# AI 大神 Karpathy 2025 年度总结刷屏：AI 既是天才也是智障，这 6 个转折最关键 - 作者：爱范儿 - 发布时间：2025-12-20 12:46 - 分类：公司、软件 - 原文：https://www.ifanr.com/1649203 ![](https://s3.ifanr.com/wp-content/uploads/2025/12/Gemini_Generated_Image_uhfu03uhfu03uhfu.png) 最近各种年度回顾陆续上线， OpenAI 的前联合创始人 Andrej Karpathy 也交出了自己对大模型的年度总结 就在今年早些时候，他在 YC 的一场演讲刷爆了全网，提出了不少新的观点： - 软件 3.0 已来： 从最初的人写代码（1.0），到喂数据训练模型（2.0），现在我们进入了直接对模型「念咒语」（Prompt）的 3.0 时代。 - LLM 是新操作系统： 它不是像自来水一样的普通商品，而是一个负责调度内存（Context Window）和 CPU（推理算力）的复杂 OS。 - Agent 的十年： 别指望 AI Agent 一年就成熟，从 99% 到 99.999% 的可靠性，我们需要走上十年。 Karpathy 今天这篇《2025 年度总结》，他再次向我我们剖析了这一年 AI 究竟长出了什么样的「脑子」。 以下是对 Karpathy 年度总结的精译，APPSO 在不改变原意的基础上做了更多通俗解读。 如果想看原文可以点击🔗 https://karpathy.bearblog.dev/year-in-review-2025/ 2025 年是 LLM（大语言模型）发展强劲且充满变数的一年。以下是我列出的几点个人认为值得注意且稍感意外的「范式转变」——这些变化不仅重塑了行业版图，更在概念层面上狠狠地冲击了我的认知。 🛑 太长不看版： 2025 年既让人兴奋，又有点让人措手不及。 **LLM 正在作为一种新型智能涌现，它同时比我预期的要聪明得多，也比我预期的要笨得多。** 无论如何，它们极其有用。我认为即使以目前的能力，行业甚至还没挖掘出其潜力的 10%。同时，还有太多的想法可以尝试，从概念上讲，这个领域感觉依然广阔。正如我今年早些时候提到的，我同时（表面上矛盾地）相信：我们将看到持续快速的进步，但前方仍有大量艰苦的工作要做。 系好安全带，我们要发车了。 ### **1. RLVR：教 AI 像做奥数题一样「思考」** 在解释这个复杂的基础概念之前，先看看以前是大模型训练是怎么做的？ 在 2025 年初，各大实验室训练 LLM 的「老三样」配方非常稳定： 1\. **预训练**（Pretraining）：像 GPT-3 那样，让 AI 读遍全网文章，学会说话。 2\. **监督微调**（SFT）：找人写好标准答案，教 AI 怎么回答问题。 3\. **人类反馈强化学习**（RLHF）：让 AI 生成几个答案，人来打分，教它讨人喜欢。 现在发生了什么变化？ 2025 年，我们在这个配方里加了一味猛药：RLVR（从可验证奖励中进行强化学习）。 这是什么意思？ 简单来说，就是不再让人来打分（人太慢且主观），而是让 AI 去做那些「有标准答案」的任务，比如数学题或写代码。对就是对，错就是错，机器能自动验证。 在数百万次的自我博弈和试错中，**模型自发地演化出了看似「推理」的策略**。它们学会了先把大问题拆解成小步骤，甚至学会了「回过头来检查」这种高级技巧（参考 DeepSeek R1 论文）。 核心对比： - **旧范式（RLHF）**： 像是教小孩写作文。因为没有标准答案，AI 很难知道自己哪一步想错了，只能模仿人类的语气。 - **新范式（RLVR）**： 像是把 AI 关进奥数训练营。不用教它具体怎么想，只要给它足够多的题和对错反馈，它自己就能摸索出解题套路。 这一招太好用了，以至于 2025 年大部分算力都被这只「吞金兽」吃掉了。结果就是：**模型并没有变大，但训练时间变长了**。 我们还获得了一个新旋钮：**让 AI 思考得久一点**。OpenAI 的 o1 是开端，而 o3 则是真正的拐点。 ### 2. 幽灵 vs 动物：AI 不是「电子宠物」 2025 年，我和整个行业终于从直觉上理解了 LLM 智能的「形状」。 一个惊悚的比喻：**我们不是在像养宠物一样「进化/养育动物」，我们是在「召唤幽灵」**。 为什么这么说？ 因为 AI 的一切都和生物不同。人类的大脑是为了在丛林里活下来、为了繁衍后代而优化的；而 LLM 的大脑是为了模仿人类文字、在数学题里拿分、在竞技场里骗赞而优化的。 