硅谷全员AI编程：卡帕西宣布9级地震式变革，程序员必看

新智元报道

编辑：定慧

【新智元导读】Andrej Karpathy震惊硅谷的推文揭开了编程史上最剧烈的变局，软件工程正在经历一场9级地震。当Linus Torvalds开始用AI写代码，当Rust创始人DHH在网上疯狂安利AI编程，当一个澳洲养羊农民用5行代码逼疯硅谷精英，我们必须直面一个残酷的现实：编程领域的AGI奇点，已经率先抵达。当其他行业还在争论AI会不会取代人类，程序员已经触摸到奇点了。

2025年12月27日，Andrej Karpathy发了一条推文。

这条推文迅速转发过万，点赞数万。

因为它戳中了一个所有开发者都能感受到、但很少有人能清晰表达的现实：

软件工程这个职业，正在被彻底重塑。而大多数人，正在被时代抛下。

这条推文引发了「集体恐慌」，这波余震一直延续到今天。

在科技圈，Karpathy的分量无需赘述。他是无数程序员心中的技术偶像，是站在AI浪潮最前沿的弄潮儿。

但这条推文的内容，让整个开发者社区集体破防：

「作为一名程序员，我从未如此强烈地感到落后。」

他坦言，如果能正确运用过去一年涌现的AI工具，自己的能力本可提升十倍——但他还没做到。而这种无力感，让他直呼这是技能短板。

更令人窒息的是他对当下的描述：

「这就像某种强大的外星工具被抛到人间，却没有附上说明书，每个人都在摸索使用方法，而这场震级9级的职业地震已然撼动整个行业。」

外星工具。没有说明书。9级地震。

如果连Karpathy都在慌，普通程序员该怎么办？

编程奇点，游戏规则已被改写

两周后，知名技术博主Theo（t3.gg创始人、Ping Labs CEO）制作了一期视频回应Karpathy。

视频标题直白得近乎残酷：

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

（你正在落后，是时候追上了。）

Theo的核心论断简洁有力：软件工程领域已经到达了一个永久性的拐点。

注意这个词，永久性。

这不是又一次技术迭代，不是从jQuery到React那种级别的变化，而是更根本的东西。

软件开发者这个职业本身正在被重新定义。

他用了一个精准的比喻：这是一场9级地震。不是余震，不是小打小闹，而是能够改变地貌的那种巨震。

过去一年到底发生了什么？

Theo透露了一个让很多人震惊的数据：在他自己的工作中，以及他运营和顾问的多个团队里，现在70%到90%的代码是AI生成的。

不是辅助生成，不是参考生成，而是直接生成。

让我们回顾一下时间线：

-2024年：AI能帮你写函数，你需要检查和修改

-2024年：AI能帮你写模块，你需要整合和调试

-2025年：AI能帮你写整个功能，你需要审查和优化

这个趋势的终点在哪里？Theo认为，可能根本没有终点，只有持续的加速。

观望窗口已经关闭！

在2024到2024年，持观望态度是合理的。

那时候工具不成熟，成本高昂，可靠性存疑。很多开发者会说：让子弹飞一会儿，看看这东西到底行不行。

但到了2025年底，这个态度已经变成了负担。

基础模型的能力已经达到生产级别，推理成本每8周减半，工具生态已经成熟到可以直接上手的程度。

Cursor、Claude Code、Windsurf这些工具已经不是试验品，而是生产力标配。

Theo的判断很直接：现在开始适应AI的人，已经是officially late（正式迟到）了。

再等下去，就不是迟到的问题，而是会缺席整场比赛。

就比如Linux之父，Linus，他是最旗帜鲜明反对AI编程的人，但是他也加入了。

全新概念，未来编程范式已现

Karpathy在推文中列出了一长串新概念：

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

这不是故弄玄虚。

这是一个全新的可编程抽象层。

回顾计算机发展史，每一次重大跃迁都伴随着抽象层的升级：

从机器码到汇编

从汇编到高级语言

从高级语言到面向对象

从面向对象到云原生

现在，我们正在经历从手写代码到编排AI的又一次跃迁。

传统的开发流程是线性的：需求→设计→编码→测试→部署。

开发者的核心价值在编码那一环：你能多快、多准确地把逻辑转化为代码。

但现在，这个流程正在被解构重组。

程序员的角色正在被重构，不再是手写代码的工匠，而是编排AIAgent的指挥家。

你需要掌握的不再是语法细节、算法实现、框架特性，而是：

如何设计和使用AI代理（Agents）

如何拆解任务给不同的子智能体（Sub-agents）

如何给AI提供恰当的上下文（Context）

如何让AI记住项目的历史和决策（Memory）

如何编排AI的协作流程（Workflows）

如何与MCP、LSP等新协议打交道

Karpathy的原话一针见血：

我们需要构建一个全局心智模型，以驾驭那些本质上具有随机性、易出错、难解释且持续演变的实体——它们突然与传统严谨的工程实践交织在一起。

这是一种全新的能力模型。

如果你还在用「旧地图导航」，你会发现路已经不存在了。

大佬集体下场，注意！这不是演习

如果说Karpathy的推文是一声警钟，那么接下来发生的事情，让整个技术圈彻底炸锅。

Linus Torvalds下场了。

没错，那个创造了Linux和Git的传奇程序员，那个以对AI编程嗤之以鼻著称的老派黑客，开始用Google的AI工具写代码。

他在接受采访时说：

我很惊讶，AI写出来的代码比我手写的还好。

