智东西 6 月 21 日消息，6 月 18 日，前 OpenAI 联合创始人、深度学习专家安德烈・卡帕西（Andrej Karpathy）在 Y Combinator（YC）于美国旧金山 Moscone 会议中心举办的 AI 创业学院（AI Startup School）活动上，发表题为《软件正在发生根本变化》的 40 分钟主题演讲，深度剖析大语言模型如何推动软件开发从传统模式迈向 “自然语言指挥 AI” 的新阶段。
一、软件进化：从代码编写到自然语言编程
卡帕西指出，软件开发已历经三个阶段。Software 1.0 是手写代码时代，开发者通过编写计算机代码实现功能；Software 2.0 则以调整神经网络权重为主，借助数据集和优化器创建参数，Hugging Face 和 Model Atlas 在这一领域发挥着类似 GitHub 的作用 。而如今，随着大语言模型崛起，Software 3.0 时代来临，“提示词即程序”，自然语言成为直接控制计算机的编程接口。例如情感分类任务，Software 1.0 需手动编写规则代码，Software 2.0 通过标注数据训练模型，Software 3.0 只需向大语言模型下达自然语言指令即可完成。并且，这种变革正在重塑开发流程，就像特斯拉 Autopilot 研发中，Software 2.0 逐步取代 1.0，如今 Software 3.0 也在吞噬整个技术栈。
二、大语言模型的三重属性与计算模式
大语言模型具有三重核心属性：一是类似电网的基础设施服务属性，如 OpenAI 等公司投入资本训练模型，通过 API 向开发者 “输送智能”，以 token 计价；二是类似芯片晶圆厂的百亿级资本密集投入属性；三是类似操作系统的复杂生态构建与分层管理属性，作为 “运行时系统” 承载提示词、工具及 Agent 等组件。在计算模式上，当前大语言模型计算类似 1960 年代的分时共享模式，多用户排队使用同一云端模型。同时，大语言模型颠覆了传统技术扩散方向，先面向个人用户，这暗示未来杀手级应用可能从个人端涌现。
三、大语言模型的优势与缺陷
大语言模型拥有强大的知识储备和记忆能力，能记住海量信息，但也存在明显缺陷。认知方面，表现出 “锯齿状智能”，处理复杂任务能力突出，却在基础逻辑如数值比较、拼写等方面频繁出错，还容易产生幻觉，缺乏完善的自我认知模型。记忆方面，受限于上下文窗口，存在 “记忆碎片” 式健忘症，信息超出窗口便无法保留。安全方面，容易遭受提示注入攻击，存在数据泄露风险。
四、应用机遇：半自动化应用与自主调节
卡帕西认为，当前最大的机遇在于开发带自主调节功能的半自动化应用。以 Cursor 和 Perplexity 为例，这类应用在保留传统手动操作界面的基础上集成大语言模型，通过定制化 GUI（图形用户界面）和 UX（用户体验）设计，优化 “生成 - 验证” 循环效率，同时设置 “自主滑块”，让用户根据任务复杂度调整 AI 的自主程度。在教育、编程等领域，这种模式能有效结合人类监督与 AI 能力，确保应用在既定规则内运行，避免 AI 失控。
五、自然语言编程与 Agent 基础设施
大语言模型以自然语言编程，降低了编程门槛，使人人都能成为开发者，“Vibe Coding” 就是典型体现。但开发应用过程中，除代码编写外，认证、支付等 DevOps 工作繁琐。因此，卡帕西提出应构建 Agent 基础设施，使大语言模型能更高效地处理数字信息。目前已有 Vercel、Stripe 等公司将文档转为大语言模型友好的 Markdown 格式，还有诸多工具帮助大语言模型适配数据，未来这一领域将持续发展，重塑软件基础设施。
卡帕西的演讲展现了大语言模型带来的技术变革与机遇。若你想深入探讨某部分内容，或了解相关技术案例，欢迎随时和我说。