再見，程序員！硅谷全員AI Coding，卡帕西宣告9級地震來了

新智元報道

編輯：定慧

【新智元導讀】Andrej Karpathy震驚硅谷的推文揭開了編程史上最劇烈的變局，軟件工程正在經歷一場9級地震。當Linus Torvalds開始用AI寫代碼，當Rust創始人DHH在網上瘋狂安利AI編程，當一個澳洲養羊農民用5行代碼逼瘋硅谷精英，我們必須直面一個殘酷的現實：編程領域的AGI奇點，已經率先抵達。當其他行業還在爭論AI會不會取代人類，程序員已經觸摸到奇點了。

2025年12月27日，Andrej Karpathy發了一條推文。

這條推文迅速轉發過萬，點贊數萬。

因為它戳中了一個所有開發者都能感受到、但很少有人能清晰表達的現實：

軟件工程這個職業，正在被徹底重塑。而大多數人，正在被時代拋下。

這條推文引發了「集體恐慌」，這波余震一直延續到今天。

在科技圈，Karpathy的分量無需贅述。他是無數程序員心中的技術偶像，是站在AI浪潮最前沿的弄潮兒。

但這條推文的內容，讓整個開發者社區集體破防：

「作為一名程序員，我從未如此強烈地感到落后。」

他坦言，如果能正確運用過去一年涌現的AI工具，自己的能力本可提升十倍——但他還沒做到。而這種無力感，讓他直呼這是技能短板。

更令人窒息的是他對當下的描述：

「這就像某種強大的外星工具被拋到人間，卻沒有附上說明書，每個人都在摸索使用方法，而這場震級9級的職業地震已然撼動整個行業。」

外星工具。沒有說明書。9級地震。

如果連Karpathy都在慌，普通程序員該怎么辦？

編程奇點，游戲規則已被改寫

兩周后，知名技術博主Theo（t3.gg創始人、Ping Labs CEO）制作了一期視頻回應Karpathy。

視頻標題直白得近乎殘酷：

You're falling behind. It's time to catch up.

（你正在落后，是時候追上了。）

Theo的核心論斷簡潔有力：軟件工程領域已經到達了一個永久性的拐點。

注意這個詞，永久性。

這不是又一次技術迭代，不是從jQuery到React那種級別的變化，而是更根本的東西。

軟件開發者這個職業本身正在被重新定義。

他用了一個精準的比喻：這是一場9級地震。不是余震，不是小打小鬧，而是能夠改變地貌的那種巨震。

過去一年到底發生了什么？

Theo透露了一個讓很多人震驚的數據：在他自己的工作中，以及他運營和顧問的多個團隊里，現在70%到90%的代碼是AI生成的。

不是輔助生成，不是參考生成，而是直接生成。

讓我們回顧一下時間線：

-2023年：AI能幫你寫函數，你需要檢查和修改

-2024年：AI能幫你寫模塊，你需要整合和調試

-2025年：AI能幫你寫整個功能，你需要審查和優化

這個趨勢的終點在哪里？Theo認為，可能根本沒有終點，只有持續的加速。

觀望窗口已經關閉！

在2023到2024年，持觀望態度是合理的。

那時候工具不成熟，成本高昂，可靠性存疑。很多開發者會說：讓子彈飛一會兒，看看這東西到底行不行。

但到了2025年底，這個態度已經變成了負擔。

基礎模型的能力已經達到生產級別，推理成本每8周減半，工具生態已經成熟到可以直接上手的程度。

Cursor、Claude Code、Windsurf這些工具已經不是試驗品，而是生產力標配。

Theo的判斷很直接：現在開始適應AI的人，已經是officially late（正式遲到）了。

再等下去，就不是遲到的問題，而是會缺席整場比賽。

就比如Linux之父，Linus，他是最旗幟鮮明反對AI編程的人，但是他也加入了。

全新概念，未來編程范式已現

Karpathy在推文中列出了一長串新概念：

Agents、Sub-agents、Prompts、Contexts、Memory、Modes、Permissions、Tools、Plugins、Skills、Hooks、MCP、LSP、Slash Commands、Workflows、IDE Integrations……

