作者 | 木子

如果軟件可以由 AI 現(xiàn)場生成，那應用商店會不會消失？

知名 AI 工程師、神經(jīng)網(wǎng)絡布道者Andrej Karpathy，前兩天又發(fā)了篇長帖，引起熱議。最主要的意思是：

以后可能不用專門去應用商店“找”App 了，你只要說清楚想干嘛，AI 現(xiàn)場給你做一個——而且可能只要 1 分鐘就做好了。

圖注：節(jié)選自 Andrej Karpathy 新帖子

他拿自己做的實驗，舉了個例子：

打算用 8 周時間，把靜息心率從 50 降到 45（靜息心率，是人在完全放松狀態(tài)下每分鐘的心跳次數(shù)，常被用來衡量心肺功能）。

一般人遇到這種需求，大概率是去應用商店搜“Cardio Tracker”之類的 App。但 Karpathy 另辟蹊徑——沒請開發(fā)者，也沒下載現(xiàn)成的 App；而是直接用一個 AI Agent，臨時做了一個專門追蹤這次訓練計劃的儀表盤。

這個 Agent 反向解析跑步機云端接口，拉原始數(shù)據(jù)、清洗、調試，再生成一個網(wǎng)頁前端，1 小時搞定。而兩年前，這大概要 10 小時。

但 Karpathy 并不滿足于“只用 1 小時”，他在想：為什么還要 1 小時？

他分析認為，時間并沒怎么花在“理解需求”上，而是主要花在了補基礎設施：接口不友好、缺乏 AI 原生 API、單位制和日歷邏輯要人工修 bug 等等。

他吐槽道：

“99% 的產品和服務仍然沒有 AI 原生的 CLI。99% 的產品和服務仍然維護著 .html/.css 的文檔，好像我不會第一時間把內容復制粘貼給我的 Agent 去完成任務似的?！?/blockquote>

換句話說，現(xiàn)在的最大阻力不在模型能力，而在生態(tài)還沒準備好。

于是，他大膽預判：如果設備本身，提供 Agent 可直接調用的 API、如果常見功能有成熟技能庫、如果 AI 已經(jīng)掌握個人長期數(shù)據(jù)；那么這件事，理論上只剩下“描述需求 + 自動拼裝”，未來可能只需 1 分鐘。

其實，這早已埋下了伏筆。Karpathy 于 2023 年寫的“名言”：“目前最熱門的新編程語言是英語”，現(xiàn)在還掛在他主頁置頂。

當自然語言本身就是編程接口，軟件就不一定非要先被做成一排排固定產品，等人去下載。它可以在對話里被拼出來，在具體場景中存在，用完就消失。

在 Karpathy 看來，如果“說一句需求”，比“進應用商店挑一個”更快，那默認入口遲早會變。

當語言成為編程接口，

Karpathy 眼中的軟件未來

除了預判未來 AI 可以迅速定制軟件，這篇帖子的核心觀點，還可以拆成以下幾條：

• 軟件正在從“標準化產品”，變成“按需生成的臨時工具”，更短暫、更個性化。

• 這要求硬件和軟件提供 AI 原生 API，讓機器和機器直接對話，而不是依賴人為操作界面。

• 企業(yè)可能不再大量購買 SaaS，而是動態(tài)生成工具。而且傳統(tǒng) UI，也可能被 Agent 編排替代。

• 應用商店不會消失，但它的角色會弱化，未來更可能是“經(jīng)過驗證的基礎層 + AI 個性化擴展”的混合模式。

• 真正的競爭力，不再是誰“懂 AI”，而是誰能最快把 AI 部署成實際可用的系統(tǒng)。

以下為帖子原文，InfoQ（AI 前線）在不改變原意的情況下，對其進行了整理編輯。

我對高度定制化軟件即將到來的時代會是什么樣子，非常感興趣。

舉個今天早上的例子，我最近在有氧訓練上有點松散，于是決定做一個更認真、更有紀律的實驗：

在 8 周內，把靜息心率從 50 降到 45。主要方式是完成一定總時長的 Zone 2 有氧訓練，并且每周做 1 次 HIIT。

1 小時后，我用 Vibe Coding 做了一個為這次實驗量身定制的超專屬儀表盤，用來追蹤進度。Claude 不得不反向解析 Woodway 跑步機的云端 API，拉取原始數(shù)據(jù)，進行處理、過濾、調試，并創(chuàng)建一個 Web 前端界面來跟蹤這個實驗。

過程并不完全順暢，我需要發(fā)現(xiàn)并指出一些 bug，讓它修復，比如它搞錯了公制和英制單位，也把日歷里的日期和星期匹配錯了。

不過，我依然覺得整體方向是清晰的：

1. 永遠不會（也不應該）有一個專門為這種事情存在的應用商店 App。

我不應該為了這個去找、下載、使用某個“有氧實驗追蹤器”。這不過是大約 300 行代碼，一個 LLM Agent 幾秒鐘就能生成。那種在應用商店里從一長串離散應用中挑選一個的模式，在 LLM Agent 可以現(xiàn)場即興生成只屬于你的應用時，顯得有些不對勁，也有點過時。

1. 其次，這個行業(yè)，需要重構一套服務體系：由傳感器和執(zhí)行器組成，并具備對 Agent 原生友好的使用方式。

我的 Woodway 跑步機，本質上就是一個傳感器：它把物理狀態(tài)轉化為數(shù)字信息。它不應該維護一個面向人類的前端界面，而我的 LLM Agent 也不應該去反向工程它；它應該提供一個可以被 Agent 輕松使用的 API 或 CLI。整個行業(yè)在這方面推進得非常緩慢，這讓我有點失望（也直接拖慢了我的進度）。

