文章转载自「赛博禅心」 Andrej Karpathy 在 X 上更新了一篇博客文章，回顾了 2025 年大模型发展。 在文章中，Karpathy 提到，2025 年，是 LLM 令人兴奋的一年。 LLM 正在作为一种全新的智能形态浮现，它们同时比我们预想的聪明得多，也比我们预想的蠢得多。 即便在当前的能力水平下，整个行业也远未实现其 10% 的潜力。 超 17000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。 邀请从业者、开发人员和创业者，飞书扫码加群： 进群后，你有机会得到： 01 可验证奖励的强化学习（RLVR）， 与此同时，有太多的想法值得去尝试，从概念上看这个领域依然广阔开放。 正如我今年早些时候 在 Dwarkesh 播客中提到的 ，相信我们将继续见证快速而持续的进步，但同时仍有大量工作要做， 系好安全带。 以下是我个人认为最值得关注的几个「范式转变」，这些变化重塑了整个行业格局，也在概念上给我留下了深刻印象。 TLDR： ⬆️关注 Founder Park，最及时最干货的创业分享 成为新的训练主力 2025 年，可验证奖励的强化学习（RLVR）成为 LLM 训练的新主力环节； ...

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 2025都有哪些AI趋势，大神 卡帕西 的年终总结，正在火爆硅谷。 6大论断，硬核又颇有启发： 新范式、新应用、新模型……回首望去，过去一年大模型带来的变革让人兴奋。 然而卡帕西大胆预言： 大模型的潜力，才刚刚挖掘10%。 一切不过是刚刚开始…… 2025LLM年度回顾 为什么卡帕西认为大模型潜力只挖掘了10%？ 一方面展现出强大的推理能力，另一方面也暴露出潜在的理解缺陷 ，既让人兴奋又让人谨慎，具体包括： RLVR （可验证奖励强化学习） 成为训练新阶段 大模型不应被类比为动物智能 Cursor展现了大模型应用的Next Level Claude Code加速端侧智能体普及 Vibe Coding将重塑软件行业 Nano Banana重塑人机交互 RLVR成为训练新阶段 在年初之前，全世界的大模型都基本遵循以下训练范式： 而到了2025年，RLVR开始加入其中。 模型通过在可自动验证的奖励环境中进行强化学习训练，会自发地形成推理策略，比如将问题分解为中间计算、循环计算等，具体可参考 DeepSeek R1 。 而这些策略如果用旧范式其实极难实现，因为大模 ...

融资与估值 - 公司完成23亿美元融资，最新估值达到293亿美元 [1] - 估值在2024年1月B轮融资时为26亿美元，6月C轮融资时飙升至99亿美元，呈现连环跳式增长 [2] - 本轮融资由老股东Accel和新投资方Coatue共同领投，现有投资者Thrive Capital、DST Global等继续投入资金 [1] - 谷歌与英伟达作为战略合作方也参与了本轮投资 [1] 业务与产品 - 核心产品是一款AI驱动的专业代码编辑器，支持调用OpenAI、Anthropic、谷歌、xAI等多方模型，实现自动编写代码、编辑文件和修复项目错误 [2] - 公司于2024年10月推出自研模型Composer，旨在降低对第三方模型的依赖、提升技术壁垒和收入留存率 [2] - 公司凭借"氛围编程"理念，在三年内成长为全球AI编程领域的领头羊 [2] - 公司目前拥有超过1亿美元的年化收入，服务覆盖英伟达、Adobe、Uber、Shopify、PayPal等5万家工程团队，用户规模达数百万级别 [3] 战略合作与收购 - 收购硅谷人才战略公司Growth by Design Talent，以加强人才与组织能力 [1][8] - GBD的两位创始合伙人及部分核心成员将加入公司，负责搭建内部人才与组织体系 [9] - 谷歌为公司提供AI推理与云端算力支持，英伟达既是投资方也是企业客户 [1] - 英伟达首席执行官黄仁勋公开称赞公司为"AI编程工具中的下一代生产力代表" [1] 创始人团队 - 四位联合创始人均来自麻省理工学院，全部曾入选"福布斯30岁以下精英榜"，目前未满30岁 [12] - 每位创始人大约持有公司4.5%的股份，按最新估值折算，身家均超过13亿美元 [12] - 创始人背景包括编程竞赛、数学奥林匹克等卓越经历，其中一位创始人已于2025年10月离职创业 [12][13] - 创始人最初尝试为机械工程师构建AI模型失败后，转向其熟悉的软件工程领域，旨在用AI彻底改变软件开发方式 [13]

