AI 行业的热门论断与卡帕西的冷水
2025 年，AI 行业最热门的说法莫过于“智能体之年”，几乎所有行业会议和媒体报道都在重复这一观点，仿佛智能体即将遍布互联网，帮助我们完成所有工作。然而，在这股狂热氛围中，安德烈·卡帕西在旧金山 AI Startup School 的演讲中泼了一盆冷水。他不仅提醒我们警惕短期炒作，还系统性地勾勒出未来十年 AI 的发展路径，指出数字基础设施需经历根本性变革。
软件行业的三次范式转变
软件 1.0：人类编写代码的手工时代
软件发展的第一阶段是 1.0 时代，即人类编写代码的手工时代。此时计算机如同严格遵循指令的机器，每一行代码都由人类程序员精心编写，从早期的 FORTRAN 语言到如今的 Python、Java 皆是如此。程序员用精确语法告诉计算机“怎么做”，GitHub 上数以亿计的代码库就是这个时代的辉煌成果。但这种模式存在明显局限，人类思维速度和代码复杂程度形成瓶颈，复杂功能需成百上千行代码，需求变化时修改成本极高。
软件 2.0：由神经网络开启的数据编程时代
第二阶段是 2.0 时代，由神经网络开启的数据编程时代。深度学习兴起后，时代核心不再是人类编写的显式代码，而是通过数据训练生成的神经网络权重。例如图像识别模型 AlexNet，并非程序员逐行编写识别规则，而是通过数百万张图片训练，让模型自己“学会”识别特征。当时很多人仅把神经网络当作高级分类器，忽略了其代表的范式革命。如今的 Hugging Face Model Atlas 等平台，如同 2.0 时代的 GitHub，存储的是训练好的模型，开发者可直接调用这些“数据编写的程序”。
软件 3.0：大语言模型催生的时代
第三阶段是如今大语言模型催生的软件 3.0 时代，这是最具颠覆性的变革。神经网络从专用工具变成通用计算机，我们与其交互的语言是人类日常使用的自然语言。以前做情感分类需写代码或训练特定模型，现在只需给大语言模型一个提示，让它直接判断文本情感倾向。这种用自然语言编程的方式，使编程门槛降到历史最低，几乎人人都能成为“程序员”，即所谓的“提示工程”。
大语言模型的本质：全新的操作系统
为帮助理解大语言模型本质，卡帕西将其比作全新操作系统，这一类比包含多层含义，揭示了大语言模型在技术生态中的核心地位。
类比电力公司
OpenAI、DeepMind 等公司如同电力公司，投入巨资建设智能发电厂（AI 数据工厂）训练大模型，然后通过 API 向用户提供服务和收费。用户对大语言模型的需求类似电力，需要低延迟、高可靠性，甚至出现了 OpenRouter 这样的“智能转换开关”，让用户可在不同模型间无缝切换。多个大模型同时宕机，如同全球范围的“智能断电”，会影响整个数字世界运转。
技术架构类比
大语言模型本身像计算机 CPU，负责核心推理；上下文窗口相当于内存，存储当前任务相关信息；围绕大语言模型构建的整个系统，如同操作系统调度资源，完成多步骤任务。例如处理复杂数据分析请求，大模型需先读取数据，然后执行计算，最后输出结果。这种架构正重新定义软件构建方式，以前需多个模块配合的任务，现在可通过大模型上下文协调完成。
市场格局类比
当前大模型市场格局类似早期操作系统之争，既有闭源商业巨头如 GPT - 4、PaLM，也有开源挑战者如 Llama 生态，像当年的 Windows 与 Linux。闭源系统凭借技术优势占据主流，开源社区通过协作快速创新，这种双轨制发展推动大模型生态不断进化，保证商业落地稳定性的同时，保持技术创新活力。
大语言模型的优势与局限性
优势
大语言模型优势明显。知识储备方面，训练数据覆盖整个互联网级别的文本，包含人类历史上几乎所有公开知识，这是单个学者无法比拟的。其次是上下文窗口代表的强大短期记忆，虽长期记忆（模型权重）固定，但单次交互中，模型能处理数万 token 的信息，相当于瞬间记住一本厚书内容。最后是跨领域泛化能力，得益于通用训练方式，大语言模型在代码编写和创意写作等领域都展现出惊人能力。
局限性
但大模型缺陷也十分显著。一是“幻觉”问题，会编造不存在的事实，无法区分真实与虚构概念，如坚持说“爱因斯坦获得过三次诺贝尔奖”，实际爱因斯坦只获得过一次。二是“锯齿状的智能”，在某些领域表现出专家级能力，在另一些简单问题上却易犯低级错误。三是“顺行性遗忘症”，每次交互后都会重置上下文，无法像人类一样积累经验，必须依赖外部记忆工具。四是安全性脆弱，容易受到提示注入攻击，通过恶意指令让模型泄露敏感信息，在实际应用中构成重大风险。
应对大语言模型不完美的策略：开发部分自治应用
面对大语言模型的不完美，卡帕西提出开发“部分自治应用”，构建人机协作新范式，而非追求不切实际的全自动化。
Cursor 案例
以代码编辑器 Cursor 为例，它展现了部分自治应用的核心特征。首先是智能上下文管理，自动将整个代码库信息嵌入模型，让模型理解项目全貌；其次是多模型编排，可同时调用聊天模型、代码 Diff 工具等，实现复杂功能；最重要的是专用界面设计，通过可视化代码高亮对比，让用户快速审查 AI 建议，并用快捷键轻松选择接受或拒绝。还有关键的“自治程度滑块”设计，用户可根据任务风险等级调整 AI 自主权，在安全和效率间找到最佳平衡点。
Perplexity 案例
