Ilya Sutskever 昨天接受了 Dwarkesh Patel 的采访 这是他离开 OpenAI、创办 SSI 之后，最深度的一次公开发言 核心判断如下： AI 行业正在从「扩展时代」回归「研究时代」，从 Age of Scaling 到 Age of Research 为了方便大家路上听，这里我做了一份中文配音版 这里有文字版，发在了公众号上： 【中文配音&详解】Ilya：Scaling 时代结束了

Andrej Karpathy 录制了一期播客，信息量巨大，很值得一听 开篇泼冷水：未来十年没有 AGI，只有 Agent 这里说一下，Andrej Karpathy 是 OpenAI 早期成员，参与过 GPT 背后的技术路线，在一线干了 15 年；同时，Andrej Karpathy 也是前特斯拉 AI 总监 然后...我复刻了一份中文版音频 使用的工具，是大橘子的 ListenHub 的 API 以及...我还写了份文字版的解读，大概4000字，发在了公众号上： 《Andrej Karpathy 2小时访谈：未来十年，没有 AGI，只有 Agent ｜附：中文版音频》 这个播客的时间轴如下： 0:00:00 - Part 1: AGI 仍需十年 Andrej 分享他 15 年 AI 研究经验，解释为什么 agent 需要十年而非一年。从 AlexNet 到 Atari RL，从 OpenAI 早期到 LLM 时代，讲述 AI 发展的三次重大转变，以及为何过早追求完整 agent 是个错误。 0:17:14 - Part 2: LLM 的认知缺陷 探讨编码模型的局限性，区分 autocomplete、vibe coding 和 agents 三种交互方式。Andrej 指出当前 LLM 缺乏 continual learning、multimodal 能力，以及为何 AI 自动化 AI 研究仍然困难重重。 0:24:56 - Part 3: RL 很糟糕 深入剖析强化学习的根本问题：通过吸管吸取监督。讨论 process-based supervision 的挑战、LLM judge 的局限性，以及著名的 dhdhdhdh 案例如何揭示对抗性例子的本质。 0:33:55 - Part 4: 人类如何学习？ 对比人类睡眠的 distillation phase 与 LLM 训练。探讨模型坍缩问题、儿童学习 vs LLM 记忆的差异，以及 Andrej 对十亿参数认知核心的大胆预测。 0:47:13 - Part 5: AGI 将融入 2% GDP 增长 如何衡量 AGI 进展？为什么编码成为 AI 的主导应用？Andrej 用呼叫中心员工 vs 放射科医生的对比，解释为何 AGI 不会带来突然的智能爆炸，而是渐进式融入经济增长。 0:56:47 - Part 6: 超级智能 超级智能会感觉不同吗？讨论失去控制 vs 失去理解的区别。Andrej 认为智能爆炸不会改变 GDP 增长率，通过工业革命的类比说明技术进步的渐进本质。 1:09:05 - Part 7: 智能与文化的进化 从 Nick Lane 的进化生物学谈起，探讨智能进化的稀有性与动物智能的多次出现。深入分析 LLM 的文化现象、自我博弈的作用，以及为何它们仍然是孩子——天才但未成熟的孩子。 1:17:42 - Part 8: 自动驾驶为何耗时如此之久 Tesla 五年自动驾驶经验总结。揭示 march of nines 原理：每个九都需要恒定工作量。从 demo 到 product 的巨大鸿沟、Waymo 的远程操作真相，以及对 AI 建设和计算资源的冷静思考。 1:29:12 - Part 9: 教育的未来 为何从 AI 研究转向教育？Andrej 的 Starfleet Academy 愿景、韩语导师的完美体验启发。介绍 micrograd：仅 100 行代码的 neural network 训练核心，以及每秒的 eureka 教育理念。