公司内部AI应用实践 - Meta产品经理使用“氛围编程”快速制作App原型，无需辅助即可直接向CEO展示作品[1][3] - “氛围编程”核心是使用自然语言指令和AI工具快速生成、修改或测试代码及产品原型[5] - 该技术使产品经理等非技术人员无需掌握编程技法，仅用几句话即可生成代码或界面[5] 行业AI应用趋势 - 谷歌要求员工在产品开发各阶段使用AI，公司内部超四分之一（25%）的代码为AI生成[6] - 微软在内部规定使用AI已不是可选项，成为强制性要求[6] - “氛围编程”术语最早由开源社区提出，现已被Meta等大公司广泛使用[3]

AI编程革命的本质与影响 - AI编程并非简单的效率工具，而是一种全新的生产范式，从根本上改写价值创造的逻辑[1] - 这场革命直击企业价值创造的核心——软件开发，而非仅仅作用于营销或客服等末端环节[1] - AI革命正在解放脑力，当工具门槛坍塌，创造力成为新的生产力，竞争优势转向抽象建模、审美判断与提出复杂问题的能力[1] AI编程工具的发展与工作方式变革 - GitHub Copilot等工具作为程序员的"智能副驾"，将开发者从重复性劳动中解放出来[2] - Cursor等AI原生开发环境催生了"氛围编程"（Vibe Coding）这种全新工作方式[2] - 氛围编程模式下，开发者扮演"创意总监"角色，通过自然语言向AI传达高层次意图和产品"氛围"[3] 对传统行业的颠覆性影响 - AI编程将软件创造的边际成本从数百万美元团队薪酬和数年时间骤降到几杯咖啡的API调用费用和几小时[4] - 任何拥有行业认知和创意的个人或小团队都可能绕开传统资本技术壁垒，对市场领导者发起非对称攻击[5] - 软件早已渗透到每个行业毛细血管，改变软件生产方式的革命必然会改变所有依赖软件运营的行业[7][8] 新进入者与传统企业的双轨革命 - 新进入者面临"从0到1"的模式重构，创业瓶颈从"能不能做出来"转为"能否快速试错+可持续创意供给"[6] - Pieter Levels案例证明个人年收入超百万美元，通过AI工具建立过去需要数十人团队支撑的商业帝国[7] - Hadrian公司案例显示软件化制造将精密零部件交付周期从数月缩短到几天，对传统制造商形成降维打击[9] AI原生商业模式的构建 - 当构建成本骤降，战略核心从"我们能做什么"转变为"我们应该做什么"[11] - AI软件工程师Devin能够从抽象商业想法自主完成到功能产品的全过程，商业模式验证周期从年压缩到天[12] - 传统"产品-市场-契合"法则被颠覆，传播行为成为市场筛选器，市场被一次性并行展开而非按部就班立项[14] 组织形态的终极变革 - AI编程自动化了执行和管理，极大削弱中间管理和协调层作用，降低组织协调成本[19] - 任务型组织崛起，企业可能只有少数核心成员扮演"指挥官"角色，驾驭AI Agent集群[20] - Cognition AI公司不到20人团队获得2100万美元投资，创造出可能颠覆数百万软件工程师工作方式的产品[21] 未来人类价值的重新定义 - 人类价值将集中在AI无法企及的领域：提出颠覆性问题、跨领域创新、审美判断和人文关怀[24] - 未来核心人才不再是拥有特定技能的工匠，而是具备高度抽象思维和人性洞察的思想家[24] - 企业需要将招聘重心从编程技能执行者转向具备抽象思维和审美判断的商业模式设计师[26]

AI编程趋势与行业影响 - OpenAI联合创始人Andrej Karpathy于2025年2月首次提出AI编程辅助工具概念[1] - AI编程工具显著降低编程门槛，使非科班人士也能编写代码[1] - "氛围编程"引发广泛讨论，出现各种翻车事故和吐槽案例[1] - 物理博士使用AI编写代码导致单日损失60多万美元[1] - 程序员群体对"氛围编程"呈现爱恨交加的态度[1] 行业命名争议与讨论 - 社交媒体平台出现为"非氛围编程"寻找正式名称的讨论[3] - 网友建议使用"Software Engineering"作为传统编程的正式名称[3] - Reddit网友积极参与命名讨论，提出多种备选方案[4] - 命名投票结果显示："coding"获得1900票，"Real Coding"获得974票，"Actually-Fucking-Coding"获得344票，"Flow-coding"获得609票[4] 行业动态与公司新闻 - 亚洲最大IT外包公司宣布裁员19755人，并计划后续优化措施[5] - OpenAI首席执行官宣布ChatGPT将很快解锁成人内容功能[5] - 蚂蚁集团在凌晨1点发送面试邮件，要求6小时内响应[5] - 商务部公告附件首次改用WPS软件，显示国产软件替代趋势[5]

