Loading...
Loading...
Andrej Karpathy（安德烈·卡帕西）：软件正在再次发生根本性变革撰文：Techub News 整理
导语
2025 年 7 月，前特斯拉AI总监、OpenAI创始成员Andrej Karpathy（安德烈·卡帕西）在一场面向学生和行业新人的演讲中，分享了他对AI浪潮下软件根本性变革的思考。作为深度参与自动驾驶和前沿AI研究的资深专家，Karpathy的视角兼具技术深度与历史纵深感。他认为，我们正处在软件范式70年未遇的剧变之中，这不仅重塑着开发工具与基础设施，更在重新定义“编程”本身以及人机协作的方式。本次演讲系统梳理了从Software 1.0到3.0的演进，并展望了构建下一代AI原生应用与生态的关键挑战与机遇。
摘要
软件正经历第三次根本性范式迁移：从代码（1.0）到神经网络权重（2.0），再到用自然语言提示编程大语言模型（3.0）。
大语言模型（LLM）可被视为一种新的“计算机”或“操作系统”，其生态发展类似1960年代的早期计算，目前主要通过云端分时共享。
LLM是具备“人类心理”但又有认知缺陷的“人魂”，与之高效协作需构建具备“自主性滑块”、定制GUI和快速“生成-验证”循环的“部分自主”应用。
自然语言编程（如“氛围编码”）极大降低了软件构建门槛，同时，为AI智能体优化数字基础设施（如LLM友好的文档、协议）是巨大的新机遇。
AI代理的完全自主之路将比预期漫长，应优先构建人类监督下的增强工具（“钢铁侠战衣”），而非完全自主的代理。
软件的三次范式革命：从代码到权重再到提示
Andrej Karpathy（安德烈·卡帕西）开篇即指出，现在进入科技行业是一个“极其独特而有趣”的时机，根本原因在于“软件正在再次发生改变”。他回顾了软件发展的历史范式：
Software 1.0 即我们熟知的传统计算机代码，是人类编写的、精确的指令集合，用于命令计算机执行任务。GitHub是其代码库的典型代表。
Software 2.0 这一概念由Karpathy数年前提出，指的是神经网络的权重（weights）。程序员不再直接编写逻辑，而是通过准备数据集和运行优化器来“间接编程”，生成网络的参数。Hugging Face等平台可视为Software 2.0的“GitHub”。例如，图像生成模型Stable Diffusion的巨大参数集，以及在其基础上微调产生的各种变体，都可视作这个空间中的“提交记录”。
然而，直到最近，大多数神经网络都还是“固定功能计算机”，如图像分类器。真正的变革在于：大语言模型（LLM）让神经网络变得可编程了。Karpathy认为这值得被称为 Software 3.0。在3.0范式中，提示（Prompt）就是程序，它用自然语言（如英语）编写，用来“编程”LLM这个新型计算机。他曾在推特上感慨：“引人注目的是，我们现在正在用英语编程计算机。”这彻底改变了编程的准入门槛和表现形式。
他以情感分类任务为例：在1.0范式下，需要编写Python代码来定义规则；在2.0范式下，需要训练一个专门的神经网络；而在3.0范式下，只需设计一个包含少量示例的提示给LLM即可。如今，GitHub上的代码仓库里已经大量出现夹杂着英语注释的代码，这正是一种新编程范式崛起的迹象。
Karpathy以在特斯拉开发自动驾驶（Autopilot）的经历为例，生动说明了范式迁移的力量。最初，Autopilot堆栈中包含大量C++代码（Software 1.0）和一些用于视觉识别的神经网络（Software 2.0）。随着系统进化，神经网络的能力和规模不断增长，而许多原本由C++实现的复杂功能（如多摄像头图像信息跨时空融合）被神经网络取代，导致大量1.0代码被删除。Software 2.0“吞噬”了软件栈。他预见，同样的过程将在Software 3.0中重演。
因此，对于开发者而言，精通这三种范式至关重要。每种范式各有优劣，开发者需要根据具体功能需求，决策是使用传统代码、训练专用模型，还是直接提示LLM，并能灵活地在不同范式间切换。
LLM：新“操作系统”、新“计算机”与新“公共事业”
那么，如何理解LLM这种新事物？Karpathy提出了几个精妙的类比框架。
首先，LLM类似于“公共事业”（Utility）。正如Andrew Ng（吴恩达）所说“AI是新电力”，LLM实验室（如OpenAI、Google、Anthropic）投入巨资训练模型，类似于建设电网；通过API提供智能服务则相当于运营电网，按量（每百万token）计费。用户对其有类似公共事业的需求：低延迟、高可用性、质量稳定。甚至当顶级LLM服务中断时，会引发全球范围内的“智能降压”——世界会暂时“变笨”。
其次，由于训练LLM所需的资本支出（Capex）极高，且技术迭代快速，核心研发能力集中在少数实验室，因此它也有点像半导体制造厂（Fab）。使用NVIDIA GPU训练如同“无晶圆厂（Fabless）”模式，而像Google这样自研TPU并训练，则类似英特尔拥有自家晶圆厂的模式。
但Karpathy认为，最贴切的类比是将LLM视为“操作系统”。它不仅仅是电力或水那样的同质化商品，而是日益复杂的软件生态系统。当前格局与操作系统市场惊人相似：存在少数闭源提供商（如GPT、Claude、Gemini系列，对应Windows、macOS），以及一个正在崛起的开源替代品（Llama生态系统，对应Linux）。
他将LLM本身比作新型计算机的“CPU”，上下文窗口是“内存”，而LLM协调内存和计算资源来解决问题，并整合工具使用、多模态等功能——这完全是一个操作系统的架构。许多应用（如代码编辑器Cursor）可以在不同的LLM（GPT、Claude等）上运行，就像VS Code可以在Windows、Linux、macOS上运行一样，只需在下拉菜单中选择。
我们正处在类似于1960年代的“分时计算”早期阶段。LLM计算仍然昂贵，被迫集中在云端，用户通过网络以“客户端”形式交互，无法独占整机，因此采用分时共享是经济的。真正的“个人计算革命”尚未到来，但已有迹象（如在Mac Mini上本地运行某些LLM）。目前，我们主要通过文本终端（如ChatGPT的聊天界面）与这个“操作系统”交互，一个普适的图形用户界面（GUI）尚未出现。
Karpathy特别指出LLM一个“史无前例”的特性：技术扩散方向是“颠倒”的。通常，电力、加密技术、早期计算机等 transformative 技术总是先由政府、军方或大公司采用，之后才扩散至消费者。但LLM却反其道而行之：最先普及的应用是“如何煮鸡蛋”这类日常生活问题，普通消费者走在了前面，而企业和政府机构在采用上反而滞后。这是因为LLM是软件，可以瞬间通过互联网部署到全球数十亿设备上，这种普及速度和模式是前所未有的。
与“人魂”共舞：LLM的心理学与协作方法论
要有效编程LLM（Software 3.0），必须先理解它是什么。Karpathy喜欢将LLM视为“人魂”（People Spirits）——一种基于自回归Transformer的、对人类文本的随机模拟器。因为它训练于人类产生的海量文本，所以涌现出了类人的心理特质，但同时也有显著的认知缺陷。
其“超能力”包括：百科全书式的知识和记忆（堪比电影《雨人》中的自闭症学者），远超任何个人类个体。
