AI核心趋势判断｜特斯拉AI前总监Andrej

▪️软件行业变革：从1.0到3.0 > 软件 1.0：编程计算机的计算机代码 > 软件 2.0：编程神经网络的权重 > 软件 3.0: 自然语言驱动的大语言模型编程 软件1.0：以人类编写的显式代码（如Python、C++）为核心，开发依赖算法思维与语言语法，运行于CPU，典型代表是GitHub上的传统代码仓库。 软件2.0：核心产物是神经网络权重，通过策划数据集、训练模型生成，需数据科学与机器学习技能，依赖GPU/TPU，代表平台是Hugging Face，典型案例是特斯拉Autopilot的BEV Net神经网络，取代传统百万行代码处理驾驶边缘场景。 软件3.0：以自然语言提示词为核心，基于预训练LLM实现任务，只需提示工程与领域知识，运行于LLM服务/设备端，核心特点是“用英语编程”，大幅降低开发门槛。 ▪️LLM 的三重身份或类比 > 公共事业（Utility） > 晶圆厂（Fab） > 操作系统（OS） 公共事业（Utility）：类比电力，训练LLM的千亿级成本（如xAI的10万H100集群）是“发电厂”级CAPEX（资本支出），提供推理服务按token计费（如OpenAI的$0.06/1K tokens）是OPEX（运营支出）。OpenRouter作为“电力转换开关”，支持多模型无缝切换，应对“智能断电”。 晶圆厂（Fab）：LLM训练的技术密集度堪比半导体制造，谷歌自研TPU类似Intel模式（有自己的晶圆厂），Anthropic（依赖NVIDIA GPU）类似无厂设计。xAI在孟菲斯的“巨像”集群（Grok训练平台），不仅是技术竞赛，更折射出AI算力的地缘政治属性。 操作系统（OS）：LLM呈现“内核（系统提示）-用户空间（用户提示）-外围设备（工具调用）”的OS架构。当前处于“大型机分时共享”阶段，未来将向“个人计算v2”演进——苹果M4芯片支持本地运行千亿参数模型（如Llama 4），类比从大型机到PC的范式迁移。LLM 是一种新型计算机，它就像是 CPU 的等价物。上下文窗口就像是内存。而 LLM 则利用所有这些能力，来协调内存和计算，以解决问题。