软件与硬件发展范式演进 - AI发展推动软件编程范式变革，Software 3.0时代到来，自然语言提示Prompts取代传统编程代码，LLM成为新编程接口 [2] - 软件1.0时代CPU占主导地位，软件2.0时代神经网络兴起，GPU因并行计算优势成为主流硬件 [3] - 软件3.0时代以transformer为基础的大模型快速发展，DSA架构（如谷歌TPU、英伟达Hopper/Blackwell的TME）成为主流加速方案 [5] 硬件3.0的核心挑战与需求 - 硬件3.0需解决领域专用效率与编程通用性的核心矛盾，需平衡计算效率和应对海量编程客户及模型多样化挑战 [5] - AI处理器设计面临四大难题：架构设计耗时长、指令系统打磨久、编译软件落地周期长、生态兼容门槛高 [7][9] - 指令集设计需权衡ASIC固化（高效但缺乏灵活性）、高层次粗颗粒度指令（简化软件但面积开销大）、低层次细颗粒度微指令（灵活但开发周期长）三种方案 [10] 奕行智能的技术解决方案 - 选择RISC-V+RVV作为计算架构底座，利用其开放性、模块化设计和可定制AI加速指令集特性，降低芯片设计门槛并加速迭代 [8] - 推出VISA（虚拟指令集架构）中间层，通过软硬结合方式在硬件ISA上抽象统一虚拟ISA，解决硬件与软件栈深度耦合问题 [10][12] - EVAMIND内核架构包含标量引擎、VISA调度器、张量引擎、4D加速引擎和RVV向量引擎，实现粗粒度宏指令编排与细粒度微指令高效执行 [16] 产品性能与战略定位 - 新一代芯片支持INT4/INT8/FP8/FP16/BF16等数据类型及混合精度计算，FP8/INT4原生支持带来2-4倍计算吞吐提升 [17] - 通过多种并行及流水掩盖计算方式实现计算资源极致利用率，目标为自动驾驶、具身智能等端-边-云应用提供通用/专用计算加速方案 [17] - 公司定位为通用计算芯片设计企业，以RISC-V开放指令集生态为基础，推动AGI时代技术进步 [17]

软件演进范式 - 软件3.0的核心困境源于2022年ChatGPT发布时的技术背景，主要能力集中在文本生成和简单推理，而2024年9月后AI能力实现代际跃迁，从GPT-4生成能力到深度推理，具备元认知意识[6] - 软件3.5提出认知协作范式，AI成为透明思维伙伴，支持细粒度交互和自适应学习，实现"交互即智能"理念[7][8][24] - 软件发展沿开发方式（代码程序→网络参数→自然语言）和交互方式（操作型→对话型→认知型）两个正交维度立体化演进[11][12][13] 各代软件特征对比 - **软件1.0**：操作型×编程，手工编写代码（如C++/Java），逻辑透明但开发效率低，代表传统软件开发黄金时代[16][17] - **软件2.0**：操作型×参数，数据驱动神经网络训练（如LSTM），突破人工规则限制但需ML专业知识和大量标注数据[18][19] - **软件3.0**：对话型×自然语言，通过Prompt工程实现意图理解，降低开发门槛但交互仍为线性且缺乏透明度[20][21] - **软件3.5**：认知型×自然语言，支持实时思维干预和异步协作，界面需支持多模态认知输入和上下文感知[23][26][27] 技术突破与行业影响 - 大模型通过Inference-time scaling训练获得深度思考能力，实现人机思维层面交流，标志大模型进入"第二幕"（从生成能力到认知对齐）[25] - 开发者需掌握认知建模、意图工程、上下文工程等新技能，设计支持认知状态可视化和实时干预的动态界面[28][29][30] - 行业将进入人机智能融合时代，软件开发从代码编写→模型训练→Prompt工程→认知协作演进，人人可成为认知架构师[31][32][34] 历史背景与未来规划 - 上海交通大学刘鹏飞团队三年前已预见软件3.0趋势，与Karpathy观点高度一致（如情感分类示例），反映技术演进必然性[35] - 即将发布完整技术框架白皮书和产品实例，构建认知协作生态系统，包含工具链和基础设施（如GitHub项目Promptware）[42][43]

软件范式革命 - 软件正在经历70年未有的变革 从Software 1 0（人类编写的经典代码）到Software 2 0（神经网络权重） 再到Software 3 0（基于自然语言提示词的编程）[2][3] - Software 3 0的核心是英语作为编程语言 通过提示词直接操控大语言模型 实现更高效的开发[3] - 未来开发者需同时掌握三种范式 根据功能需求灵活选择编程方式[4] LLM操作系统生态 - 大语言模型（LLM）本质是新型操作系统（LLM OS） 其核心架构包含：LLM作为CPU 上下文窗口模拟内存 外部工具充当外设[5] - 当前LLM OS处于类似1960年代大型机的"分时共享"阶段 算力集中在云端 用户通过终端交互 个人化计算革命尚未到来[6] - 交互界面仍处于命令行终端阶段 尚未出现类似Windows的图形界面（GUI）[6] AI产品开发机遇 - 最大机会在于构建"部分自治"的AI产品 如钢铁侠战衣般增强人类能力 而非追求全自动智能体[10] - 成功案例（如Cursor Perplexity）已验证模式：自动管理上下文 智能调度多模型 通过定制GUI加速人类验证[10] - 需设计"自治滑块"机制 平衡AI生成内容复杂度与人类审查效率[10] 编程民主化与智能体兼容性 - Software 3 0极大降低编程门槛 "Vibe Coding"模式允许非专业人士通过自然语言实现开发[11] - 未来软件需新增第三类消费者（智能体） 现有GUI/API设计需适配智能体的理解与操作需求[11] - 需建立新标准：文档提供Markdown版本 网站支持命令行指令 提升智能体可读性[12]

行业趋势与技术创新 - 软件行业正在经历70年来的第三次根本性变革，进入"Software 3.0"时代，特点是可以用自然语言直接编程 [2] - 大模型不仅是新电力，更是新的操作系统，当前阶段相当于计算机发展的1960年代 [2] - "Vibe Coding"（氛围编程）概念成为AI时代编程方式的标准术语，与PC革命时的"所见即所得"概念具有同等历史地位 [3][51] - "Software 2.0"概念提出传统手写代码正在被神经网络逐步替代，程序员通过训练数据教会神经网络处理逻辑 [29][30] 公司发展与技术突破 - OpenAI早期团队专注于开发安全人工智能，奠定技术基础并专攻深度学习和计算机视觉方向 [23] - 特斯拉Autopilot采用神经网络替代传统C++代码，实现端到端学习并处理多摄像头时序信息融合 [28] - DeepSeek以500万美元低成本（2048块GPU训练2个月）实现接近GPT-4性能的开源大模型，打破行业认知 [47][48] - Eureka Labs致力于AI教育革命，推出"LLM101n"课程指导学生从零构建大语言模型 [43][44] 技术领袖影响力 - Andrej Karpathy提出的"Software 2.0"和"Vibe Coding"成为定义时代的技术概念 [3][29][52] - 其技术演讲和课程（如斯坦福CS231n）影响全球AI从业者，观看次数超百万 [18] - 通过推文改变行业对中国AI能力的认知，使DeepSeek获得国际关注 [46][48] - 强调人机协作重要性，提出"AI增强人类"而非取代人类的平衡观点 [54][55]