自 2024 年底彻底转向 Agent工作流后，卡帕西（Andrej Karpathy）认为自己进入了一种被称为“AI 精神分裂（AI Psychosis）”的状态：疯狂追求“意志输出。
当写代码的瓶颈从“手速”变为“意愿产生频率”，人类进入了新的认知无人区。
图片来源：https://www.youtube.com
一、 Token 焦虑症：新时代的生产力度量衡
Karpathy说，如果他的订阅额度没用完，或者Agent正在后台运行而他却在闲着，他就会觉得自己成了整个系统的瓶颈。
1.从“手速驱动”到“意图驱动”的暴力转型
过去，一个顶级程序员的产出上限受限于打字速度和大脑并发能力。
但 Karpathy 描述了他的一段 16 小时高强度开发，此时，这种物理约束消失了。他不再是一个拿着扳手的建筑工，而更像是一个坐在指挥室里的资源调度官。
他不再关注某一行 Python 代码的缩进，而是不断地开启新的会话，同时指挥 10 个Agent在不同的代码库里冲锋。这种状态本质上是在进行一种“意图的连发”。如果你无法持续产生高质量的、足以驱动系统进化的意图，你就会在 Token 的洪流面前感受到一种近乎荒诞的贫瘠感。
2.移除人类瓶颈：杠杆率的极限推演
在传统的软件工程里，增加人力往往意味着沟通成本的指数级上升。但在 Karpathy 的新范式里，杠杆的逻辑被重写了。
- 1 对 N 的编排：过去你只能写一个模块，现在你可以同时构思一个分布式系统的十个组成部分。
- 宏观动作（Macro Actions）：现在的开发单元不再是函数，而是“功能块”。人类抛出一个宏观构想，剩下的脏活、累活、单元测试，全部在后台静默完成。
3.“技能缺陷”
在 Karpathy 的语境里，“不行”这个词正在消失，取而代之的是——“Skill Issue”（技能缺陷）。如果Agent没能完成任务，他不再归咎于模型能力，而是反思：是不是我的指令文件写得不够清晰？或者是我的逻辑链路本身就有漏洞？
二、 当Agent开始完成“自主科研”的闭环
如果你去翻看 Karpathy 最近在 GitHub 上爆火的那个自主科研系统 AutoResearch，你会发现一个令人战畏的细节：人类唯一需要触碰的文件，是一个叫 program.md 的说明文档。
1.代码是瞬态的，策略是永恒的
在 Karpathy 的实验室里，代码已经降级为一种“耗材”。AI 会在几分钟内为了优化一个技术指标而疯狂修改、测试、推翻并重新生成这些程序文件。真正被沉淀下来、需要人类反复雕琢的，是那份 说明文档。
- 意图的容器：它定义了实验的方向。
- 评价的红线：它规定了什么样的结果才是“更好的”，以及哪些路径是绝对禁止的。
- 知识的存档：它记录了人类对该领域的深度理解。 这意味着，未来的开发者不再是逻辑的编织者，而是策略的撰写者。
2.组织的“代码化”
Karpathy 透露了一个更深层的野心：这种模式不仅适用于写代码，更适用于定义一个组织。
- “复刻”实验室：过去你只能克隆代码仓库，未来你可以复刻一个“研究大脑”。
- 高阶指令优化：组织间的竞争将不再是人才数量的竞争，而是谁能写出更具启发性、更稳健的“组织运行指令集”。
3.递归自改进：当 AI 开始修复人类的“认知漏洞”
在实验中，最让 Karpathy 兴奋的瞬间，是 AI 发现了他代码中一个潜伏了数月之久的逻辑漏洞。
这个漏洞不是靠简单的扫描发现的，而是 AI 在按照文档指引进行实验时，发现结果无法达到预期目标，从而反向推导并修复了它。这种“递归改进”让软件开发进入了一种自愈状态，人类只需要在文档里维持那些高阶的、难以被取代的“审美”和“直觉”。
三、如何与“天才与白痴”的混合体共存
Karpathy 在这次深度复盘里，也给所有人泼了一盆冷水。他用了一个很形象的概念：锯齿状智力。简单来说，现在的 AI 就像一个偏科偏到极致的怪胎，它的能力曲线不是平滑的，而是布满了尖锐的突起和深不见底的坑洼。
