Título original do vídeo: Andrej Karpathy: De Vibe Coding a Engenharia Agente
Fonte original do vídeo: Sequoia Capital
Tradução original: Bao Yilong, Wallstreetcn
OpenAI cofundador Andrej Karpathy, na sua última entrevista, destacou que os grandes modelos de linguagem estão a reinventar completamente a arquitetura computacional como uma “nova espécie de computador”.
Em 29 de abril, Andrej Karpathy, que liderou o desenvolvimento do Autopilot da Tesla e tem uma posição de destaque na OpenAI, analisou profundamente, numa atividade organizada pela AI Sent, a atual transição tecnológica dos agentes de IA e o seu impacto profundo no ecossistema de hardware e software.
Karpathy afirmou que, desde dezembro do ano passado, começou a perceber que o fluxo de trabalho centrado em agentes já é realmente utilizável, marcando a chegada efetiva da era Software 3.0.
Ele disse: muitas pessoas ainda tinham a impressão de IA no ano passado baseada no ChatGPT, mas é preciso reavaliar, especialmente a partir de dezembro — as coisas mudaram de forma fundamental.
Ele também introduziu o conceito de “engenharia de agentes” (agentic engineering), para distinguir do que chamou de “programação de vibe” (vibe coding) no ano passado, sendo que o primeiro refere-se à continuidade e aceleração dos padrões de qualidade no desenvolvimento de software profissional.
Ele afirmou claramente que uma grande quantidade de código e aplicações existentes “não deveria existir” sob o novo paradigma, e que os processos de recrutamento, ferramentas de desenvolvimento e infraestrutura atuais ainda são projetados para humanos, não para agentes.
O amanhecer do Software 3.0: a transferência de poder na arquitetura computacional de base
A indústria tecnológica está numa encruzilhada de mudança de quantidade para qualidade.
Dezembro do ano passado foi um ponto de virada crucial, e Karpathy admitiu que, diante dos modelos de IA mais recentes, passou por uma profunda surpresa:
Os blocos de código gerados pelo sistema estão cada vez mais perfeitos, a ponto de eu nem me lembrar da última vez que os modifiquei. Confio cada vez mais nesse sistema… (isso me faz sentir) que nunca me senti tão atrasado como programador.
Esse impacto representa uma revolução completa na paradigma de cálculo. Para Karpathy, o mercado subestimou a profundidade dessa mudança.
Ele apontou que estamos a deixar para trás o “software 1.0” (escrever código) e o “software 2.0” (organizar conjuntos de dados para treinar redes neurais), entrando oficialmente na era “software 3.0”.
Nesta nova era, os grandes modelos de linguagem são eles próprios uma “nova espécie de computador”.
Ele disse: agora, programar é escrever prompts, e o conteúdo na janela de contexto é a alavanca que você usa para manipular esse grande modelo de linguagem, fazendo-o executar cálculos no espaço de informações digitais.
Mais impressionante ainda é a sua previsão audaciosa sobre a evolução futura da arquitetura de hardware de base.
Atualmente, as redes neurais ainda operam virtualizadas em computadores existentes, mas ele acredita que, no futuro, essa relação será invertida: podemos imaginar que as redes neurais se tornarão o processo principal, enquanto a CPU se transformará num tipo de coprocessador. As redes neurais assumirão a maior parte do trabalho pesado.
Isso significa que o “poder de cálculo inteligente”, que domina os gastos de capital do mercado, consolidará ainda mais sua posição estratégica no futuro.
Infraestrutura de próxima geração: reconstruindo o ecossistema “nativo de agentes”
Quando a execução e a codificação forem assumidas por máquinas, qual será o valor central da humanidade e a forma futura de infraestrutura?
Karpathy afirmou claramente: tudo terá que ser reescrito.
Atualmente, a documentação de vários frameworks e bibliotecas da internet ainda é “escrita para humanos”, o que o incomoda profundamente.
Karpathy reclamou: por que ainda tenho que me dizer como fazer? Eu não quero fazer nada. Devo apenas copiar e colar textos para o meu agente de IA?
O grande mercado do futuro estará na construção de infraestrutura “prioritariamente de agentes”.
Nesse mundo, o sistema será dividido em “sensores” que percebem o mundo e “atuadores” que o transformam, com estruturas de dados altamente legíveis para grandes modelos de linguagem, e agentes de máquina representando indivíduos e organizações a interagir na nuvem.
Num futuro altamente automatizado assim, a escassez central da humanidade voltará a ser o senso estético, o julgamento e a compreensão profunda de negócios.
Karpathy citou uma frase que o faz refletir repetidamente como resumo: você pode terceirizar seu pensamento, mas não pode terceirizar sua compreensão.
Engenharia de agentes: uma explosão de produtividade muito além de “10 vezes um engenheiro”
No que diz respeito ao aumento de produtividade, uma das maiores preocupações do mercado, Karpathy diferencia dois conceitos centrais: “programação de vibe” e “engenharia de agentes”.
Ele aponta que, enquanto a “programação de vibe” eleva o limite inferior do desenvolvimento de software por todos, a “engenharia de agentes” visa manter o limite superior de qualidade do software profissional.
“Engenharia de agentes” não é apenas uma questão de acelerar, mas de coordenar aqueles “agentes de IA que são um pouco propensos a erros, com alguma aleatoriedade, mas extremamente poderosos”, avançando a toda velocidade sem sacrificar a qualidade.
Isso também ampliará enormemente o espaço de inovação das empresas.
Karpathy afirmou: “As pessoas costumavam falar de um ‘engenheiro 10 vezes mais produtivo’, mas isso já não é suficiente para descrever o aumento de velocidade que obtemos. Na minha opinião, os melhores nesse campo produzem muito mais do que isso.”
Diante dessa explosão de produtividade, a estrutura organizacional e a lógica de seleção de talentos das empresas precisarão ser reformuladas.
Ele recomenda que as empresas abandonem as tradicionais entrevistas de resolução de problemas com algoritmos e passem a avaliar como os candidatos utilizam múltiplos agentes de IA para colaborar na construção de grandes projetos, além de resistir a ataques de outros agentes de IA.
Ponto de impulso na implementação comercial de IA
Para os empreendedores e investidores ansiosos por aplicar IA em cenários reais, Karpathy oferece uma estrutura de avaliação altamente prática: verificabilidade.
Atualmente, a capacidade da IA apresenta um padrão extremamente estranho de “dente de serra”.
Ele exemplificou: os modelos mais avançados hoje podem reconstruir simultaneamente 100 mil linhas de código ou procurar vulnerabilidades zero-day, mas ao mesmo tempo me dizem para ir a um lava-rápidos a 50 metros de distância para lavar o carro, o que é loucura.
A causa dessa disparidade está no fato de que laboratórios de ponta (como OpenAI) concentram recursos massivos de aprendizagem por reforço em áreas cujas soluções são facilmente verificáveis, como “matemática” e “código”.
Portanto, enquanto estiverem em cenários comerciais cujos resultados podem ser verificados, a IA pode exercer um impacto enorme.
Karpathy sugere que ainda há muitos ambientes de reforço de alta valia, ainda não explorados por laboratórios líderes, que representam um vasto oceano azul para startups ajustarem finamente seus modelos e monetizarem.
Link do vídeo original
Clique para conhecer as vagas na BlockBeats
Bem-vindo ao grupo oficial da BlockBeats no Telegram:
Telegram assinatura: https://t.me/theblockbeats
Grupo de discussão no Telegram: https://t.me/BlockBeats_App
Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia
