Karpathy一句话戳破真相：AI时代最大的瓶颈不是模型，而是人

“Code 已经不是合适的动词了。”Andrej Karpathy 在这期播客里，反复把话题拉回一个反直觉的结论：AI 进化的速度，已经开始超过人类使用它的能力。这不是一场模型竞赛，而是一场‘人类技能’的淘汰赛。

当“写代码”失效，人类正在被自己的表达能力卡住

Karpathy 抛出的第一个炸点非常狠：“Code’s not even the right verb anymore。”他的意思不是代码不重要，而是人类正在进入一个‘通过语言、意图和反馈来指挥智能体’的时代。问题在于，他一天要花 16 个小时对着 agent 表达自己的意志，而这件事本身——怎么说清楚、怎么拆任务、怎么纠偏——成了真正的瓶颈。

他用一个自嘲式的总结点破现状：“everything is skill issue。”不是模型不行，而是我们不会用。这和很多从业者的直觉完全相反：大家都在等下一个更强模型，但 Karpathy 说，unlock 在你自己身上。当你更会和 agent 协作时，世界会突然“解锁”一层新的可能性。

‘Loopy Era’：我们正处在一种集体的技术精神恍惚中

他多次提到一种近乎“psychosis”的状态：走进办公室，脑子里全是“这居然也能做到？”这不是夸张，而是一种真实的行业心理——可能性暴涨，但使用范式尚未稳定。

在 Karpathy 看来，我们正进入一个“loopy”的时代：工具能做的事情远超我们的想象，但反馈回路还没跑顺。于是大家一边被震撼，一边又说不清该怎么系统性地用好它。这也是为什么他反复强调“we just haven’t figured out how to use it”。不是方向错了，而是方法论还没成型。

自动化、AutoResearch 与那个“单一入口”的执念

聊到具体形态时，Karpathy 提到一个很有意思的设想：如果你只有一个入口，把需求丢进去，剩下的全交给系统？他甚至用“single WhatsApp portal tool of the automation”来形容这种极致自动化的诱惑。

这背后其实是一个更大的判断：研究、创作、探索本身正在被工具化。AutoResearch 不只是帮你查资料，而是能自己拆问题、试路径、给结论。人类提供的，不再是步骤，而是方向和算力（compute）。这也引出了他后面那个“有点异端”的问题：未来你真正贡献给系统的，可能不是想法，而是资源。

开源模型的微妙位置：落后一点，但可能更重要

在谈到开源时，Karpathy 的态度很克制，也很真实。他承认开源在能力上可能“差一点”，但他同样觉得这种差距并不致命，而且令人惊讶的是，它还能持续跟上。

更关键的是，他希望这种状态能“stick around”。原因不难理解：当工具变成基础设施，开放性决定了谁能参与下一轮创新。这不是情怀问题，而是生态问题。开源也许不是最快的那条线，但很可能是最广的那条。

真正的边界不在模型，而在我们是否敢外推

主持人问了一个很尖锐的问题：为什么不把这些趋势再往外推一点？Karpathy 的回答并不激进，但很坚定——研究效率一定会继续提升，而这件事本身就已经“insane”。

他举了自己做过的、与通用机器人前身相关的工作作为例子：很多突破，并不是因为某个单点技术，而是因为你终于敢相信系统可以承担更多复杂性。这种‘相信’，本身就是一种边界突破。

总结

这期对话真正值得反复咀嚼的，不是某个预测，而是一种视角转移：AI 的天花板，正在从模型能力，转移到人类使用能力。对从业者来说，最现实的行动不是追热点，而是刻意训练自己“如何与智能体协作”的技能——拆问题、给反馈、搭回路。一个值得你带走的问题是：如果模型明天不再变强，你今天的工作方式，还能再进化一次吗？

关键词： Andrej Karpathy， AI Agent， 自动化， AutoResearch， 开源模型

事实核查备注： 需要核查：1）视频完整时长；2）Karpathy 关于开源模型能力差距的原话语境；3）‘single WhatsApp portal tool’是否为比喻而非具体产品；4）提及 Conviction 的具体背景是否在视频中展开。