OpenAI 共同創設者 Karpathy インタビュー：LLM は新しいタイプのコンピュータであり、すべてを「リライト」する必要があります

Original Video Title: Andrej Karpathy: From Vibe Coding to Agentic Engineering

Original Video Source: Sequoia Capital
Original Text Translation: Bao Yilong, Wall Street News

OpenAI co-founder Andrej Karpathy pointed out in a recent interview that large language models are reshaping computing architecture as a "new type of computer."

On April 29, Andrej Karpathy, who has led Tesla's Autopilot development and played a key role at OpenAI, delved deep into the current AI agent technology transition and its profound impact on the software and hardware ecosystem at an event hosted by AI Sent.

Karpathy stated that since December last year, he has realized that an agent-centric workflow has truly become viable, marking the substantive arrival of the Software 3.0 era.

He said: Many people's impressions of AI were still stuck at ChatGPT last year, but you have to reassess, especially starting from December—things have fundamentally changed.

He also introduced the new concept of "agentic engineering" to differentiate from what he named "vibe coding" last year, with the former referring to the continuation and acceleration of quality standards in professional software development.

He bluntly stated that a large amount of existing code and applications "should not exist" in the new paradigm, and the current multi-organizational recruitment processes, development tools, and infrastructure are still designed for humans rather than agents.

The Dawn of Software 3.0: Power Shift in Fundamental Computing Architecture

The tech industry is at a crossroads from a quantitative to a qualitative transformation.

December last year was a key turning point, as Karpathy confessed that faced with the latest AI models, he was profoundly shocked:

The system-generated code snippets are becoming more and more perfect, and I can't even remember the last time I modified it. I'm just starting to trust this system more and more... (This) makes me feel like I've never been so behind as a programmer.

この衝撃は、計算のパラダイムを徹底的に覆すものです。Karpathyによれば、市場は現在、この変化の深さを過小評価しています。

彼は、「ソフトウェア1.0（コードの記述）」および「ソフトウェア2.0（データセットを整理し、ニューラルネットワークをトレーニングする）」という時代を見送り、「ソフトウェア3.0」の時代に正式に入ったと指摘しています。

この新時代では、大規模言語モデル自体が「新しいコンピューター」となります。

彼は述べています：あなたのプログラミングは今、ヒントワードを書くことになり、コンテキストウィンドウ内の内容は、大規模言語モデルのインタープリタとして機能するレバレッジであり、それをデジタル情報空間で計算実行させるものです。

市場のさらなる注目を集めるのは、彼が将来のハードウェアアーキテクチャの進化に対する大胆な予測です。

現在、ニューラルネットワークはまだ既存のコンピュータ上で仮想化されて実行されていますが、彼は将来、このようなホストゲスト関係が逆転すると考えています：ニューラルネットワークがメインプロセスとなり、CPUはある種のコプロセッサになると想像できます。ニューラルネットワークがほとんどの重い作業を担当します。

これは、市場全体の資本支出を主導する「インテリジェントな計算力」が、将来さらに強固な地位を築くことを意味します。

次世代インフラ：「エージェントネイティブ」エコシステムの再構築

実行とコーディングが機械に引き継がれるとき、人間の中核的価値と将来のインフラの形がどのように変化するのでしょうか？

Karpathyは率直に言います：すべてをやり直さなければなりません。

現在のインターネットのさまざまなフレームワークやライブラリのドキュメントはまだ「人間向けに書かれている」ため、彼は非常にイライラしています。

Karpathyは不満を述べます：なぜ私に何をすべきか教えてくれる必要があるのですか？私は何もしたくありません。AIエージェントにどんなテキストをコピー＆ペーストすべきかを教えてください。

将来の市場の大きな機会は、「エージェント優先」のインフラを構築することにあります。

この世界では、システムは「センサー」（世界を感知する）と「アクチュエーター」（世界を変革する）に分解され、データ構造は大規模言語モデルが高度に読み取れるように設計され、機械エージェントが個人や組織をクラウド上で代表します。

このように高度に自動化された未来では、人間の中核的な希少性は美学、判断力、および最も深いビジネス理解に戻るでしょう。

Karpathy は、以下の言葉を引用し、自分が繰り返し考える内容を要約しました：あなたは自分の考えを外注できますが、理解を外注することはできません。

エージェントエンジニアリング：「10 倍エンジニア」を遥かに超える生産性の爆発

市場が最も関心を持つ生産性の向上の観点で、Karpathy は2つの中心的な概念を区別しました：「Vibe coding（雰囲気プログラミング）」と「Agentic engineering（エージェント工学）」。

彼は、「Vibe coding」がすべての人がソフトウェア開発を行う基準を引き上げ、一方で「Agentic engineering」は専門のソフトウェア品質の限界を維持することを目指していると指摘しています。

「Agentic engineering」はスピードだけでなく、開発者に、「いくつかミスを犯しやすく、ランダム性を持ちながらも非常に強力な」AI エージェントと協調し、品質を犠牲にすることなく全速前進することを要求しています。

これにより、企業のアウトプットの想像空間が大幅に拡大します。

Karpathy は、「人々が以前によく「10 倍エンジニア」について話していましたが、10 倍はあなたが得た加速を表現するには足りません。私にとって、この分野で優れた成績を収める人々は、そのアウトプットのピークがはるかに10倍を超えています。

このような生産性爆発に直面するにあたり、企業の組織構造と人材選定ロジックを再構築する必要があります。

彼は、企業が従来のアルゴリズム問題解決の面接を捨て、代わりに候補者が複数のAIエージェントを活用して大規模プロジェクトを共同で構築し、他のAIエージェントの攻撃に耐える方法を検討すべきだと提案しています。

AI ビジネス展開の重要ポイント

現在、AI アプリケーションを実践する場面を急いで探している起業家や投資家にとって、Karpathy は非常に実用的な評価フレームワークを提供しています：検証可能性。

現在、AIの能力は非常に奇妙な「ジグザグ」を示しています。

彼は次のように例示しています：最先端のモデルは今日、同時に10万行のコードベースを再構築したり、ゼロデイの脆弱性を見つけたりすることができますが、私には車を洗車店で50メートル歩いて洗車に行くように言うことしかできません。これは狂っています。

この切れ目が生じる原因は、先端の研究所（OpenAIなど）が膨大な強化学習リソースを「数学」や「コード」など検証しやすい結果の領域に費やしているためです。

したがって、AI は、検証可能な結果のビジネスシナリオにいる限り、非常に強力な力を発揮できます。

Karpathy は、まだ大手研究所の焦点が当てられていない多くの高付加価値な検証可能な強化学習環境が存在することをほのめかし、これがスタートアップがファインチューニングとビジネス展開を行う巨大なフロンティアであると述べています。

元のビデオリンク

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia