从“menugen”到“install .md”，再到自动赢得交易纠纷的AI客服，LLM正在创造一个全新的功能类别——这是传统软件工程永远无法企及的领域。

核心观点：LLM的真正价值不在于让旧事情做得更快，而在于让以前不可能做的事情成为可能。

当大多数人还在讨论LLM如何让程序员写代码更快、让客服更高效的时候，一场更根本的变革已经悄然发生。在这场变革里，LLM不再是一个加速器，而是创造者——它正在创造那些以前根本不可能存在的功能和产品。这不是一个渐进式的优化，而是一个范式的跳跃。

最近在Sequoia Ascent 2026的一次炉边谈话中，Andrej Karpathy提出了一个关键论点：LLM的意义远不止是加速现有的工作流程。他举了三个例子，每个都值得深思。第一个是“menugen”——一个完全由LLM驱动的应用，输入一张图片，输出一张图片，整个过程不需要任何传统代码。这个应用不是把已有的东西做得更快，而是创造了一个全新的功能类别。第二个例子更令人震惊：用“.md”技能替代“.sh”脚本。这意味着，不再需要编写复杂的bash脚本来安装软件，而是直接写一段自然语言描述，LLM就能理解并执行。这不仅是效率的提升，更是对“如何定义和执行任务”这一根本问题的重新思考。第三个例子是LLM知识库——一个在传统计算中根本不可能实现的功能，因为它需要对来自任意来源的非结构化数据进行计算。

但真正让我确信这一转变正在发生的，是另一个故事。一个创业者用AI编写了一个纠纷处理机器人，专门应对Stripe上的交易纠纷。在过去，他几乎从不处理纠纷，结果几乎每次都输。但现在，他的AI机器人自动收集证据、生成详细的PDF报告，甚至比人工做得更好。他刚刚赢了一笔1199美元的纠纷——这是十年来的第一次。这个AI不是让旧有的纠纷处理流程更快，而是让一个以前因为成本和复杂性而被忽视的功能变得可行。这正是LLM创造新可能性的最佳例证。

当然，这里有一个反方观点：LLM真的能创造新功能吗？还是只是把已有的任务用新的方式包装？一些批评者认为，所谓的“新功能”其实只是旧功能的变体——比如纠纷处理机器人，本质上还是自动化，只是做得更好了。但这种观点忽略了一个关键点：在LLM出现之前，我们根本无法想象一个人工智能可以理解自然语言描述、自动收集证据、并生成具有说服力的法律文件。这不是从“慢”到“快”的变化，而是从“不可能”到“可能”的飞跃。

另一方面，LLM的能力分布是“锯齿状”的——它可以在一个任务上表现惊人，在另一个看似简单的任务上却一塌糊涂。Karpathy在谈话中提到了这一点：为什么一个LLM可以重构一个10万行的代码库，却同时告诉你“走路去洗车场洗车”？他认为这源于可验证性与经济效益的交叉——那些利润丰厚的领域（如代码生成）被强化学习精心封装进训练数据分布，而其他领域则被遗忘。这意味着，LLM创造新功能的能力是不均等的，它更擅长在那些已经被数据覆盖的领域创新。

但即便有这些限制，我们也已经看到了令人振奋的迹象。另一个创业者在推文中提到，他的AI“状态监控”仪表盘自动发现了Cloudflare账单过高的问题，并促使客服退款。这个功能不是人类主动设计的，而是AI在“巡视”项目时自主发现的。这听起来像是科幻小说，但它确实正在发生。

更令人兴奋的是，这些功能正在从实验走向生产。Strix Halo的实战指南显示，AMD的Ryzen AI MAX+ 395正在被用于生产环境——运行一个名为Sahir的机器人、一个本地代理、一个朋友的隧道以及ComfyUI。这不是实验室里的玩具，而是真正的生产力工具。

所以，问题不在于LLM是否能取代程序员或客服，而在于我们是否敢于想象那些以前不可能存在的功能。当一家公司不再需要编写复杂的bash脚本，而是用一段自然语言就能安装软件；当纠纷处理从“忽略”变成“自动赢得”；当AI能主动发现问题并修正——我们正在见证的不是加速，而是创造。

当然，这并不意味着每个人都应该立刻抛弃传统软件工程。正如Karpathy指出的，LLM的“锯齿状”能力意味着我们在依赖它时必须谨慎。但毫无疑问，我们正在进入一个新时代：一个由LLM驱动的功能创造时代。在这个时代里，最宝贵的技能不是如何写代码，而是如何向LLM描述你想要的东西。

这不仅仅是技术上的变化，更是思维上的变化。我们不再问“如何让这件事做得更快”，而是问“这件事以前为什么不可能？”。当越来越多的不可能变成可能，我们唯一能做的就是拥抱这个新世界。

如果把这个判断再往前推一步，真正重要的不是 My full strix halo…、Fireside chat at Se…、🏆 For the first tim… 本身，而是它们共同暴露出的分配逻辑。 reddit、x 在同一轮里把注意力推向同一问题，通常意味着这个主题正在从圈层内部经验，转向更可共享的公共议题。 这也是为什么这种内容值得写成长文：短帖只负责提醒你“这里有事发生”，但只有长文才能把背景、代价、误判空间和后续影响放到同一张桌面上。 换句话说，LLM的真正价值不在于让旧事情做得更快，而在于让以前不可能做的事情成为可能。 之所以重要，不是因为它看上去新，而是因为它会重新定义用户接下来应该如何理解这一类内容。