2025 年 10 月, 一场两个半小时的播客让 AI 圈吵了几个星期。Andrej Karpathy 在 Dwarkesh 的节目里说 AGI 大约还要十年, 舆论立刻把他归入看空阵营, 于是两天后他又发了一条千词长帖逐条澄清, 结果澄清帖本身又收获百万级传播。很多人只读了帖没听播客, 这个二段点火的过程, 本身就够写进传播学案例了。
他的定位句值得先记下来: 我的时间线比旧金山 AI 圈聚会上听到的悲观 5 到 10 倍, 但比越来越多的否定派乐观得多。所以"十年"在他嘴里反倒是看多的判断, 是"智能体的十年", 意思是这条路是通的, 只是每一项缺失能力, 持续学习, 多模态, 电脑操作, 可靠性, 都是多年的工作量。
整场访谈里承重最大的是两个意象。第一个是本体论: 我们在造幽灵, 没在造动物。动物的能力由进化预装, 斑马落地几分钟就会跑; 而大模型是把互联网文本压缩进网络得到的模仿物, 会背整个互联网, 却在很基础的地方犯错。这个命名一换, 短时间线阵营"模型像人, 所以会像人一样快速变强"的隐喻就塌了。第二个是方法论: 强化学习是用吸管吸监督, 一整条长轨迹只换来一个对错标量, 成功轨迹里的臭棋被表扬, 失败轨迹里的好棋被冤枉。人靠复盘学习, 现在的训练配方里没有复盘。
而把缺件清单换算成年份的, 是他在特斯拉干了五年自动驾驶攒下的换算器: 可靠性从 90% 到 99% 到 99.9%, 每提升一个九都是等量的工作, 演示只证明第一个九。1986 年 CMU 的面包车就能自动开了, 到今天还没收尾。demo 很容易, 产品很难, 这句话由造过这两种东西的人说出来, 分量不一样。
我对这套论证有一处保留。自动驾驶的九贵在人命和监管, 软件世界可回滚, 可沙箱, 可低成本并行试错, 九的单价未必一样。2026 年上半年编码智能体的渗透速度明显快于自动驾驶同期节奏, 算是给了批评者半张答卷; 但通用电脑操作智能体照旧不可靠, 又给了他半张。两边各拿一半分数, 这大概说明"九"的框架是对的, 系数因领域而异。他最薄弱的一环是宏观判断, 说 AGI 会像电力和互联网一样融进每年 2% 的增长曲线, 用旧通用技术的基率去约束一个按定义能自我改进的技术, 这一段更像世界观陈述, 论证密度明显低于前面。
我们不是在造动物, 我们是在造幽灵。(访谈原文)
最让我服气的反倒是他的行动: 判断十年渐进, 人机协作长期存在, 那最值得做的就是提升人对 AI 的使用能力, 于是他去做教育。一个真信两年后超级智能的人, 不会去给知识修坡道。判断如果不改变你的任何资源配置, 它只是社交表态, 这一条我记在了所有笔记的最前面。往后看任何 AI 产品, 我都会先问三句: 它现在几个九, 目标场景需要几个九, 每加一个九谁出钱。演示打动人的程度, 和产品的成熟度, 从来是两回事。
原文: Andrej Karpathy: AGI is still a decade away (Dwarkesh Podcast), 作者 Andrej Karpathy (访谈嘉宾), Dwarkesh Patel (主持), 发布于 2025-10