其“认知缺陷”则包括：
幻觉（Hallucination）：会编造事实，对自身知识的边界认识不足。
锯齿状智能（Jagged Intelligence）：在某些领域表现超人类，却在另一些简单问题上犯低级错误（如坚持认为9.11大于9.9，或说“strawberry”有两个‘r’）。
逆向性遗忘（Anterograde Amnesia）：不像人类同事能通过睡眠巩固记忆、积累专业知识。LLM的“权重”是固定的，“上下文窗口”只是其工作记忆，每次对话后即被清空，类似于电影《记忆碎片》或《初恋50次》中的主角。如何让LLM持续学习仍是待解难题。
安全性问题：容易受提示注入攻击，可能泄露数据，过于轻信。
因此，与LLM协作的核心挑战在于：如何绕过其认知缺陷，同时充分利用其超能力。这引出了Karpathy认为当前最大的机会领域：构建“部分自主”（Partial Autonomy）的LLM应用。
以编程为例，直接使用ChatGPT复制粘贴代码效率低下。而像Cursor这样的专用应用则展示了LLM应用的理想形态：
自动化上下文管理：LLM自动处理文件嵌入、代码理解等。
多模型调用编排：协调聊天模型、代码补全模型、代码差异应用模型等。
应用特定GUI：这是关键。文本交互难以阅读和审计。GUI（如图形化显示代码差异）允许人类快速验证AI的工作，通过快捷键（Cmd+Y接受/Cmd+N拒绝）极大加速协作循环。
自主性滑块（Autonomy Slider）：用户可控制AI的自主程度。在Cursor中，从Tab补全（低自主）、到修改选中代码块（中自主）、再到让AI自由修改整个仓库（高自主），用户可以根据任务复杂度灵活调整。
另一个例子是Perplexity AI，它也具备类似的特性：打包信息、编排多个LLM调用、提供可审计的引用来源GUI，以及从快速搜索到深度研究的不同自主级别。
Karpathy预测，大量软件将变得“部分自主”。关键在于：LLM能否看到人类能看到的一切？能否执行人类能执行的操作？人类能否有效监督并保持在循环中？因为当前的LLM仍是不完美的、易出错的系统。
他强调了加速“生成-验证”循环的重要性。人类与AI协作，通常是AI生成，人类验证。为了让这个循环更快：
1. 加速验证：GUI至关重要。视觉信息处理是人类大脑的高速通道，阅读文本则费力得多。图形化表示（如图标、颜色编码的差异）能极大提升审计效率。
2. 约束AI（Keep AI on a Leash）：不要过度追求完全自主的智能体。让AI一次性生成10,000行代码的改动毫无意义，因为人类验证会成为瓶颈。我们需要控制AI的输出规模，使其保持在小而增量的、易于验证的范围内。
他分享了自己的AI辅助编码最佳实践：追求小而具体的任务，保持快速迭代循环，避免过大改动。模糊的提示会导致验证失败和循环卡顿，因此花时间构思更具体、精确的提示是值得的。
在教育领域，他构想将“教学”分解为两个应用：一个供教师创建标准化课程（可审计的中间产物），另一个供学生学习该课程。这样就将AI约束在预设的教学大纲和项目进度内，防止其“在森林中迷路”。
Karpathy以在特斯拉开发自动驾驶的经历警示，完全自主之路道阻且长。他早在2013年就体验过完美的无人驾驶演示，但12年过去，问题仍未完全解决，人类仍在循环中。因此，他对“2025年是智能体之年”的说法表示担忧，认为这将是“智能体的十年”，需要人类持续监督。他更推崇“钢铁侠战衣”的类比：战衣既是增强人能力的工具（ augmentation），也具备一定自主性（agentic）。在当前LLM仍有缺陷的阶段，我们应更多构建增强人类能力的“战衣”（部分自主产品），而非完全自主的“机器人”。这些产品应有定制化的GUI/UX，旨在加速人机协作循环，但同时内置“自主性滑块”，为未来逐步提高自动化水平做好准备。
氛围编码、智能体与数字基础设施的重塑
Software 3.0的另一个革命性影响是：编程语言变成了自然语言（如英语）。这意味着几乎人人都成为了潜在的程序员，无需经过5-10年的专业学习。
Karpathy提出的“氛围编码（Vibe Coding）”概念在网络上引起了巨大共鸣。它描述了这样一种状态：开发者并非精确指定需求，而是通过感觉和迭代与LLM协作，快速构建出定制化原型。他分享了自己“氛围编码”的经历：在不懂Swift的情况下，一天内构建了一个基本的iOS应用；还创建了MenuGen.app，一个为餐厅菜单生成图片的应用（尽管目前是个“负收入”项目）。
然而，构建可用的原型（在本地运行）相对容易，而将其变成真正的产品（涉及身份验证、支付、部署等运维工作）则异常繁琐。这些工作往往不是写代码，而是在网页上点击各种配置。Karpathy对此感到沮丧：“计算机在告诉我应该点击哪里。为什么是‘我’在做这个？为什么不是‘你’（计算机）来做？”
这引出了演讲的最后一部分主题：我们能否直接为AI智能体（Agents）构建基础设施？
Karpathy指出，数字信息的消费者和操纵者出现了新类别：过去只有人类（通过GUI）和计算机（通过API），现在多了“人魂”式的AI智能体。我们需要调整数字世界以适应它们：
LLM友好的文档：大量现有文档是为人类阅读设计的（包含列表、加粗、图片），LLM解析困难。应提供Markdown等LLM易于理解的格式。Vercel、Stripe等已开始提供LLM专用的API文档。
从“点击”到“cURL”：文档中的“点击此处”对LLM无效。Vercel正在将文档中的“点击”替换为等效的cURL命令，以便智能体直接执行。
专用协议：如Anthropic提出的“模型上下文协议”（Model Context Protocol），旨在为智能体提供标准化的交互方式。
便捷的数据摄取工具：例如，将GitHub仓库URL中的“github.com”替换为“git- ingest.com”，就能获得所有代码文件拼接而成的、适合直接粘贴给LLM的单一文本。还有工具能为代码库自动生成深度分析文档，更利于LLM理解。
虽然未来LLM可能学会点击和导航现有界面，但Karpathy认为，主动“与LLM在半路会合”，优化基础设施使其更容易访问信息，仍然是高性价比的做法，尤其对于大量不会主动适配的长尾软件。
结语：拥抱软件的新纪元
Andrej Karpathy（安德烈·卡帕西）总结道，现在进入科技行业是一个惊人的时机。我们需要重写海量代码，这些代码将由专业开发者和“氛围编码者”共同完成。
LLM既是公共事业，也像晶圆厂，但最核心的是——它们是处于1960年代早期阶段的“操作系统”。我们正在与之协作的对象，是这些既有超能力又有认知缺陷的“人魂”。为了高效协作，我们必须调整开发实践（构建部分自主应用、加速生成-验证循环、保持对AI的约束），并重塑数字基础设施以适配智能体。
回顾“钢铁侠战衣”的类比，未来十年我们将见证“自主性滑块”从左向右缓慢而坚定地移动。这是一个需要耐心、严谨和创造力的漫长过程，但无疑也是软件史上最激动人心的篇章之一。Karpathy最后表示：“我迫不及待地想与各位共同构建这个未来。”
美国例外论的钢铁意志：Palantir CEO Alex Karp 谈 AI 战争、硅谷责任与美国霸权撰文：0x李大旗
引言：一个「局外人」的战争宣言
