Karpathy：AI时代人类的价值在何处？

当 AI 智能体开始替你写代码、做研究、甚至管理你的家，编程还剩下什么？Andrej Karpathy 在 No Priors 播客中，分享了他亲身经历的“AI 精神分裂”状态——开发者不再逐行敲击代码，而是全天候向多个智能体下达指令，自己则陷入一种既高效又焦虑的奇异心理。

安德烈·卡帕西（Andrej Karpathy）是人工智能领域最具影响力的实践者之一。他曾是 OpenAI 的创始成员、特斯拉的 AI 总监，如今以独立研究者的身份持续探索技术的前沿。在人工智能经历颠覆性跃迁的当下，卡帕西对这场变革的感知尤为敏锐。

近日，Karpathy 做客了一档名为《No Priors》的访谈栏目，在谈话中，他描述了一种自己称之为“AI 精神病”的状态——一种被技术可能性推着走、永远觉得还不够快的焦灼与兴奋，并坦言自己每天都焦虑。他从去年十二月开始几乎不再亲手写一行代码，而是将工作完全委托给智能体；他让名为“多比”的 Claw 接管了家里的所有智能设备；他在深夜里看着自动研究系统跑出自己从未想到的超参数调优。

在这场深度访谈中，Karpathy 围绕大模型演进路径、开源与闭源格局、AI 对就业与社会结构的冲击，以及人类在智能时代的角色，给出了一套极具前瞻性的系统性判断。

他指出，当前大模型仍停留在“通用能力覆盖”的阶段，真正的深度定制与“模型分化”尚未成熟；与此同时，一种基于“可验证结果”的大规模分布式协作范式正在浮现，未来甚至可能由全球算力共同驱动 AI 进化。在他看来，算力（FLOPs）正在成为比资金更关键的资源。

在产业结构上，他强调，当前闭源模型与开源模型之间正在形成一种“动态平衡”——前者探索能力边界，后者实现能力民主化，开源落后 6 个月，反而是 AI 世界最健康的状态。

更具冲击力的是，他对个体角色的重新定义：在前沿实验室内部，你很难保持完全独立；而在外部生态中，反而可能拥有更大的真实影响力。同时，他认为未来教育与知识传播将彻底重构——人类不再直接教人，而是教模型，再由模型去教人。

最终，Karpathy 给出了一个极具现实意义的判断：未来的核心竞争力，不在于你会什么，而在于你做的是不是“AI 还做不到的事”。

本期内容将带你深入这位 AI 先锋的思想实验：他如何通过“宏观动作”重构工作流，让瓶颈从打字速度变成 Token 吞吐量；为何他认为 AI 没做好任务时，90%是人类的“技能问题”；他如何用自动循环发现超参数，击败自己20年的调优经验；以及他构想的“Dobby”智能体如何彻底接管家中所有子系统。最后，他预言教育将从“向人解释”转向“向智能体解释”，而人类的核心价值将收缩为提供灵感和设计智能体协作的“元脚本”。

Karpathy 的核心逻辑是：人类应主动消除自己作为瓶颈的地位。随着 AI 在可验证领域（如代码、数学）展现出超强能力，人类的核心价值将收缩到那些“智能体尚不能做”的极少数关键决策和创意启发上。目前这种“参差不齐”的智能状态（既像天才又像 10 岁小孩）是由于强化学习在非验证领域（如讲笑话）缺乏优化导致的。

参考：

• Andrej Karpathy on Code Agents, AutoResearch, and the Loopy Era of AI
• “Token 不用完会焦虑”！Karpathy最新访谈自曝患上 “AI 精神病”：软件世界正在被 Agent 接管

What happens when AI agents can design experiments, collect data, and improve — without a human in the loop? Andrej Karpathy joins Sarah Guo on the state of models, the future of engineering and education, thinking about impact on jobs, and his project AutoResearch: where agents close the loop on a piece of AI research (experimentation, training, and optimization, autonomously).

Explore how AI agents are transforming engineering workflows from manual typing to delegation. Discover new methods for autonomous research and managing digital environments through conversational interfaces.

以下为主要内容的图文介绍：

🧠 从编程到“意图表达”——AI 精神分裂

• 编程终结：Karpathy 描述自己进入了一种“AI 精神错乱”状态——不再亲自写代码，而是全天候向智能体表达意图。他的工作变成指派一个智能体研究需求、另一个写代码、第三个制定计划，像指挥交响乐一样操纵整个代码仓库。
• 新瓶颈：生产力不再受限于打字速度或算力，而是 Token 吞吐量和人类下达指令的能力。他说：“现在的瓶颈是我能多快地把想法转化成提示，而不是我能多快写出代码。”

🔁 自动化研究——让 AI 自己改进 AI

• 超越人类经验：在他的“AutoResearch”实验中，一个自动循环探索的超参数配置，比他凭借20年经验手工调优的结果更好。这让他意识到，人类经验可能很快成为限制因素。
• 去中心化科研：他构想了一个类似“折叠项目”或区块链模式的系统，让全球不受信任的参与者通过“实验”作为工作量证明，共同优化大模型。研究机构本身也可以变成一组可被 AI 元优化的 Markdown 文件。

🦞 “Claws”——持久化的物理世界代理

• Dobby 智能家：Karpathy 用“Claws”形容那些持久运行、不断循环的智能体层。他构建了名为“Dobby”的智能体，能自主扫描局域网、逆向工程 API，彻底接管家中灯光、空调、安保等所有子系统——不再需要任何 App。
• 软件形态终结：他预测未来定制 App 将消失，取而代之的是开放的 API 节点，智能体作为“胶水”根据人类需求即时调用。软件将从“安装”变成“临时生成”。

🌐 行业格局与智能特化

• 开源追赶：闭源模型虽领先，但开源差距已从18个月缩小到6-8个月，且呈收敛态势。他担忧智力中心化，认为开源是行业安全的重要保障。
• 智能特化：未来可能不再只有一个全能的“先知”模型，而是出现针对数学、编程等特定领域深度优化的特化模型。

🎓 教育与人类角色的重塑

• 教育即“技能脚本”：人类不再需要亲自向他人解释知识，而是向智能体提供独特见解和课程大纲，由智能体根据学习者的能力无限耐心地引导。
• 数字与物理脱节：数字化工作的效率提升远快于物理世界，机器人技术将相对滞后。
• 人类最后的价值：在 AI 能做的领域（如代码、数学），人类将退出；核心价值收缩到“智能体尚不能做”的极少数关键决策、创意启发和提供“直觉”。