Karpathy：人类正在成为 AI 的瓶颈

OpenAI 创始成员、前特斯拉 AI 高级总监 Andrej Karpathy 近日围绕 AI 与人类协作的现状发表了一系列观点。在他看来，AI 发展的核心议题已不再是模型规模的扩张，而是人机协作方式的根本性变革。这种变革既释放了前所未有的生产力，也让人类自身成为新的瓶颈。他以自己的日常实践为例，提出前沿实验室应当全力推进「让大语言模型完成对自身改进」的递归式自我升级。

AI 深度嵌入工作与生活

Karpathy 表示，「写代码」一词的含义已经被彻底改写。以他本人为例，亲手敲写的代码量与 AI 智能体生成的代码量之比，已从过去的 8:2 反转为 2:8，且这一差距还在持续扩大。他直言，自 2025 年年底之后，自己便再没有亲手写过一行代码。

这种变化在 AI 实验室和前沿科技公司中尤为普遍：工程师普遍佩戴麦克风，通过自然语言向多个智能体分配任务、审查输出、整合成果，工作模式更接近指挥官或产品经理，而非传统的代码编写者。编程之外的场景同样被 AI 渗透。Karpathy 构建了一个被他称为「多比」（Dobby）的智能体来管理家居电器：

通过局域网扫描找到 Sonos 音响并直接调用其无密码保护的 API，仅用三次提示词便完成了音乐播放；
「黑」进家中灯光系统并生成 API 接口与仪表板，通过自然语言统一控制所有设备；
借助家门口摄像头配合 Qwen 模型识别联邦快递卡车，自动提醒有包裹待签收。

他由此判断，未来智能家居厂商应当直接提供 API 接口，让 AI 智能体调用即可，大量定制化 App 可能不再有必要。

人类成为效率的瓶颈

效率的提升并未让 Karpathy 变得更轻松，相反，他每天要花十余小时向智能体传达意图，力求实现「Token 吞吐量」最大化，并形容自己陷入了持续的「AI 精神错乱」状态。当执行成本被 AI 极大降低后，人所面临的真正限制已不再是算力，而是自身在有限注意力内「该选择做什么」。

竞争格局的演化进一步加剧了这种焦虑：所有人都在向技术栈上游攀登，竞争对象已从单次会话质量升级为如何调动多个智能体形成 AI 团队协作。「不错过任何可能性」成为强大驱动力，一旦停止探索，就会产生落后感。

由此，Karpathy 开启了「自动化研究」的探索。其核心理念是：

人不应继续作为瓶颈亲自运行超参数优化，而应在存在客观评估标准时让系统自主运行；
前沿级 AI 研究的关键方法是在小模型上进行大量实验，再外推到更大模型；
整个研发流程都应被重构，目标是尽可能移除人类环节，获得极高的每秒 Token 吞吐量。

他以 NanoChat 项目训练 GPT-2 模型为实验平台，在手动调参之外让自动化系统整夜运行，次日即发现了若干此前被遗漏的关键调优点，包括 Value embeddings 的权重衰减未被设置、Adam 优化器的 beta 参数未充分调优，以及这些参数之间复杂的相互作用。这一结果让他确信：设置好系统，让它永远自己跑下去。

AI 能力的参差不齐与细分进化

Karpathy 同时指出，当前 AI 的能力表现呈现出极大的「参差不齐」。在与 AI 交互时，他时而感到在与行业专家对话，时而又像在与十岁小孩交谈。这种脱节源于训练方式：当前模型主要通过强化学习优化，凡是存在明确奖励信号、可验证的领域，AI 都表现优异；而一旦进入模糊、开放、难以评估的领域，AI 便会失去方向。

他以 ChatGPT 讲笑话为例：那个「为什么科学家不相信原子？因为它们 make up 一切」的笑话三四年前就已存在，至今仍在被使用。即便模型在编程等任务上已能持续运行数小时完成复杂工作，讲笑话这件事却几乎没有进步——它不在强化学习的奖励信号覆盖范围内。

面对这一现状，Karpathy 提出了「细分式进化」的方向：

不应期待一个覆盖所有领域的「神谕模型」，而应像生物多样性一样，针对不同生态位发展更小、更垂直、更高效的模型；
每个模型保留通用认知核心，但在特定领域实现高度专业化，针对用户真正关心的任务进行更高级别的优化；
推动这一趋势的现实因素是基础算力的容量压力，企业级场景中针对高价值垂直领域提供定制服务，可能比通用模型更具吸引力。

他也指出了制约因素：能够精细调整 AI 大脑的技术本身尚未成熟，除上下文窗口定制外，在持续学习、特定领域微调、修改权重等深层操作上仍缺乏可靠方法，稍有不慎便可能导致能力退化。

走向自我升级的 AI 时代

Karpathy 所描绘的图景充满张力：AI 能力大爆发让个体能够实现前所未有的自动化，但无限可能也带来了新的焦虑与不确定性。他反复强调，AI 时代的核心议题已转向人类自身的进化——我们无法左右 AI 技术的演进，但可以驱使自己不断学习与升级。无论是继续追逐通用模型的单一形态，还是走向更加多元的细分式智能，是让 AI 更大程度接管自动化研究，还是始终保持人类在工作流中的关键位置，有一点可以确定：AI 正在重新定义人类与世界之间的关系，如何在其中找准自己的位置，将成为每一个人都必须面对的「技能问题」。