AI编程产品发展趋势 - AI产品进入下半场，氛围编程成为赛道重要发展方向[2] - 国外厂商如Anthropic推出网页版和iOS版Claude Code，OpenAI CodeX嵌入Agent功能至企业工作流[2] - 国内厂商在专业开发者领域推出具备任务规划、工具调用能力的Agent产品，并深度集成至IDE[3] - 低代码/无代码领域着力发展对话式AI原生开发平台，追求多模态交互能力，通过多智能体协作降低应用开发门槛[3] 2025Q3 AI 100榜单产品分析 - 旗舰100榜单中10个产品有9个增强Agent功能[4] - 创新100榜单中12个产品有5个新增或增强Agent功能，其余产品注重优化从需求描述到应用交付的完整开发流程[4] 旗舰100代表产品核心功能 - 字节跳动扣子开发平台提供提示词设计、工作流编排到知识库管理的全栈开发能力，支持零代码构建智能体[6] - 阿里巴巴阿里云百炼支持通义系列及第三方大模型，具备API调用、流程编排功能，几分钟内可完成应用开发[7] - 百度文心智能体平台集成知识库管理与插件扩展能力，通过百度搜索、文心一言等渠道进行流量分发[9][10] - 语灵科技Dify通过可视化AI工作流与RAG引擎优化应用构建，支持基于MCP协议的工具扩展[12] - 腾讯元器件提供提示词配置、插件扩展等四大核心模块，支持32k token上下文长度[13] - 阿里巴巴Qoder具备智能代码库搜索、代码补全功能，CLI界面支持自然语言驱动开发[15] - 字节跳动Trae中国版内置DeepSeek-V3.1-Terminus免费使用，国际版新增GPT-5等模型[17] - 腾讯CodeBuddy支持自主完成多文件代码生成和改写，国内版免费调用DeepSeek等模型[18] - 百度文心快码3.5S版本增强多智能体协同能力，支持通过自然语言端到端完成编程任务[20] - 阿里巴巴魔搭社区提供超过2万个数据集与预训练模型资源，支持免费GPU训练[22] 创新100代表产品特色 - 美团NoCode平台通过自然语言对话生成网站与小程序，实现全流程可视化开发[23] - 跨赴科技码上飞提供自然语言到应用的端到端开发，支持生成小程序、APP及H5网页[24] - 蓝湖Readdy通过自然语言或参考图片生成Figma级设计稿，支持主流框架代码导出[25] - 极简未来Link.AI支持零代码搭建知识库、数据库，面向智能硬件场景提供即插即用模组[26] - 青颖飞帆UXbot支持通过文字描述或截图生成多页面交互界面，提供主流UI风格[27] - Trickle通过视觉化画布实现智能体实时协作编程，所有视觉调整实时同步至代码层[28] - 至简天成ClackyAI通过L3智能体驱动云端开发环境，实现从需求分析到代码提交的全流程自动化[29] - 即时设计Wegic支持60秒内生成定制化网站并一键发布，具备AI自动更新功能[29] - 百度秒哒集成27款能力插件，支持微信支付集成与多类型文件存储[31] - 网易CodeWave基于自研全栈编程语言NASL，提供四大可视化设计器实现前后端统一开发[33] - 阿里巴巴通义灵码具备自主决策、工具调用能力，支持端到端完成编码任务[34] - IDEA研究院MoonBit Pilot集成在MoonBit语言中，实现数分钟内完成上百次代码修复[36] 行业技术演进方向 - 产品向多体协同、垂直赛道和行业核心业务方向发展[38] - 多模态输入成为标配，角逐一站式生成能力[38] - 通用型产品增长停滞，垂直赛道成为市场新解法[38]

