软件时代结束了吗？红杉峰会、Karpathy和1.9万行代码给出的答案

软件时代结束了吗？红杉峰会、Karpathy和1.9万行代码给出的答案

抖音上最近流行一句话：“软件时代彻底结束了。”

说这话的人，有卖课的博主，有焦虑的程序员，也有真信的老板。

但就在这几天，红杉资本在旧金山开了一场AI峰会，给出了一个比"结束"更准确的判断：

软件时代没有结束，但"手写代码=核心价值"的时代确实结束了。

这不是我说的。是红杉资本的三个合伙人，站在台上对着全硅谷说的。

一、红杉说了什么

4月底，红杉资本举办了一年一度的AI峰会。三个合伙人Pat Grady、Sonya Huang和Konstantin Bühler轮番上台，抛出了一系列判断。

第一个判断：AI是一场计算革命，不是通信革命。

Pat Grady把技术革命分成两类。互联网、云计算、移动端，本质上都是"通信革命"，改变的是信息分发方式。而AI不同，它改变的是信息处理方式。

这个区别看起来像文字游戏，但实际影响是巨大的。通信革命让信息流动更快，但价值链不变。计算革命则直接重写了价值链本身——谁在处理信息，谁在创造价值，全变了。

第二个判断：长时程智能体的出现，标志着商业意义上的AGI已经降临。

红杉的定义很务实：如果你能指派一个智能体去完成一项工作，它能在遇到故障后自我修复，持续工作直到任务完成，这就是商业意义上的通用人工智能。

不需要讨论意识、不需要哲学辩论。能不能把事办成，是唯一的衡量标准。

第三个判断：从"销售软件"转向"销售工作成果"。

红杉算了一笔账：云转型前15年，软件市场规模从3500亿增长到6500亿美元。但AI触及的是10万亿美元的服务市场。仅美国法律服务就等于整个软件行业。

以前你卖工具，用户自己用。现在你直接交付结果。Copilot不是卖你编辑器，是卖你写完的代码。法律AI不是卖你数据库，是直接给你审查意见。

工具变员工了。

二、Karpathy的发现：中间层被拿掉了

在红杉峰会的炉边谈话中，Andrej Karpathy说了一句很安静但很重的话：

“我不记得上一次手动修改AI的输出，是什么时候了。”

一个写了十几年代码的人，不再需要改工具的输出了。

Karpathy用自己的项目举例。为了让用户拍下菜单就能看到菜品长什么样，他曾经写了一个完整应用：先识别文字，再调用图像模型，最后将结果重新排版展现。典型的软件工程思路——把复杂问题分解成若干步骤，逐一实现。

但后来他发现，把照片直接扔给最新的模型，附一句指令，它就能在原图上生成结果。没有中间应用，没有那一整套流程。

中间层被拿掉了。

过去，你有一个功能需求，所以你需要搭建一套实现路径。这条路径本身就是企业的护城河。用户为你的产品买单，是因为你把路径做得更流畅、更稳定、成本更低。

但当模型能力足够强大时，这条路径不再稀缺。用户要的从来不是一个做图片标注的应用，他们要的只是看到这道菜长什么样。

一旦结果能被直接生成，围绕"怎么实现"建立起来的产品，存在的理由就要被重新审视。

Karpathy最终得出一个结论：**他反而成了整个工作流的瓶颈。**瓶颈不在于怎么做，而在于弄清楚到底要做什么，以及为什么值得做。

你可以把思考过程交给AI，但你不能把理解力交给AI。

三、1.9万行代码：Vibe Coding的真相检验

红杉峰会上说的是愿景。但真实世界已经发生了更激烈的冲突。

今年1月，Node.js核心贡献者Matteo Collina在GitHub上提交了一个PR，为Node.js引入内置虚拟文件系统node:vfs。19000行代码。

他在PR描述中坦承：“我使用了大量的Claude Code token来创建这个PR，并且已经亲自审核过所有改动。”

19000行AI生成代码，要嵌入到支撑数百万台服务器的基础设施中。

两个月后，《You Don’t Know JS》作者Kyle Simpson、Zig创始人Andrew Kelley等大佬联名请愿，要求投票禁止使用大语言模型生成的代码直接重写核心模块。

一位Hacker News用户的评论一针见血：按每行代码审查2分钟计算，看完这1.9万行需要90个工作日。你动动嘴皮子5分钟生成的代码，要让社区管理员付出3个月的时间来审阅。

