OpenAI 联合创始人 Andrei Karpathy 在 4 月 29 日于 AI Sent 举办的活动中，深刻剖析了人工智能领域正在发生的范式转移。作为曾主导特斯拉自动驾驶系统开发的技术领袖，Karpathy 强调自去年 12 月以来，以智能体为中心的工作流程已真正具备可行性，这标志着行业正式迈入“软件 3.0 时代”。他回顾道，此前市场对人工智能的认知仍停留在 ChatGPT 的对话交互层面，但这一局面已发生根本性逆转，现有的评估体系亟需更新。午方 AI 梳理发现，Karpathy 特别区分了“氛围编程”与“智能体工程”两个概念：前者侧重于降低开发门槛与优化整体体验，而后者则聚焦于在专业软件开发中维持高标准的质量控制，确保智能体在高速运行中保持可靠性。

Karpathy 直言，在新的技术范式下，大量现有的代码库和应用程序实际上已无存在必要，因为当前的招聘流程、开发工具及底层基础设施仍是围绕人类开发者构建，而非为智能体量身定制。他描述了一种令人震撼的现状：面对最新的大语言模型，生成的代码片段日益完善，以至于他几乎记不起上一次手动修改代码的时间，这种对系统的信任度提升让传统程序员感到前所未有的“落后”。这种变化不仅是效率的跃升，更是对传统计算范式的根本性颠覆，市场目前显然低估了这一变革的深度。我们正告别“软件 1.0 时代（编写代码）”和“软件 2.0 时代（整理数据集训练神经网络）”，进入一个大型语言模型本身即成为“新型计算机”的新纪元。在此模式下，编程工作演变为编写指令提示，上下文窗口中的内容成为操纵这些模型在数字空间执行复杂计算任务的核心工具。

在硬件架构层面，Karpathy 做出了大胆预测：目前神经网络仍以虚拟化方式运行在传统计算机上，但未来神经网络将取代 CPU 成为主要的处理单元，CPU 将退居为协处理器角色，承担辅助计算任务。

这意味着“智能计算能力”作为占据市场资本支出最大比例的核心要素，其战略地位将进一步巩固，所有相关软硬件都必须重新设计。午方 AI 注意到，Karpathy 对当前互联网上各类框架和库的文档现状表示强烈不满，认为这些文档仍是“为人类编写的”，充满了不必要的操作指引。他反问：“为什么还要告诉我该做什么？我什么都不想做……我应该把哪些文本复制粘贴给我的智能体呢？”这揭示了未来市场的关键机遇在于构建以智能体为中心的基础设施，将系统解构为感知外界的“传感器”和改变外界的“执行器”，并设计能被大语言模型轻松理解的数据结构。

在这一高度自动化的未来图景中，人类的核心竞争力将不再体现于执行层面的思考任务，而是转向审美能力、判断力以及对商业本质的深刻理解。Karpathy 强调，思考可以外包，但理解无法外包。他进一步指出，“智能体工程”要求开发者具备协调那些“容易出错、具有随机性但却非常强大”的智能体的能力，以确保高质量产出。这种生产力的爆发远超过去人们常谈论的“效率提升 10 倍”的工程师概念，实际表现优异者的产出效率将远超这一倍数。面对此变局，企业的组织结构和人才选拔机制必须彻底重构。他建议企业摒弃传统的算法解题面试，转而评估候选人如何利用多个智能体协同完成大型项目，以及系统如何抵御其他智能体的攻击。

针对企业家和投资者，Karpathy 揭示了当前人工智能能力分布的奇特现象：最先进的模型既能重构长达 10 万行的代码库，也能发现零日漏洞，却可能无法完成“去 50 米外洗车场”这样的简单物理任务。这种“锯齿状”的能力分布源于像 OpenAI 这样的前沿实验室将大量强化学习资源集中投入到了“数学”和“代码”等易于验证结果生成的领域。午方 AI 分析认为，只要将技术应用到可验证的结果生成场景中，人工智能就能释放出巨大能量。Karpathy 指出，市场上仍存在大量高价值、可验证的强化学习应用场景尚未受到顶级实验室关注，这为初创企业提供了广阔的蓝海，他们完全可以在这些细分领域进行优化并实现商业化突破。