LLM 不只是加速旧工作，而是在打开新应用形态

说话人的历史立场与利益关联

Andrej Karpathy 是 OpenAI 的创始成员之一，也是特斯拉 Autopilot 团队的负责人，后创办了 AI 教育平台 Zero-to-Hero。他一贯的技术叙事风格是宏大愿景优先于工程细节——无论是早期推广 CNN/RNN，还是后来鼓吹 LLM 的「涌现能力」，Karpathy 擅长将 AI 技术包装成「范式转移」而非「渐进优化」。

这次在 Sequoia Aspawn 2026 炉边谈话中的表态，延续了他一贯的叙事框架：将 LLM 比作「新的应用形态催化剂」，而非「更好的 Python 脚本」。但需要注意的是，Karpathy 目前的商业重心是 AI 教育与内容生成工具，他有动机强调 LLM 的「创造性破坏」潜力，以吸引资本和市场对 AI 新场景的关注，而非讨论 LLM 对现有软件栈的替代风险。

「新应用形态」的具体边界在哪里？

Karpathy 举了几个例子：动态生成 UI 的应用、自然语言驱动的计算机交互、以及「软件不容易覆盖的场景」。这些方向确实是 LLM 的差异化价值所在——传统软件开发受限于固定的输入输出接口，而 LLM 允许系统根据上下文实时构造响应逻辑，这在聊天机器人时代就已经被证明。