前言
昨天熬夜刷完 Karpathy 加入 Anthropic 后的首次公开分享，看完直接把我之前对 AI 编程的认知干碎了。
还记得去年 2 月他提出 Vibe Coding 的时候，整个程序员圈都疯了。那时候大家都在晒：“我一天写了以前一周的代码”“我一个前端居然写出了完整的后端服务”。我自己也跟风，写个小工具全靠 AI 甩锅，自己连生成的代码都懒得扫一眼，主打一个 “感觉对了就行”。
结果呢？上线就炸。debug 的时候看着 AI 写的那堆乱七八糟的嵌套逻辑，我恨不得抽自己两巴掌 —— 改别人的代码难，改 AI 写的代码简直是地狱。
没想到才过去一年，Karpathy 自己站出来说：Vibe Coding 那套，原型玩玩可以，真要上生产，会死得很惨。
这篇文章不是什么官方翻译，就是我看完分享后，结合自己踩过的坑，整理出来的最干的干货。不管你是写代码的还是做产品的，相信我，这篇文章能帮你少走至少半年的弯路。
先说说为什么我这么信 Karpathy 说的话
可能有些刚入行的朋友还不知道 Andrej Karpathy 是谁。简单说，他就是 AI 界那个 “说什么都会成真” 的男人。
他是 OpenAI 的联合创始人，后来去特斯拉当了好几年 AI 负责人，一手把 Autopilot 从一个玩具做成了全世界最能用的自动驾驶系统。他最厉害的地方不是技术有多牛，而是能把最复杂的东西讲得让普通人也能听懂，而且每次预判都准得可怕。
他这辈子干过三件改变行业的事：
- 最早提出 Software 1.0/2.0/3.0 的划分，现在已经成了行业共识
- 发明了 Vibe Coding 这个词，带火了一整年的 AI 编程潮流
- 说出了 “LLM 是幽灵，不是动物” 这句话，直接点透了 AI 的本质
这次他加入 Anthropic，去做最核心的预训练研究。也就是说，他现在不仅是在预测未来，更是在亲手创造未来。他说的话，真的值得我们认真听。
Software 3.0：编程的玩法真的变了
Karpathy 说，软件开发到现在，已经经历了三次彻底的革命。
Software 1.0 时代，我们写的是一行行精确的代码，告诉计算机每一步该怎么做。一个分号写错，程序就跑不起来。
Software 2.0 时代，我们写的是数据和损失函数，让模型自己从数据里学习规则。这就是我们现在说的机器学习。
而现在，我们进入了 Software 3.0 时代。
在这个时代，你不再需要告诉计算机 “怎么做”，你只需要告诉它 “做什么”。
提示词就是新的代码，上下文窗口就是新的 IDE。
他举了个特别扎心的例子。他说自己以前花了好几个星期，写了一个叫 Menu Gen 的 APP，功能是拍一张餐厅的菜单照片，自动生成带菜品图片的电子菜单。当时他还觉得自己挺厉害的。
结果现在呢？你把菜单照片发给 Gemini，说一句 “帮我把这个菜单里的每道菜都配上对应的图片，做成好看的电子菜单”，10 秒钟就搞定了。
他写的那几千行代码，那个他引以为傲的 APP，现在变得毫无意义。
这就是 Software 3.0 的可怕之处 —— 它会直接干掉中间层。以后很多我们现在觉得必不可少的 APP，可能根本就不应该存在。
Vibe Coding 已死？不，它只是分叉了
去年 Vibe Coding 最火的时候，大家都在说 “程序员要失业了”。那时候的状态就是：打开 Cursor，输入需求，然后祈祷 AI 能写出能用的代码。
但现在，Karpathy 说，Vibe Coding 没有死，只是它分叉了。
在原型阶段，Vibe Coding 依然是神。 你有一个想法，不用自己吭哧吭哧写代码，让 AI 帮你快速搭个原型，验证一下行不行，这效率比以前高 10 倍都不止。
但一旦进入生产环境，Vibe Coding 就是毒药。
他说的这句话我特别认同：“Vibe Coding 是提升了所有人的下限，让以前不会写代码的人也能做出东西来；而 Agentic Engineering（智能体工程）是提升了专业人士的上限，让会写代码的人能做得更快更好。”
我自己就是血淋淋的教训。上个月用 AI 写了一个内部用的小工具，原型半天就搞定了，当时还挺得意。结果上线后，每天都有奇奇怪怪的 bug。最后花了整整一周重写了一遍，比我自己从头写还慢。
所以现在我团队里的规矩是：原型可以随便用 AI 写，但要上生产的代码，必须有人逐行 review，必须有完整的测试用例。不然你不是在提高效率，你是在给未来的自己埋雷。
最戳我的一句话：LLM 是幽灵，不是动物
这是整个分享里我觉得最深刻，也最被低估的一句话。
很多人对 AI 有一个误解，觉得它就像一个动物或者一个小孩，你教它什么，它就会什么。它会慢慢长大，越来越聪明，最后什么都会。
