Karpathy最新分享:Software 3.0 范式、Agentic Engineering ,以及AI的「锯齿智能」

2026 年初，Andrej Karpathy 受邀在 Sequoia Ascent 大会发表演讲，带来了他对当前 AI 发展阶段的系统性思考。演讲涵盖三个核心主题：Software 3.0 范式、Agentic Engineering 的崛起，以及他新提出的「锯齿智能」（Jagged Intelligence）概念。

这是一篇完整解读。

一、Software 3.0：自然语言成为编程语言

Karpathy 首先提出了软件三代演进框架，帮助我们定位当下所处的历史节点。

Software 1.0 是传统软件开发。程序员用 if/else 和显式逻辑，把业务规则一行一行写进代码。能做什么，取决于能不能”写清楚”。

Software 2.0 以神经网络为核心。不再手写规则，而是通过数据和梯度下降训练出权重矩阵。深度学习属于这一代——从数据中”学”出了人类根本无法手工编写的复杂规律。

Software 3.0 就是我们现在所在的阶段。大语言模型让自然语言成为编程语言。一段 Prompt，一段上下文，就可以指挥一个「万能员工」完成任务。Context Window 取代了代码文件，成为核心控制载体。

Karpathy 举了一个具体例子说明 3.0 的破坏力：传统的菜单识别 App（拍照 → OCR → 图像生成 → UI 渲染）涉及多个模块和完整工具链，而在多模态大模型时代，整个技术栈可能被一个模型的直接处理所取代。软件架构会在不知不觉间”蒸发”。

二、「锯齿智能」：AI 的能力为何如此参差？

这是整场演讲最核心的概念，也是理解 AI 行为最有洞察力的框架。

Karpathy 观察到：LLM 的能力分布绝不是平滑均匀的，而是锯齿状的——在某些领域极度卓越，在另一些领域却令人匪夷所思地糟糕。

同一个模型，可以在编程竞赛题上碾压绝大多数工程师，却在一些看起来很简单的常识场景里给出离谱的答案——Karpathy 用 “bizarrely dumb” 来形容这种反差。

为什么会形成锯齿？

Karpathy 给出了明确的解释：AI 的能力高低，由两个关键变量决定——

第一，可验证性（Verifiability）：这个任务的结果能否被自动地、精确地判断对错？编程有单元测试，数学有标准答案，象棋有胜负——这些都是清晰的 RL 奖励信号，模型可以稳定地优化。而情感是否恰当、文章是否有洞察力，很难被精确量化，RL 就无从发力。

第二，训练优先级：预训练和强化学习阶段，是否大量覆盖了这个领域？Karpathy 举了一个有趣的例子：AI 的象棋能力在训练数据扩充之后出现了显著跃升——能力的提升直接对应着该领域训练覆盖度的增加。这说明训练数据和 RL 的覆盖范围，直接决定了模型在某个领域的天花板，而不是模型本身存在某种固有的”天赋差异”。

Karpathy 将这个洞察提炼成了一句极度精炼的话：

“传统软件自动化的是你能明确描述的事；LLM 自动化的是你能验证的事。”

这一句话，是理解 AI 能力边界最简洁的钥匙。

三、可验证性框架：从根本上理解能力分布

基于可验证性和训练覆盖度两个维度，我们可以把所有任务映射到一个矩阵里。

AI 能力强项区（右上）：高可验证 + 大量训练。编程、数学、游戏、科学计算属于这里。RL 的奖励信号清晰，模型能力随训练持续逼近专家顶点。

参差不齐区（左上）：低可验证 + 大量训练。创意写作、情感判断、观点输出属于这里。模型见过大量相关数据，有时表现出色，有时又令人失望——因为没有清晰的”对错”标准来稳定优化。

AI 弱项区（左下）：低可验证 + 训练不足。物理直觉、空间推理、具身交互属于这里。这是当前 AI 最明显的能力边界，需要全新的训练范式才能突破。

创业机会区（右下）：高可验证 + 但尚未被顶级大模型充分训练。这是 Karpathy 给创业者最重要的一个提示：专业医疗诊断、工业质检、科学实验验证——这些领域有清晰的正确/错误信号，但大型通用模型在这里的数据覆盖严重不足。如果能在这里构建领域专用的 RL 环境并进行专项微调，即使基础模型在此表现平庸，专项模型也可能大幅超越。

