本文信息来源：saanyaojha
在旧金山 AI 初创企业学院，Karpathy 为 AI 构建者们指明了未来的实际工作方向。
科技界（乃至人生中）存在一种低调的超能力：懂得谁的意见值得倾听。
最聒噪的声音往往在向你兜售某些东西——一个演示、一款产品、或是永远”即将到来”的未来。但偶尔会出现这样一个人，他站在前沿研究、实际应用与冷静思考的交汇处。这样的人值得你侧耳倾听。
安德烈·卡帕西（Andrej Karpathy）正是其中之一。
他曾在特斯拉领导人工智能团队，作为 OpenAI 创始团队成员参与构建早期 GPT 模型，在斯坦福大学师从李飞飞获得博士学位，至今仍通过 CS231n 课程教授数千学子。如果这份履历还不够惊艳，他还创造了”氛围编程”（vibe coding）这个术语。
因此当 Karpathy 在旧金山 YC AI 创业学校登台演讲时，我格外关注。以下是我的核心收获：
(1) 软件3.0时代：英语即代码
Karpathy 将软件演进史划分为三个纪元：
-
软件 1.0： 使用编程语言手动编写逻辑规则
-
软件 2.0： 你训练模型；神经网络权重就是程序本身。
-
软件 3.0： 你用英语编程。提示词就是代码。
“用户”与”开发者”的界限已然消弭。理论上，每个能写出清晰句子的人现在都是程序员。
(2) LLMs 并非工具——它们是操作系统
卡帕西最具影响力的框架： 我们正处于人工智能的大型机时代。
1960年代的操作系统世界是怎样的？
-
昂贵、集中化的计算资源。 大型机造价数百万美元；只有少数机构拥有。人们没有个人电脑——他们通过瘦客户端 （终端）连接到共享资源。
-
分时系统。 多个用户分时共享机器计算资源。你的”任务”会与其他人的任务一起批处理。
-
命令行界面。 没有图形用户界面——只有基于文本的终端（就像现在的 ChatGPT）。
-
类云模式。 计算机位于数据中心；用户通过网络进行远程交互。
现在看看 LLMs：
-
LLMs 规模庞大且构建/训练成本高昂。 就像大型机一样，LLMs 需要巨额资本支出（10 万块 GPU=xAI 的”Colossus”集群；数十亿美元的培训成本）。
-
集中化+云原生。 几乎没有人能在本地运行这些模型（极少数例外）。我们通过互联网 API 调用来访问它们——这是现代的分时系统。
-
瘦客户端用户。 我们的笔记本电脑、手机甚至浏览器，都只是向云端 LLMs 发送请求的终端。
-
终端式交互。 主要界面是什么？文字聊天。目前还没有针对 AI 的通用图形界面——LLMs 尚未出现类似”桌面隐喻”的交互范式。
为何这个比喻如此重要？Karpathy 的观点并非怀旧——而是指引 。
-
我们正处于前个人计算机时代的 LLMs 发展阶段。就像 1960 年代需要图形界面、鼠标和廉价硬件来点燃 PC 革命一样——我们需要（在成本、界面、硬件方面）取得突破，才能实现个人 LLM 计算。
-
以不同方式设计。如果 LLMs 是操作系统而非工具：
-
考虑多层架构：内核/用户空间的类比 → LLM 的上下文、内存和工具编排。
-
认识到转换成本。正如应用程序在 Windows 和 Mac 上表现不同，不同的 LLMs 也存在风格/能力的权衡。
-
-
创造下一层技术的机会。
-
谁来为 LLMs 打造”Windows”或”MacOS”？
-
AI 的图形用户界面会是什么——那个用直观、灵活、强大的界面取代文本终端的东西？
-
-
个人 LLM 计算时代即将到来，但尚未成熟。正如小型机和 PC 最终取代了大型机，本地 LLM 终将实现，但成本和技术限制意味着我们还未到达那个阶段。
我的心得：研究操作系统演进史：分时系统→个人计算→云操作系统。AI 生态将遵循相似轨迹。接受当前局限（中心化、批处理），但要为未来去中心化设计。
(3) 部分自主性 + 自主性调节阀
卡帕西在特斯拉的经历让他明白炫酷演示与可靠自主性之间的差距： 需要十年枯燥而艰辛的工作。
2013 年他乘坐 Waymo 自动驾驶车完美处理了帕洛阿尔托 30 分钟的路况——那次演示很成功。
现在是2025年。我们仍在进行大规模自动驾驶调试。
AI 智能体领域同样如此。真正的机遇在于用 AI”钢铁侠战衣” 增强人类能力，而非用钢铁侠机器人取代他们。Cursor 和 Perplexity 正是这一趋势的早期范例。
-
这些系统能整合上下文环境，协调多个 LLM 调用，并为用户提供审核 AI 输出的图形界面。
-
它们提供自主性调节滑块——让人类自主决定让渡多少控制权。
未来属于协同驾驶软件——人类掌舵，AI 辅助，形成快速反馈闭环。
文档与基础设施需向人工智能靠拢
如今的软件是为人类和 API 设计的。未来的软件需要能让智能体读懂：
-
摒弃”点击此处”。改用
curl。 -
用智能体友好的 Markdown 替代精美的 PDF。
-
开发能打包上下文信息的工具，让 LLMs 无需费力解析 HTML 和菜单。
我们需要为一种新型消费者设计：不仅是人类，不仅是代码，而是类人机器 。
如果你正在构建 AI 项目，这是你的检查清单
✅ 将 LLMs 视为操作系统 – 为编排、工具和界面而设计，而不仅仅是 API 调用。
✅ 构建自主调节滑块 – 让用户选择 AI 的控制级别。
✅ 优先考虑图形界面+快速生成验证循环 – 信任与速度正源于此。
✅ 开创 AI 图形界面层 – 这片蓝海尚待开拓，丰厚回报静候勇者。
✅ 别再被演示迷惑 – “偶尔可行”不等于”始终可靠”。
卡帕西的讯息很明确：
我们正处于人工智能的大型机时代。LLMs 的个人计算革命尚未到来，但它终将发生。你的任务是构建连接两者的桥梁。
如果这还不能让你兴奋地卷起袖子大干一场，我不知道还有什么能打动你。