99% 的產品和服務仍然沒有 AI 原生的 CLI。99% 的產品和服務仍然維護著 .html/.css 的文檔，好像我不會第一時間把內容復制粘貼給我的 Agent 去完成任務似的。他們在網(wǎng)頁上給出一串操作說明，讓你打開某個 URL、點擊這里或那里去做某件事。

現(xiàn)在都 2026 年了，為什么還要我手動操作？要么系統(tǒng)自動完成，要么交給我的 Agent。

所以，總的來說，我今天確實對這件事只花了 1 小時感到滿意（兩年前大概要 10 小時）。

但更讓我興奮的，是去思考：它本來應該只需要 1 分鐘。

要實現(xiàn) 1 分鐘，需要什么條件？讓我只需說一句：“嗨，能幫我在接下來 8 周追蹤有氧訓練嗎？”在簡短的問答之后，應用就自動搭建完成。AI 已經(jīng)掌握大量我的個人背景信息，會主動收集額外所需數(shù)據(jù)，調用和檢索相關技能庫，并維護我所有這些小應用和自動化流程。

簡而言之，從一組離散應用中挑選的“應用商店”概念本身正在迅速過時。未來將是由 AI 原生的傳感器和執(zhí)行器組成的服務體系，通過 LLM 這層“膠水”進行編排，生成高度定制、短暫存在的應用。只是，這個未來還沒有真正到來。

應用商店不會消失，

但軟件即時刻？

Karpathy 和這篇文章，讓網(wǎng)友們吵翻了。

有人覺得，他說出了自己這兩年的直覺。一個叫“AIM Network”（下面簡稱 AIM）的媒體形容道：

“我們過去收集軟件的方式，就像收集書一樣：精挑細選、下載安裝、定期更新，然后慢慢被遺忘。這種習慣可能已經(jīng)不太適合未來。 ...... 未來的流程可能不再是‘下載—安裝—配置—適配’，而是 ‘描述—生成—使用—丟棄’。軟件將變得短暫、個性化、一次性。”

AIM 還提出：未來，“軟件即當下時刻”，而不是“軟件即產品”——軟件不再是一個被打包、上架、定價的產品，而更像一段即時生成的服務。

不過，他們也沒把話說滿：應用商店不會突然消失，而是進化成全新的“應用商店 2.0”、“應用商店 3.0”版本。原因很現(xiàn)實：它承擔的是信任、審核和安全機制。

未來更可能出現(xiàn)的畫面是：不再賣一堆細碎的 App，而是提供可靠的底座，讓 Agent 在上面自由拼裝。底層還是一套經(jīng)過驗證的基礎能力，上面疊加由 AI 即時生成的個性化擴展。

換句話說，要消失的，未必是軟件本身，而是“軟件必須以固定產品形態(tài)存在”這件事。

未來更可能是混合模式：經(jīng)過驗證的基礎軟件層之上，疊加可定制的 AI 生成擴展，并配合受控的 Agent 權限機制，即“經(jīng)過篩選的基礎能力 + 個性化智能”。

換句話說，未來消失的可能不是“軟件”，而是“軟件作為固定產品”的概念。

此前，Karpathy 僅用 243 行 Python 代碼，就寫出了一個能跑的 GPT。由此可見，大模型不再是高不可攀的黑箱技術，而是越來越標準化、可復用的能力模塊。

當模型本身越來越“平民化”，真正的競爭優(yōu)勢，就會轉向別處：比如基礎設施是否順滑、算力是否充足、Agent 工作流是否成熟等等。競爭不只在模型，更在部署速度。

還有一點，如果說 Karpathy 給的是一個方向：“語言正在變成接口，工具可以即興生成”；那 AIM 補上的，是一串連鎖反應：一旦生成速度足夠快，分發(fā)邏輯、SaaS 結構，甚至企業(yè) IT 預算怎么花，都會跟著松動。

也有很多網(wǎng)友質疑。

有人覺得 Karpathy 作為一個 AI 從業(yè)者，在自賣自夸，就像：“你是個廚師，但并非每個人都想成為或愿意成為廚師?！?/p>

Karpathy 表示，人們還在用“軟件稀缺”的舊思維看問題，而當軟件變得極度廉價、可隨時生成時，傳統(tǒng)意義上的“應用”本身可能都會失去存在意義。

還有人覺得，首先要想清楚自己要什么，本身就很耗費精力，銳評道：“你奶奶會自己做 App 嗎？”

Karpathy 回復道：“奶奶根本沒必要懂什么 App，甚至不用知道有 App 這回事；（這些）該由她的 LLM 代理知道?！?/p>

然后，站 Karpathy 的人，說未來 AI 就是好的設計師。

反對者則表示：“構建軟件最困難的部分是弄清楚客戶真正想要什么。但你聲稱一個 LLM 能從一位連問題領域詞匯都不具備的人的隨意語音提示中破解它？”

對于未來的 APP 形態(tài)，你怎么看？

https://x.com/karpathy/status/2024583544157458452

https://www.youtube.com/watch?v=GXO-vwg_Q-o

會議推薦

2026，AI 正在以更工程化的方式深度融入軟件生產，Agentic AI 的探索也將從局部試點邁向體系化工程建設！

QCon 北京 2026 已正式啟動，本屆大會以“Agentic AI 時代的軟件工程重塑”為核心主線，推動技術探索從「AI For What」真正落地到可持續(xù)的「Value From AI」。從前沿技術雷達、架構設計與數(shù)據(jù)底座、效能與成本、產品與交互、可信落地、研發(fā)組織進化六大維度，系統(tǒng)性展開深度探索。開往 2026 的 Agentic AI 專列即將啟程！匯聚頂尖專家實戰(zhàn)分享，把 AI 能力一次夯到位！

今日薦文

你也「在看」嗎？