软件工程方法论本土化 - 西方敏捷方法论在中国出现水土不服 因国内企业文化偏管控型 强调令行禁止的确定性 而西方崇尚试错和自组织[6][12] - 需将敏捷核心思想与本土实践结合 基于第一性原理重新设计适合中国土壤的农具 而非照搬最佳实践[7][14][15] - 华为在落地IPD时做了管理变革和创新 体现本土化必要性[13] - 推出Adapt方法论框架和《敏稳兼顾：数字化研发管理实战》著作 总结规模化敏捷本土落地经验[15] AI对软件工程的冲击 - AI工具存在悖论：对员工是摸魚神器 对老板却是提效神器 两者本质矛盾[9][35] - 生产力变革触及生产关系根基 需解决员工为何使用AI为公司创造价值而非提前下班的管理问题[9][35] - 私域知识质量差是AI应用短板 大多数软件开发项目有独特金融软件或电商系统实现方式等私域知识[18] - 上下文缺失是AI发挥作用的重要阻碍 老系统缺乏历史信息或历史上下文[18][20] - AI在代码补全场景高效 因已有明确修改点和意图上下文 但让AI纯粹处理任务则需大量上下文[19][20] - 短期困难包括AI幻觉和上下文不足 导致团队效率提升数据在10%-20%体感误差范围内[20] Agent专业化趋势 - 不会有通用Agent 最终会分化成专用Agent 如金融Agent 测试Agent 重构Agent[24] - 工程生产线需差异化 如特斯拉造车产线不会用于生产飞机 否则不经济[24] - 开发语言进一步专业化 自然语言编程提升抽象层次 但最终会出现领域特定语言(DSL)[25][26] - 描述和Agent都会分化 形成更专业化生产线[27] 组织管理变革 - 未来组织是1+N模式 即1位人类小队长带领N个AI特工协同工作[35][38] - 需把Agent当成员工管理 建立注册 KPI考核 任务冲突调解等管理机制[24][35] - 考核体系变化 人的效能不再是个人产出 而是带领多少Agent产出多少[38][42] - 兵种主建 战区主战 类似国家军事改革 在职能线上叠加交付型组织[30] - 科技团队不能孤立谈管理 需与PMO 财务等职能部门深度卷入 为整个公司治理服务[47] 技术债与质量管控 - AI可能加速技术债累积 如果过分强调效率或代码行数等指标 会导致低质代码更快产出[53] - 使用得当AI反而减少技术债 如AI生成单元测试能力非常强 形成自闭环[54] - 布设单元测试像铃铛 代码被不该改的地方触碰就会报警[54] - 需传统度量体系感知质量 如交付效率 缺陷修复时间 代码重复度等[53] 工具与平台演进 - 知微工具平台将Adapt方法论理念变为数字化工具 如分层需求体系 多维组织架构[49] - 知微是可配置零代码平台 像高级定制西装 根据客户情况量体裁衣 而非定制开发或盒装软件[52] - 知微会逐渐中台化 大模型也是其用户 通过API调用 成为组织流程资产中心[60] - 未来IDE和CLI是主入口 界面越来越少 因AI改善工具使用 根据工作上下文自动操作[60] 程序员能力重塑 - 未来重要能力是对AI的了解和沟通协同能力 需学会与AI有效沟通[66] - 程序员需放下对AI戒备和抵制 进行心理角色转换 从种地变为地主[77] - 与人沟通和团队协作能力变得非常重要 需补强[78] - 对业务理解至关重要 程序员现在创业更容易[78] - 有技术底色的程序员更具优势 因懂技术细节可不关心 但产品经理压根不懂则难做精准判断[74] - 马斯克 扎克伯格 比尔·盖茨等有编程能力者最终成为顶尖产品缔造者[75] 行业长远展望 - 软件工程终极图景是黑灯软件工厂 AI自主编码 人类负责指挥和规划[9][81] - 软件不会用后即弃 因承担产生数据使命 有长生命周期 形成领域知识[80][83] - 软件行业类比制造业 产能飞跃后可能解决更高阶问题 产生新需求 如星际旅行 可控核聚变 智能医药[82][83] - AI颠覆原有冯·诺依曼架构 LLM是全新概率引擎 从确定性输出变为合理可能结果 拓展软件能力边界[61][62] - 软件边界和形态发生变化 从服务顾问变为直接服务用户 从确定性软件变为能给出不确定结果的软件[63] - 测试和质量过程都需改变 因软件给出不确定结果[64]