当Linux之父开始用AI，当那个曾公开嘲讽AI生成的代码是垃圾的人开始真香，你还有什么理由继续观望？

DHH也下场了。

Ruby on Rails创始人、Rust语言的铁杆拥护者DHH，也在社交媒体上疯狂安利AI编程工具。他甚至放话：

不用AI写代码的程序员，就像拒绝用电脑的打字员。

这些名字代表了什么？他们是编程世界的活化石，是手艺人精神的代言人，是最不可能向自动化妥协的那批人。

但他们全都投降了。

因为他们亲眼见证了一个事实：AI不是来取代程序员的，AI是来取代那些不会用AI的程序员的。

硅是碳的6万倍，物理定律的判决书

为什么AI编程的爆发来得如此迅猛？

Google DeepMind联合创始人谢恩·莱格（Shane Legg）在一次访谈中给出了一个令人脊背发凉的解释：

人脑本质上是一个低功耗的20瓦移动处理器，受到生物学的限制。

当我们的内部神经信号以每秒30米的速度缓慢移动时，人工智能数据却以光速传播。

生物神经元的放电频率通常高达100-200 Hz（平均频率要低得多，约为0.1-2 Hz，有些峰值可达~450 Hz），而现代硅芯片的时钟速度通常高达60亿Hz。

也就是说，硅的速度大约是金属的6万倍。

6万倍。

这不是渐进式的进步，这是物理定律层面的碾压。

莱格进一步指出：

正如人类无法在体力上胜过起重机或跑赢赛车一样，我们的生物认知也无法与工业规模的计算相匹敌。

随着我们掌握智能架构，人工智能在数学上注定会远远超越人类思维的能力。

这就是为什么编程领域会率先抵达奇点：代码是纯粹的逻辑，编译器是完美的裁判。

在这个领域，没有模糊地带，没有主观判断，只有能跑和不能跑。这是AI最擅长的战场。

而人类的碳基大脑，正在被硅基智能以6万倍的速度碾压。

程序员的生存指南

面对这场9级地震，普通程序员该怎么办？

Theo给出了非常具体的五步行动指南：

Step 0：立即接入AI代码审查

第一步是最简单、风险最低的：在你的代码库中接入AI驱动的代码审查工具。Graptile、CodeRabbit这些工具会在PR阶段自动检查代码质量、发现潜在Bug。

零成本、零风险、立竿见影。

Step 1：测试AI的极限

找一个你过去花了一周时间完成的任务，尝试用AI在几分钟内完成。不要期待完美，重点是建立对AI能力边界的直觉。

Theo的建议很直接：如果你没有感到哪怕一点点不适，说明你还不够努力。

Step 2：学会阅读AI的思考过程

使用Plan Mode观察AI如何分析代码库、制定计划、拆解任务。这就像看棋手复盘，你不仅要知道结果，还要理解每一步的考量。

Step 3：建立agent.md体系

这是最关键的一步。在你的代码库中创建并维护一个agent.md文件，每当你手动修改AI代码时，就往这个文件里加一条规则。

效果是指数级的：

第一周：AI准确率从60%提升到75%

第一个月：AI准确率提升到85%

三个月后：AI准确率接近95%

你的工作从写代码逐渐变成了提需求。

Step 4：学会编排多个Agent

最后一步是终极目标：让多个AI Agent协同工作，像交响乐团一样。

这是一个全新的技能树，而且这个技能树还在快速生长。

给管理者的警告

Theo在视频中专门对话技术管理者和CTO们。语气罕见地严肃：

不要强制员工使用落后的模型。

很多公司出于成本控制或数据安全的考虑，要求工程师使用公司内部微调的老模型，或者限制使用Claude、GPT-4o等最新模型。

Theo的警告很直接：

强制他们使用旧的或劣质的内部模型，会导致顶尖人才离职。

优秀的工程师会意识到：在这家公司，自己的生产力被人为限制了，技能增长速度比市场慢了，正在用落后的工具做落后的事。

结果就是人才流失，竞争力下降，形成负向循环。

很多管理者会说：Claude每百万token要$15，我们自己的模型只要$0.5，必须省钱。

但真实的计算是：一个高级工程师的时薪是$100-200，如果用劣质模型，工程师需要修改50%的AI输出；用最佳模型，工程师只需要修改5%。

哪个更省钱？答案显而易见。

推理成本每8周减半，工程师工资每年涨10%。这笔账怎么算都是工具成本可以忽略。

编程的ASI时代，奇点已至

Andrej Karpathy说他从未如此强烈地感到落后。

这听起来像是坏消息。

但换个角度看：如果连站在最前沿的人都在全力奔跑，那说明这个领域还远未定型。

机会还在，但窗口正在快速关闭。

我们正在见证人类历史上的一个独特时刻：

编程可能是第一个真正抵达AGI（甚至是ASI）效应的专业领域！

为什么是编程？

因为代码是纯粹的逻辑，编译器是完美的裁判。没有模糊地带，没有主观判断。这是AI最擅长的战场。

其他行业还在争论AI会不会取代人类，而程序员这个职业——正在被当场重构。

Shane Legg的话像一记重锤：

人类智力是宇宙智力的上限吗？

谢恩·莱格认为'绝对不是'。随着我们掌握智能架构，人工智能在数学上注定会远远超越人类思维的能力。

我们不知道其他行业的奇点何时到来。但编程领域，它已经在这里了。

Karpathy用外星工具来形容这场变革。这个比喻精准得可怕——确实像是外星文明突然把一套超级工具扔到了人类面前，没有说明书，只有一句话：

挽起袖子迎头赶上，才不至于被时代抛弃。

2025年，软件工程的规则已经改写。

问题不再是AI能否取代程序员，而是——

会用AI的程序员，将取代不会用AI的程序员。

你准备好了吗？

参考资料：

https://youtu.be/Z9UxjmNF7b0