但 Karpathy 说，不对。LLM 不是动物，它是幽灵。
什么意思？就是它的能力是 “锯齿状” 的。它可能在某件事上表现得像个天才，但在另一件看起来很简单的事上，表现得像个傻子。
比如，它能帮你重构 10 万行的代码库，能发现你找了三天都没找到的零日漏洞，但它会一本正经地告诉你：“洗车店离你只有 50 米，建议你步行前往”—— 它根本不会想到，你开车来就是为了洗车。
这给了我三个特别大的启发：
- 永远不要因为 AI 在某件事上做得好，就觉得它什么都能做好
- 只要是 AI 输出的内容，不管看起来多完美，一定要有人复核
- 不要跟 AI 生气，也不要夸它。它没有情绪，它只是在根据训练数据预测下一个字
一个判断标准：AI 到底能自动化什么
很多人都在问：到底哪些工作会被 AI 取代？哪些不会？
Karpathy 给出了一个非常简单，但极其准确的判断标准：可验证性。
传统的计算机，能自动化的是 “可以被精确规定的任务”。只要你能把步骤写清楚，它就能帮你做。
而 LLM，能自动化的是 “可以被精确验证的任务”。只要你能很容易地判断它做得对不对，它就能帮你做。
比如，写一个排序算法，你可以很容易地验证它的输出对不对，所以 AI 可以帮你写。但写一篇有深度的文章，你很难量化它写得好不好，所以 AI 只能帮你打个草稿。
这个标准对创业者和产品经理来说，简直是金矿。
AI 创业的真正蓝海，就是那些 “高可验证性，但低实验室关注” 的领域。
比如，某些特定行业的合规检查，工厂里的特定零件质检，财务报表的特定科目核对。这些领域，验证标准非常明确，但 OpenAI、Anthropic 这些大公司还没专门针对它们做优化。谁先做，谁就能吃到第一波红利。
AI 时代，人类最值钱的能力是什么
既然 AI 能帮我们写代码，能帮我们做执行，那我们人类的价值在哪里？
Karpathy 的回答是：理解。
他说：“你可以外包思考，但你无法外包理解。”
这句话我反复读了好几遍。现在很多人都在焦虑，怕 AI 抢了自己的工作。但其实你仔细想想，AI 能做的，只是 “执行” 层面的事。它不知道为什么要做这件事，不知道这件事的上下文，不知道这件事对业务的影响。
比如，AI 能帮你写出一个完美的登录接口，但它不知道为什么这个登录接口需要支持手机号和微信两种登录方式，不知道为什么要限制密码的长度，不知道如果登录失败了应该给用户什么样的提示。
这些，才是真正需要人来做的事。
对产品经理来说，你的价值不是会用 AI 画原型，不是会写 PRD，而是你真正理解用户的需求，理解业务的逻辑，理解技术的边界。
对工程师来说，你的价值不是会写多少行代码，而是你能设计出好的架构，能预判可能出现的问题，能在 AI 写的代码出问题的时候，快速定位和修复。
工具永远只是工具。真正决定你能走多远的，永远是你的理解力。
最后，给大家三个实实在在的建议
分享的最后，Karpathy 给了从业者一些建议。结合我自己的经验，我整理成了三个马上就能落地的行动：
第一，重新定义你的产品验证流程。不要只看 AI 的演示效果，一定要建立自己的评估体系。比如，我们现在每个 AI 功能上线前，都会先列出来至少 20 个测试用例，必须全部通过才能上线。
第二，用可验证性这个标准去筛选产品机会。不要去做那些 “看起来很美，但无法验证” 的 AI 产品，比如 AI 心理咨询、AI 战略咨询。多去关注那些 “脏活累活”，那些验证标准明确的领域，那里才有真正的机会。
第三，把时间花在提升 “理解力” 上，而不是提升 “工具使用能力” 上。不要天天追新出的 AI 工具，今天学这个明天学那个。多去深入你的业务，多去跟用户聊天，多去理解底层的技术原理。这些东西，AI 永远学不会。
写在最后
其实写这篇文章的时候，我自己也挺感慨的。AI 发展得太快了，快到我们每天都在被各种新名词、新概念轰炸，很容易焦虑，很容易迷失。
但 Karpathy 的这次分享，让我冷静了很多。
Vibe Coding 没有死，它只是回到了它该在的位置。Software 3.0 也不是洪水猛兽，它只是一个更强大的工具。
AI 不会取代你，但会用 AI 的人会取代你。
更准确地说，是那些懂得如何与 AI 合作，懂得如何利用 AI 放大自己能力的人，会取代那些只会埋头苦干的人。
我们正处在一个伟大的变革时代。不要害怕，也不要浮躁。沉下心来，打好自己的基础，提升自己的理解力。
毕竟，在这个与幽灵共舞的时代，唯一能让你站稳脚跟的，只有你自己。
本文整理自 Andrej Karpathy 2026 年 5 月公开访谈，加入了很多我个人的思考和踩坑经验。如果觉得对你有帮助，欢迎点个赞和收藏。有什么不同的想法，也欢迎在评论区跟我交流，我们一起讨论。
