拉片 卡帕西震撼演讲：软件3.0时代到来！（第一部分）

原文地址 https://www.bilibili.com/video/BV1CDKnzhE7e

关于软件3.0的表述

这里说实话我不是100%认同，因为实际上哪怕只看AI领域的发展，权重模型都不是全部。如：

概率模型与KNN算法在AI领域的贡献

贝叶斯模型的贡献
贝叶斯模型通过概率推理处理不确定性，为AI提供了强大的理论基础。朴素贝叶斯分类器在文本分类和垃圾邮件过滤中表现高效，因其计算简单且适合高维数据。贝叶斯网络能够建模变量间的复杂依赖关系，广泛应用于医疗诊断和风险评估。贝叶斯优化在超参数调优中表现出色，提升了机器学习模型的性能。

KNN算法的贡献
KNN是一种简单直观的非参数方法，适用于分类和回归任务。它的惰性学习特性使其无需训练阶段，适合动态数据环境。KNN在推荐系统中用于相似性计算，如用户或物品的协同过滤。通过距离度量（如欧氏距离或余弦相似度），KNN能灵活适应不同数据类型。集成方法如KD树或球树优化了KNN的计算效率，使其适用于大规模数据。

共同影响
概率模型和KNN算法增强了AI系统的解释性，尤其在需要透明决策的场景中。它们为混合模型（如贝叶斯与深度学习的结合）提供了基础，推动了AI技术的多样化发展。这些方法在资源有限的环境中（如边缘计算）仍具实用性，体现了AI技术的包容性。

---

在我看来Software 2.0实际上是至少包含A（AI）B（blockchain）C（Cloud native）三个技术领域的合作创新的。这三个领域，在不同方向上解决了很多软件从越来越大，越来越重的程序，向着小型化，敏捷化发展的变化。从轮转加速重复执行的卡带，到密码学，分布式的提升。
那么AlexNet到LLM，实际上只是在A这个领域内，让大家更加省时省力罢了。比如，我要做十件事情，