当所有人都在讨论 AI 会不会取代程序员时，Andrej Karpathy 扔出了一个更炸裂的观点：程序员这个职业正在消失，但不是你想的那样——因为每个会说话的人都正在变成程序员。
“The hottest new programming language is English”，这条推文至今还钉在 Karpathy 的 Twitter 置顶。这位特斯拉前 AI 总监、OpenAI 联合创始人，在旧金山 AI Startup School 的主题演讲中，用一句话概括了正在发生的软件革命：我们不再需要学 Python 或 JavaScript，只要会说话，就能编程，软件开发已经进入 3.0 时代。
本文根据 Andrej Karpathy 演讲的内容进行编译和整理。如果有兴趣的话，建议去看视频版全文 https://www.youtube.com/watch?v=LCEmiRjPEtQ。
软件演化三部曲
1. Software 1.0：手工编织的数字世界
这是我们最熟悉的传统软件时代。工程师们像工匠一样，用 C++、Python 等语言精心编写每一行代码，为计算机提供明确而详细的指令。如果你使用过“Map of GitHub”这样的可视化工具，就能直观地感受到人类为数字世界编写的海量代码——它们构成了我们数字生活的基石。
2. Software 2.0：让机器学会学习
过去几年，我们迈入了软件 2.0 时代。这个时代的核心不再是人类编写的代码，而是神经网络的权重参数。工程师的角色发生了微妙的转变：从“编程者”变成了“训练师”。我们不再直接告诉计算机该怎么做，而是精心准备数据集，让神经网络自己学会完成任务。
Karpathy 分享了他在特斯拉开发自动驾驶系统时的亲身经历：随着神经网络能力的提升，大量传统的 C++ 代码被逐步移除，其功能被迁移到神经网络中。用他的话说，神经网络正在“吃掉”传统的代码栈。
3. Software 3.0：当编程变成对话
最具革命性的变化随着大型语言模型（LLM）的出现而到来。Karpathy 将此定义为软件 3.0 时代——一个用自然语言编程的时代。
想象一下：你不需要学习复杂的编程语言，只需用日常语言描述你想要的功能，LLM 就能理解并执行。这不是科幻，而是正在发生的现实。Karpathy 分享了一个生动的例子：他将 Manim 动画库的整个文档复制给 LLM，然后仅通过自然语言描述他想要的动画效果，LLM 就直接生成了完整的动画代码——他甚至不需要阅读那些繁琐的技术文档。
这意味着什么？任何会说话的人都可能成为“程序员”。编程的门槛被前所未有地降低了。
理解 LLM：不只是工具，更是新的计算平台
为了帮助我们理解 LLM 的本质，Karpathy 提供了几个富有洞察力的类比：
1. LLM 是新时代的“公用事业”
借用吴恩达“AI 是新电力”的说法，Karpathy 认为 LLM 正在成为像电力一样的基础设施。大型科技公司投入巨额资本训练模型（如同建设电网），然后通过 API 按使用量收费（如同电费）。我们对 LLM 的期待——低延迟、高可用性、稳定质量——也与对电力等公用事业的要求如出一辙。
但与传统公用事业不同的是，LLM 是纯软件，不受物理空间限制。这意味着我们可以同时使用多个 LLM 服务，在它们之间自由切换，避免被单一供应商锁定。
2. LLM 是新的“操作系统”
这是 Karpathy 认为最准确的类比。LLM 不再是简单的工具，而是日益复杂的软件生态系统：
- 系统架构：LLM 相当于 CPU，上下文窗口相当于内存，协调计算和存储来解决问题。
- 生态格局：商业方案（OpenAI 的 ChatGPT、Google 的 Gemini）与开源方案（Meta 的 Llama）并存，如同 Windows/Mac 与 Linux 的关系。
- 应用兼容性：就像你可以在不同操作系统上运行同一个应用，LLM 应用（如 Cursor）也可以通过下拉菜单在不同的 LLM 上运行。
我们正处于 LLM 的“1960 年代”：计算资源昂贵且集中化，所有人都通过网络与云端的 LLM 交互，就像早期的分时系统。个人计算革命尚未到来，但 Mac mini 等设备已经显示出个人 LLM 计算的早期迹象。