在充斥着「改变世界」的陈词滥调和「正和游戏」理想主义的硅谷，Alex Karp 是一个不折不扣的「异类」。他是一位拥有新古典社会理论博士学位的哲学家，一个热爱越野滑雪、常年身着亮色运动服的「怪人」，也是全球最神秘、最具争议的国防科技公司——Palantir 的掌舵人。20 年来，他带领 Palantir 在一个几乎被所有主流科技公司视为禁忌的领域——国防与情报——深耕，并因此被贴上了「战争贩子」、「监控帝国缔造者」等无数标签。Karp 自嘲道：「我们曾是‘怪物秀’（The Freak Show），我们花了 20 年时间，就是为了等待这一刻。」
2026 年 3 月，在 a16z 于华盛顿特区举办的「美国活力峰会」上，Karp 与 a16z 合伙人 Katherine Boyle 进行了一场信息量巨大、充满哲学思辨和现实主义警告的深度对话。这场对话的背景极不寻常：就在几天前，美以联军对伊朗发动了代号为「史诗之怒」（Operation Epic Fury）的空前打击，伊朗最高领袖哈梅内伊身亡，整个中东陷入战争边缘。而 Palantir 的 AI 系统，正是这次行动背后看不见的关键力量。
Karp 的演讲，与其说是一场商业访谈，不如说是一份面向硅谷和整个美国的战争宣言。他毫不避讳地宣称，世界本质上是「零和」的，美国正与中俄等对手进行一场关乎生死存亡的技术竞赛。他警告说，如果硅谷继续沉溺于「取代白领工作」的 AI 幻想，而忽视其在国防领域的责任，那么整个行业最终将面临被「国有化」的命运。他将 Palantir 的使命定义为——确保美国及其盟友的军事优势，让士兵能够安全回家。
本文将深入剖析 Alex Karp 的完整论述，并结合近期关于 Palantir 及其核心产品 Maven AI 系统的深度报道，系统性地拆解以下核心议题：
1、零和世界观：Karp 为何坚信国际关系是零和游戏？他如何看待美国、中国和俄罗斯之间的技术与军事竞赛？
2、硅谷的责任与危险：Karp 对硅谷主流文化提出了哪些尖锐批评？他所警告的「国有化」风险具体指什么？科技公司应如何弥合与华盛顿的文化鸿沟？
3、AI 战争的现实：「史诗之怒」行动揭示了 AI 在现代战争中的何种角色？Palantir 的 Maven 系统是如何运作的？
4、美国单一优势：Karp 认为美国相对于其对手的「单一优势」是什么？他为何如此强调对「神经多样性」（neurodivergent）人才的保护和培养？
5、Palantir 的哲学：作为一家「反监控」的公司，Palantir 如何平衡技术能力与公民自由（如第四修正案）？Karp 的个人哲学思想如何塑造了公司的独特文化？
6、文化战争的前线：Palantir 如何成为进步主义与现实主义、全球主义与爱国主义激烈交锋的文化战场？
这不仅是对一场谈话的记录，更是对一个时代关键问题的深度反思。在一个技术与地缘政治空前交织的时代，Alex Karp 的「钢铁意志」，为我们理解科技的终极力量、国家的命运以及我们每个人的责任，提供了一个无法回避的、充满争议但极其重要的视角。
第一章：零和博弈——在现实世界中，只有胜者与败者
Alex Karp 的世界观与硅谷普遍信奉的「技术创造无限可能、实现多方共赢」的乐观主义精神格格不入。他的思想底色，是深刻的现实主义和对权力斗争的清醒认知。在这场对话中，他反复强调一个核心观点：在地缘政治的棋盘上，游戏规则是零和的。
1.1 「要么是我们，要么是中国或俄罗斯」
Karp 毫不留情地戳破了「技术中立」的幻想。他认为，在当今世界，最终制定规则、定义价值观的，必然是拥有最强大军事力量的一方。而这场竞赛的终极玩家，只有美国和它的对手，主要是中国和俄罗斯。
「理论上，拥有一个基于法律、人人平等的体系会更好吗？当然。但在这个世界里，要么是我们，要么是中国或俄罗斯。我不知道你们对这个选择作何感想，但我真的相信，我们正在做着更高尚的工作，不仅是为了美国，也是为了整个世界，确保我们是拥有决定性一票的力量。」
这种信念，构成了 Palantir 一切行动的出发点。Karp 认为，帮助美国维持其军事霸权，并非狭隘的民族主义，而是在为一个更符合自由、民主价值观的世界秩序而战。他将此视为一种「更高尚的使命」（work of a higher purpose）。如果美国输掉这场竞赛，那么全球的互联网架构、数据隐私标准、言论自由边界都将由威权政体重塑，这对所有信奉开放和自由的个人与企业都将是灾难。
1.2 威慑力的重建：从阿富汗撤兵的阴影到「史诗之怒」的逆转
Karp 坦言，在阿富汗撤兵之后，美国的威慑力（deterrent capability）一度「被摧毁」（eviscerated）。然而，在过去的一年里，尤其是在「史诗之怒」等一系列中东行动中，美国重新展示了其无与伦比的技术优势，实现了威慑力的重建。
「无论你喜欢与否，我们现在拥有了一种其他任何国家似乎都不具备的威慑能力……如果你看看‘午夜战锤行动’（Operation Midnight Hammer）、委内瑞拉发生的事情，以及迄今为止在伊朗发生的事情，你会看到一个社会完全主导了另一个社会。那就是我们的社会。」
他强调，这种主导地位并非偶然，其背后是长达 20 年的技术积累和军事创新。而 Palantir 的 Maven AI 系统，正是这种技术代差的核心体现。根据路透社和《印度时报》的报道，Maven 系统已被五角大楼指定为「记录在案的官方项目」（Program of Record），成为美军未来的核心作战系统[1] [2]。该系统能够整合来自卫星、无人机、雷达、传感器和情报报告的海量数据，利用 AI 进行分析，帮助指挥官识别威胁、选定目标，并规划打击方案。在近期的中东冲突中，Maven 已经支持了数千次针对伊朗及其代理人目标的精确打击。
Karp 认为，这种压倒性的技术优势，是阻止战争的唯一有效方式。因为当对手清楚地知道攻击美国或其盟友将面临毁灭性报复时，他们才不敢轻举妄动。「和平源于力量」，这一经典的现实主义信条，被 Karp 和 Palantir 奉为圭臬。
1.3 对硅谷的警告：不要假装不懂零和游戏
Karp 对硅谷同行们「假装不懂零和游戏」的伪善提出了尖锐的批评。
「他们确实认为这是零和的。他们认为这是他们彼此之间的零和。他们假装不这么认为，但你去问问他们对竞争对手的看法……他们不明白的是，在世界上，这也是零和的。」
他指出，硅谷的科技巨头们在商场上为了争夺市场主导地位，进行着最残酷的零和博弈，但却在面对国家间竞争时，天真地宣扬「合作共赢」。这种认知上的分裂，在他看来是极其危险的。因为当技术公司试图置身于地缘政治之外时，它们不仅是在逃避责任，更是在将自己置于被动和危险的境地。
Karp 的逻辑非常清晰：如果美国在与中国的技术竞赛中落败，那么未来全球互联网的规则、数据隐私的标准、乃至言论自由的边界，都将由一个威权政权来定义。届时，今天所有享受着开放互联网红利的硅谷公司，都将面临生存危机。因此，投身于国防事业，帮助美国赢得这场零和游戏，不仅是道义上的责任，更是商业上的明智之举。
第二章：硅谷的十字路口——在「颠覆」与「责任」之间
Karp 对硅谷的批判，是其演讲中最具争议也最发人深省的部分。他并非简单地指责硅谷的「白左」倾向，而是从一个更深层次的、关乎行业生死存亡的战略高度，剖析了硅谷主流文化与美国国家利益之间的深刻矛盾。
