2025 年，AI行业被“智能体元年”的讨论刷屏。
DeepSeek 超越 GPT-4o，OpenAI 发布 Agent SDK，Anthropic 四个月连推三个模型……每一次发布都像一次惊人的飞跃，让人觉得 AGI 离我们只有一步之遥。
但 Andrej Karpathy 泼了一盆冷水。
这位前 OpenAI 核心研究员、特斯拉自动驾驶负责人，在 2025 年 10月 18 日的一场对话中明确表示：
我并不觉得今年是爆发年，也不相信会有哪一年是。AGI 需要数十年时间，它是一条由无数突破和改进构成的长曲线。
这句话，刺破了当前所有关于“突破”“爆发”“奇点”的狂热叙事。
Karpathy 的判断不是悲观，而是冷静。他更关心的，不是模型参数有多大，而是它是否真的有记忆？是否能持续和你共处？是否能成为社会的一部分？
他说：我们现在的智能体，其实更像是个幽灵。它们记不住自己是谁，也记不住你是谁。
真正重要的不是模型有多强，而是 AI 能否真正融入我们的生活：有记忆、能成长、可信赖。
而 2025 不是终点，它只是这条漫长演进中一个被误读为爆炸的起点。
第一节｜你以为它懂你，其实它不记得你
“你以为它在帮你规划旅行，其实它根本不记得你是谁。”
Andrej Karpathy 说这句话时，并不是开玩笑。
他指出，现在我们常用的所谓“智能体”（AI 助手），连最基本的“记忆”都没有。 不管你跟它说了多少次，它下一次打开时，还是从头开始。没有状态，没有身份感，没有连贯性。就像一位每天失忆、穿着西装接待你的“幽灵”。
“今天我们所有的聊天机器人，其实都是幽灵（ghosts）。”
这是 Karpathy 在访谈中多次强调的一点。尽管人们总在说 AI 在“爆炸式进步”，但在他看来，那些看起来很聪明的系统，缺的不是知识，而是连续性。
他说：AI的进化其实更像一条缓慢上升的曲线，悄悄学习、持续进步，直到你突然回头，才发现它已经不一样了。
✅ “持续存在”才叫智能体
Karpathy 给“智能体”这个词重新下了定义：
“A real agent needs to persist over time. It needs memory. It needs continuity（一个真正的智能体，必须具备持久性、记忆力和连续性）.”
通俗的来说，一个真正的AI助手，不能只是能对话、能回答问题，更重要的是它要能长期陪伴你。它应该知道你昨天让它查过机票、前天生成过 PPT、上周总结过财务数据。它要能记住过去，理解现在，延续到未来。
这才叫智能体，不是我们现在用的“高级搜索框”。
✅ 现有产品，为什么还做不到？
你可能会问：ChatGPT 不也挺好用的吗？Claude 不也能追问上下文吗？
Karpathy的回答是：它们没有记住你，只是在当下和你聊天。
我们确实看到了一些尝试，比如：
- ChatGPT 的长期记忆功能（但仍需用户自己设定“记住什么”）
- Rewind 这类记忆记录工具（但还未真正融合进 AI 本体）
- Claude 的 Agent SDK（强调多轮任务，但状态切换仍靠开发者维护）
这些只是在外部给它加了记忆功能，但 AI 本身依然不记得你是谁。
✅ 问题的本质不是回答能力，而是记住你
Karpathy 说，现在很多人还在讨论prompt 要怎么写更有效，但他想问的却是：
如果它连我们是谁都记不住，为什么还要一次次输入提示呢？
他打了一个比喻：你每次和它说话，都像是在向一个路人喊话。
你以为它是你的助手，但它其实不认识你。它不知道你是谁，也不记得上一次对话发生了什么。
所以，Karpathy不相信“爆发年”的说法。因为在他看来，现在的 AI 还停留在假装认识你的阶段。
真正的转折点，不是能力的突增，而是 AI 成为一个长期陪伴你的“伙伴”。
那一刻，它才从工具变成伙伴，从模型变成智能体。
第二节｜AI 不止要会说话，更要动手、记事、活得久
AGI 不是一堆功能的组合，而是一套统一的操作结构。——Andrej Karpathy
Karpathy 不止一次提到，现在大家在谈 AGI（通用人工智能）的时候，总喜欢数功能：“能写代码”“能画画”“能接工具”。 但他想说的是：
真正的 AI，不只是能做很多事，而是这些事要连在一起、有前后逻辑、有稳定表现。
简单讲，不是会说话、会查资料、会写文案就叫 AGI。 Karpathy 描述了三条长期发展的路线，只有这三条线都走通，才可能出现“有真正智能感的 AI”。
第一条线：让 AI 真正“理解”你在说什么
这条路，其实就是我们熟悉的 GPT、Claude、Gemini正在做的事。 Karpathy称它是语言模型的认知路线。
- 会读懂上下文
- 能做逻辑推理
- 会给出合理的推测
这些能力在过去三年进步飞快，但Karpathy说：这只是基础，光有这个还不够。
就像一个很会考试的人，但不一定知道怎么在现实中处理事情。