3. LLM 的“认知心理学”
Karpathy 幽默地将 LLM 描述为“人类精神的随机模拟器”。它们展现出一种独特的“涌现心理学”：
超能力：
- 百科全书般的知识储备
- 惊人的记忆力，如同电影《雨人》中的天才
- 瞬间处理和生成文本的能力
认知缺陷：
- 幻觉：会编造看似合理但实际错误的信息
- 锯齿状智能：在某些领域表现卓越，在其他方面却会犯低级错误（比如坚持 9.11 大于 9.9）
- 顺行性遗忘症：无法通过经验积累形成长期记忆，每次对话都是全新开始，就像电影《记忆碎片》的主角
- 安全漏洞：容易被精心设计的提示词欺骗或操纵
理解这些特性对于有效使用 LLM 至关重要。我们需要学会利用它们的超能力，同时规避其认知缺陷。
机遇：构建人机协作的未来
面对这场变革，最大的机遇在哪里？Karpathy 给出了明确的答案：部分自治应用（Partial Autonomy Apps）。
什么是部分自治？
理想的 AI 应用不是完全自主的机器人，而是像“钢铁侠战衣”——既能增强人类能力（Tony Stark 驾驶它），也能在需要时自主行动（战衣自动飞来找 Tony）。这种设计理念体现在几个关键特性上：
- 智能的上下文管理：应用自动处理大量信息和上下文，避免用户手动管理。
- 协调多重 LLM 调用：如 Cursor 后台协调嵌入模型、聊天模型、代码 diff 模型等。
- 优化的用户界面：GUI 至关重要，利用人类视觉处理能力快速验证 AI 输出。看代码 diff 的红绿标记比阅读文本描述更高效，按 Command+Y 接受或 Command+N 拒绝比打字更快。
- 可调节的自主性：提供“自主性滑块”——从 Tab 补全（用户主导）到 Command+K（修改代码块）到 Command+L（修改整个文件）再到 Command+I（全仓库级别修改）。
成功案例：
- Cursor：提供不同层级的编程辅助，从简单补全到全项目修改。
- Perplexity：提供快速搜索、研究模式、深度研究等不同自主性级别。
为什么是“部分”而非“完全”自治？
Karpathy 以他在特斯拉开发自动驾驶的多年经验为例，指出完全自主系统的实现极其困难。他分享了一个有趣的故事：2013 年，他在朋友的 Waymo 自动驾驶车中体验了 30 分钟的完美驾驶，零干预。当时他认为自动驾驶即将到来，但 12 年后的今天，我们仍在努力解决这个问题。
那些预言“2025 年是 AI 代理年”的说法过于乐观——这更可能是“AI 代理的十年”。
核心原则：加速“生成 - 验证”循环
在人机协作中，AI 负责生成，人类负责验证。成功的关键是：
- 加快循环速度：利用 GUI 和视觉表示让人类能快速验证 AI 输出。
- 牵住 AI 的缰绳：避免 AI 生成过大的输出（如 1 万行代码 diff），保持人类可控性。
- 小步迭代：采用小块、具体的任务，确保每步都能验证。
Vibe Coding：人人都是程序员的时代
当编程语言变成英语，一个前所未有的现象出现了——任何会说话的人都可以成为程序员。这种完全凭直觉和想象力进行编程的方式，Karpathy 给它起了一个极其生动的名字：Vibe Coding。
什么是 Vibe Coding？
Vibe Coding 的概念源自一条看似随意的推文，但却意外地成为了一个主流网络迷因，甚至有了自己的维基百科页面。这个词汇完美地概括了一种全新的编程方式：不需要深厚的技术背景，仅仅凭借直觉和想法就能创造软件。
Karpathy 分享了一个令人感动的视频：孩子们在进行 Vibe Coding。他们不懂复杂的编程语法，但却能用自然语言描述自己的想法，然后看着这些想法变成真正的代码。“看到这个视频，你怎么能对未来感到悲观呢？”Karpathy 感慨道。
Vibe Coding 的魅力与挑战
创造的门槛被彻底打破
Karpathy 本人也是 Vibe Coding 的热衷实践者。他分享了自己的两个项目：
1. iOS 应用开发 虽然不会 Swift 编程，但 Karpathy 在一天内就构建出了一个可以在手机上运行的 iOS 应用。“我不需要花五天时间学习 Swift 才能开始”，他说。