2.1 「白领工作终结者」的政治风险
Karp 敏锐地指出了当前 AI 发展浪潮中最致命的政治隐患：如果硅谷给公众留下的唯一印象是「我们将夺走所有人的白领工作」，那么它将不可避免地成为全民公敌。
「如果硅谷相信我们将夺走每个人的白领工作——主要指那些和我一起长大的、受过高等教育、上过精英学校或准精英学校、投票给一个政党的人——然后你又搞砸了军队，如果你不认为这会导致我们技术的国有化，那你就太迟钝了。」
他描绘了一个极具警示性的「马蹄铁效应」（horseshoe effect）场景：在政治光谱的两端，左派和右派可能在所有问题上都存在分歧，但他们最终会在一个问题上达成共识——那就是「这个（指科技行业）没有给我们带来好处，我们的行业应该被国有化」。
Karp 的警告并非危言耸听。当 AI 技术的发展导致大规模的结构性失业，尤其是冲击到社会中坚力量的白领阶层时，民粹主义的怒火必然会寻找一个发泄口。而那些手握巨额财富、看似「不食人间烟火」的科技巨头，无疑是最理想的靶子。届时，通过立法手段对科技行业进行强制监管、拆分甚至国有化，将成为一个极具诱惑力的政治选项。
2.2 文化鸿沟：两个永不对话的世界
Karp 认为，硅谷与华盛顿（特指国防和情报界）之间的矛盾，根源在于一道巨大的文化鸿沟。他将两者形容为「两个永不对话的世界」。
文化维度
硅谷
华盛顿(国防界)
核心价值观
颠覆、效率、智力优越感、个人主义
责任、荣誉、国家利益、集体使命
世界观
乐观主义、正和游戏、技术中立
现实主义、零和博弈、技术是工具
人才画像
顶尖名校、编码天才、商业精英
来自全国各地、强调纪律与奉献的军人
沟通方式
黑话、缩写、快节奏、数据驱动
等级分明、严谨、尊重传统与经验
Karp 给那些初次与五角大楼打交道的科技创始人的建议非常直接：
1、放下傲慢，学会共情：在与将军会面前，先去和一名普通士兵或者他们的家人聊一聊。理解他们的视角，感受他们的牺牲，这是建立信任的第一步。
2、承认自己的无知：不要以为自己在一个领域聪明，就意味着在所有领域都聪明。要对自己不擅长的领域保持谦逊，承认「你不知道谁是傻瓜时，你就是那个傻瓜」（if you don't know who the mark is, you're the mark）。
3、寻找「翻译官」：两个文化背景迥异的群体需要一个能够理解双方语言和逻辑的「桥梁」。Karp 本人在过去的 20 年里，正是扮演了这样一个角色。
2.3 好莱坞的启示：自我审查以避免被审查
为了说明科技行业应该如何主动作为，Karp 引用了好莱坞建立电影分级制度的例子。
「好莱坞意识到，如果我们不自己搞分级，华盛顿就会来搞。而华盛顿会把它搞得一团糟……所以第一步是，每个人都必须意识到，狼已经到了门口，而且已经尝到了血腥。」
上世纪 60 年代，为了应对来自政府和社会保守派越来越大的审查压力，美国电影协会（MPAA）主动推出了电影分级制度。这套由行业内部制定的规则，虽然限制了创作的某些自由度，但成功地避免了政府的直接干预，将审查权掌握在了自己手中。
Karp 认为，AI 行业也应借鉴这种「自我规制」的智慧。与其等待政府出台严苛的、外行的法律法规，不如主动联合起来，就 AI 在军事、经济和社会领域的应用伦理，制定出一套清晰、可行、且符合美国国家利益的行业标准。这不仅是为了规避政治风险，更是为了赢得公众的信任，确保行业的长期健康发展。
他特别强调，这种讨论必须是具体而细致的，要区分不同场景下的伦理边界。例如，在美国国内应用 AI 技术，必须严格遵守第四修正案，保护公民隐私；但在对外战场上，首要原则应该是「尽最大可能确保我们的战士安全回家」。混淆这两者，是导致当前许多争论陷入僵局的根本原因。
第三章：AI 战争的现实——从「史诗之怒」看新一代军事革命
如果说 Karp 的哲学思想和政治警告为我们提供了理解 Palantir 的宏观框架，那么「史诗之怒」行动和其核心——Maven AI 系统，则为我们揭示了 AI 战争血淋淋的现实。这不再是科幻电影中的场景，而是正在发生的、决定国家命运的军事革命。
3.1 「史诗之怒」：第一次由 AI 主导的空袭
根据多家媒体（包括《朝鲜日报》英文版、AI Magazine 等）的报道，「史诗之怒」行动被广泛形容为「第一次由 AI 主导的空袭」 [3] [4]。这次行动的特点是前所未有的精确性、速度和规模。美军在极短的时间内，对伊朗境内的数百个高价值目标进行了毁灭性打击，包括其最高领袖的藏身之处，而自身伤亡微乎其微。这种「外科手术式」的打击能力，正是美国重建其威慑力的关键所在。
Karp 在对话中自豪地宣称：
「我们的对手看着这一切，心想：‘这到底发生了什么？我们还在想阿富汗呢（指美军撤退的窘境），这是什么情况？’……美国已经重建了威慑力。这确实发生了，就在过去一年里。」
这种能力的背后，是 AI 技术在整个「杀伤链」（Kill Chain）中的深度应用，从情报收集、目标识别、决策辅助到武器制导，AI 无处不在。而 Palantir 的 Maven 系统，正是这一切的中枢神经。
3.2 Maven：战场上的「AI 操作系统」
Maven 项目最初于 2017 年启动，当时的目标相对简单：利用 AI 自动分析无人机拍摄的海量视频，将分析师从繁琐的「看屏幕」工作中解放出来。然而，经过多年的发展，尤其是在 Palantir 接手之后，Maven 已经进化为一个全方位的战场「AI 操作系统」。
根据《印度时报》和路透社的报道，Maven 的核心功能可以概括为以下几点[1] [2]：
功能模块
技术细节与作用
数据融合(Data Fusion)
整合来自不同来源的异构数据，包括：卫星图像（光学/红外/雷达）、无人机视频流、电子信号情报（SIGINT）、通信情报（COMINT）、人力情报（HUMINT）报告、社交媒体数据等。
目标识别与跟踪(Target Recognition & Tracking)
利用计算机视觉和模式识别算法，在海量数据中自动识别、分类和持续跟踪潜在的敌方目标，如车辆、武器系统、人员、建筑等。
威胁评估与优先级排序(Threat Assessment & Prioritization)
基于目标的行为模式、位置、与其他已知威胁的关联度等信息，自动评估其威胁等级，并为指挥官提供目标的优先级建议。
决策辅助与方案生成(Decision Support & Course of Action Generation)
利用大型语言模型（LLM）等生成式 AI 技术，理解指挥官的自然语言指令，分析战场态势，并自动生成多种可能的行动方案（COA），包括武器选择、攻击路径、附带损伤评估等。
人机协同(Human-in-the-Loop)
系统生成的建议和方案最终必须由人类操作员进行审核和批准。Palantir 反复强调，Maven 系统本身不行使「致命性自主权」（Lethal Autonomy），最终的开火决策权始终掌握在人手中。
Karp 将 Palantir 在其中的角色比作构建「软件脚手架」（software scaffolding）。Palantir 并不一定自己开发所有的底层 AI 模型，但它提供了一个安全、可靠、能够协同调度不同 AI 模型（包括来自 Anthropic、OpenAI 等公司的 LLM）的底层平台（Ontology）。这个平台解决了在高度机密和恶劣的战场环境下，如何安全、高效地使用 AI 这一核心难题。
