The former director of AI at Tesla stood up at Y Combinator's AI Startup School in June 2025 and said something that made half the room of young developers realize they had been preparing for the wrong future.
Software 3.0 时代，开发者的真正竞争力在哪里？
Karpathy 在 YC 演讲中提出「英语成了编程语言」框架，68K+ 浏览；a16z 合伙人 Andrew Chen 用 15 年留存数据总结九条铁律，176K+ 浏览、2070 书签。两篇文章指向同一问题：当 AI 接管执行层，真正不可复制的能力是什么？
今日精选 · 2025/05/22 | Software 3.0 时代，开发者的真正竞争力在哪里？
本期收录两篇 Twitter 上近期最受 AI 从业者关注的长文：一篇是 Andrej Karpathy 在 YC AI Startup School 演讲框架的深度整理，另一篇是 a16z 合伙人 Andrew Chen 写了十五年的留存率观察。两篇性质不同，但核心问题指向同一个方向——在 AI 工具接管大量执行工作之后，什么能力才是真正的护城河？
Karpathy：英语成了编程语言，瓶颈从未改变
Cargando tarjeta de contenido…
Karpathy 把软件开发史归纳为三个叠加的时代1：
- Software 1.0：人写显式指令，计算机执行。七十年间唯一的编程范式。
- Software 2.0：用数据和神经网络替代手写规则——他在特斯拉亲眼看着工程师一周一周地把手工视觉识别逻辑删掉，换成训练出来的权重。
- Software 3.0：提示词即源代码。你不再需要 Python，写清楚你想要什么，大语言模型执行意图。
他在 YC 演讲时说得很直接：「最热门的新编程语言是英语。」不是比喻，是字面意义。
这三个时代不是替代关系，而是叠加。Software 3.0 正在同时消化 1.0 和 2.0——原本需要工程师团队才能实现的规则系统，现在一个提示词加一次模型调用就可以完成；原本需要百万标注样本才能训练的窄模型，被已经见过大半个互联网的大模型直接替代。
但他同时点出了 LLM 的具体弱点：「锯齿状智能」（jagged intelligence）——能做一些惊人困难的事，也会在简单问题上犯低级错误；「前向失忆症」——无法像真实同事一样形成长期记忆。它们会幻觉，会混乱，需要监督。
所以开发者的工作没有消失，只是形状变了。Software 3.0 时代最好的开发者，不是写代码最多的人，而是能做系统设计、写准确提示词、搭验证层、像指挥家调度多个 AI Agent 的人。
他反复强调的那句话值得单独摘出来：「我们不再只是在写代码，我们是在管理行为。」
未来十年能做出重要东西的人，不是语法最干净的程序员，而是那些更早想清楚「我到底想让机器做什么」的人。这其实一直是核心能力——只是七十年来我们有语法挡在前面，把这个问题隐藏掉了。
这篇长文在 Twitter 上获得 68,000+ 浏览、131 次转发、656 次书签收藏1，是近期关于「AI 改变开发者角色」讨论中传播最广的框架整理之一。
Andrew Chen：留存率的九条铁律
Cargando tarjeta de contenido…
a16z 合伙人 Andrew Chen 写了一篇 5000 字长文2，总结了他看过数千条留存曲线后得出的规律。这篇文章 176K+ 浏览，2,070 次书签收藏——在 AI 产品层出不穷的当下，讨论了一个被很多创始人回避的问题。
核心结论是九条，下面是其中判断力最强的几条：
留存修不好。 D1 如果只有 10%，通知轰炸和 A/B 测试救不了你。真正能改变留存的，是重新设计产品的核心交互——如果现在是 Feed 形态，可能要换成分步骤流程；如果核心是分享，可能需要转向创作和保存。变幅越大越好，小调整没用。
留存只会下降，不会上升。 曲线从来不会先低再高。D1 的表现直接预测长期留存。唯一例外是有网络效应的产品——已有用户有机会重新激活沉默用户，但 Andrew 说这是「非常罕见的情况」。
收入留存和使用留存方向相反。 使用量会衰减，但留下来的用户往往花更多钱。Slack 的用户曲线照样在下降，但公司的收入曲线在增长。这是 B2B SaaS 相对消费产品最大的业务优势之一。
留存和产品类别有关，无法逆天改命。 酒店预订 app 就是不会变成日活产品。不要和品类的天然频次打架，应该找到天然高频的类别并在其中重建核心交互。ChatGPT 的崛起就是这个逻辑——它取代的不是某个功能，而是谷歌搜索的日常使用习惯。
病毒增长掩盖不了差留存。 这个实验行业已经跑过很多次了：TikTok 带来一波暴增，留存差，最终用户获取和留存双双崩坏。Facebook 是少见的既病毒级增长又高留存的产品，靠的是 Feed 设计和真实姓名等 UX 创新，不是靠通讯录轰炸。
最好的用户最早出现。 扩展到 Android、新兴市场、付费渠道后，所有指标都会变差。那批最早的有机用户是「黄金同期群」（Golden Cohort）。问题不是能不能让后来的用户和他们一样好，而是后来的用户够不够好、你能不能在这批更差的用户里依然维持可盈利的运营。
最后 Andrew 的结论有点反直觉：留存好的产品，不是靠系统化 A/B 测试测出来的，也不是靠快速迭代积累出来的。它需要一些「魔法」——一个对市场或用户需求的全新洞察，这个洞察事后看显而易见，但只有最先想到的那个产品能凭它驱动超高留存。视频会议、阅后即焚、会回答任何问题的 AI，都属于这一类。
编辑注
两篇文章的问题其实是同一个：当大多数执行层工作都可以被工具替代，真正不可复制的能力长什么样？Karpathy 给出的答案是「想清楚你想让机器做什么」，Andrew Chen 的答案是「找到那个让留存曲线不一样的核心洞察」。两者都不是工具能帮你的部分。
Añade más opiniones o contexto en torno a este contenido.