AI：是顶级专家，也是三岁小孩
它能帮你写出几千行复杂的分布式架构，转头却在数一个单词里有几个“r”时翻了车。 这种智力分布特征决定了AI是一个不按常理出牌的伙伴：
- 在“可验证领域”它是神：只要是能跑通、有明确对错标准、逻辑可以闭环的代码或数学题，它就是这个星球上最博学的专家。
- 在“非对错领域”它是坑：一旦涉及到幽默感、微妙的直觉判断，或者是那些“只可意会不可言传”的人类常识，它表现得可能还不如一个十岁的孩子。
人类：从“生产者”变成“鉴赏家”
当 AI 的产出能力已经溢出到让人感到压力的地步时，人的价值到底在哪儿？Karpathy 拿他那个只有 200 行代码的极简项目 MicroGPT 举例。AI 能分分钟写出两万行代码来实现同样的功能，但为什么那份 200 行的代码更值钱？因为那里头藏着人类的执念。
- 审美才是最后的防线：AI 能堆砌功能，但它不懂什么是“优雅”，什么是“点到为止”。
- 裁判比运动员更值钱：以后我们不再需要亲自下场流汗，但我们需要一眼看出哪段代码是垃圾，哪段逻辑是神来之笔。判定好坏的能力，比制造的能力更昂贵。
教育的解构：当“向人解释”变得多余
我们过去的教育体系，很重要的一部分是在教你“如何向另一个人解释你的想法”。但如果以后你的搭档是一个秒懂你所有意图的智能体呢？
- 沟通成本的消失：当你和 AI 之间达到了那种“心领神会”的程度，那些为了照顾人类同僚而存在的演示文稿、冗长的汇报，通通成了多余的噪音。
- 认知的演变：Karpathy 认为，我们可能不再需要学习如何向人类表达，只需要学习如何向Agent “发令”。但这到底是人类表达能力的萎缩，还是大脑算力从琐事中彻底释放？
四、 当互联网不再“为人服务”
Karpathy 认为，我们现在习以为常的App，本质上是技术不成熟时代的“补丁”。
1.图形界面的退场
如果智能体已经能通过代码接口（API）直接读懂所有数据，为什么我们还需要一个精美的手机屏幕？
过去的互联网是“给人看”的，所以才需要 UI、需要排版、需要花哨的交互。 但在 Karpathy 的框架下，未来的软件将进入“去壳化”的状态：软件不再需要外壳，它们只需要向外暴露一堆可以被智能体理解的函数。你不需要打开音响的 App 调音量，也不需要打开恒温器的 App 调温度。在智能体的视角里，整个物理世界的电器和数字世界的服务，都只是一串等待调用的函数名。
2.意图的“自动撮合”：从信息搜索到价值结算
未来的互联网不再是人去翻网页，而是无数个智能体在后台进行“毫秒级”的博弈。
- 智能体间的闭门会议：如果你在做一个关于新型材料的研究，你的科研智能体会直接对接原始数据的接口，自动定价、自动购买授权、自动完成跨平台的逻辑验证。
- 不再有“网页”的概念：互联网将从一个“展示厅”变成一个高效的“自动化交易撮合器”。在这种环境下，谁的接口更标准、谁的数据更利于 AI 吞噬，谁就是新的基建之王。
3.原子世界的“传感器喂食”：最后一块拼图
虽然数字世界已经进化到了“意图即所得”，但物理世界（原子世界）依然沉重得像块铅。这也是 Karpathy 离开大厂、钻研家政智能体的深层动因：
- 算力过剩与感知贫瘠：我们已经有了超强的大脑，但在物理世界里，我们的“手脚”还没接通。
- 硬件即接口：摄像头、红外线、力觉传感器，它们不再是简单的硬件配置，而是连接那个超强数字大脑的“喂食器”。
结语：独立研究者的执念，是这洪流中最后的“锚点”
Karpathy 选择离开 OpenAI，回归个人实验室，或许正是因为他看清了，在这个“意图即所得”的时代，最大的瓶颈不是算力或模型，而是人类自身产生高质量意图的速度与尝试。
当生产力不再是问题，唯一的命题变成了——我们要流向哪里。
