當你使用像Cursor這樣的AI編程工具時，背後是一個大型語言模型在協調代碼生成、調試和上下文管理。

就像操作系統調度硬件一樣，這些模型調度的是推理和語言能力。

其二，操作系統提供了一個抽象層，使得開發者可以通過API調用硬件功能；而在軟件3.0時代，這個抽象層變成了自然語言提示（prompt）。Karpathy 打了個比方：

這意味着，你可以通過簡單的一句話，讓AI完成複雜的任務，而不需要寫一行代碼。這不僅降低了技術門檻，還讓更多人能夠參與到編程中來。

第三點，操作系統革命催生了一個龐大的生態系統，包括各種應用程序、開發工具和社區。

現在，圍繞着AI模型，一個新的生態系統也正在形成。Hugging Face就像是軟件2.0時代的GitHub，而Cursor則是軟件3.0的應用程序之一。

Perplexity這樣的搜索工具也開始嶄露頭角。這些工具和平臺正在構建一個開放的生態系統，就像當年的Linux挑戰Windows一樣。

所以，這次變革不僅是技術上的進步，更是思維方式的轉變。他提到：

換句話說，現在看到的只是冰山一角。未來十年，隨着這些技術的進一步發展，我們會看到更多創新和突破。

就像操作系統革命帶來了個人電腦的普及，軟件3.0可能會帶來一場全新的計算革命。

大家都知道，AI（人工智能）有很多優點，但問題是，它也有缺點。這些缺點會不會在商業裡變成大麻煩？比如說，AI有時候會瞎編信息，那這該怎麼辦？

Karpathy 在演講中提到，AI有時候會“情緒不穩定，還愛瞎編”。首先，得先搞清楚啥是“幻覺”。

他說：AI有時會編一些不存在的事或者數據。你問AI一個歷史事件的細節，它可能會給你一個聽起來挺像回事兒的答案，但其實細節都是編的，這就叫“幻覺”。

對企業來說，太危險了。那怎麼避免AI的“幻覺”呢？

Karpathy提了幾種辦法：

第一個辦法是“上下文管理”（Context Management），簡單說，要讓AI有足夠的背景信息。比如，你讓AI寫一份報告，就先給它一些相關資料，這樣它能更好地理解任務，寫出更準確的內容。

第二個辦法是“多重驗證機制”（Multi-Validation Mechanism）。意思是，別隻信一個AI的結果，多用幾個AI，或者，讓專家審覈一下。比如，新聞機構讓AI寫初稿，然後編輯團隊再審覈修改，這樣就能保證內容更準確。

第三個辦法是“透明度與可解釋性”（Transparency and Explainability），要讓AI的推理過程讓人能看懂。

比如，醫生用AI來推薦治療方案，不僅要看到結果，還要知道爲啥這麼推薦。這樣開發的AI工具才更有用。

除了這些，還有一些技術和流程上的辦法：

那最先用到的是提示詞，給AI更精確的指令。比如，別隻讓AI“寫一篇關於氣候變化的文章”，告訴它要寫哪些具體內容，這樣它就能生成更準確的文章。

然後，“模型微調”，根據具體需求調整AI模型。比如，金融公司可以用金融數據來調整AI模型，讓它在財務分析上表現更好。

最後無疑是“持續監控與反饋循環”，定期檢查AI的輸出，看看有沒有問題。

雖然AI有缺點，但也有應對的方法，企業還是能把它用好的。不管上下文管理、多重驗證機制，還是透明度與可解釋性，都能幫企業降低風險。

不過話說回來，這只是AI發展的早期階段。那再過幾年呢？AI到底會讓軟件行業發生什麼樣的變化？這些變化又會給商業世界帶來什麼影響？

Karpathy 在演講中說： 還記得前面講過的軟件3.0嗎？這一次根本性的範式轉移。

以前你要做個網站，得學HTML、CSS、JavaScript，現在你只要告訴AI：“幫我做個登錄頁，帶郵箱和密碼輸入框，AI就能直接生成代碼，甚至幫你調試。

未來很多重複性的工作都會被AI接管，程序員的角色也會發生巨大變化，不再是“碼農”，而是“提示工程師”“系統設計師”。

其次，開發效率將呈指數級提升。

過去開發一個產品，要花大量時間寫代碼、測試、修bug；軟件3.0時代，你可以讓AI幫你快速搭建原型，自動優化邏輯，甚至在你沒注意的地方，悄悄修復問題。

他在演講中提到一個詞，讓我印象特別深刻，叫做“自主性滑塊（Autonomy Slider）”。

意思是，你可以控制 AI 幹多少活：要是不太放心，就讓它提供建議，你自己確認；如果很信任它，就讓它自己執行任務。

這種靈活性，會讓整個開發流程變得前所未有的高效。

第三點，AI將成爲新的“操作系統”。Cursor 這個工具，就是一個基於大模型的編程編輯器；Perplexity 是一個 AI 驅動的搜索引擎；還有越來越多的 AI 助手、AI 客服、AI 設計工具……

