OpenAI 聯創 Karpathy 訪談：LLM 是新型電腦，所有事物都必須「重寫」

原視頻標題：Andrej Karpathy：從 Vibe Coding 到 Agentic Engineering

原視頻來源：Sequoia Capital
原文編譯：鮑奕龍，華爾街見聞

OpenAI 共同創始人 Andrej Karpathy 在最新訪談中指出，大型語言模型正作為「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 代理的技術飛躍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，這一轉變標誌著軟體 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，大量現有代碼和應用程序在新範式下「不應該存在」，而當前多組織的招聘流程、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：

系統生成的代碼塊越來越完美，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序員如此落後。

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（寫程式碼）」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「新型電腦」。

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譯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電腦上，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固化。

下一代基礎建設：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礎建設形態將走向何方？

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「感應器」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互動。

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 引用了一句令他反复咀嚼的话作为总结：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品質上限。

「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。

這也將極大擴寬企業產出的想象空間。

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優異的人，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。

他建議企業棄用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，並能抵抗其他 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 提供了一倀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 萬行的代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「代碼」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，這正是新創公司進行微調（Fine-tuning）和商業變現的巨大藍海。

原視頻鏈接

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