OpenAI聯創Karpathy訪談：LLM是新型計算機，所有東西都必須「重寫」

原视频标题：Andrej Karpathy: From Vibe Coding to Agentic Engineering

原视频來源：Sequoia Capital
原文編譯：鲍奕龙，华尔街见闻

OpenAI 聯合創始人 Andrej Karpathy 在最新訪談中指出，大語言模型正作為「新型計算機」全面重塑計算架構。

4 月 29 日，曾一手主導特斯拉 Autopilot 開發、並在 OpenAI 具有舉足輕重地位的 AI 領軍人物 Andrej Karpathy，在由 AI Sent 主辦的活動上，就當前 AI 代理的技術躍遷及其對軟硬體生態的深遠影響進行了深度拆解。

Karpathy 表示，自去年 12 月起，他開始意識到以代理為核心的工作流已真正可用，這一轉變標誌著 Software 3.0 時代的實質到來。

**他說：**很多人去年對 AI 的印象還停留在 ChatGPT，但你必須重新審視，尤其是從 12 月開始——事情已經發生了根本性變化。

他同時提出了「代理工程」（agentic engineering）這一新概念，以區別於去年他所命名的「氛圍編程」（vibe coding），前者指的是專業軟體開發中質量標準的延續與加速。

他直言，大量現有程式碼和應用程式在新範式下「不應該存在」，而目前多數組織的招聘流程、開發工具和基礎設施，仍在為人類而非代理而設計。

軟體 3.0 的黎明：底層計算架構的權力交接

科技產業正站在一個從量變到質變的十字路口。

去年 12 月是一個關鍵的轉折點，Karpathy 坦言，面對最新的 AI 模型，他經歷了深刻的震撼：

系統生成的程式碼塊越來越完美，我甚至記不清上一次修改它是什麼時候。我只是越來越信任這個系統…（這讓我）從未感覺自己作為一名程式員如此落後。

這種衝擊是計算範式的徹底顛覆。在 Karpathy 看來，市場目前低估了這一變化的深度。

他指出，我們正在告別「軟體 1.0（寫程式）」和「軟體 2.0（整理資料集訓練神經網路）」，正式邁入「軟體 3.0」時代。

在這個新紀元裡，大語言模型本身就是一台「新型計算機」。

**他說：**你現在的程式設計變成了寫提示詞，而在上下文視窗中的內容，就是你操控那個作為解釋器的大語言模型的槓桿，讓它在數位資訊空間中執行計算。

更令市場矚目的是他對未來底層硬體架構演進的大膽預測。

目前，神經網路仍以虛擬化的形式運行在現有的計算機上，**但他認為未來這種主客關係將會反轉：**你可以想像，神經網路將成為主進程，而 CPU 則變成了某種協處理器。神經網路將承擔絕大部分的繁重工作。

這意味著，主導全市場資本支出的「智能算力」，其戰略核心地位將在未來進一步鞏固。

下一代基建：重構「代理原生」生態

當執行和編碼被機器接管，人類的核心價值和未來的基建形態將走向何方？

**Karpathy 直言：**所有的東西都必須被重寫。

目前互聯網的各種框架和庫的說明文件仍是「為人類編寫的」，這讓他感到無比煩惱。

**Karpathy 抱怨道：**為什麼還要告訴我怎麼做？我什麼都不想做。我應該複製粘貼什麼文本給我的 AI 代理？

未來的市場大機會在於構建「代理優先」的基礎設施。

在這個世界裡，系統被拆解為感知世界的「傳感器」和改造世界的「執行器」，資料結構要讓大語言模型高度可讀，機器代理代表個人和機構在雲端進行交互。

在如此高度自動化的未來，人類的核心稀缺性將回歸到審美、判斷力以及最深層的商業理解上。

**Karpathy 引用了一句令他反覆咀嚼的話作為總結：**你可以外包你的思考，但你無法外包你的理解。

代理工程：遠超「10 倍工程師」的產能大爆發

在提升生產力這一市場最關心的維度上，Karpathy 區分了兩個核心概念：「氛圍編程（Vibe coding）」與「代理工程（Agentic engineering）」。

他指出，「氛圍編程」抬高了全員開發軟體的下限，而「代理工程」則旨在維持專業軟體的質量上限。

「代理工程」不僅僅是提速，它要求開發者協調那些「有些易錯、帶有隨機性但極其強大」的 AI 代理，在不犧牲品質的前提下全速前進。

這也將極大拓寬企業產出的想像空間。

**Karpathy 指出：「**人們以前常談論 10 倍工程師」，10 倍已經不足以形容你所獲得的提速了。在我看來，那些在這個領域表現出色的人，其產出峰值遠超 10 倍。

面對這種生產力爆發，企業的組織架構和人才篩選邏輯必須重構。

他建議企業拋棄傳統的算法解題面試，轉而考察候選人如何利用多個 AI 代理協同構建大型專案，並能抵禦其他 AI 代理的攻擊。

AI 商業落地的發力點

對於當前急於尋找 AI 應用落地場景的創業者和投資者，Karpathy 提供了一個極具實操性的評估框架：可驗證性。

目前 AI 的能力呈現出一種極其怪異的「鋸齒狀」。

**他舉例表示：**最先進的模型今天能同時重構 10 萬行的程式碼庫或尋找零日漏洞，然而卻告訴我應該步行去 50 米外的洗車店洗車，這簡直瘋了。

產生這種割裂的原因在於，前沿實驗室（如 OpenAI 等）將海量強化學習資源傾注在了「數學」和「程式碼」等結果易於驗證的領域。

因此，只要置身於結果可驗證的商業場景中，AI 就能發揮巨大威力。

Karpathy 暗示，市場上仍存在大量高價值，但尚未被頭部實驗室重點關注的可驗證強化學習環境，這正是創業公司進行微調（Fine-tuning）和商業變現的巨大藍海。

原視頻鏈接

點擊了解律動BlockBeats 在招崗位

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia