近日 2026 红杉AI 大会上，Andrej Karpathy 做了专题访谈和分享。

总结下关键点：

1、软件 3.0 范式已来

- 软件 1.0 是人类手写明确的代码规则，软件 2.0 是通过整理数据集来训练神经网络，软件 3.0 是将大语言模型视为解释器，你的提示词和上下文就是编程手段。
- 在软件 3.0 时代，很多传统的应用架构和代码将不复存在，以前你需要编写复杂的管道，现在只需要把原始输入，比如一张图片交给模型，模型就能直接输出结果，神经网络将承担大部分的计算工作。
- 未来，神经网络可能会变成计算机的主进程。

2、从 Vibe Coding 到 Agentic Engineering

- 随着模型能力的跃升，人类越来越信任 AI 自动生成的代码块，不再逐行检查，而是跟着直觉和 AI 互动来写代码。这提高了能力的下限，让所有人都能轻松编程。
- 智能体工程是 Vibe Coding 的专业化升级。专业的软件工程师不能因为用了 AI 就引入 Bug 或降低代码质量。
- 智能体工程是一门关于“如何协调多个 AI 智能体，在不牺牲专业质量标准的前提下大幅提升开发速度”的工程学科。它极大地提高了能力的上限，让原本的 10 倍工程师变得更强。

3、可验证性与参差不齐的智力

- AI 在代码和数学等“可验证”领域的进步速度极其惊人，因为实验室可以通过强化学习（RL）环境自动验证对错，从而让模型飞速进化。
- 最先进的模型可以瞬间重构 10万行代码，却可能会在日常逻辑中犯极度低级的错误（比如建议你走路去 50 米外的洗车店洗车）。这是因为现实生活中的很多情境缺乏高质量的强化学习数据。
- Karpathy 提醒人们，LLM 本质上是带有强化学习外挂的“统计模拟电路”。它们没有内在动机、情绪或生命力。把它们当成“鬼魂”而非有感情的“动物”来看待，有助于更理性地使用它们。

4、工程师角色的转变

- AI 智能体拥有极好的记忆力，可以处理底层 API、张量维度、库之间的差异等繁杂细节，人类不再需要死记硬背这些。
- 未来的工程师需要负责系统架构、美学、判断力、品味和监督。你需要向 AI 智能体提供极其详尽的规范文档，并确保整体设计的正确性和代码的最终质量。

5、走向智能体原生的世界

- 目前的互联网（UI、文档、URL）都是为人类阅读设计的。未来的基础设施将转变为“智能体原生”，互联网上的工具将变成 AI 的传感器和执行器，你可以直接用自然语言要求 AI 部署一个应用，而不需要人类去中间复制粘贴文档或配置 DNS。

6、当智能变得廉价时，还有什么值得我们深入学习？

Karpathy 引用了一句话：“你可以外包你的思考，但不能外包你的理解。”

虽然 AI 可以帮你合成数据、编写维基百科、处理海量信息，但人类仍然是整个信息处理系统中的核心节点。

你必须知道你要构建什么、为什么要构建，并深入理解事物，才能成为一个合格的导演去指挥你的 AI 智能体。