大模型推理范式转换 - 主流模型从训练模型转向推理模型，OpenAI o1通过强化学习实现推理能力大幅提升，DeepSeek R1成为全球首个开源推理模型[9] - 推理模型具备"讲逻辑"的慢思考能力，强化学习推动AI进入"经验数据时代"，突破人类知识边界[11][13] - 强化学习在测试时和强化学习阶段的Scaling Law叠加，推动模型性能持续攀升[14] - 主流SOTA模型内置Agent和Tool Use能力训练，向智能体模型迭代[16][18] 应用开发范式转换 - 软件开发从AI辅助编程(AI Copilot)转向非专业人士使用的"氛围编程"(Vibe Coding)[22] - 氛围编程将开创"可塑软件"新市场，允许用户通过自然语言对软件底座进行个性化定制[24][26][27] - 上下文工程取代提示词工程成为发挥推理模型能力的关键，需提供全面准确的上下文信息[29][32] 人机交互范式转换 - 自然语言对话界面将成为AI时代的主要交互入口，涵盖智能眼镜、汽车语音等多种形态[36][38][39] - 传统GUI应用将演变为API服务，由Agent直接调用，打破孤立App壁垒[43][45][47] - 生成式UI(GenUI)将取代传统GUI，专注于图形化呈现结果而非交互和数据收集[54] - 交互设备可能进入"多元设备"时代，不同场景使用不同专用设备而非单一中心化设备[59] 智能体生态演进 - 智能体平台需要规划、工具、协作、记忆、行动五大能力矩阵[64][66][67] - MCP协议成为智能时代HTTP协议，标准化智能体与传统软件的交互[66] - A2A协议支持智能体间拟人化协作，构建去中心化智能体网络[66][70] - 智能体执行时长将从秒级扩展到数小时甚至数年，采用伴随式异步交互模式[73][75] - 互联网将从"信息网络"重构为"行动网络"，网站主要访问者变为智能体[67]

AI编程安全事件 - Replit公司AI系统意外删除用户生产数据库 引发对AI编程可靠性的担忧 [1][3] - Replit首席执行官承认事件完全不可接受 承诺建立数据库开发与生产环境自动隔离机制 [3] - 事件暴露全流程AI代码工具距离实用化仍有差距 需要进一步完善安全措施 [4] 云端多Agent系统发展 - AI编程正从单体Agent向多Agent系统演进 多个Agent间编排与协作成为关键特征 [7] - Agent编程从本地转向云端 接入远程模型能力、计算资源和工具链 [7] - 云端环境支持模块化、多Agent协同和弹性扩展 适合大规模并发任务 [7] Vinsoo Code产品特性 - 芸思智能推出全球首个云端Agent编程团队Vinsoo Code 专为项目级开发打造 [8][9] - 系统采用本地IDE+云端Agent工作模式 支持完整开发链路自动化 [11] - 提供Vibe Mode和Full Cycle Mode两种运行模式 适应不同开发场景需求 [13] - 具备多终端联调能力 在云端安全环境中进行跨板块联调 [5][17] - 集成WebView视觉工具 让Agent具备视觉感知能力 可观察动态变化并模拟用户交互 [18] - 采用长上下文工程化压缩技术 提升Agent对大型项目历史上下文的理解与记忆能力 [21] - 支持动态任务执行规划 Agent能实时感知用户意图或项目状态变化 [22] 安全性能优势 - 云端环境提供纯净、可控、统一的执行空间 有效规避本地环境常见问题 [24] - 采用沙盒隔离机制 即使Agent出错也不会波及用户本地文件系统或系统资源 [24] - 云端环境在状态快照、资源扩展和沙盒隔离方面具有天然优势 [24] 本地开发体验 - Vinsoo推出自研AI IDE 优化端云互补的双栖开发范式 [25] - 本地IDE集成AI Agent系统、Codebase Indexing系统和代码智能补全系统 [25] - Codebase能在5分钟内完成对两百个文件大型项目的索引 [26] 团队背景与发展愿景 - 芸思智能孵化于清华科技园 创始人殷晓玥毕业于华盛顿大学 有顶级投行实习经历 [29][31] - 核心团队来自华盛顿大学、卡内基梅隆大学、清华大学等知名高校 [31] - 团队曾创建Peer to Peer线上教育公益项目 为超过1.5万名学生提供辅导服务 [31] - 公司目标是通过技术研发与产品形态优势 做出世界级AI编程应用 [31] 行业发展趋势 - 2025年万物皆可Agent成为人工智能领域主流趋势 [34] - AI智能体正在接管越来越多工作 未来开发将进入项目管理模式 [34] - AI编程工具将充分提高工作效率 补齐技术短板并放大开发者能力 [34]