夜雨聆风从CPU到大模型，从内存到上下文窗口——硅谷顶级研究者们发现，我们正在用自然语言重新发明计算机
···
2023年9月，前特斯拉AI总监Andrej Karpathy发了一条推文，在整个AI圈引发震动：
“更完整的图景正在浮现——LLM不是聊天机器人，而是一种新型操作系统的内核进程。”
—— Andrej Karpathy，2023年9月
两年后的2025年底，他在年度回顾中更加确信地写道：LLM是下一个重大计算范式，类似于1970年代、80年代的计算机，我们将看到类似的发明浪潮——个人计算、微控制器（认知核心），以及智能体互联网。
而就在几天前（2026年4月1日），他把这个类比浓缩成了两行：
这不是一个人的一时灵感，而是一个持续进化了两年半的核心洞察。它精准地捕捉到一个越来越多人隐约感受到、却没人说清楚的事实：今天的AI系统，正在沿着计算机60年前走过的路，重新走一遍。
只不过这一次，最基本的计算单元不再是0和1，而是人类的自然语言。
···
一、一张表看懂：AI系统 = 新一代计算机
先看一张对照表。如果你用过电脑（当然你用过），那你已经具备理解现代AI架构的全部背景知识：
我们确实在用自然语言重新构建冯·诺依曼架构。
···
二、CPU：大模型是新的处理器
传统计算机的CPU执行指令、处理数据、协调一切。在AI系统中，大语言模型扮演的正是这个角色。
Karpathy在2023年11月甚至给"LLM电脑"写了一份硬件规格表：
“LLM OS 配置：OpenAI GPT-4 Turbo，256核处理器（批处理大小），主频20Hz（token/秒），内存128K token。”
—— Andrej Karpathy，2023年11月
这不是玩笑。传统CPU的核心数对应AI系统的并行处理能力（批处理大小），时钟频率对应生成速度（token/秒），指令集对应模型能理解的提示格式。研究者Beren Millidge甚至提出了一个新的性能单位：NLOP（自然语言操作/秒）——GPT-4大约跑在1 NLOP，GPT-3.5 Turbo大约10 NLOP。
区别在于：CPU处理的是二进制比特，LLM处理的是人类语言。这意味着你不需要学编程语言就能"编程"。英语（或中文）就是新的编程语言。
···
三、内存：上下文窗口就是RAM
你电脑的内存（RAM）决定了它能同时处理多少数据。打开太多Chrome标签页，电脑就卡了——因为内存不够用。
大模型的上下文窗口（Context Window）扮演着完全相同的角色。它决定了AI在一次对话中能"记住"多少信息。早期的GPT-3只有2K token的上下文（大约1500个汉字），相当于上世纪80年代Commodore 64电脑的64KB内存，勉强够用，但捉襟见肘。
今天的前沿模型已经把上下文窗口扩展到128K（Claude）甚至100万token（Gemini）。这就像从64KB内存一路升级到16GB，能同时处理一整本书的内容。
但内存永远不够用。这在传统计算机和AI系统中都是真理。
传统计算机的解决方案是虚拟内存：当RAM不够时，把暂时不用的数据换到硬盘上，需要时再换回来，让程序以为自己有无限的内存。
AI系统正在重新发明同样的技术。UC伯克利的研究团队在2023年发表的MemGPT论文中，明确将这套机制命名为"虚拟上下文管理"，把当前不需要的信息存到外部数据库，需要时再检索回上下文窗口。我们熟知的RAG（检索增强生成），本质上就是AI版的"从硬盘读取数据到内存"。
···
四、USB：MCP是AI世界的万能接口
还记得USB出现之前的日子吗？打印机用并口，鼠标用PS/2口，相机用FireWire，手机用各家专属充电线。每换一个设备就要找一根不同的线，驱动程序还经常装不上。
2024年之前的AI工具集成就是这种状态。要让Claude读你的文件？写一套自定义代码。让GPT查数据库？再写一套。每个AI模型对接每个工具都需要单独开发适配器。
MCP（模型上下文协议）就是AI世界的USB。 它由Anthropic在2024年底提出，迅速被整个行业采纳。有了MCP，工具开发者只需要按标准协议实现一个"MCP服务器"，任何支持MCP的AI应用都能直接使用它，就像USB设备插上就能用。
业界直接把MCP称为"AI的USB-C"。架构上一一对应：
▪宿主应用（Claude桌面版、VS Code）= 你的电脑
▪MCP客户端（智能体）= 设备驱动程序