這不是故弄玄虛。

這是一個全新的可編程抽象層。

回顧計算機發展史，每一次重大躍遷都伴隨著抽象層的升級：

• 從機器碼到匯編

• 從匯編到高級語言

• 從高級語言到面向對象

• 從面向對象到云原生

現在，我們正在經歷從手寫代碼到編排AI的又一次躍遷。

傳統的開發流程是線性的：需求→設計→編碼→測試→部署。

開發者的核心價值在編碼那一環：你能多快、多準確地把邏輯轉化為代碼。

但現在，這個流程正在被解構重組。

程序員的角色正在被重構，不再是手寫代碼的工匠，而是編排AIAgent的指揮家。

你需要掌握的不再是語法細節、算法實現、框架特性，而是：

• 如何設計和使用AI代理（Agents）

• 如何拆解任務給不同的子智能體（Sub-agents）

• 如何給AI提供恰當的上下文（Context）

• 如何讓AI記住項目的歷史和決策（Memory）

• 如何編排AI的協作流程（Workflows）

• 如何與MCP、LSP等新協議打交道

Karpathy的原話一針見血：

我們需要構建一個全局心智模型，以駕馭那些本質上具有隨機性、易出錯、難解釋且持續演變的實體——它們突然與傳統嚴謹的工程實踐交織在一起。

這是一種全新的能力模型。

如果你還在用「舊地圖導航」，你會發現路已經不存在了。

大佬集體下場，注意！這不是演習

如果說Karpathy的推文是一聲警鐘，那么接下來發生的事情，讓整個技術圈徹底炸鍋。

Linus Torvalds下場了。

沒錯，那個創造了Linux和Git的傳奇程序員，那個以對AI編程嗤之以鼻著稱的老派黑客，開始用Google的AI工具寫代碼。

他在接受采訪時說：

我很驚訝，AI寫出來的代碼比我手寫的還好。

當Linux之父開始用AI，當那個曾公開嘲諷AI生成的代碼是垃圾的人開始真香，你還有什么理由繼續觀望？

DHH也下場了。

Ruby on Rails創始人、Rust語言的鐵桿擁護者DHH，也在社交媒體上瘋狂安利AI編程工具。他甚至放話：

不用AI寫代碼的程序員，就像拒絕用電腦的打字員。

這些名字代表了什么？他們是編程世界的活化石，是手藝人精神的代言人，是最不可能向自動化妥協的那批人。

但他們全都投降了。

因為他們親眼見證了一個事實：AI不是來取代程序員的，AI是來取代那些不會用AI的程序員的。

硅是碳的6萬倍，物理定律的判決書

為什么AI編程的爆發來得如此迅猛？

Google DeepMind聯合創始人謝恩·萊格（Shane Legg）在一次訪談中給出了一個令人脊背發涼的解釋：

人腦本質上是一個低功耗的20瓦移動處理器，受到生物學的限制。

當我們的內部神經信號以每秒30米的速度緩慢移動時，人工智能數據卻以光速傳播。

生物神經元的放電頻率通常高達100-200 Hz（平均頻率要低得多，約為0.1-2 Hz，有些峰值可達~450 Hz），而現代硅芯片的時鐘速度通常高達60億Hz。

也就是說，硅的速度大約是金屬的6萬倍。

6萬倍。

這不是漸進式的進步，這是物理定律層面的碾壓。

萊格進一步指出：

正如人類無法在體力上勝過起重機或跑贏賽車一樣，我們的生物認知也無法與工業規模的計算相匹敵。

隨著我們掌握智能架構，人工智能在數學上注定會遠遠超越人類思維的能力。

這就是為什么編程領域會率先抵達奇點：代碼是純粹的邏輯，編譯器是完美的裁判。

在這個領域，沒有模糊地帶，沒有主觀判斷，只有能跑和不能跑。這是AI最擅長的戰場。

而人類的碳基大腦，正在被硅基智能以6萬倍的速度碾壓。

程序員的生存指南

面對這場9級地震，普通程序員該怎么辦？

Theo給出了非常具體的五步行動指南：

Step 0：立即接入AI代碼審查

第一步是最簡單、風險最低的：在你的代碼庫中接入AI驅動的代碼審查工具。Graptile、CodeRabbit這些工具會在PR階段自動檢查代碼質量、發現潛在Bug。