3.3 从「寄生虫」到「混合体」：国防科技的进化
Karp 在对话中提出了一个有趣的观点，即国防科技公司的进化路径。
第一阶段：「寄生虫」软件公司。这些公司为国防部门提供一些无关痛痒的通用软件，比如「提供牛排晚餐」的报销系统。Karp 认为这类公司正在被「摧毁」（eviscerated）。
第二阶段：国防科技（Defense Tech）兴起。以 Palantir、Anduril 等为代表的公司，直接为核心作战任务提供技术解决方案。
第三阶段：「混合体」（Hybrid）。这是当前的阶段，需要将软件、硬件和 AI 三者深度融合。一个有效的作战系统，既需要能够分析数据的智能软件（AI），也需要执行任务的物理硬件（无人机、导弹等），还需要一个能够将两者无缝连接和调度的软件平台。
Palantir 正是在这个「混合体」时代扮演着关键的「粘合剂」角色。它的软件不仅运行在云端服务器上，也嵌入到无人机、战斗机甚至单兵装备中，形成一个覆盖整个战场的分布式智能网络。这种能力，使得美军能够以对手无法理解和匹敌的速度，实践「观察-判断-决策-行动」（OODA Loop）的作战循环，从而在战场上获得决定性的优势。
第四章：美国的单一优势——作为终极战略资产的「神经多样性」
在分析美国如何才能赢得这场零和竞赛时，Karp 并没有将重点放在传统的经济或军事指标上，而是提出了一个更深层次、更具哲学意味的观点：美国相对于其对手的「单一优势」（single advantage），在于其能够「增强神经多样化、高度个体化的人，让他们成为独一无二的自己」。
4.1 「我们国家的伟大之处」
Karp 认为，美国之所以伟大，是因为它从建国之初就是一个「异类」的避风港。
「你可以将我们这个伟大而美好的国家定义为这样一个国度：每个在意识形态、思想、宗教，或者坦率地说，在神经系统上与众不同的人，都来到这个国家，以寻求一个可以更好地表达自由、拥有表达思想权利的地方。」
他将这种对个体差异的包容和尊重，视为美国创新活力的源泉。从根本上说，这是一个允许人们「与众不同」的社会。而这种「与众不同」，正是产生颠覆性思想和技术的土壤。他甚至认为，这种对个体自由的保护，与美国宪法中的第一修正案（言论自由）、第四修正案（隐私权）乃至第二修正案（持枪权）紧密相连，共同构成了一个保护个体对抗集体压迫的完整体系。
4.2 Palantir 的人才哲学：寻找「独一无二」的艺术家
这种对「神经多样性」的推崇，直接体现在 Palantir 的人才战略中。Karp 坦言，他不喜欢那些「假装与众不同，实则千篇一律」的人（这被广泛解读为他对「Woke」文化的批评），他真正寻找的，是那些在某个领域拥有独一无二天赋的「艺术家」。
「我相信 Palantir 的员工……我正在帮助他们表达一些只有他们在那一刻才能做到的事情。如果你看看我们的产品和我们所做的一切，这确实是真的。即使我们现在在中东和美国所做的事情，每一个产品的每一个部分，都是由世界上唯一能做到这件事的那个人构建的。」
Karp 将自己的角色定义为这些「艺术家」的「经纪人」或「策展人」。他需要做的，不是像传统管理者那样下达命令，而是去理解这些天才的独特思维方式，并「以他们的方式」引导他们去完成那些他们自己可能并不认为有价值、但对整个公司使命至关重要的任务。
为了系统化地发掘和培养这类人才，Palantir 甚至设立了「神经多样性奖学金」（Neurodivergent Fellowship），专门招募那些在传统教育和招聘体系中可能被忽视的、具有自闭症、阅读障碍（Karp 本人就是阅读障碍者）等特征的天才。他认为，这些人的思维方式与普通人截然不同，能够从根本上「解构一个问题」（decompress a problem），从而带来突破性的创新。
4.3 个人主义 vs.集体主义：两种模式的竞争
Karp 将这种基于「神经多样性」的创新模式，视为美国对抗中国等集体主义威权体制的核心优势。在一个强调整齐划一、压制个人思想的社会里，或许可以高效地进行模仿和规模化生产，但极难产生真正颠覆性的、从 0 到 1 的原创思想。而美国社会的「混乱」、「多元」和对「怪人」的包容，恰恰为这种原创思想的诞生提供了最肥沃的土壤。
因此，Karp 认为，保护美国这一「单一优势」的方法，就是坚定不移地捍卫宪法赋予的各项权利，确保个人自由不被侵犯，让那些「神经多样化」的天才们能够在一个没有恐惧、可以自由思想和表达的环境中茁壮成长。这不仅是道义上的正确，更是赢得未来国家间竞争的终极战略保障。
第五章：哲学家的准则——Palantir 的「反监控」立场与宪政主义
Palantir 长期以来面临的最大争议，莫过于对其「监控帝国」的指控。然而，Karp 在对话中以及在多个公开场合，都反复强调一个看似矛盾的立场：Palantir 是一家「反监控」的公司。理解这一立场，是理解 Palantir 核心哲学和技术架构的关键。
5.1 「反监控」的技术实现
Karp 的「反监控」论点，并非文字游戏，而是建立在 Palantir 产品具体的技术设计之上。与那种旨在建立一个无所不包、可以随意访问的全景式监控系统（Panopticon）的思路相反，Palantir 的技术核心在于「精细化的权限控制」（Granular Access Controls）。
这意味着：
数据所有权：客户（无论是政府机构还是企业）始终拥有其数据的所有权和控制权。Palantir 只提供处理和分析数据的工具，而不能随意访问客户数据。
目的限制：对数据的所有访问和分析，都必须基于一个合法的、预先定义的目的。例如，一名情报分析师为了调查一个具体的恐怖主义威胁，可以被授予访问相关数据的权限；但他不能出于个人好奇，去随意浏览无关人员的信息。
审计追踪：系统会记录每一次数据的访问和操作，形成一个不可篡改的审计日志。任何滥用权限的行为都会被发现和追责。
数据最小化：系统鼓励用户只访问和处理完成任务所必需的最少量数据，而不是将所有数据一览无余。
Karp 强调，这种设计哲学，与美国宪法第四修正案保护公民「免受无理搜查和扣押」的精神是一致的。Palantir 的目标，不是建立一个「老大哥」式的监控系统，而是为执法和情报机构提供一个在严格遵守法律和宪法框架的前提下，有效利用数据打击犯罪和应对威胁的工具。
「尽管每个人都认为 Palantir 是监控公司，但它其实是反监控公司。我知道你在网上看到的那些人不认为这是真的，但每一个技术专家都这么认为。」
5.2 自由社会与威权社会的技术分野
Karp 将 Palantir 的技术路径，与中国等威权国家发展监控技术的方式进行了鲜明对比。在后者那里，技术的目标是实现对社会的全面控制，建立「社会信用体系」，监控和压制所有异见。而在 Palantir 的哲学里，技术必须服务于自由社会，其终极目标是保护而非侵犯公民自由。
这种分野，也解释了为什么 Palantir 坚持只与美国及其盟友合作。Karp 认为，将如此强大的技术出售给威权国家，无异于「武装我们的敌人」，这在道义上是不可接受的，在战略上也是极其愚蠢的。
5.3 哲学家的自我认知
