原文摘要

2023 年 Andrej Karpathy 说 “最热门的新编程语言是英语”。今天已成为现实。

原文链接

进一步信息揣测

• Software 3.0的核心竞争力：未来编程的核心能力可能从传统代码编写转向自然语言工程（Prompt Engineering）和高质量数据集的构建能力，而非算法本身。行业内部已开始将数据标注和Prompt设计视为高价值岗位。
• 特斯拉自动驾驶的隐性教训：传统C++代码（Software 1.0）在复杂场景（如自动驾驶）中维护成本极高，而神经网络（Software 2.0）的迭代效率更高，但需要大量真实数据。内部人士透露，特斯拉早期因低估数据清洗和标注的难度而多次延期。
• LLM落地的隐性成本：尽管大语言模型（Software 3.0）降低了开发门槛，但企业级应用仍需解决幻觉控制、私有数据安全性和API调用成本问题。业内常用“小模型+精调”替代直接调用GPT-4以降低成本。
• ListenHub的深度模式内幕：其AI播客生成并非简单语音合成，而是结合了演讲内容的结构化提取、关键信息增强和口语化改写，这种技术栈组合（如RAG+可控生成）目前尚未公开细节。
• 行业人才需求转向：Karpathy的演讲暗示，未来更需“AI翻译者”——能沟通业务需求与技术实现的人才，而非纯编码者。部分硅谷公司已开始招募非技术背景的“领域专家+Prompt工程师”混合角色。
• LLM时代的工具链陷阱：盲目依赖现成API（如OpenAI）可能导致技术锁定，内部建议同时布局开源模型（如Llama 3）和自建微调管道以保持灵活性。
• 演讲未明说的趋势：Software 3.0可能加速“无代码工具”的消亡，因为自然语言交互直接跳过可视化搭建环节，但需要警惕LLM在复杂逻辑场景中的不可控性。