第二条线：让 AI 能“操作世界”
Karpathy 说，接下来最关键的，是让 AI 不光能说，还能动。
他举例现在很多人开始用 AI 写邮件、查文件、读网页，甚至安排日程。这些能力不再只是语言理解，而是 AI 在现实中“动手”去帮你做事。
这类能力，Karpathy 称为：工具调用（tool use）。
“我们需要让智能体不只是对话，还能调动浏览器、笔记、应用，帮你真正完成任务。”
但现在这部分还非常初级。Claude 调用工具要等你手动触发，ChatGPT 的插件功能也不总能成功。
而真正的智能体，是你说一句话，它就能自己判断：
该查什么资料、该整理哪些邮件、该安排什么时间、该输出怎样的计划。
第三条线：让 AI “持续存在”下去
第三条线更关键：能不能把AI从一个单次工具变成一个长期在你身边的角色。
他说：
“我们现在做的AI，就像一盘散落的拼图：语言模型是一块，工具是一块，记忆是另一块……但它们没被真正组合在一起。”
这导致的结果是：
AI 回答得好，但下次就忘了
工具能用，但每次都要重新教
上一轮对话的逻辑，下一轮完全接不上
Karpathy 说，要改变这一切，需要的是：一个统一的运行方式（operating architecture）。
换句话说，不是把拼图随意拼凑，而是要让 AI 像一个人一样持续存在在线上社会中，能成长、有记忆、有任务意识、有状态、有行为模式。
总的来说：
我们要从token（词）往action（行动）走。
这意味着，AI不再只是你说一句，然后它回一句。你只需要提出目标，它自己会理解、执行、反馈，并且能把今天的事情和过去、未来的计划连在一起。 这要求 AI 不再是功能拼接，而是像一个人一样，有自己的运行逻辑，能和你长期共事。
现在的Claude、ChatGPT、Gemini都在尝试这样做，但这条路才刚刚开始。我们看到的，不是爆发，而是开头。
第三节｜喂它一切，不等于教它成长
这三条路要怎么走通？Karpathy 给出了一个出人意料的答案：不是堆更多数据，而是改变训练方式。
今天我们对 AI 的训练，就像把所有书都塞进孩子嘴里，然后希望他成为科学家
他指出，目前主流的模型训练方式，基本是把全世界知识喂给它：从网页、百科、论文到社交平台，把海量数据一股脑塞进去。这就像填鸭式教学：喂得多，不等于学得好。
就像你不会指望一个孩子光靠背书就变成诺奖得主，AI 也不会因为读完互联网就自动成为智能体。
✅ 从“灌数据”到“教目标”
Karpathy 认为，AI 的训练方式该换了。
“大多数模型读了世界上 99% 的信息，但没有被教会哪 1% 是它应该用来解决问题的。”
我们不需要模型什么都知道，而是要它对关键问题有深刻理解。
举个例子，如果你要训练一个医学助手：
- 与其让它读 10 亿篇医学论文，
- 不如设计一门诊断课程：先学习问诊流程，再练习病历分析，最后参与真实病例决策。
这种按课程表设计的训练方式，比海量输入更能让AI建立任务意识和知识结构。
✅ 三个新训练原则：像培养人一样培养AI
Karpathy 认为，未来 AI的训练应该像培养新同事，而不是粗暴地往硬盘里灌数据。 他提出了三条核心原则：
① 有目标感：AI 必须“知道自己在学什么”
今天的模型大多在无目标地学习，读很多数据却不知道要解决什么问题。要给模型明确的学习方向，比如成为写作助手、学会连续规划、掌握科学研究流程。
这就像带孩子学游泳，不能只是把他丢进水里，而要告诉他“今天练的是换气”“明天练的是速度”。
② 有任务性：从“知识”转向“行动”
AI 不应该只是“知道”，而要“会用”。Karpathy 强调训练要围绕任务来设计，让模型在解决真实问题的过程中学习，而不是光靠死记硬背。
比如：不是背下 API 文档，而是通过不断调用工具去完成一项复杂任务；不是阅读金融数据，而是尝试写出投资分析报告。
“智能体不是学生，它更像一个实习生。我们要让它在干活中成长。”
③ 有反馈循环：不断试错、纠正、改进
AI需要反馈。
现在的训练过程太静态，模型学完就结束，缺乏和环境的互动。而未来的训练应该是动态的：模型完成任务后得到评价，根据结果改进下一步策略。
这种“试错—反馈—改进”的循环，才是智能成长的真正方式，就像人类在工作中不断修正自己的方法一样。
这些观点已经在影响最新模型的方向：
- OpenAI在GPT Agents的训练中，开始围绕“任务链”设计数据；
- DeepMind的Alpha系列通过“自我博弈—自我修正”实现进化；
- Anthropic的Claude也在用“宪法式反馈”指导模型的行为习惯。
这些都说明：行业正从输入越多越好，走向“结构化、有目标、有反馈”的路线。
用 Karpathy 的话说，这意味着 AI 正在从“prompt时代”走向“课程时代”。
未来的 AI，不再靠“prompt”来驱动，而是靠“课程表”来成长。