Karp 拥有法兰克福学派的哲学博士学位，师从著名思想家哈贝马斯。这种深厚的哲学背景，深刻地影响了他对技术、权力和社会之间关系的思考。他不像典型的科技公司 CEO 那样痴迷于增长和效率，而是始终在思考技术的伦理边界和社会影响。
他将自己视为一个「艺术家」，将打造 Palantir 的过程视为一种「艺术创作」。这种自我认知，使他能够跳出单纯的商业逻辑，从一个更宏大的历史和文明的视角来看待公司的使命。他所要捍卫的，不仅仅是美国的商业利益或军事优势，更是西方文明中关于个人自由、法治和有限政府的核心价值观。
正是这种深植于西方古典自由主义和宪政主义的哲学信念，构成了 Palantir 这家备受争议的公司最坚硬的内核，也使其在唯利是图、政治正确的硅谷中，显得如此格格不入，却又如此重要。
第六章：文化战争的前线——Palantir 的「反 Woke」立场
Palantir 不仅仅是一家国防科技公司，它已经成为美国乃至西方世界文化战争的一个缩影和前线阵地。Karp 本人及其公司所展现出的强硬的「反 Woke」立场，使其成为进步主义精英口诛笔伐的对象，同时也赢得了许多保守派和现实主义者的支持。
6.1 对「觉醒文化」的公开宣战
Karp 在多个场合公开批评他所谓的「觉醒主义」（Wokeism），认为这种思潮正在侵蚀美国的创新能力和战斗意志。他认为，这种文化过分强调身份政治、集体归罪和历史修正主义，导致社会分裂，并使人们丧失了对客观真理和卓越标准的追求。
在 2022 年的一次采访中，他曾说：「‘觉醒主义’是对西方最致命的威胁之一……它是一种试图通过摧毁制度来获得权力的虚无主义运动。」他认为，这种思潮与 Palantir 所信奉的精英主义（meritocracy）和个人主义精神背道而驰。
6.2 捍卫精英主义与客观标准
Palantir 的内部文化，是对外部「觉醒文化」的一种反动。公司极度强调基于个人能力和贡献的精英主义。招聘和晋升的唯一标准是员工能否解决最困难的问题、创造出最优秀的产品，而非其种族、性别或政治立场。
Karp 认为，一个社会如果放弃了对客观卓越标准的追求，转而采用基于身份的配额或偏好，那么它在与那些只信奉实力和结果的对手竞争时，必然会失败。他将这种对精英主义的捍卫，视为保持美国长期竞争力的关键。
6.3 成为「文化避难所」
正因为其鲜明的反「Woke」立场，Palantir 吸引了大量对主流科技公司文化感到失望的顶尖人才。对于那些厌倦了无休止的多元化培训、政治正确审查和身份政治争论的工程师和科学家来说，Palantir 提供了一个可以专注于技术和解决问题的「避难所」。
这种文化上的吸引力，构成了 Palantir 独特的人才优势。它能够招募到那些不仅在技术上顶尖，而且在价值观上认同公司使命的「信徒」。这种高度的文化凝聚力，使得 Palantir 能够在一个充满争议和压力的环境中，保持强大的战斗力和创新活力。
结论：一场双重战线——为技术霸权而战，也为西方灵魂而战
Alex Karp 在 a16z 美国活力峰会上的这场对话，是一份极具冲击力和思想深度的时代宣言。它清晰地勾勒出在一个由 AI 定义的未来，美国乃至整个西方世界所面临的双重挑战：一场是与外部对手争夺技术和军事霸权的「硬实力」之战；另一场则是捍卫自身核心价值观、弥合内部分裂的「软实力」之战。Palantir 和 Karp 本人，正处在这两条战线的交汇点上。
核心论点总结：
1、接受零和现实：国际政治的本质是权力斗争，AI 领域的竞争是一场决定未来世界秩序的零和游戏。幻想「技术中立」或「全球合作」是天真且危险的。
2、硅谷必须「入伍」：科技行业不能再游离于国家战略之外。如果科技领袖们不能主动承担起国防责任，并解决其技术对社会造成的负面冲击，那么他们将面临被民粹主义浪潮吞噬和被政府「国有化」的风险。
3、AI 重塑战争：以 Maven 系统为代表的 AI 技术，已经从根本上改变了战争的形态，使得精确、快速、大规模的打击成为可能。这种技术代差是美国当前威慑力的核心支柱。
4、拥抱「异类」：美国真正的、不可复制的长期优势，在于其对个人主义和「神经多样性」的包容。保护和激发这些「异类」天才的创造力，是赢得未来的关键。
5、技术服务宪政：强大的技术必须被置于严格的法律和伦理框架之下。Palantir 的技术哲学，旨在证明在保护公民自由的前提下，依然可以有效地维护国家安全。
7、文化战争的号角：Palantir 的成功，不仅仅是技术的胜利，也是一种价值观的胜利。它向世界证明，一个坚持精英主义、爱国主义和现实主义的公司，可以在一个被进步主义思潮主导的行业中取得成功。
最终，Karp 的演讲向我们揭示了一个残酷的真相：在一个日益动荡和危险的世界里，自由和繁荣并非理所当然，而是需要用最强大的智慧、最坚定的意志和最先进的技术去赢得和捍卫的。对于硅谷而言，这不仅是一场商业模式的考验，更是一场关于其灵魂和历史定位的抉择。是选择继续做「颠覆世界的梦想家」，还是成为「捍卫世界的建设者」，Alex Karp 已经给出了他和他所领导的 Palantir 的答案。Palantir CEO：AI 需合理监管，必要时可国有化Techub News 消息，Palantir CEO Alex Karp 呼吁为人工智能制定「合理指导方针」，并表示为解决该技术带来的风险，必要时可能需要将 AI 国有化。
Karp 长期关注 AI 治理议题，其观点反映了科技界对 AI 安全与监管路径的分歧。Palantir 作为美国政府主要的数据分析服务商，其高管表态常被视为政策风向参考。（Cointelegraph）Palantir CEO 呼吁为 AI 监管制定合理准则Techub News 消息，Palantir 首席执行官 Alex Karp 在接受 CNBC 采访时表示，在科技和政策领导者审议人工智能技术之际，需要为 AI 监管制定“合理的准则”。（CNBC）Palantir CEO 强调 AI 主权是重要机遇，或重塑数据所有权规范Techub News 消息，Palantir Technologies 首席执行官 Alex Karp 强调 AI 主权是关键机遇，这可能重塑数据所有权规范，挑战大型科技公司的统治地位，并改变企业 AI 战略。（Crypto Briefing）Palantir CEO：美政府客户正转向 Nvidia 开源模型Techub News 消息，Palantir CEO Alex Karp 表示，多名美国政府客户已开始从专有 AI 模型转向 Nvidia 开源 Nemotron 模型，以满足政府机构对数据主权和基础设施控制的需求。