▪MCP服务器（Slack、数据库、浏览器）= 外设
原本M×N的集成噩梦，变成了M+N的标准化生态。
···
五、智能体：在AI电脑上运行的程序
前面的类比都是"硬件层"的。但一台电脑光有CPU和内存没有用，你还需要程序。
在传统计算机上，程序是一段预先编写好的指令序列，操作系统负责调度它们的执行。在AI系统中，智能体（Agent）就是程序。它接收一个目标（"帮我订一张下周二去上海的机票"），然后自主规划步骤、调用工具、检查结果、修正错误，直到任务完成。
这也解释了为什么2024-2025年"AI Agent"成为最热的关键词。它不是一个独立的新发明，而是这台"LLM电脑"上自然而然会出现的东西：有了处理器（模型）、内存（上下文）、硬盘（向量数据库）、外设接口（MCP），下一步当然是在上面跑程序。
而这台电脑的操作系统是什么？Wix工程团队的技术文章给出了一个精妙的回答：系统提示词就是AI的内核。它定义了模型的基本行为规则和安全边界，用户的输入运行在"用户空间"，工具调用相当于"动态链接库"。
···
六、我们正处在AI的"1960年代"
Karpathy在2025年的一次演讲中做了一个更宏大的类比：今天的AI产业格局，和1960年代的计算机产业惊人地相似。
1960年代，计算机是昂贵的大型机，由IBM等少数厂商垄断，用户通过简陋的终端远程访问。今天的大模型也是如此：训练一个前沿模型耗资数亿美元，由少数几家公司运营，用户通过API或聊天界面远程调用。操作系统的格局也在重演——GPT和Claude像Windows和macOS（闭源、商业化），LLaMA和Mistral像Linux（开源、社区驱动）。
Karpathy把软件的进化概括为三个时代：
▪Software 1.0：人类用代码写逻辑
▪Software 2.0：神经网络从数据中学习逻辑
▪Software 3.0：用自然语言指挥AI执行任务
如果这个"1960年代"的类比成立，那么接下来会发生什么？
Karpathy自己已经在沿着这条时间线往前看了。2025年5月，他发推说：
“"聊天"式的LLM交互，感觉就像在用80年代的电脑终端。GUI还没有被发明出来。”
—— Andrej Karpathy，2025年5月
同年6月，他进一步描绘了"个人电脑"时代的雏形：
“LLM认知核心的竞赛——一个数十亿参数的模型，最大限度地牺牲百科知识来换取能力。它常驻在每台电脑上，作为LLM个人计算的内核。”
—— Andrej Karpathy，2025年6月
历史告诉我们：大型机之后是个人电脑，个人电脑之后是互联网，互联网之后是智能手机。每一次，计算变得更便宜、更普及、更贴近每个人的日常生活。AI大概率会走同样的路——从今天的云端大模型，走向每个人口袋里的个人AI。Karpathy所说的"认知核心"，也许就是AI时代的"个人电脑"。
···
七、9级地震
对于身处这场变革中心的程序员来说，这种"重走一遍"的感受已经不是比喻，而是切肤之痛。2025年底，Karpathy发出了他有史以来传播最广的一条推文（5.6万点赞，1680万次浏览）：
“我从未如此强烈地感到自己作为程序员落后了……有一个全新的可编程抽象层需要掌握——智能体、子智能体、提示词、上下文、记忆、权限、工具、插件、技能、MCP……某种强大的外星工具被分发了下来，但它没有说明书，所有人都得自己摸索怎么用，而由此引发的9级地震正在撼动整个行业。”
—— Andrej Karpathy，2025年12月27日
注意他用的词："可编程抽象层"。这恰恰是计算机科学中描述系统架构分层的标准术语。即便在表达焦虑时，他的思维框架依然是：这是一台新电脑，我们正在学习它的编程方式。
···
八、一把解码钥匙
这套类比最大的价值，是给了你一个现成的思维框架。下次再看到AI新闻里的术语轰炸，试着做一次翻译：RAG就是"从硬盘调数据到内存"，MCP就是"USB即插即用"，Agent就是"在这台新电脑上跑的程序"，微调（Fine-tuning）就是"把知识烧进ROM"。
一旦建立了这个映射，AI就不再是一个需要从零学起的陌生领域，而是一个你已经直觉理解了六十年的老故事的新版本。
计算机用了60年从大型机走到智能手机。AI正在以百倍速重走这条路。
而这一次，你不需要学编程，只需要会说话，就能驾驭这台新电脑。
···
上一次人类发明通用计算机，它改变了文明的走向。这一次，计算的基本单元从比特变成了语言。故事才刚刚开始。
