传统认知中，大语言模型常被视为提升效率的工具——加速代码编写、优化文档处理、改进客户服务。但卡帕西指出，这种理解仅触及表面。他提出技术演进的三阶段理论：1.0时代由人类编写规则，2.0时代通过数据训练模型，而当前3.0时代，人类正通过提示词直接编程模型。更值得关注的是，大模型已展现出类似新型计算机的特质：上下文窗口充当内存，提示词成为编程语言，模型自身则作为解释器运行。
这种转变正在颠覆传统软件生态。卡帕西以亲自开发的餐厅菜单应用为例，原本需要OCR识别、数据库映射、图像生成等复杂技术栈的项目，现在只需上传菜单照片并输入“将菜品图片覆盖到原菜单上”的指令，模型即可直接输出成品。整个中间软件层被彻底消解，印证了他“某些旧软件将失去存在价值”的论断。安装软件方式的变革更具象征意义——过去需要编写复杂shell脚本适配不同系统环境，现在只需用自然语言描述安装流程，模型即可自动完成环境适配与实时调试。
针对大模型能力参差不齐的现象，卡帕西提出“锯齿智能”概念。模型在数学证明、代码生成等领域表现卓越，却可能给出“步行50米洗车”的荒谬建议。这种能力断层源于双重机制：可验证性决定基础优化方向——代码、数学等易判断对错的任务优先获得强化学习资源；实验室资源分配则塑造能力曲线——算力与数据工程师会优先投入高价值或可量化领域。例如，为提升模型“聪明度”而大量注入棋谱数据，导致特定领域能力突飞猛进，而常识推理等难以验证的领域进展缓慢。
对于创业者的机遇，卡帕西给出明确方向：垂直领域仍存在巨大空间。只要场景能构建反馈机制形成训练数据，创业公司通过微调模型即可建立竞争优势。通用模型公司解决广泛问题，而行业价值往往藏在具体场景中——掌握真实数据、业务流程与评估标准的企业，有机会开发出更专业的垂直系统。他特别指出，写作等看似难以自动化的领域，也可通过多模型评审机制建立评估体系，关键在于将问题转化为可训练环境。
智能体原生经济被视为下一个技术前沿。卡帕西描绘了未来产品形态：由传感器、执行器与逻辑模块构成的复杂系统，将彻底改变当前“为人设计”的数字生态。以应用部署为例，未来开发者只需给出“构建菜单应用”的指令，智能体即可自动完成服务关联、DNS配置等全部流程。这催生出“智能体工程”新职业，其核心能力不再是单纯编程，而是组织多个智能体协同完成复杂任务。企业招聘标准随之转变，算法考核将被“能否借助智能体完成真实项目”所取代。
在技术狂飙突进的时代，人类价值定位成为峰会压轴议题。卡帕西引用一条令他反复思索的推文：“你可以外包思考，但不能外包理解。”当智能体能够生成方案、执行流程甚至完成推理写作时，人类的核心价值将转向系统导演角色——判断什么重要、什么真实、什么值得追求。他坦言自己正成为认知瓶颈，因此热衷于构建个人知识库与Wiki系统，通过不断重组信息结构获得新洞察。这种将海量信息压缩为认知地图的能力，正在成为新的竞争优势。