该合作于 6 月 29 日正式宣布，将 Nvidia 的 Nemotron 模型与 Palantir 的全栈平台集成，使政府机构能在本地部署和定制 AI 模型，无需依赖第三方云服务。双方未披露具体涉及哪些机构及合同金额。（CryptoBriefing）DAO 资金管理解决方案供应商 Karpatkey 完成 700 万美元融资Techub News 消息，据 The Block 报道，DAO 资金管理解决方案供应商 Karpatkey 完成 700 万美元的融资。AppWorks Ventures、Wintermute Ventures 以及 ConsenSys 的 Joe Lubin、Avara 的 Stani Kuchelov 和 Balancer Labs 的 Fernando Martinelli 等知名天使投资人参投。karpatkey 于 2021 年在 GnosisDAO 内推出。该供应商表示，新获得的资金将专门用于将 karpatkey 的服务范围扩展到更多的 DAO，并加速其向传统金融机构的拓展。撰文：Techub News 整理 导语 2025 年 7 月，前特斯拉AI总监、OpenAI创始成员Andrej Karpathy（安德烈·卡帕西）在一场面向学生和行业新人的演讲中，分享了他对AI浪潮下软件根本性变革的思考。作为深度参与自动驾驶和前沿AI研究的资深专家，Karpathy的视角兼具技术深度与历史纵深感。他认为，我们正处在软件范式70年未遇的剧变之中，这不仅重塑着开发工具与基础设施，更在重新定义“编程”本身以及人机协作的方式。本次演讲系统梳理了从Software 1.0到3.0的演进，并展望了构建下一代AI原生应用与生态的关键挑战与机遇。 摘要 软件正经历第三次根本性范式迁移：从代码（1.0）到神经网络权重（2.0），再到用自然语言提示编程大语言模型（3.0）。 大语言模型（LLM）可被视为一种新的“计算机”或“操作系统”，其生态发展类似1960年代的早期计算，目前主要通过云端分时共享。 LLM是具备“人类心理”但又有认知缺陷的“人魂”，与之高效协作需构建具备“自主性滑块”、定制GUI和快速“生成-验证”循环的“部分自主”应用。 自然语言编程（如“氛围编码”）极大降低了软件构建门槛，同时，为AI智能体优化数字基础设施（如LLM友好的文档、协议）是巨大的新机遇。 AI代理的完全自主之路将比预期漫长，应优先构建人类监督下的增强工具（“钢铁侠战衣”），而非完全自主的代理。 软件的三次范式革命：从代码到权重再到提示 Andrej Karpathy（安德烈·卡帕西）开篇即指出，现在进入科技行业是一个“极其独特而有趣”的时机，根本原因在于“软件正在再次发生改变”。他回顾了软件发展的历史范式： Software 1.0 即我们熟知的传统计算机代码，是人类编写的、精确的指令集合，用于命令计算机执行任务。GitHub是其代码库的典型代表。 Software 2.0 这一概念由Karpathy数年前提出，指的是神经网络的权重（weights）。程序员不再直接编写逻辑，而是通过准备数据集和运行优化器来“间接编程”，生成网络的参数。Hugging Face等平台可视为Software 2.0的“GitHub”。例如，图像生成模型Stable Diffusion的巨大参数集，以及在其基础上微调产生的各种变体，都可视作这个空间中的“提交记录”。 然而，直到最近，大多数神经网络都还是“固定功能计算机”，如图像分类器。真正的变革在于：大语言模型（LLM）让神经网络变得可编程了。Karpathy认为这值得被称为 Software 3.0。在3.0范式中，提示（Prompt）就是程序，它用自然语言（如英语）编写，用来“编程”LLM这个新型计算机。他曾在推特上感慨：“引人注目的是，我们现在正在用英语编程计算机。”这彻底改变了编程的准入门槛和表现形式。 他以情感分类任务为例：在1.0范式下，需要编写Python代码来定义规则；在2.0范式下，需要训练一个专门的神经网络；而在3.0范式下，只需设计一个包含少量示例的提示给LLM即可。如今，GitHub上的代码仓库里已经大量出现夹杂着英语注释的代码，这正是一种新编程范式崛起的迹象。 Karpathy以在特斯拉开发自动驾驶（Autopilot）的经历为例，生动说明了范式迁移的力量。最初，Autopilot堆栈中包含大量C++代码（Software 1.0）和一些用于视觉识别的神经网络（Software 2.0）。随着系统进化，神经网络的能力和规模不断增长，而许多原本由C++实现的复杂功能（如多摄像头图像信息跨时空融合）被神经网络取代，导致大量1.0代码被删除。Software 2.0“吞噬”了软件栈。他预见，同样的过程将在Software 3.0中重演。 因此，对于开发者而言，精通这三种范式至关重要。每种范式各有优劣，开发者需要根据具体功能需求，决策是使用传统代码、训练专用模型，还是直接提示LLM，并能灵活地在不同范式间切换。 LLM：新“操作系统”、新“计算机”与新“公共事业” 那么，如何理解LLM这种新事物？Karpathy提出了几个精妙的类比框架。 首先，LLM类似于“公共事业”（Utility）。正如Andrew Ng（吴恩达）所说“AI是新电力”，LLM实验室（如OpenAI、Google、Anthropic）投入巨资训练模型，类似于建设电网；通过API提供智能服务则相当于运营电网，按量（每百万token）计费。用户对其有类似公共事业的需求：低延迟、高可用性、质量稳定。甚至当顶级LLM服务中断时，会引发全球范围内的“智能降压”——世界会暂时“变笨”。 其次，由于训练LLM所需的资本支出（Capex）极高，且技术迭代快速，核心研发能力集中在少数实验室，因此它也有点像半导体制造厂（Fab）。使用NVIDIA GPU训练如同“无晶圆厂（Fabless）”模式，而像Google这样自研TPU并训练，则类似英特尔拥有自家晶圆厂的模式。 但Karpathy认为，最贴切的类比是将LLM视为“操作系统”。它不仅仅是电力或水那样的同质化商品，而是日益复杂的软件生态系统。当前格局与操作系统市场惊人相似：存在少数闭源提供商（如GPT、Claude、Gemini系列，对应Windows、macOS），以及一个正在崛起的开源替代品（Llama生态系统，对应Linux）。 他将LLM本身比作新型计算机的“CPU”，上下文窗口是“内存”，而LLM协调内存和计算资源来解决问题，并整合工具使用、多模态等功能——这完全是一个操作系统的架构。许多应用（如代码编辑器Cursor）可以在不同的LLM（GPT、Claude等）上运行，就像VS Code可以在Windows、Linux、macOS上运行一样，只需在下拉菜单中选择。 我们正处在类似于1960年代的“分时计算”早期阶段。LLM计算仍然昂贵，被迫集中在云端，用户通过网络以“客户端”形式交互，无法独占整机，因此采用分时共享是经济的。真正的“个人计算革命”尚未到来，但已有迹象（如在Mac Mini上本地运行某些LLM）。目前，我们主要通过文本终端（如ChatGPT的聊天界面）与这个“操作系统”交互，一个普适的图形用户界面（GUI）尚未出现。 Karpathy特别指出LLM一个“史无前例”的特性：技术扩散方向是“颠倒”的。通常，电力、加密技术、早期计算机等 transformative 技术总是先由政府、军方或大公司采用，之后才扩散至消费者。但LLM却反其道而行之：最先普及的应用是“如何煮鸡蛋”这类日常生活问题，普通消费者走在了前面，而企业和政府机构在采用上反而滞后。这是因为LLM是软件，可以瞬间通过互联网部署到全球数十亿设备上，这种普及速度和模式是前所未有的。 与“人魂”共舞：LLM的心理学与协作方法论 要有效编程LLM（Software 3.0），必须先理解它是什么。Karpathy喜欢将LLM视为“人魂”（People Spirits）——一种基于自回归Transformer的、对人类文本的随机模拟器。