这就是Vibe Coding的核心矛盾：代码的产出成本无限趋近于token的价格，但审查成本依然保持线性增长。

Vibe Coding在实际工程中呈现出一个残酷的"三阶段衰退曲线"：

前期（发展期）：AI展现出惊人的爆发力，迅速生成逻辑闭环的小型功能，快速通过测试。

中期（拉扯期）：系统复杂度增加，模块耦合越发微妙。人类需要介入，排查AI生成代码中的细微逻辑错误，成本逐渐与人工编码持平。

后期（崩溃期）：长上下文累积，AI的指令遵循能力断崖式下跌，"错的地方没改对，对的地方改错了"成为常态。

Vibe Coding几乎清除了从0到0.5的门槛，但在0.5到1的路上，无数开发者陷入了"生成→混乱→重来"的死循环。

最终，Node.js的母基金会OpenJS宣布允许AI辅助开发。理由很务实：禁止AI在现实中已经根本无法执行，因为没人能证明一段代码到底是不是人写的。

这比任何技术争论都更能说明问题。

四、METR的数据：一条指数曲线

红杉引用了METR（Model Evaluation & Threat Research）的追踪数据，这条曲线可能是理解整个变革的关键。

AI能以50%成功率完成的任务时长，每4到7个月翻一倍。

2019年，1分钟级任务。
2024年，几十分钟级任务。
2026年，数小时级复杂工程任务。

按照这个趋势推算，2028年AI能可靠完成人类专家需一整天的工作，2034年能完成一整年的工作量。

但最新的一份METR和AI Futures Project的报告把翻倍周期修正为88.6天，并将"自动化编码器"的里程碑预测提前了18个月。

执行力正在以指数级速度贬值。

这不是比喻，是数据。当你意识到写代码、做表格、写报告这些"执行性认知劳动"的价格正在沿着一条指数曲线归零时，所有关于"软件时代是否结束"的讨论，突然变成了一个错误的提问。

正确的问题是：当执行力变得接近免费时，什么还值钱？

五、Demis Hassabis的四年

在红杉峰会上，DeepMind创始人Demis Hassabis给出了一个明确的时间判断：AGI将在2030年实现。

距离现在，只有四年。

如果你今天开始创业，按通常节奏需要5到8年才能成功。AGI会在这10年的中间出现。

他的建议是：**结合AI与深科技（Deep Tech）。**去做材料科学、医学，去做那些涉及真实原子世界的领域。这些方向有一个共同点：通往成功的路上没有捷径，不会被基础模型的下一次更新轻易洗牌。

纯软件层面，变化太快。今天你搭建的中间层，明天可能就被模型自身能力的提升覆盖了。

公司要找护城河，个人也一样。

六、什么没有变

说了这么多变化，说三个没有变的东西。

第一，复杂系统仍然需要人。

AI能写CRUD、能写API、能写单元测试。但系统架构、性能优化、安全防控、跨团队协调——这些本质上不是"执行"而是"判断"的工作，仍然高度依赖人类。

搜狐一篇文章说得准：一个开发团队过去花80%时间写胶水代码，现在AI快速搞定，然后精力集中在真正困难的那20%。团队产出增加了，但程序员并没有因此失业。

第二，可验证性决定了边界。

Karpathy在峰会上提出了一个核心标准：可验证性。

如果一件事的结果可以清晰地判断对错——代码能不能跑通、数据符不符合格式——那它很容易被自动化。反之，如果需要在多种可能性中做权衡，没有唯一标准，模型就很难单独完成。

但可验证的范围一直在扩大。过去写代码被认为需要创造力，不可验证。但当验证标准变成"测试能不能过"，它突然就可验证了。

设计界面看起来很主观，但如果验证标准变成"是否符合品牌视觉规范"，它也就变得可验证了。

判断一个岗位会不会被影响，不能只看职位名称，要看它的工作有多少比例可以分解成有明确验证标准的任务。

第三，理解力不可外包。

这是Karpathy在峰会上的核心观点：你可以把思考过程交给AI，但你不能把理解力交给AI。

知道问题到底出在哪，知道为什么这件事值得做，知道目标究竟该被如何定义——这些是理解力，不是执行力。

当执行力变得接近免费时，理解力的价值反而被放大了。

七、软件时代没有结束，但范式换了

回到开头的问题：软件时代结束了吗？

没有。但"手写代码=核心价值"的软件时代确实在结束。

就像汽车时代来了，马车没有消失，只是不再是主流交通方式。手写代码没有消失，只是不再是价值的主要来源。

真正变的是三件事：

红杉的MADS框架给出了创业者的生存指南：护城河要建在客户需求上而非技术上（因为技术明天可能就过时了），可供性要让产品像锤子一样无需解释（因为最好的技术是用户一看就会用的），扩散鸿沟是应用层公司的机遇（技术能力和市场落地之间的差距只会越拉越大）。

而Karpathy的判断更加个人化：AI可以做无数件事，但只有人知道哪件事值得做。

执行力在贬值。理解力在升值。

这就是2026年的现实。不是软件时代的终结，而是软件价值来源的迁移。

你问我该怎么做？

停止和AI比执行力，开始和人比理解力。

参考资料：

• 红杉AI峰会2026主旨演讲，Pat Grady / Sonya Huang / Konstantin Bühler
• 红杉资本《2026：这就是AGI》，Pat Grady & Sonya Huang
• Andrej Karpathy红杉峰会炉边谈话
• Demis Hassabis红杉峰会对话
• METR & AI Futures Project AI能力追踪报告
• Node.js node:vfs PR及社区辩论，Matteo Collina / Fedor Indutny