安德烈·卡帕西是AI圈里响当当的人物，曾经在特斯拉带过自动驾驶团队，也是OpenAI创始成员之一。他最近面向即将进入AI行业的学生做了一场演讲，一上来就抛出一个判断：现在是踏入这个领域的最好时机，因为软件又在经历一次根本性的变化。
他回顾了软件范式怎么走到今天这一步。过去几十年，程序员干活的方式几乎没变过，也就是所谓的软件1.0：人一行一行手写精确的指令，计算机照单执行。后来出现了神经网络，做法完全反了过来——你不需要告诉它每一步该干什么，而是用大量数据去训练它，最终得到一堆模型权重。这些权重就是新的“代码”，卡帕西管这叫软件2.0。一开始，这种网络就是个固定功能的工具，比如用来识别图片的AlexNet，训练完就只能干这一件事。但大语言模型的出现撕开了新的口子。同一个模型，你只要换一换提示词，它就能完成翻译、写代码、做总结这些截然不同的任务，好像模型本身变得“可编程”了。卡帕西把这种用自然语言指令操控模型的方式称为软件3.0。
为了让这个转变更好懂，他打了两个比方。全球程序员都知道GitHub，那是软件1.0时代的代码仓库；而现在越来越火的Hugging Face，就像是软件2.0时代的GitHub，只不过上面存放的不是代码文件，而是一个个训练好的模型权重。模型每经过一次微调，就会产生一个新版本，就好比在GitHub上提交了一次代码。他还特意提到了Flux这个图像生成模型，它的参数量极其庞大，整个模型就像一个巨大的“代码库”，不同的微调版本衍生出各种分支，几乎等同于传统软件里的不同发行版。这么一来，软件开发的整套工具、协作流程和思维方式都得推倒重来。
当然，并不是所有人都买账。批评者会说，神经网络骨子里是统计模型，不是传统意义上的软件，它的输出不够稳定，有时会冒出离谱的结果，而且出了问题很难像程序调试那样逐行排查。也有人觉得，靠提示词给大模型下指令能干的事情有限，一旦碰到需要精确逻辑、复杂状态管理的场景，还是得老老实实写代码。不过卡帕西话里话外的重点不是谁取代谁，而是新范式带来的可能性。毕竟现在已经有大量的应用开始围绕提示词工程、模型微调和智能代理来重构，整个生态的底座正在被翻新。
不管你是否完全接受软件2.0、3.0这套标签，一个现实已经摆在那：过去几十年积累的海量代码，很多都将被重新思考和改写。对于即将入行的学生和开发者来说，这非但不是威胁，反而是一大片刚刚浮出水面的新大陆——工具链、开发哲学和协作方式都在快速成型，谁先跳上去，谁就有机会参与定义下一个时代。卡帕西的演讲说到底传递了一个乐观信号：AI没有在收缩机会，反而打开了一个需要所有人重新编程的广阔空间。
