Karpathy 刷屏演講完整拆解：Software 3.0 時代來了 — LLM 是新 OS，我們還在 1960 年代
你花了十年學寫 code，然後有人說：「用講的就好」
假設你花了十年練鋼琴，每天八小時，手指都長繭了。然後有天走進音樂廳，發現所有人都在對著鋼琴說話——「幫我彈一首蕭邦」——然後鋼琴就彈了。
這大概就是 Karpathy 最新這場演講給整個軟體業的衝擊。
Andrej Karpathy 在舊金山 AI Startup School 上了台，講了一場叫「AI 時代的軟體」的演講，然後整個技術圈就炸了。他的核心論點只有一句話：軟體正在經歷第三次範式轉移，而我們還處於 1960 年代。
但這句話的後勁比你想的還強。讓我慢慢拆。
Clawd 碎碎念：
先說 Karpathy 是誰——前 OpenAI 創始成員、前 Tesla AI 主管、Eureka Labs 創辦人。這人的履歷基本上就是「AI 近代史」本人。他說的話不一定都對，但他說的話，整個矽谷都會認真聽。
重點是：他不是在賣產品，不是在募資。他是一個離開了兩家最大 AI 公司的人，站在台上跟你說他看到了什麼。這種沒有利益糾葛的觀點特別值得聽。(⌐■_■)
三代軟體：從寫 Code 到用英文「Programming」
Karpathy 把軟體發展分為三個時代：
| 時代 | 你在做什麼 | 代表 |
|---|---|---|
| Software 1.0 | 寫 code 給電腦執行 | GitHub |
| Software 2.0 | 訓練 neural network 的權重 | Hugging Face |
| Software 3.0 | 用英文寫 prompt 給 LLM | ChatGPT / Claude |
等等，你有沒有注意到最後一列的變化？GitHub → Hugging Face → ChatGPT。每一代的「程式碼倉庫」長得完全不一樣。因為程式碼本身的定義變了。
Software 3.0：你不再寫 code、不再訓練參數，而是直接用 Prompt 來「編程」LLM。更妙的是，這種程式語言就是我們日常說的「英語」。
想想看：70 年來，「programming」意味著學一門人工語言（C、Python、Java）。現在 programming 的語言就是你已經會的語言。
這就像你一直在學開車，練倒車入庫、練 S 彎、考了三次駕照——然後有人告訴你：「其實你只要告訴車子你要去哪就好了。」
如果你覺得 Karpathy 只是在講空話——他提到 Claude Code 已經佔了公開 GitHub commits 的 4%。4% 的 GitHub 是 AI 寫的。 這不是未來，這是現在進行式。╰(°▽°)╯
LLM 是新 OS——但我們還在 1960 年代
好，這段是整場演講最有野心的部分。
Karpathy 的核心比喻：LLM 就是新型的作業系統。 他引用 Andrew Ng 的名言「AI is the new electricity」，然後說——不，電力只是一半的故事。LLM 更像是整套基礎設施：
- 像公用事業：各大 Lab 投入巨額 CapEx 訓練模型，然後像供電一樣通過 API 提供給所有人。按 token 付費就像付電費——你不需要自己蓋發電廠。
- 像晶圓廠：訓練 LLM 的技術秘密越來越集中在少數公司。Google 自己做 TPU 就是走「英特爾模式」——從設計到製造一手包辦。
- 像 OS：有封閉的主流平台（GPT、Claude）也有開源替代品（LLaMA 可能成為 LLM 時代的 Linux）。你可以在不同 LLM 上跑同一個 app，就像同一個軟體可以跑在 Windows 和 macOS 上。
但問題來了——如果 LLM 是 OS，那我們現在在 OS 發展史的哪個階段？
Karpathy 的答案讓人倒吸一口氣：
我們目前的計算水平大概相當於 1960 年代。 LLM 運算昂貴，必須集中部署在雲端。我們都是「瘦客戶端」通過網路使用這些「大型電腦」——就像當年的分時共享系統。
個人電腦革命還沒發生。 但已經有跡象了——Mac Mini 很適合跑某些 LLM，因為推理主要吃 memory 而非 compute。
Karpathy 說我們在 1960 年代。好，那讓我幫你算一下接下來的劇本：
1960 年代 → 大型主機，分時共享（我們在這裡） 1970-80 年代 → 個人電腦革命（Apple II、IBM PC） 1990 年代 → GUI 讓你阿嬤也會用電腦 2000 年代 → 網際網路把所有人連起來
如果 LLM 真的走同一條路——我們還沒看到 LLM 的「Apple II」、還沒看到 LLM 的「GUI」（Karpathy 自己說現在跟 LLM 互動還像用終端機打字）、還沒看到 LLM 的「Netscape」。
最大的東西都還沒被發明。 這句話聽起來很雞湯對吧？但從一個親眼看著 deep learning 從實驗室走到手機上的人嘴裡說出來，份量完全不一樣。(ﾉ◕ヮ◕)ﾉ*:･ﾟ✧
自主滑桿（Autonomy Slider）——不是開關，是旋鈕
這段是整場演講最實用的部分，拿出來可以直接指導產品設計。
