Andrej Karpathy 最近发了一条长推，聊了一个他很感兴趣的话题：高度定制化软件的时代要来了，它会长什么样？

邓金辉

Andrej Karpathy 最近发了一条长推，聊了一个他很感兴趣的话题：高度定制化软件的时代要来了，它会长什么样？

这条推文引发了大量讨论，评论区里也冒出了不少有价值的观点碰撞。把这些内容放在一起看，能拼出一幅关于软件未来的完整图景。

一、一个跑步实验引发的思考

事情的起因很日常。Karpathy 最近有氧运动做得不太规律，于是决定认真搞一个为期八周的实验，目标是把静息心率从 50 降到 45。方法也很明确：每周保证一定时长的 Zone 2 有氧训练，外加一次高强度间歇。

为了追踪这个实验的进度，他花了一个小时，用 AI 编程（也就是现在大家说的 vibe coding）做了一个完全定制的仪表盘。Claude 帮他逆向工程了 Woodway 跑步机的云端 API，把原始数据拉下来，做了处理、过滤、调试，最后生成了一个网页前端来展示实验进度。

过程并不完全顺畅。AI 搞混了公制和英制单位，日历上的日期和星期也对不上，他得自己发现这些 bug 然后让 AI 修。但即便如此，一个小时就搞定了。他说，同样的事情两年前大概要花十个小时。

二、App Store 的概念正在过时

Karpathy 从这个小项目里提炼出了一个很大胆的判断：应用商店这种模式，正在变得越来越过时。

他的逻辑是这样的。他做的这个心率实验追踪器，总共也就三百行代码。这种东西永远不会、也不应该作为一个独立的 App 出现在应用商店里。你不应该需要去搜索、下载、学习使用一个叫「有氧实验追踪器」的应用，因为 AI 可以在几秒钟内根据你的具体需求现场生成一个。

想想我们现在用手机的方式：打开应用商店，在一堆预制好的 App 里挑一个最接近自己需求的，然后忍受它 80% 你用不到的功能和 20% 你想要但它没有的功能。这种「从一个固定的集合里选择」的模式，在 AI 能够即兴创造软件的时代，确实显得有些笨拙了。

这个观点放到日常生活里想一想就很有感触。我们每个人的需求其实都是高度个性化的，但现有的软件生态强迫我们去适应标准化的产品。就像买衣服，以前只能从商场货架上挑成衣，将来可能每个人都能拥有量身定制的软件，而且成本几乎为零。

三、整个行业需要为 AI 重新配置

Karpathy 提出的第二个核心观点更加深远：整个行业需要把自己重新配置成一套「传感器加执行器」的服务体系，而且必须具备对 AI 友好的接口。

他用自己的跑步机举例。Woodway 跑步机本质上是一个传感器，它把物理状态（你跑了多远、心率多少）转化成数字信息。但问题是，这台跑步机维护着一个给人看的前端界面，Karpathy 的 AI 助手不得不去逆向工程它的 API 才能拿到数据。他觉得这完全搞反了。跑步机应该直接提供一个 API 或者命令行接口，让 AI 可以轻松调用。

他对行业现状的进展速度表示了明确的失望。他说，99% 的产品和服务到现在还没有提供 AI 原生的命令行接口。99% 的产品还在维护那种 HTML 和 CSS 写的文档页面，好像用户不会直接把整个页面复制粘贴给 AI 来帮自己搞定一样。它们给你一个网页，上面写着「打开这个链接，点击这里，再点击那里」。都 2026 年了，我是电脑吗？你来做，或者让我的 AI 来做。

这段话说得很直白，但确实点到了一个关键问题。现在绝大多数产品的设计思路还是「给人用的」，默认用户会亲自去点击、浏览、操作。但如果未来每个人都有一个 AI 助手在替自己跑腿，那些没有为 AI 提供接口的产品就会被绕过去。这对做产品的人来说是一个很重要的信号：你的下一个用户，可能不是人，是 AI。

四、从一小时到一分钟，中间差了什么

Karpathy 说，他对这个项目花了一小时感到印象深刻，但真正让他兴奋的是另一个问题：这件事本来应该只需要一分钟。

他设想的理想场景是这样的：你只需要说一句「帮我追踪接下来八周的有氧训练」，经过一轮简短的问答确认需求，应用就上线了。AI 已经掌握了你的大量个人背景信息，它会自动去获取需要的数据，参考相关的技能库，然后帮你维护所有这些小应用和自动化流程。

从一小时到一分钟，中间差的是什么？Karpathy 认为至少需要三样东西：第一，AI 要有足够丰富的个人上下文，了解你是谁、你在做什么、你关心什么。第二，各种硬件和服务要提供 AI 友好的接口，不需要逆向工程就能拿到数据。第三，要有一个技能库的生态系统，AI 可以去搜索和引用别人已经做过的类似方案，而不是每次都从零开始。