零成本、零風險、立竿見影。

Step 1：測試AI的極限

找一個你過去花了一周時間完成的任務，嘗試用AI在幾分鐘內完成。不要期待完美，重點是建立對AI能力邊界的直覺。

Theo的建議很直接：如果你沒有感到哪怕一點點不適，說明你還不夠努力。

Step 2：學會閱讀AI的思考過程

使用Plan Mode觀察AI如何分析代碼庫、制定計劃、拆解任務。這就像看棋手復盤，你不僅要知道結果，還要理解每一步的考量。

Step 3：建立agent.md體系

這是最關鍵的一步。在你的代碼庫中創建并維護一個agent.md文件，每當你手動修改AI代碼時，就往這個文件里加一條規則。

效果是指數級的：

第一周：AI準確率從60%提升到75%

第一個月：AI準確率提升到85%

三個月后：AI準確率接近95%

你的工作從寫代碼逐漸變成了提需求。

Step 4：學會編排多個Agent

最后一步是終極目標：讓多個AI Agent協同工作，像交響樂團一樣。

這是一個全新的技能樹，而且這個技能樹還在快速生長。

給管理者的警告

Theo在視頻中專門對話技術管理者和CTO們。語氣罕見地嚴肅：

不要強制員工使用落后的模型。

很多公司出于成本控制或數據安全的考慮，要求工程師使用公司內部微調的老模型，或者限制使用Claude、GPT-4o等最新模型。

Theo的警告很直接：

強制他們使用舊的或劣質的內部模型，會導致頂尖人才離職。

優秀的工程師會意識到：在這家公司，自己的生產力被人為限制了，技能增長速度比市場慢了，正在用落后的工具做落后的事。

結果就是人才流失，競爭力下降，形成負向循環。

很多管理者會說：Claude每百萬token要$15，我們自己的模型只要$0.5，必須省錢。

但真實的計算是：一個高級工程師的時薪是$100-200，如果用劣質模型，工程師需要修改50%的AI輸出；用最佳模型，工程師只需要修改5%。

哪個更省錢？答案顯而易見。

推理成本每8周減半，工程師工資每年漲10%。這筆賬怎么算都是工具成本可以忽略。

編程的ASI時代，奇點已至

Andrej Karpathy說他從未如此強烈地感到落后。

這聽起來像是壞消息。

但換個角度看：如果連站在最前沿的人都在全力奔跑，那說明這個領域還遠未定型。

機會還在，但窗口正在快速關閉。

我們正在見證人類歷史上的一個獨特時刻：

編程可能是第一個真正抵達AGI（甚至是ASI）效應的專業領域！

為什么是編程？

因為代碼是純粹的邏輯，編譯器是完美的裁判。沒有模糊地帶，沒有主觀判斷。這是AI最擅長的戰場。

其他行業還在爭論AI會不會取代人類，而程序員這個職業——正在被當場重構。

Shane Legg的話像一記重錘：

人類智力是宇宙智力的上限嗎？

謝恩·萊格認為'絕對不是'。隨著我們掌握智能架構，人工智能在數學上注定會遠遠超越人類思維的能力。

我們不知道其他行業的奇點何時到來。但編程領域，它已經在這里了。

Karpathy用外星工具來形容這場變革。這個比喻精準得可怕——確實像是外星文明突然把一套超級工具扔到了人類面前，沒有說明書，只有一句話：

挽起袖子迎頭趕上，才不至于被時代拋棄。

2025年，軟件工程的規則已經改寫。

問題不再是AI能否取代程序員，而是——

會用AI的程序員，將取代不會用AI的程序員。

你準備好了嗎？

參考資料：

https://youtu.be/Z9UxjmNF7b0