参差不齐的智能（Jagged Intelligence）： 正是因为 RLVR（可验证奖励）的存在，AI 的能力在某些领域（如数学、编程）会突然飙升成刺状。这就导致了一种极其滑稽的现象： - 它同时是一个绝世天才（秒解高数题）； - 又是一个智障小学生（会被简单的逻辑陷阱骗得团团转）。 ![](https://s3.ifanr.com/wp-content/uploads/2025/12/1-9.png) ▲这里 Karpathy 引用了一张梗图：人类智能是圆润的蓝色圆圈，AI 智能是像海胆一样满是尖刺的红色图形。这很形象. 这也解释了为什么我对现在的「跑分榜单」（Benchmarks）失去了信任。 什么是「刷榜」的本质？ 既然榜单是可验证的，那就可以用 RLVR 针对性训练。现在的实验室都在搞「应试教育」，把 AI 的能力尖刺专门往考题上长。**「在测试集上训练」已经不仅仅是作弊，而成了一门新的艺术形式。** ### 3. Cursor：不仅是编辑器，更是「包工头」 ![](https://s3.ifanr.com/wp-content/uploads/2025/12/Cursor.png) Cursor 今年的爆火，揭示了一个新真相：LLM 应用层比我们想象的要厚。 大家开始谈论「医疗界的 Cursor」、「法律界的 Cursor」。这些应用到底做了什么？ - 「上下文工程师」： 帮你整理好所有背景资料喂给 AI。 - 「工头」： 在后台偷偷指挥多个 LLM 干活，把复杂任务拆解，还要帮你省钱。 - 「遥控器」： 给你一个调节「自主性」的滑块，决定放手让 AI 干多少。 **预测：大模型实验室（如 OpenAI）会负责培养「全科大学生」；而应用开发商（如 Cursor）则负责给这些学生提供私有数据和工具，把他们组建成「专业施工队」**。 ### 4. Claude Code：住在你电脑里的「赛博幽灵」 ![](https://s3.ifanr.com/wp-content/uploads/2025/12/Claude-Code.jpg) Claude Code (CC) 的出现让我眼前一亮。它不仅仅是一个能写代码的 Agent（智能体），更重要的是：**它活在你的电脑里**。 对比来看，我认为OpenAI 搞错了方向。 OpenAI 早期的 Agent 都在云端跑（ChatGPT），离你的真实环境太远。虽然云端智能体听起来像是 AGI 的终局，但在当前这个「参差不齐」的过渡阶段，本地才是王道。 为什么本地很重要？ 因为你的代码、你的配置、你的密钥、你的混乱环境，都在本地。Anthropic（Claude 的母公司）搞对了优先级，他们把 AI 塞进了一个小小的命令行界面（CLI）里。 它不再是你浏览器里的一个网页（像 Google 那样），它变成了一个寄宿在你电脑里的「赛博幽灵」，随时准备帮你干活。这才是未来 AI 交互的样子。 ### 5. Vibe Coding 什么是 Vibe Coding？ 这是我在推特上随口造的一个词（居然火了）：意思是写代码不再需要你真的懂语法，你只需要用英语描述你的「意图」和「感觉」，剩下的交给 AI。 这带来了什么改变？ - **对于普通人： 编程的门槛彻底消失了。** - **对于专家： 代码变得像纸巾一样「廉价、一次性、用完即弃」。** 举个例子，我为了找一个 Bug，可能会让 AI 现场写一个专门的 App 来测试，测完就删。放在以前，为了找个 Bug 专门写个 App？疯了吧！但在 2025 年，代码是免费的。 Vibe Coding 将会彻底重塑软件行业，也会改写程序员的招聘 JD。 ### 6. Nano Banana：AI 终于有了自己的「脸」 ![](https://s3.ifanr.com/wp-content/uploads/2025/12/Nano-Banana.jpg) 为什么现在的 AI 交互很反人类？ 不管是 ChatGPT 还是 Claude，我们还在用「打字」跟它们聊天。这就像 80 年代还在用 DOS 命令行的黑底白字。 事实是： 计算机喜欢文本，但人类讨厌读文本。人类是视觉动物，我们喜欢看图、看表、看视频。 Google Gemini Nano banana（这是一个虚构的模型代号，指代某种多模态交互模型）是 2025 年的另一个范式转变。**它暗示了未来的 LLM GUI（图形界面） 是什么样子的**。 未来的 AI 不应该给你吐一堆字，它应该直接给你画一张图、生成一个网页、弹出一个交互面板。 这不仅仅是「画图」，而是将文本生成、逻辑推理和视觉表达纠缠在一起的混合能力。