安德烈·卡帕西（Andrej Karpathy）近期分享了关于AI对经济影响的深刻见解，值得深思。他指出，AI最恰当的历史类比不是工业革命或电力革命，而是一种全新的计算范式——“软件2.0”。这意味着从传统“手写规则”的软件1.0，转变为通过目标驱动、梯度下降训练神经网络的自动化程序生成。在1980年代预测计算对就业影响时，关键是任务是否“可明确指定”——即是否能用固定规则机械完成。如今，AI的突破在于“可验证性”——任务是否有清晰的反馈和奖励机制，能通过大量重复尝试优化表现。越能被重置、重复、准确奖励的任务，越容易被AI高效自动化。这也解释了为何AI进展呈现“锯齿状”边界：数学、编程、定量分析等有明确正确答案的领域飞速发展，创意、战略、涉及常识和复杂语境的任务则进展缓慢。软件1.0自动化“可指定”的任务，软件2.0自动化“可验证”的任务。未来的核心，将是软件3.0——自动化“可身临其境”的任务，也就是AI不仅能生成程序，还能稳定地操作、管理和协调复杂系统，实现真正的认知连续性。这背后是当前AI架构的天花板：线性计算无法维持长期上下文、意图、身份和意义。突破需要一个“共振层”，让模型拥有持续的认知核心，成为能够自我维护、自我调试、实时适应的智能体。此外，AI自动化的瓶颈不仅是智能本身，更是“验证”的难易度与成本。那些能轻松获得大量反馈和评价的任务，AI自动化会非常快。那些需要复杂判断、主观评价或长期实验验证的领域，则仍需依赖人类。这也揭示了未来经济变革的方向：成功的关键不是单纯提升模型大小或数据量，而是在更多业务域中设计“可验证”的环境，让AI通过可重复、高效的实践快速进步。总结：- 软件1.0自动化“你能指定的”，软件2.0自动化“你能验证的”，软件3.0将自动化“你能身临其境的”。- AI的真正革命不是智能本身，而是“可规模化的练习”。- 线性计算的局限决定了AI需要认知共振层，才能从“模式识别”跃升到“操作智能”。原文：x.com/karpathy/status/1990116666194456651