四、Stripe Bug：当工程判断力缺席时

Karpathy 在演讲中分享了一个来自他自身经历的反例，很值得每个使用 AI Agent 写代码的工程师思考。

他让 AI Agent 完成一个任务：将 Stripe 支付记录与 Google 账号关联，用于识别付费用户。

Agent 给出的方案：用邮箱地址匹配 Stripe 购买记录与 Google 账号。

这个方案表面上看起来合理，实际上是一个糟糕的系统设计——很多用户的 Stripe 付款邮箱和 Google 登录邮箱根本不是同一个。正确做法是使用持久性用户 ID，而非邮箱字段。

Agent 在编写代码层面是完美的，但在系统架构判断这一层，它缺少理解业务边界的上下文。这个 bug 如果流入生产，会悄无声息地导致数据错误，且极难排查。

这个例子说明了一个关键分工：AI 擅长执行，人类必须负责设计边界、定义约束、保证系统完整性。

五、两种开发者：Vibe Coding vs. Agentic Engineering

Karpathy 对目前两种截然不同的 AI 使用方式做了清晰区分：

Vibe Coding（氛围编程）

• 降低了编程门槛。任何人通过描述意图就能让 AI 生成软件
• 代码通常能运行，但可能臃肿、充满冗余、存在安全隐患
• 适合快速原型验证，但不适合需要长期维护的生产系统

Agentic Engineering（智能体工程）

• 这是 Karpathy 认为专业工程师正在演进的角色
• 工作内容变了：监督 Agent 执行规格、审查 diff、管理权限和安全边界、保证系统完整性
• Karpathy 的类比很贴切：建筑师监督施工队——不亲自砌砖，但对结构的正确性负最终责任

两者并不互斥，但对专业从业者而言，能力重心正在从「写代码」向「看代码、管 Agent、审设计」转移。

传统的编程面试已经开始失去意义。更有效的评估方式是：能否用 Agent 交付真实的生产级项目？能否防范对抗性 Agent 攻击？能否写出高质量的 Spec，并在 Agent 产出后做有效的 Quality Review？

六、什么变得更稀缺了？

在 AI 能大量生成代码的时代，什么反而变得更有价值？

品味（Taste）：Agent 产出的代码通常能运行，但往往冗余、copy-paste 泛滥、缺乏设计感。识别「好」与「勉强能用」之间差距的能力，越来越稀缺。

工程判断力：存储设计、内存效率、安全边界的权衡，需要对系统整体有认知——Stripe Bug 就是典型案例。Agent 做局部最优，人做全局判断。

Spec 设计：Agent 需要高质量的规格说明才能工作得好。写出清晰、完整、歧义最小的 Spec，是新时代高价值的工程师技能。

真正的理解：Karpathy 说了一句值得反复咀嚼的话：

“你可以把思考外包出去，但你不能把理解外包出去。”

知道什么值得做、为什么要做、设计是否正确——这是指挥 AI 的前提，也是不可外包的核心能力。

七、AI 不是动物，也不是幽灵

Karpathy 还提出了一个重要的认知框架：LLM 既不是有内在好奇心、情感和生存本能的「动物」，也不是某种超自然存在的「幽灵」。

它是「人类产物的统计模拟」——由预训练数据、后训练调整、强化学习和经济激励共同塑造。

这个框架帮助我们避开两种常见陷阱：既不会因为 AI 的流畅表现而高估它的理解深度，也不会因为它某次离谱的错误就否定它的真实价值。经验性地、冷静地探索模型的能力边界，才是正确的使用姿态。

结语

「锯齿智能」是 Karpathy 对当前 AI 现状最精准的描述之一。它解释了为什么 AI 能在 LeetCode 上碾压人类，却会在账号匹配这种设计问题上犯低级错误；为什么它能精确翻译学术论文，却在物理常识上频繁翻车。

这种不均匀不是 bug，是训练机制的必然结果。理解它，是每一个与 AI 协作的工程师和创业者真正开始掌控局面的起点。

原文链接：Sequoia Ascent 2026 — Andrej Karpathy (https://karpathy.bearblog.dev/sequoia-ascent-2026/)

欢迎关注 AI觉醒观测者，持续追踪 AI 领域最值得关注的思想与进展。