摘要
1) 一句话总结
知名 AI 工程师 Andrej Karpathy 预测，未来 AI Agent 将能根据用户的自然语言需求实时生成“用完即丢”的专属软件，从而颠覆传统的应用商店模式。
2) 核心要点
- 实操案例：Karpathy 仅用 1 小时（两年前约需 10 小时）通过 AI Agent (Claude) 临时生成了一个专属网页，用于追踪其 8 周内将静息心率从 50 降至 45 的训练计划。
- 开发模式转变：自然语言正成为新的编程接口，未来软件开发将简化为“描述需求 + 自动拼装”，AI 会自动收集数据并调用技能库。
- 软件形态重构：软件将从“标准化产品”变为按需生成的临时工具，呈现“描述—生成—使用—丢弃”的生命周期，变得更加短暂和个性化。
- 机器间直接对话：未来的服务体系将由传感器和执行器组成，通过大语言模型（LLM）进行编排，而非依赖面向人类的 UI 界面。
- 企业级应用变化：企业可能不再大量采购 SaaS 产品，而是根据需求动态生成所需工具。
- 应用商店的演变：应用商店不会完全消失，仍需承担信任与安全审核机制，但会转变为“经过验证的基础层 + AI 个性化扩展”的混合模式。
- 核心竞争力转移：随着大模型日益标准化，行业竞争力将从“懂 AI”转向基础设施的顺滑度、Agent 工作流的成熟度以及系统的实际部署能力。
3) 风险与缺口
- 基础设施缺口：目前 99% 的产品和服务仍缺乏 AI 原生的 API 或 CLI，软硬件生态尚未为 Agent 做好准备。
- 技术调试成本：当前 AI 生成软件仍需人工介入修复接口不友好、公英制单位混淆、日历逻辑错误等 bug，导致生成时间从理想的 1 分钟延长至 1 小时。
- 需求理解风险：构建软件的核心难点在于明确用户真实需求，反对者质疑 LLM 难以仅凭缺乏专业领域词汇的随意提示（Prompt）就能准确破解并实现用户的真实意图。
正文
如果软件可以由 AI 现场生成，那应用商店会不会消失？
知名 AI 工程师、神经网络布道者 Andrej Karpathy 最近发表了一篇引发热议的长帖。他的核心观点是：以后人们可能不需要专门去应用商店“找” App 了。你只需说清楚需求，AI 就能现场为你做一个，而且未来可能只需 1 分钟。
1 小时手搓专属 App：从“找软件”到“现场生成”
Karpathy 拿自己最近的一个实验举了例子：他打算用 8 周时间，通过 Zone 2 有氧训练和每周 1 次的 HIIT，把静息心率从 50 降到 45。
一般人遇到这种需求，大概率会去应用商店搜索“Cardio Tracker”之类的 App。但 Karpathy 另辟蹊径，他没有下载现成的 App，而是直接用一个 AI Agent（Claude），结合 Vibe Coding，临时做了一个专门追踪这次训练计划的超专属仪表盘。
这个 Agent 反向解析了 Woodway 跑步机的云端接口，拉取原始数据，进行清洗、过滤、调试，最后生成了一个网页前端。整个过程仅耗时 1 小时，而在两年前，这大概需要 10 个小时。
为什么还要 1 小时？生态阻力与 AI 原生 API 的缺失
虽然 1 小时已经很快，但 Karpathy 并不满足，他思考的是：为什么还要 1 小时？它本来应该只需要 1 分钟。
他分析指出，时间并没有花在“理解需求”上，而是主要消耗在了弥补基础设施的缺陷上：接口不友好、缺乏 AI 原生 API、公制与英制单位搞错、日历逻辑匹配错误等 bug 需要人工介入修复。
他对此进行了吐槽：
“99% 的产品和服务仍然没有 AI 原生的 CLI。99% 的产品和服务仍然维护着 .html/.css 的文档，好像我不会第一时间把内容复制粘贴给我的 Agent 去完成任务似的。”
在 Karpathy 看来，Woodway 跑步机本质上就是一个将物理状态转化为数字信息的传感器。它不应该只维护一个面向人类的前端界面，让 Agent 去反向工程；而是应该提供一个能被 Agent 轻松调用的 API 或 CLI。
换句话说，现在的最大阻力不在于 AI 模型的能力，而在于整个软硬件生态还没有为 Agent 准备好。
预判未来：自然语言即接口，软件“用完即丢”
基于此，Karpathy 做出了大胆预判：如果设备本身提供 Agent 可直接调用的 API，如果常见功能有成熟的技能库，如果 AI 已经掌握了个人的长期数据，那么开发软件理论上只剩下**“描述需求 + 自动拼装”**。
未来，你只需说一句：“嗨，能帮我在接下来 8 周追踪有氧训练吗？”在简短的问答后，应用就会自动搭建完成。AI 会主动收集数据、调用技能库，并维护这些自动化流程。
这印证了 Karpathy 在 2023 年的“名言”：“目前最热门的新编程语言是英语”。当自然语言本身成为编程接口，软件就不必被做成一排排固定的产品等人下载。它可以在对话中被拼装出来，在具体场景中存在，用完即消失。
软件形态的重构：应用商店会消失吗？
Karpathy 的观点引发了广泛共鸣，媒体“AIM Network”将其总结为**“软件即当下时刻”**，而非“软件即产品”。未来的软件生态将呈现以下几个核心趋势：
- 软件形态的转变：软件正从“标准化产品”变成“按需生成的临时工具”，流程从“下载—安装—配置—适配”变为“描述—生成—使用—丢弃”，变得更短暂、更个性化、一次性。
- 机器间直接对话：未来的服务体系将由传感器和执行器组成，要求软硬件提供 AI 原生 API，通过 LLM 这层“胶水”进行编排，而不是依赖人为操作界面。
- 企业级应用重构：企业可能不再大量购买 SaaS，而是动态生成工具。传统的 UI 也可能被 Agent 编排所替代。
- 应用商店的混合模式：应用商店不会完全消失，因为它仍承担着信任、审核和安全机制。但它的角色会弱化，未来更可能是“经过验证的基础层 + AI 个性化扩展”的混合模式（即“经过筛选的基础能力 + 个性化智能”）。
- 核心竞争力转移：随着大模型越来越标准化、平民化（例如 Karpathy 曾仅用 243 行代码写出 GPT），真正的竞争力不再是谁“懂 AI”，而是基础设施是否顺滑、Agent 工作流是否成熟，以及谁能最快把 AI 部署成实际可用的系统。
网友激辩：奶奶能自己做 App 吗？
当然，这种颠覆性的观点也引发了不少网友的质疑。
有人认为 Karpathy 作为 AI 从业者是在“自卖自夸”：“你是个厨师，但并非每个人都想成为或愿意成为厨师。”对此，Karpathy 回应称，人们还在用“软件稀缺”的旧思维看问题。当软件变得极度廉价、可随时生成时，传统意义上的“应用”本身可能都会失去存在的意义。
还有人提出更现实的问题：“你奶奶会自己做 App 吗？” Karpathy 犀利回复：“奶奶根本没必要懂什么 App，甚至不用知道有 App 这回事；这些该由她的 LLM 代理知道。”
不过，也有反对者指出了生成式软件的核心难点：“构建软件最困难的部分是弄清楚客户真正想要什么。你声称一个 LLM 能从一位连问题领域词汇都不具备的人的随意语音提示中破解它？”
当“进应用商店挑一个”变得比“说一句需求”更慢时，默认的流量入口迟早会改变。对于未来 App 的形态，你怎么看？