Karpathy 在红杉 AI Ascent 2026:LLM 不是加速旧世界,而是创造新世界

Andrej Karpathy 在红杉资本 AI Ascent 2026 上说，LLM 不只是让编程更快，而是正在创造三种“以前不可能”的新功能。

这不是一个渐进式优化，而是范式转变的信号。

当 LLM 足够强时，有些软件不应该再存在，有些功能以前根本做不到。真正值得关注的不是 LLM 如何改进旧工作流，而是它如何让某些软件形态彻底消失，并创造出以前不可能的新功能。

01 三种新地平线：有些软件不应该再存在

Karpathy 提出的第一个主题是，LLM 不只是加速旧世界，而是开辟新地平线。

他举了三个例子：

一个完全由 LLM 吞噬的应用，不需要任何传统代码。输入一张图片，输出一张图片，LLM 原生就能做这件事。

这意味着什么？意味着某些应用的整个技术栈可以被 LLM 替代，传统代码层彻底消失。

为什么要写复杂的 Software 1.0 bash 脚本来安装软件？你可以用自然语言写出安装步骤，然后说“把这个给你的 LLM 看”。

LLM 是一个高级的英语解释器，可以智能地针对你的环境调整安装，内联调试一切。

这意味着，安装脚本这种东西可能不应该再存在。

LLM 知识库是一个以前用传统代码根本做不到的功能，因为它是对来自任意来源、任意格式的非结构化数据（知识）进行计算，包括纯文本文章等。

Karpathy 强调这三个例子的原因是，在每一次范式转变中，显而易见的事情总是“加速或改进已有的东西”，但这里有些功能要么突然不应该存在（1、2），要么以前根本不可能（3）。

02 LLM 的“锯齿状”：为什么它既能重构 10 万行代码，又会让你走路去洗车

Karpathy 的第二个主题是，如何解释 LLM 的“锯齿状”表现。

为什么同一个 AI 能同时做到：

Karpathy 之前写过，这与领域的可验证性有关。现在他扩展了这个解释，认为这也与经济学有关。

因为收入和 TAM（总可达市场）决定了前沿实验室在强化学习期间选择打包到训练数据分布中的内容。

你要么在数据分布内（在强化学习电路的轨道上）飞驰，要么在丛林中拿着砍刀开路，相对而言。

Karpathy 说他对这个解释还不是 100% 满意，但这是一个持续的努力，如果你想实际利用 LLM 的力量同时避免它的陷阱，你需要建立一个准确的 LLM 能力模型。

这意味着，LLM 的能力不是均匀分布的，而是由训练数据的经济价值决定的。高价值领域（如代码）被大量优化，低价值领域（如日常生活常识）可能被忽略。

03 Agent 原生经济：产品和服务的新分解方式

Karpathy 的最后一个主题是 Agent 原生经济。

他谈到：

这意味着，未来的产品和服务不再是“软件 + API”，而是“传感器 + 执行器 + LLM 逻辑”。

Agentic Engineering 不是传统的软件工程，而是一种新的技能集，需要理解如何让 LLM 与物理世界和数字世界交互。

04 从 Vibe Coding 到 Agentic Engineering：天花板被抬高了

Stephanie Zhan（红杉资本）在引用推文中说，去年 Karpathy 创造了“Vibe Coding”这个词，今年他感觉自己作为程序员从未如此落后。

关键转变是：Vibe Coding 提高了地板，Agentic Engineering 提高了天花板。

这意味着什么？

Vibe Coding 让普通人也能写代码，降低了编程的门槛。

Agentic Engineering 让专业人士能做以前不可能的事，提高了编程的上限。

这不是一个简单的“AI 让编程更快”的故事，而是编程本身的定义正在改变。

总结

Karpathy 在红杉 AI Ascent 2026 的核心观点是：

接下来应该继续观察的是，谁会第一个把 Agentic Engineering 产品化，以及哪些传统软件形态会最先消失。