另一个案例是 Perplexity，在信息检索中应用类似逻辑。通过打包多个来源信息，调用多个模型交叉验证，再通过带有来源引用的界面设计，让用户方便查看推理过程，从低自治程度的快速搜索到高自治程度的深度分析都能灵活切换。
人机协作的关键
这些应用共同点是不追求 AI 独立完成所有任务，而是让人类专注决策和验证，AI 负责重复性、规律性工作，形成高效协作闭环。人机协作关键在于利用人类视觉处理和逻辑判断优势，如界面中的可视化反馈，让用户毫秒级识别 AI 输出正确性，比纯文本效率高无数倍。“自治滑块”设计符合心理学中的“控制感”需求，用户不会因 AI 不可控而焦虑，反而能通过分级授权逐步建立信任。这种模式不仅适用于工具类应用，未来还会渗透到几乎所有软件领域。
大语言模型带来的新问题：部署成为瓶颈
卡帕西分享开发 MenuGen 应用的经历时指出，大语言模型让编码变得前所未有的简单，但部署成为新瓶颈。作为几乎没用过 Swift 语言的开发者，他通过大模型几小时就能完成应用核心功能，传统开发可能需几周。这种“氛围编程”现象让任何人都能快速将想法转化为可运行代码，极大降低创新门槛。但从 Demo 到产品转化阶段，他花费整整一周处理 DevOps 任务，包括用户认证、支付集成、域名配置、云端部署等，这些繁琐手动操作与 AI 带来的效率提升形成强烈反差。
数字基础设施的问题与解决方案
问题所在
根本原因在于现有的数字基础设施是为两类用户设计的，即通过界面操作的人类和通过 API 交互的传统程序。AI 智能体作为第三类用户，既不像人类依赖视觉点击，也不像传统程序依赖固定 API，它们需要机器可读的结构化信息。但我们的网站、云平台到处是复杂的 HTML 和手动配置流程，对 AI 如同迷宫。例如让 AI 填写网页表单，它需解析网页视觉元素、定位点击位置，这种模拟人类操作的方式低效且易错，成为 AI 创新落地“最后一公里”的障碍。
解决方案
针对这一结构性问题，卡帕西提出系统性解决方案，核心思想是“双向奔赴”。
-
创建 lm txt 文件：类似网站的 robots txt，专门为 AI 智能体设计。可用简洁 Markdown 语言说明网站功能、操作接口和数据结构，如“本网站提供天气查询服务，可通过/api/weather? city=[城市名]获取数据”。相比让 AI 解析复杂网页 DOM 结构，这种直接的机器语言交互能将交互效率提升几个数量级。
-
文档改造为“双语模式”：现有的很多文档充满面向人类的操作指令，对 AI 毫无意义。建议将文档改造成既有人类可读步骤说明，也包含 AI 可执行的 API 调用或命令行指令的“双语模式”。Vercel 和 Stripe 已开始提供为大模型专门优化过的文档，将操作指南转化为结构化 API 文档，让 AI 能直接解析并执行部署流程。这种文档转型不仅方便智能体，也能提升人类开发者效率。
-
构建桥梁工具：将现有的以人类为中心的信息转化为对 AI 友好的格式。例如有些工具能将 GitHub 仓库页面转换为包含完整目录结构的纯文本块，让大语言模型无需解析网页就能分析代码；还有工具能将 Excel 表格的可视化数据转化为结构化的 JSON，方便 AI 进行数据分析。这些工具解决了智能体与现存系统交互的核心障碍，让遗留系统无需大的、彻底的重构就能接入 AI 生态。
卡帕西强调，未来多模态模型可能学会模拟人类点击行为，但这是昂贵且低效的路径，不如改造界面适应 AI。人类主动迈出 50%，提供机器可读接口、结构化文档、翻译工具，AI 就能用剩下的 50%完成更多高效交互，极大加速智能体落地。
对行业的警示与产品策略
演讲最后，卡帕西用在自动驾驶行业的亲身经历对整个行业发出警示。2013 年他体验到 Waymo 近乎完美的自动驾驶演示，当时认为商业化指日可待，却没想到 12 年后仍未完全解决，这说明技术演示与实际产品间存在巨大“可靠性鸿沟”，智能体发展同样需要以十年为尺度的耐心。
针对“2025 年是智能体元年”的说法，他明确表示担忧，这种炒作易让创业者忽视底层基础设施缺失，盲目追求全自动化产品，最终陷入落地困境。历史经验表明，任何颠覆性技术都需经历“期望膨胀期 - 泡沫破裂期 - 稳步发展期”的阶段，AI 智能体也不例外。
他用钢铁侠战衣类比现阶段产品策略，钢铁侠战衣既有托尼·斯塔克直接操控的增强模式，也有自主战斗的智能模式。当前大模型更适合作为增强工具，通过优秀人机接口让人类高效监督 AI，而非追求不可控的全自主系统。这种“部分自治”策略能发挥大模型优势，规避其缺陷，是最务实的发展路径。
AI 革命的独特之处与我们的应对
这次 AI 革命独特之处在于，大语言模型不像电力、计算机那样首先掌握在政府或巨头手中，而是通过互联网快速普及到全球数十亿用户，每个人都能通过提示工程参与编程，每个创业者都有机会在新基础设施上构建新应用，这是一场真正的全民技术革命，我们正站在历史转折点上。
作为开发者和观察者，我们既要拥抱大语言模型带来的效率革命，也要警惕炒作陷阱，脚踏实地构建真正可用的技术生态，这或许不是最令人兴奋的路径，但可能是通往 AI 未来最可靠的必经之路。
以上就是安德烈·卡帕西这次演讲的主要内容。感谢观看，下期再见。
{# 
{# 
{# 
{# 
{#