2. Menu Generator 应用 这是一个更有趣的例子。Karpathy 遇到了一个实际问题：在餐厅看菜单时，不知道菜品长什么样。于是他用 Vibe Coding 开发了 Menu Generator——一个能够根据菜单照片生成菜品图片的应用。
从 Demo 到产品依然存在巨大鸿沟
但 Vibe Coding 也暴露了一个严重问题：代码本身很容易，但让应用真正可用却极其困难。
Karpathy 分享了一个让人哭笑不得的经历：Menu Generator 的核心功能几小时就完成了，但为了让它真正上线——添加用户认证、支付系统、域名配置、部署到云端——却花费了整整一周时间。
更令人沮丧的是，这些工作大部分都不是编程，而是在浏览器里点击各种按钮，跟随无数的配置指南。比如集成 Google 登录功能需要很多手动步骤：
- 进入 Google Cloud Console
- 点击这个下拉菜单
- 选择那个选项
- 转到另一个页面
- 点击另一个按钮…
“这太疯狂了！”Karpathy 抱怨道，“计算机在告诉我应该做什么操作，为什么不能让计算机自己去做呢？”
Vibe Coding 的未来意义
尽管存在挑战，Vibe Coding 的意义是革命性的：
- 编程民主化：不再需要 5-10 年的学习才能开发软件。
- 创新加速：想法到产品的距离被极大缩短。
- 入门门槛降低：可能成为传统软件开发的“入门毒品”。
正如 Karpathy 所说：“这将是软件开发的入门毒品。”当创造软件变得像说话一样简单时，我们将迎来一个全民编程的时代。
重塑数字基础设施：为 AI 代理铺路
既然 AI 代理正在成为新的数字信息消费者，我们需要为它们重新设计基础设施：
1. AI 友好的文档系统
就像网站有 robots.txt 指导爬虫一样，未来可能需要 llm.txt 来指导 LLM 理解网站功能。更重要的是，大量为人类设计的文档（充满截图和“点击这里”的指令）对 LLM 并不友好。
先进的公司已经开始行动：Vercel 和 Stripe 正在将文档转换为 Markdown 格式，用 curl 命令替换点击指令，让 LLM 能够直接理解和执行。
2. 数据转换工具
各种小工具正在涌现，帮助将传统数据转换为 LLM 友好的格式。比如 Gitingest 能将整个 GitHub 仓库转换为一个巨大的文本文件，方便 LLM 分析；DeepWiki 甚至能让 AI 自动分析代码库并生成文档。
虽然未来 LLM 可能会变得擅长操作人类界面，但 现在主动转换数据格式仍然是最经济高效的选择。
展望：软件的新纪元
Karpathy 的演讲为我们展现了一个激动人心的未来。我们正站在软件发展史的转折点上：
- 多范式并存：软件 1.0、2.0 和 3.0 将长期共存，优秀的工程师需要精通所有范式，并能根据具体需求做出最佳选择。
- 民主化的创新：当编程语言变成自然语言，创新的门槛被极大降低，更多人能够参与到数字世界的创造中。
- 渐进式自主：我们将在“自主性滑块”上逐步前进，见证软件如何变得越来越智能和自主。
技术扩散的“颠倒”现象
更有趣的是，LLM 技术的扩散方向被“颠倒”了：
- 传统模式：政府/企业 → 专业人士 → 普通消费者（如早期计算机用于军事弹道计算）
- LLM 模式：普通消费者（“如何煮鸡蛋”）→ 专业人士 → 企业/政府
这种自下而上的采用模式完全前所未有，可能会带来更多意想不到的创新。我们拥有了神奇的新计算机，却首先用它来帮助日常生活，而不是处理复杂的政府或军事任务。
正如 Karpathy 所说，现在是进入软件行业的 绝佳时机。我们需要重写大量代码，三种编程范式将并存，而 LLM 这些“易犯错的人类精神模拟器”为我们提供了前所未有的机遇。
在这个 Software 3.0 时代，我们的任务是学会与这些超人但有缺陷的助手协作，构建部分自治的应用，并逐步推动“自主性滑块”向右移动。重要的是，我们要避免过度兴奋，保持务实——这是软件，让我们认真对待。
欢迎长按下面的二维码关注 漫谈云原生 公众号，了解更多云原生和 AI 知识。
