OpenAI 聯合創始人 Andrei Karpathy 在 4 月 29 日於 AI Sent 舉辦的活動中，深刻剖析了人工智能領域正在發生的範式轉移。作爲曾主導特斯拉自動駕駛系統開發的技術領袖，Karpathy 強調自去年 12 月以來，以智能體爲中心的工作流程已真正具備可行性，這標誌着行業正式邁入“軟件 3.0 時代”。他回顧道，此前市場對人工智能的認知仍停留在 ChatGPT 的對話交互層面，但這一局面已發生根本性逆轉，現有的評估體系亟需更新。午方 AI 梳理發現，Karpathy 特別區分了“氛圍編程”與“智能體工程”兩個概念：前者側重於降低開發門檻與優化整體體驗，而後者則聚焦於在專業軟件開發中維持高標準的質量控制，確保智能體在高速運行中保持可靠性。

Karpathy 直言，在新的技術範式下，大量現有的代碼庫和應用程序實際上已無存在必要，因爲當前的招聘流程、開發工具及底層基礎設施仍是圍繞人類開發者構建，而非爲智能體量身定製。他描述了一種令人震撼的現狀：面對最新的大語言模型，生成的代碼片段日益完善，以至於他幾乎記不起上一次手動修改代碼的時間，這種對系統的信任度提升讓傳統程序員感到前所未有的“落後”。這種變化不僅是效率的躍升，更是對傳統計算範式的根本性顛覆，市場目前顯然低估了這一變革的深度。我們正告別“軟件 1.0 時代（編寫代碼）”和“軟件 2.0 時代（整理數據集訓練神經網絡）”，進入一個大型語言模型本身即成爲“新型計算機”的新紀元。在此模式下，編程工作演變爲編寫指令提示，上下文窗口中的內容成爲操縱這些模型在數字空間執行復雜計算任務的核心工具。

在硬件架構層面，Karpathy 做出了大膽預測：目前神經網絡仍以虛擬化方式運行在傳統計算機上，但未來神經網絡將取代 CPU 成爲主要的處理單元，CPU 將退居爲協處理器角色，承擔輔助計算任務。

這意味着“智能計算能力”作爲佔據市場資本支出最大比例的核心要素，其戰略地位將進一步鞏固，所有相關軟硬件都必須重新設計。午方 AI 注意到，Karpathy 對當前互聯網上各類框架和庫的文檔現狀表示強烈不滿，認爲這些文檔仍是“爲人類編寫的”，充滿了不必要的操作指引。他反問：“爲什麼還要告訴我該做什麼？我什麼都不想做……我應該把哪些文本複製粘貼給我的智能體呢？”這揭示了未來市場的關鍵機遇在於構建以智能體爲中心的基礎設施，將系統解構爲感知外界的“傳感器”和改變外界的“執行器”，並設計能被大語言模型輕鬆理解的數據結構。

在這一高度自動化的未來圖景中，人類的核心競爭力將不再體現於執行層面的思考任務，而是轉向審美能力、判斷力以及對商業本質的深刻理解。Karpathy 強調，思考可以外包，但理解無法外包。他進一步指出，“智能體工程”要求開發者具備協調那些“容易出錯、具有隨機性但卻非常強大”的智能體的能力，以確保高質量產出。這種生產力的爆發遠超過去人們常談論的“效率提升 10 倍”的工程師概念，實際表現優異者的產出效率將遠超這一倍數。面對此變局，企業的組織結構和人才選拔機制必須徹底重構。他建議企業摒棄傳統的算法解題面試，轉而評估候選人如何利用多個智能體協同完成大型項目，以及系統如何抵禦其他智能體的攻擊。

針對企業家和投資者，Karpathy 揭示了當前人工智能能力分佈的奇特現象：最先進的模型既能重構長達 10 萬行的代碼庫，也能發現零日漏洞，卻可能無法完成“去 50 米外洗車場”這樣的簡單物理任務。這種“鋸齒狀”的能力分佈源於像 OpenAI 這樣的前沿實驗室將大量強化學習資源集中投入到了“數學”和“代碼”等易於驗證結果生成的領域。午方 AI 分析認爲，只要將技術應用到可驗證的結果生成場景中，人工智能就能釋放出巨大能量。Karpathy 指出，市場上仍存在大量高價值、可驗證的強化學習應用場景尚未受到頂級實驗室關注，這爲初創企業提供了廣闊的藍海，他們完全可以在這些細分領域進行優化並實現商業化突破。