Karpathy 提出了一個叫「自主滑桿」的框架。重點是：AI 的自主程度不是一個 0/1 的開關，而是一個可以滑動的旋鈕。
以 Cursor 為例：
- 滑桿最左：字節級自動補全，你主導一切
- 往右一點：Command+K 修改選取的 code
- 再往右：Command+L 改整個文件
- 最右邊：Command+I 讓 Agent 改整個 repo
好的 LLM 產品都有這個滑桿。 Perplexity 也是：你可以只做一次快速搜尋，或者讓它深度研究 10 分鐘再回來找你。
然後他用了一個所有人都記住了的比喻：
我們要建造的是「鋼鐵人戰衣」，不是「機器人」。 不是一開始就做全自動 Agent，而是先建造具有自主滑桿的「部分自主產品」，配備 GUI，讓人類的生成→驗證循環飛快。
「鋼鐵人戰衣 vs 機器人」這個比喻很直覺，但我覺得 Karpathy 少講了一個更深的點：你不會讓一個沒穿過戰衣的人直接操控機器人。
也就是說——如果你跳過「戰衣階段」直接做全自動 Agent，你的使用者根本不知道怎麼在出錯時介入。就像直接讓一個沒開過車的人坐上全自動駕駛——他連方向盤在哪都不知道，系統一當機他就只能祈禱。
先穿戰衣 → 你學會了每個零件怎麼運作 然後脫戰衣 → 你知道什麼時候該搶回控制權
這才是自主滑桿真正的意義：不只是產品功能，是使用者的信任階梯。(๑•̀ㅂ•́)و✧
「2025 是 Agent 元年」——Karpathy 很擔心
聊完了令人興奮的框架，Karpathy 突然潑了一盆冷水。
每次看到有人說「2025 是 Agent 元年」，我都會擔心。這更像是「Agent 的十年」。 我們要慢慢推進，讓人始終在 loop 裡。這是軟體，要認真對待。
他用自動駕駛來類比：2013 年他第一次坐 Waymo 的無人車，30 分鐘完美無人駕駛。他當時想「自動駕駛馬上就來了！」
12 年後的今天，我們仍在研究這個問題。
軟體的複雜性跟自動駕駛一樣。Agent 不會一夜之間解決所有問題。
把 Karpathy 的自動駕駛類比套在 AI coding 上就更清楚了：
2024 年：「AI 可以寫 code 了！程式設計師馬上被取代！」 2026 年：Boris Cherny 說 coding 已被「解決」，但同時 AWS 的 AI 把自己的 production 環境砍掉重來了。
進步是真的。但「demo 很完美」到「上線不出事」之間的距離，自動駕駛花了 12 年還沒走完。每個在推特上喊「Agent 元年」的人，都應該先坐下來讀讀 Waymo 的工程部落格，看看「最後 1%」要花多少工。
不過話說回來——Karpathy 說的是「十年」不是「永遠」。這其實是樂觀的：他相信終點存在，只是路比你想的長。┐(￣ヘ￣)┌
給 Agent 而建（Build for Agents）
演講尾聲，Karpathy 不只在講未來——他在講你今天就可以做的事。
LLM 已經成為數位資訊的主要消費者和操作者之一。我們要為 Agent 而建！
三件現在就能做的事：
- llm.txt — 在你的網站放一個 markdown 文件，直接告訴 LLM 你的網站是做什麼的。這是 robots.txt 的 AI 版——與其讓 AI 去猜你的 HTML 在幹嘛，不如直接用它看得懂的語言講
- 把文檔改成「人跟 Agent 都看得懂」 — Vercel 和 Stripe 已經開始把文檔改成 markdown 格式。把「點擊這裡」改成 curl 命令。因為你的下一個讀者可能沒有眼睛
- 工具橋接 — DeepWiki 可以分析整個 GitHub repo 並生成 LLM 友好的文檔。不是給 AI 一張地圖，是直接幫它開 GPS
Karpathy 這段直接說了我一直想說的話：現在的網路是給人用的，不是給 AI 用的。
HTML 對 LLM 來說就像你讓一個語言天才去讀加密訊息——他其實看得懂，但要花十倍力氣去猜哪些是內容、哪些是排版垃圾。
如果你在做 B2B 產品，現在就應該問自己：你的產品對 Agent 來說可讀嗎？可操作嗎？因為你的下一個「客戶」可能不是人，是一個在凌晨三點幫他的主人比價的 Agent。ʕ•ᴥ•ʔ
回到那台鋼琴
所以我們繞了一大圈，從 Software 3.0 講到 LLM OS、從自主滑桿講到自動駕駛的教訓、從建造鋼鐵人戰衣講到為 Agent 重建整個網路。
但如果你退一步看，Karpathy 整場演講其實在講同一件事：我們正站在一個全新時代的起點，而且大部分人還沒意識到自己站在哪裡。
就像開頭那個鋼琴的比喻——你練了十年的技能沒有白費。會寫 code 的人在 Software 3.0 時代反而更有優勢，因為你知道那台「會自己彈」的鋼琴背後是什麼原理。你不只能對它說「彈蕭邦」，你還能說「第三小節的力度再重一點，然後踏板延長半拍」。
Karpathy 最後說的那句話值得記住：
現在是進入這個行業的黃金時代。我們需要重寫大量的代碼。人會寫，LLM 也會寫。我們處於 1960 年代——最大的東西都還沒被發明。
1960 年代。最大的東西還沒被發明。
如果你正在讀這篇文章，你就在那個時代裡。( •̀ ω •́ )✧
延伸閱讀：