这三个条件目前一个都没完全到位，所以他说，未来的方向很清楚，但还没到。

五、反对的声音：你奶奶想自己做 App 吗？

评论区里最火的一条回复来自 LaurieWired，她直接怼了回去：拜托，你觉得你奶奶想自己做一个 App 吗？更别说维护它了。

她的核心论点是，每个人都忽略了一件事：光是去想清楚你到底想要什么，就需要消耗大量的心智能量。App 存在的整个前提，就是建立在一种信任之上，信任设计师和千万用户的集体反馈能帮你想好你需要什么。大多数人根本不想思考这些，他们只想打开一个东西就能用。

这个批评其实很有力。Karpathy 描述的场景，隐含的前提是用户知道自己想要什么，并且能够用语言清晰地表达出来。但现实中，很多人连自己的需求都说不清楚。好的产品设计师之所以有价值，恰恰是因为他们能替用户想到用户自己想不到的东西。

六、Karpathy 的回应：奶奶不需要知道 App 的存在

面对这个质疑，Karpathy 的回复很简洁：奶奶当然不应该需要知道什么是 App，也不需要知道有 App 这回事。她的 AI 助手应该替她处理这一切。

这个回应其实把讨论推进了一步。他的意思是，定制化软件的未来，并不意味着每个人都要学会编程或者学会跟 AI 对话来生成代码。对于技术能力强的人，你可以像 Karpathy 这样自己 vibe code 一个仪表盘。但对于普通人，AI 助手会在后台默默完成这些事情，用户甚至不需要知道背后发生了什么。

这就像你不需要知道汽车发动机怎么工作才能开车一样。未来的 AI 助手会把「生成定制软件」这件事变成一个完全透明的过程，用户感知到的只是「我的问题被解决了」。

七、未来软件的终极形态：传感器加执行器加 AI 胶水

Karpathy 在推文最后给出了他对未来的总结：应用商店这种从一组固定的离散应用中选择的模式，本身就是一个越来越过时的概念。未来是 AI 原生的传感器和执行器服务，通过大语言模型作为胶水，编排成高度定制化的、临时性的应用。只是这个未来还没到。

这段话里有几个关键词值得拆开看。

「传感器和执行器」，就是说未来的产品和服务会分成两类：一类负责把现实世界的信息数字化（比如跑步机记录你的运动数据），另一类负责在现实世界中执行操作（比如智能家居控制灯光）。它们不需要漂亮的界面，只需要提供干净的 API。

「大语言模型作为胶水」，就是 AI 负责把这些传感器和执行器串联起来，根据你的具体需求组装成一个完整的解决方案。

「临时性的应用」，这个词很有意思。它意味着未来的很多软件可能是用完即弃的。你为一个八周的跑步实验生成一个追踪器，实验结束了，这个软件也就完成了它的使命。不需要更新，不需要维护，不需要占据你手机上的一个图标位置。

八、评论区的延伸：已经有人在做这件事了

评论区里，知名开发者 swyx 推荐了一个叫 Dreamer 的产品，说它是他见过的最接近「AI 原生个人软件应用商店」的东西。Karpathy 回复说他同意，这个产品的技术设计和底层架构都经过了深思熟虑，而且他暗示自己跟这个项目有关联。

另一个开发者推荐了 NanoClaw，一个开源的轻量级替代方案。它的核心代码大约三万六千个 token，处理容器隔离、消息队列这些底层管道工作。有意思的是，它的功能扩展方式不是往代码库里加新代码，而是以「技能」的形式贡献，教 AI 如何修改代码来实现新功能。Karpathy 说他很喜欢这种「配置 vs 技能」的设计哲学，觉得很新颖。

这些讨论说明，Karpathy 描述的那个未来虽然还没完全到来，但已经有人在各个方向上探索了。从个人软件平台到开源 Agent 框架，拼图正在一块一块地填上。

九、对普通人来说，这意味着什么

把 Karpathy 这条推文和评论区的讨论放在一起看，有几个趋势已经很清晰了。

第一，软件的颗粒度会越来越细。以前一个 App 试图满足一百万人的需求，未来可能每个人都有一百个只为自己服务的小工具。这些工具可能只存在几天、几周，用完就消失。

第二，「会表达需求」会变成一种越来越重要的能力。AI 能帮你做很多事，但前提是你得告诉它你想要什么。那些能把自己的需求想清楚、说明白的人，会从 AI 工具中获得远超平均水平的价值。

第三，产品和服务的竞争维度会发生变化。以前拼的是界面好不好看、功能全不全、用户体验顺不顺畅。未来可能更多地拼的是：你的 API 好不好用？AI 能不能轻松调用你的服务？如果不能，用户的 AI 助手会直接绕过你，去找能被调用的替代品。

Karpathy 在推文里说，这个未来的方向很清楚，只是还没到。但从一小时缩短到一分钟的过程，可能比大多数人预期的要快得多。毕竟两年前同样的事情还要十个小时，现在已经是一个小时了。按照这个加速度，那个「说一句话就能生成定制应用」的世界，也许并不遥远。