這些都在說明一件事：AI 正在成爲新一代計算平臺的核心。

除此外，AI還帶來，商業邏輯的重構；以前企業比誰的產品更穩定、服務更好；未來，誰能用AI更快地迭代、更高效地響應市場需求，誰就能贏。

舉個例子：

一家初創公司只需要幾個核心成員，藉助AI完成大部分開發、運營、客服工作，就可以迅速上線產品，搶佔市場；傳統企業如果還依賴人工流程，可能還沒反應過來，就已經被甩在後面。

所以Karpathy也提醒大家：這不是一場關於AI的技術競賽，而是一場關於組織能力、適應速度和創新節奏的競賽。

AI普及之後，很多基礎崗位可能會減少，比如：初級程序員、數據錄入員、簡單的內容審覈員等等；但這並不意味着就業機會變少了，而是對人才的需求變了。

未來最吃香的是懂得如何與AI協作的人。

比如：懂得怎麼設計高質量提示詞；懂得怎麼訓練和調優模型；懂得怎麼把AI整合進業務流程；換句話說，未來競爭力，不在於你會不會用AI，而在於你怎麼用AI去放大自己的價值。

所以，未來十年，AI將帶來三件大事：編程方式變了，從寫代碼到“說話”；開發效率變了，AI接管大量重複勞動，商業邏輯變了，效率決定勝負。

那麼，傳統企業如何在軟件3.0時代避免被顛覆？在AI驅動的效率競賽中，企業應優先投資哪些領域？有哪些可複用的轉型路徑？

Karpathy 在演講中提到，企業要認識到AI是一個全新的基礎設施；就像當年互聯網成爲企業運營的基礎一樣，AI也將成爲未來企業的核心競爭力。

具體做法：

其一，從“工具思維”轉向“平臺思維”轉變。

很多企業在引入AI時，習慣性地去買工具、上系統，比如買個AI客服機器人、加個數據分析模塊……但這些只是局部優化，很難形成真正的競爭力。

真正重要的，是建立一個統一的AI平臺，這個平臺能把數據打通、讓模型共享、支持多部門協同使用AI能力；就像當年Windows統一了硬件資源一樣，今天的企業也需要一個能統一調度“認知資源”的平臺。

畢竟，AI的核心是數據，因此企業需要建立完善的數據管理體系，確保數據的質量、安全性和可用性。只有高質量的數據，才能訓練出高質量的AI模型。

然後，光有平臺還不夠，還要改流程。現在很多企業的流程太慢、太依賴人工；而在AI時代，效率決定生死。

你可以根據信任程度，調節AI在流程中的參與度：不太放心？讓它提供建議，人再確認；很信任它？就讓它自動執行任務。

舉個例子：

一家銀行可以用AI自動生成貸款報告，然後由人工審覈；如果系統穩定了，就可以讓AI直接生成併發送報告，中間不再需要人工干預；這就是流程重構的力量：讓AI幫助流程變得更智能、更高效。

第三點，要培養“與AI協作”的新能力。

軟件3.0時代，真正吃香的是懂得怎麼和AI對話的人，Karpathy 把這些人稱爲：“提示工程師（Prompt Engineer）”；如果你能寫出大量優質提示詞，就能指揮AI完成大量工作。

最後一點，也是最難的一點：要改變組織的文化；很多企業都在搞AI試點項目，但試點成功後呢？沒人跟進，不了了之。

Karpathy 強調：AI是組織運作方式的根本變化，這意味着你要從上到下地推動三件事：

鼓勵試錯，允許員工去嘗試AI的新玩法，哪怕一開始效果不好；獎勵協作，把AI使用得好的團隊樹爲榜樣，讓大家看到價值；打破壁壘，讓不同部門共享數據和AI能力，而不是各自爲戰。

只有當AI變成一種“默認操作”，它才真正落地了。

總之，傳統企業要想在軟件3.0時代活下去、活得好，必須做到四件事：

建平臺，而不是買工具；改流程，而不是加功能；培養新型人才，而不是隻會寫代碼的人；改文化，而不是做幾個試點項目。

誰先完成這場進化，誰就能在這場AI驅動的效率競賽中脫穎而出。

來源參考：

[1].Karpathy， A. (2025， June 17).Software Is Changing (Again)[Video]. YouTube.視頻https://www.youtube.com/watch?v=LCEmiRjPEtQ

本文來自微信公衆號：王智遠，作者：王智遠

本內容爲作者獨立觀點，不代表虎嗅立場。未經允許不得轉載，授權事宜請聯繫 hezuo@huxiu.com

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4490660.html?f=wyxwapp