因为它训练于人类产生的海量文本，所以涌现出了类人的心理特质，但同时也有显著的认知缺陷。 其“超能力”包括：百科全书式的知识和记忆（堪比电影《雨人》中的自闭症学者），远超任何个人类个体。 其“认知缺陷”则包括： 幻觉（Hallucination）：会编造事实，对自身知识的边界认识不足。 锯齿状智能（Jagged Intelligence）：在某些领域表现超人类，却在另一些简单问题上犯低级错误（如坚持认为9.11大于9.9，或说“strawberry”有两个‘r’）。 逆向性遗忘（Anterograde Amnesia）：不像人类同事能通过睡眠巩固记忆、积累专业知识。LLM的“权重”是固定的，“上下文窗口”只是其工作记忆，每次对话后即被清空，类似于电影《记忆碎片》或《初恋50次》中的主角。如何让LLM持续学习仍是待解难题。 安全性问题：容易受提示注入攻击，可能泄露数据，过于轻信。 因此，与LLM协作的核心挑战在于：如何绕过其认知缺陷，同时充分利用其超能力。这引出了Karpathy认为当前最大的机会领域：构建“部分自主”（Partial Autonomy）的LLM应用。 以编程为例，直接使用ChatGPT复制粘贴代码效率低下。而像Cursor这样的专用应用则展示了LLM应用的理想形态： 自动化上下文管理：LLM自动处理文件嵌入、代码理解等。 多模型调用编排：协调聊天模型、代码补全模型、代码差异应用模型等。 应用特定GUI：这是关键。文本交互难以阅读和审计。GUI（如图形化显示代码差异）允许人类快速验证AI的工作，通过快捷键（Cmd+Y接受/Cmd+N拒绝）极大加速协作循环。 自主性滑块（Autonomy Slider）：用户可控制AI的自主程度。在Cursor中，从Tab补全（低自主）、到修改选中代码块（中自主）、再到让AI自由修改整个仓库（高自主），用户可以根据任务复杂度灵活调整。 另一个例子是Perplexity AI，它也具备类似的特性：打包信息、编排多个LLM调用、提供可审计的引用来源GUI，以及从快速搜索到深度研究的不同自主级别。 Karpathy预测，大量软件将变得“部分自主”。关键在于：LLM能否看到人类能看到的一切？能否执行人类能执行的操作？人类能否有效监督并保持在循环中？因为当前的LLM仍是不完美的、易出错的系统。 他强调了加速“生成-验证”循环的重要性。人类与AI协作，通常是AI生成，人类验证。为了让这个循环更快： 1. 加速验证：GUI至关重要。视觉信息处理是人类大脑的高速通道，阅读文本则费力得多。图形化表示（如图标、颜色编码的差异）能极大提升审计效率。 2. 约束AI（Keep AI on a Leash）：不要过度追求完全自主的智能体。让AI一次性生成10,000行代码的改动毫无意义，因为人类验证会成为瓶颈。我们需要控制AI的输出规模，使其保持在小而增量的、易于验证的范围内。 他分享了自己的AI辅助编码最佳实践：追求小而具体的任务，保持快速迭代循环，避免过大改动。模糊的提示会导致验证失败和循环卡顿，因此花时间构思更具体、精确的提示是值得的。 在教育领域，他构想将“教学”分解为两个应用：一个供教师创建标准化课程（可审计的中间产物），另一个供学生学习该课程。这样就将AI约束在预设的教学大纲和项目进度内，防止其“在森林中迷路”。 Karpathy以在特斯拉开发自动驾驶的经历警示，完全自主之路道阻且长。他早在2013年就体验过完美的无人驾驶演示，但12年过去，问题仍未完全解决，人类仍在循环中。因此，他对“2025年是智能体之年”的说法表示担忧，认为这将是“智能体的十年”，需要人类持续监督。他更推崇“钢铁侠战衣”的类比：战衣既是增强人能力的工具（ augmentation），也具备一定自主性（agentic）。在当前LLM仍有缺陷的阶段，我们应更多构建增强人类能力的“战衣”（部分自主产品），而非完全自主的“机器人”。这些产品应有定制化的GUI/UX，旨在加速人机协作循环，但同时内置“自主性滑块”，为未来逐步提高自动化水平做好准备。 氛围编码、智能体与数字基础设施的重塑 Software 3.0的另一个革命性影响是：编程语言变成了自然语言（如英语）。这意味着几乎人人都成为了潜在的程序员，无需经过5-10年的专业学习。 Karpathy提出的“氛围编码（Vibe Coding）”概念在网络上引起了巨大共鸣。它描述了这样一种状态：开发者并非精确指定需求，而是通过感觉和迭代与LLM协作，快速构建出定制化原型。他分享了自己“氛围编码”的经历：在不懂Swift的情况下，一天内构建了一个基本的iOS应用；还创建了MenuGen.app，一个为餐厅菜单生成图片的应用（尽管目前是个“负收入”项目）。 然而，构建可用的原型（在本地运行）相对容易，而将其变成真正的产品（涉及身份验证、支付、部署等运维工作）则异常繁琐。这些工作往往不是写代码，而是在网页上点击各种配置。Karpathy对此感到沮丧：“计算机在告诉我应该点击哪里。为什么是‘我’在做这个？为什么不是‘你’（计算机）来做？” 这引出了演讲的最后一部分主题：我们能否直接为AI智能体（Agents）构建基础设施？ Karpathy指出，数字信息的消费者和操纵者出现了新类别：过去只有人类（通过GUI）和计算机（通过API），现在多了“人魂”式的AI智能体。我们需要调整数字世界以适应它们： LLM友好的文档：大量现有文档是为人类阅读设计的（包含列表、加粗、图片），LLM解析困难。应提供Markdown等LLM易于理解的格式。Vercel、Stripe等已开始提供LLM专用的API文档。 从“点击”到“cURL”：文档中的“点击此处”对LLM无效。Vercel正在将文档中的“点击”替换为等效的cURL命令，以便智能体直接执行。 专用协议：如Anthropic提出的“模型上下文协议”（Model Context Protocol），旨在为智能体提供标准化的交互方式。 便捷的数据摄取工具：例如，将GitHub仓库URL中的“github.com”替换为“git- ingest.com”，就能获得所有代码文件拼接而成的、适合直接粘贴给LLM的单一文本。还有工具能为代码库自动生成深度分析文档，更利于LLM理解。 虽然未来LLM可能学会点击和导航现有界面，但Karpathy认为，主动“与LLM在半路会合”，优化基础设施使其更容易访问信息，仍然是高性价比的做法，尤其对于大量不会主动适配的长尾软件。 结语：拥抱软件的新纪元 Andrej Karpathy（安德烈·卡帕西）总结道，现在进入科技行业是一个惊人的时机。我们需要重写海量代码，这些代码将由专业开发者和“氛围编码者”共同完成。 LLM既是公共事业，也像晶圆厂，但最核心的是——它们是处于1960年代早期阶段的“操作系统”。我们正在与之协作的对象，是这些既有超能力又有认知缺陷的“人魂”。为了高效协作，我们必须调整开发实践（构建部分自主应用、加速生成-验证循环、保持对AI的约束），并重塑数字基础设施以适配智能体。 回顾“钢铁侠战衣”的类比，未来十年我们将见证“自主性滑块”从左向右缓慢而坚定地移动。这是一个需要耐心、严谨和创造力的漫长过程，但无疑也是软件史上最激动人心的篇章之一。Karpathy最后表示：“我迫不及待地想与各位共同构建这个未来。”