- prompt 是一场“对话”——你问它答，结束就忘；
- 课程表是一种“成长计划”——它知道自己要变成什么样，会主动去学习和改进。
当 AI 从被动接收知识变成主动学习成长，它才可能不只是一个工具，而是真正能和人一起工作的伙伴。
第四节｜AI 不只是助手，而是“社会的一员”
“智能体不是API，而是一个可信任的代理人。” ——Andrej Karpathy
Karpathy说这句话时，不是在做比喻，而是在描述他眼中即将到来的现实。
他认为，未来的 AI 不会再以功能定义自己，不是“翻译工具”“问答助手”或者“自动化脚本”。在十年之后，我们面对的，是带有身份、角色和责任的AI个体。
✅ 从工具到角色：AI开始带着身份上岗
过去，AI 的使用方式很简单：你让它写邮件，它写完就结束；你让它总结报告，它总结完就停止响应。它从来没有身份，更没有职责。
但 Karpathy 的设想是：AI 的未来不应该是谁来用它，而是“它在社会中扮演什么”。
“未来的 AI 不是一次性的调用，而是一个有身份的存在。它可以是你的律师、你的财务顾问、你的私人助理，甚至是公司的运营官。”
这样的AI，不只是能完成任务，而是要承担起和角色相关的责任：
- 一个医生智能体要遵守医学伦理，持续追踪患者病历
- 一个律师智能体要熟悉当地法规，在法庭上替你辩护
- 一个家庭管家智能体要管理长期计划、预算和日程
这时，它就不再是工具，而是社会角色的延伸。
✅ 角色市场：谁来认证？谁能委托？
Karpathy 提出一个更深的问题：“当 AI 拥有角色后，谁来定义它的职责？谁来确认它的资格？”
如果你雇一个人类医生，他需要通过考试、拿到执照、承担责任。那如果是一个AI医生呢？
这意味着，一个全新的“角色市场”正在出现：谁来认证这些AI是否合格？它们能代表个人做决定、签合同吗？如果AI做错了决定，责任由谁承担？
这些问题看似遥远，但实际上已经开始出现。
例如，美国已有初创公司在开发“AI 律师”，可以自动生成合同、准备庭审文件；一些金融机构也在测试“AI 投资顾问”，为客户提供全自动资产配置方案。
Karpathy 的观点是：智能体的未来不只是技术升级，而是制度升级。
✅ 共存的张力：人类与 AI，会不会“撞角色”？
随着AI开始带着身份上岗，一个新的问题不可避免：它会不会和人类抢位置？
Karpathy 的回答是：会，但这不是坏事。
AI 不会取代人类的存在，它会改变角色的定义。你不再是唯一的执行者，而是一个协作者。
就像公司里从“手动记账”变成“财务系统+会计师合作”一样，未来的医生、律师、产品经理，可能都要学会和“AI 同行”协作：
- 医生与 AI 协作，AI 负责数据分析，人类做最终判断；
- 律师与 AI 搭档，AI 起草合同，人类负责谈判和策略；
- 企业团队中，AI 负责执行复杂流程，人类负责愿景和方向。
这种角色融合不是削弱人类的价值，而是让人从重复劳动中解放出来，去承担更高层次的思考和创造。
Karpathy 的“十年路线图”最后落在一个清晰的画面上：
“未来，你不会只用一个AI。你会和一支AI团队一起工作。一个懂财务的助手、一个懂法律的顾问、一个帮你规划生活的助理。他们都有名字，有背景，有记忆，有责任。”
这不是冷冰冰的工具调用，而是充满人格的生态。当 AI 开始有身份，社会的结构、规则、信任方式都会随之改变。
我们不是在部署工具，而是在建设一批全新的社会成员。
结语｜不是爆发，而是一条长曲线
2025 年，看似什么都在“爆发”。模型越来越大，功能越来越多，发布越来越快。人们以为 AI 正在冲进一个“奇点时刻”。
但 Karpathy 给出的判断，恰恰相反。
不是突然突破，而是一条慢的长曲线。等你回头看时，才发现自己已经走在其中。
这不是悲观，而是更清醒的认知。
十年怎么走？ Karpathy展示了一条不靠堆参数、而靠系统重构的路线：
- 让 AI 从“说一句”到“能做事”
- 从喂数据到设计课程
- 从工具到社会角色
真正的转折不是模型“能干什么”，而是 AI 开始记得你是谁、明白它该做什么、成为社会的一部分。
这是一场渐进的演进，一场结构性的重构。你不会在某一天看到 AGI 突然诞生。你只会在某个清晨，打开熟悉的对话框，突然意识到：它已经不是原来的它了。
而你，也早已在这条智能体曲线里，走了很远。
📮参考资料
https://www.youtube.com/watch?v=lXUZvyajciY
https://podcasts.apple.com/us/podcast/andrej-karpathy-agi-is-still-a-decade-away/id1516093381?i=1000732326311&utm_source=chatgpt.com
本文来自微信公众号“AI 深度研究员”，作者：AI深度研究员，36氪经授权发布。
