前 OpenAI 创始人 & 特斯拉 AI 总监 Andrej Karpathy 在 YC 创业学校的这个演讲特别好，如果大家经常关注他的推特和 blog 会很熟悉里面的内容，这篇演讲整个篇幅的内容之前他都有提到过，比如他对大语言模型一以贯之的类比 “LLM 操作系统”，比如他认为当前的 GUI 是为人类设计的，后面要为 AI 而设计，再比如软件的开发范式正在进入 3.0 阶段，也就是 Vibe Coding，Vibe Coding 这个名词就是他首次提出的。

软件正在经历第三次根本性变革

继 Software 1.0 (传统代码) 和 Software 2.0 (神经网络权重) 之后，我们进入了 Software 3.0 时代。在这个新范式中，自然语言（如英语）本身成为了编程语言，用以驱动大型语言模型 (LLM)，极大地降低了软件开发的门槛。

LLMs 是新一代的操作系统

Karpathy 认为，将 LLMs 视为一种新的操作系统是最贴切的比喻。它们如同 1960 年代的早期计算机，计算资源昂贵且集中在云端，通过分时共享的方式提供服务。这个新“操作系统”拥有自己的生态，为重写现有软件和创造新应用带来了巨大机遇。

• 操作系统 (Operating System): 这是 Karpathy 认为最核心的类比。LLMs 像一个 CPU，其上下文窗口（Context Window）如同内存（RAM）。OpenAI、Gemini 等闭源模型好比 Windows 或 macOS，而 Llama 等开源生态则类似 Linux。
• 公共设施 (Utility): LLMs 像电力一样，通过 API 按使用量付费提供。当顶尖 LLM 服务宕机时，会引发全球性的“智能停电”（intelligence brownout）。
• 晶圆厂 (Fabs): 训练 LLMs 所需的巨额资本投入（capex）和技术保密性，与半导体行业的晶圆厂有相似之处。

LLM 的“心理学”特征

LLMs 拥有百科全书式的知识和近乎完美的记忆力，如同电影《雨人》(Rainman) 中的主角。但也存在一些认知缺陷：

• 幻觉 (Hallucinate): 会编造事实。
• 锯齿状智能 (Jagged Intelligence): 在某些领域表现超凡，但在另一些简单问题上却会犯低级错误。
• 顺行性遗忘症 (Anterograde Amnesia): 无法从交互中进行长期学习和积累经验，每次交互都像“初次见面”。
• 易受攻击 (Gullible): 容易受到提示注入（Prompt Injection）等安全风险的影响。

当下的机遇在于构建“部分自主应用”

当前阶段，最有效的策略不是追求完全自主的 AI 智能体，而是开发“部分自主应用”（Partial Autonomy Apps）。这些应用将人类的监督与 AI 的强大生成能力相结合，通过精心设计的用户界面（GUI）和“自主性滑块”（Autonomy Slider）功能，实现高效的人机协作。

• 核心理念: 打造人机协作工具，而非完全自动化的智能体。成功的例子包括辅助编码的 Cursor 和 AI 搜索 Perplexity。
• 关键特性: 这些应用应负责管理上下文、协调多个 LLM 调用，并提供专用的 GUI（如图形化差异对比）来加速人类的验证环节。
• 自主性滑块 (Autonomy Slider): 应用应允许用户根据任务的复杂性，灵活调节 AI 的自主程度。Karpathy 强调，现阶段我们更应构建“钢铁侠战衣”（Iron Man suits，增强人类），而非“钢铁侠机器人”（Iron Man robots，完全自主）。

为 AI 智能体改造基础设施

为了充分发挥 LLMs 的潜力，我们需要改造当前的数字基础设施。这包括提供机器可读的文档（如 Markdown 格式）、创建面向智能体的 API（而非仅供人类点击的 GUI），从而让 AI 能够更顺畅地理解和操作数字世界。

• Vibe Coding: 指利用自然语言进行编程的潮流，它让非专业人士也能快速构建定制化应用。
• 面向智能体的设计: 现有的大部分文档和网站都是为人类设计的。未来的趋势是使其对 LLMs 友好，例如：
  • 提供 Markdown 格式的文档。
  • 将文档中“点击这里”等面向人类的操作，替换为 AI 可执行的 curl 命令。
  • 使用 git-ingest 等工具将整个代码库打包成一个 LLM 易于处理的文本文件。

最后

为了方便大家看，我把视频全文翻译为了中英双语，点击这里观看（如果访问不了 X，请关注我的公众号 fisherdaddy，这里的视频号中也有翻译后的视频）。

另外，我也把本次演讲用到的 PPT 翻译为了中文。

• 原 PPT 文件
• 翻译后的 PPT 文件