Karpathy将软件的演进划分为三个阶段：
软件1.0 (Software 1.0): 经典代码。 这是我们熟悉的、由人类用Python、C++等编程语言编写的明确指令集。计算机完全按照这些指令执行。
软件2.0 (Software 2.0): 权重。 随着深度学习的兴起，软件的核心从“代码”变成了神经网络的“权重”。这些权重不是由人编写的，而是通过在大量数据上进行优化（训练）得到的。例如，一个图像分类器就是一个由权重构成的程序。
软件3.0 (Software 3.0): 提示词 (Prompts)。 这是最新的革命。LLM本身就像一个可编程的计算机，而它的“编程语言”就是自然语言（如英语）。我们通过编写提示词来“编程”LLM，让它完成复杂的任务。这标志着软件开发的又一次范式转移。
Karpathy用一个“软件版图”的比喻来形象说明：如果说软件1.0是GitHub上的所有代码，软件2.0是Hugging Face上的所有模型，那么软件3.0正在以前所未有的速度“吞噬”和重构前两者。
2. LLM作为新的计算平台：操作系统、电网还是芯片厂？
Karpathy探讨了LLM在当前生态中的角色，并提出了几种有趣的类比：
像操作系统 (Operating System): 这是他最倾向的类比。LLM就像一个新的操作系统（例如，1960年代的早期操作系统）。
LLM是CPU：处理核心逻辑。
上下文窗口 (Context Window)是RAM：有限的工作内存。
工具和外部知识库是外设：如计算器、文件系统、浏览器等。
与LLM的文本聊天就像早期的命令行终端：我们还未发明出真正原生的图形用户界面（GUI）。
像电网 (Utility): LLM的训练需要巨大的资本支出（CAPEX），服务则需要持续的运营支出（OPEX），用户按需付费（按token计费），并且我们对它有高可用性、低延迟的要求。当OpenAI宕机时，就像一次“智能停电”。
像芯片厂 (Fab): 训练LLM需要深厚的技术、巨大的投入和核心机密。使用NVIDIA GPU的公司就像“无晶圆厂”的设计公司，而像Google这样自研TPU的公司则更像拥有自己芯片厂的英特尔。
3. LLM的“心理学”：与一个有认知缺陷的天才合作
Karpathy强调，要用好LLM，必须理解其独特的“心理”特征。他将其形容为一个“有认知问题的天才博学家（savant）”：
百科全书般的知识：记忆力超群，像电影《雨人》中的主角。
幻觉 (Hallucinations)：会一本正经地胡说八道。
锯齿状智能 (Jagged Intelligence)：在某些领域远超人类，但在另一些简单问题上（如“2+2=5”）却会犯错。
顺行性遗忘症 (Anterograde Amnesia)：没有持续学习的能力，每次对话都像《记忆碎片》或《初恋50次》的主角，上下文窗口一过就忘记了之前的事。
轻信 (Gullibility)：容易被提示词注入（Prompt Injection）攻击所欺骗。
4. 创业机会：构建“部分自治”产品和为智能体服务的基础设施
基于以上洞见，Karpathy指出了巨大的创业机会：
构建“部分自治”产品 (Partial Autonomy Products):
做“钢铁侠战衣”，而不是“钢铁侠机器人”：当前阶段，成功的AI产品更多是作为增强人类能力的“战衣”（Augmentation），而不是完全自主的“机器人”（Agent）。
优化“人机协作”循环：AI负责生成（Generation），人类负责验证（Verification）。关键在于设计优秀的UI/UX，让这个循环尽可能快速、高效。
引入“自治滑块” (Autonomy Slider)：让用户可以根据任务的复杂度和对AI的信任度，自由调节AI的自主程度。从简单的代码补全，到修改代码块，再到完全重构整个项目。
为智能体构建基础设施 (Build for Agents):
文档从“给人看”到“给AI看”：传统的文档充满了图片、列表等为人类设计的元素。未来的软件和服务需要提供机器可读的文档（如Markdown格式的llms.txt），让AI能直接理解和使用。
将“点击”操作转化为API调用：文档中不应再说“点击这里”，而应直接提供可执行的cURL命令，方便AI调用。
开发“上下文构建器” (Context Builders)：创建能自动分析GitHub仓库、PDF文档等复杂信息，并将其转化为LLM易于理解的结构化上下文的工具，这是一个巨大的机会。
最后，Karpathy以他提出的“氛围编程” (Vibe Coding)*概念收尾。他认为，AI正在释放一代全新的、充满创造力的建设者，他们不需要多年的编程训练，只需通过“氛围”和自然语言就能构建软件。这是一个激动人心的未来，充满了无限的可能性。
（文：路过银河AI）