前特斯拉 AI 总监：AI 编程最大的谎言，是 “提效”|ai编程|正式版模型|特斯拉(公司)|知名企业|程序员|算法|编程语言|编辑器

大家好，我是程序员鱼皮。

前两天，前特斯拉 AI 总监 Andrej Karpathy 在 X 上发了一条长帖子，内容是他最近几周大量使用 Claude 编程的感悟。

结果这条帖子直接爆了，阅读量超过 600 万。

先简单介绍一下『卡帕西』这位大佬：斯坦福 AI 博士，师从李飞飞；OpenAI 创始成员之一；后来去特斯拉当了 AI 总监，负责自动驾驶的视觉系统。2024 年离开特斯拉后，他创办了 Eureka Labs，专注用 AI 做教育。

不夸张地说，他可能是全球最懂 AI、又最能写代码的人之一。

在 2023 年 1 月的时候，他就提出过：未来最热门的新编程语言是自然语言。

你现在回过头来看这句话，就知道这哥们有多牛皮了。

所以我每次看他分享的内容时，都会先沐浴更衣，让自己能够进入深度思考状态。

进入正题，这条帖子里有很多干货，但让我印象最深的是这句话：

我不太清楚如何衡量 AI 带来的加速。我感觉做事确实快了，但主要的效果是我做的比原计划多得多。

卡帕西说，现在他可以随手写一些以前 “不值得写” 的小工具，也敢去碰以前因为技术栈不熟而不敢碰的代码了。

所以 AI 编程带来的核心变化不是加速，而是扩展。

我觉得这个观察太准了！

之前很多人问我：AI 编程能提效多少倍？

其实这个问题本身就问错了。AI 带来的真正变化不是 “同一件事做得更快”，而是 “你开始做以前根本不会做的事”。

这就像你以前骑自行车，现在换了辆车。你不会说自己骑车快了 10 倍，而是会说自己能去更远的地方了。

人比不过 AI 的一点

帖子里还有几个点挺有意思的，跟大家分享一下。

卡帕西说，看 AI 在一个 Bug 上死磕 30 分钟，不放弃、不气馁，最后真的搞定了 —— 这是他感受 AGI 的时刻。

我看到这段就想起自己大学刚学编程时改 Bug 的经历。已经是凌晨一两点，试了好几种方法都没用，我的心态已经崩了，甚至有点儿心绞痛，于是想着明天再说吧，狗命要紧……

但 AI 不会这样，只要你的 Tokens 足够，它会一直跟 Bug 死磕。

耐力这件事，正在从人类的瓶颈变成 AI 的优势。

当然，代价就是烧 Token。所以程序员的基本功还是很重要的，至少你得能判断这个 Bug 值不值得让 AI 花半小时去磕，怎么通过指引 AI 让它更快更省地解决问题。

编程变得更有趣了？

卡帕西说：用 AI 编程之后，那些填空式的苦差事没了，剩下的都是创造性的部分。所以反而觉得更好玩了。

但他也提到，有些程序员会觉得失去了乐趣。因为对他们来说，写代码本身就是快感来源。

这可能是一个分水岭：主要享受 “写代码” 的人，和主要享受 “造东西” 的人，体验会很不一样。

我看到一位 AI 圈的大 V 把这点称为 “程序员正在分裂成两个物种”。不过我倒觉得，这两类人其实一直都存在。有的人享受代码本身的优雅，追求技术的深度和细节，写出漂亮的代码会有成就感；有的人更在乎东西能不能跑起来、能不能解决问题，代码只是实现想法的工具。AI 只是把这个差异放大了而已 —— 前者可能会有点失落，后者则迎来了黄金时代。

我正在失去写代码的能力，但是…

卡帕西说：自己手动写代码的能力正在慢慢退化。

但是从他的话中能感受到，他对此的态度是 “已经不太在乎了”。

他给了一个有意思的视角，写代码（生成）和读代码（判别）是大脑里不同的能力。就像你可能写不出一首好诗，但能看出一首诗写得好不好。

编程也是一样。其实想想看，以前没有 AI 的时候，那些语法细节、API 用法，我们不也是靠查文档、利用编辑器的提示吗？真正需要记在脑子里的从来就不多。现在 AI 把这部分接管了，但代码的设计思路对不对、架构合不合理，还是得靠你自己判断。

所以未来程序员的角色，可能更像是 “技术导演” 而不是 “码农”。你负责把控方向、做出决策，AI 负责执行细节、填补空白。

2026 年垃圾内容会爆发，但是…

卡帕西还提到了一个词：Slopacolypse

我搜了一下，发现这其实是最近 AI 圈流行起来的一个 “slop 系列” 造词。Slop 指的是那些用 AI 批量生成的低质量内容，Slopacolypse 就是 Slop + Apocalypse，我理解是 “垃圾内容末日” 的意思。

他预测 2026 年，GitHub、各种社交媒体都会被 AI 生成的低质量内容淹没。当生产内容的门槛大幅降低，注意力反而会变得更稀缺。

但他也说，真正的改进也在同步发生。AI 的智能部分已经跑在前面了，现在反而是工具、流程、组织这些东西还没跟上。2026 年，整个行业会花大量精力去消化这波新能力。

说到这里，我想起自己身边的情况。AI 领域几乎每天都有新工具、新模型、新玩法冒出来，但真正意识到这些变化、真正去用这些新东西的人，又有多少呢？