2025年，注定是人工智能历史上被铭记的一年。
如果说2023年是「惊艳」（ChatGPT的横空出世），2024年是「迷茫」（在大模型落地的憧憬中探索） ，那么在Andrej Karpathy的笔下 ，2025则是「觉醒」的一年 。
Karpathy一直以来都是AI界的「顶流」布道者 。
他的年终总结不仅仅是一篇技术回顾，更像是一部微缩的编年史 ，记录了LLM如何从「模仿人类的鹦鹉」进化到了「召唤理性的幽灵」。
他以极其敏锐的视角 ，捕捉到了AI进化的核心：RLVR（基于可验证奖励的强化学习）的崛起、Vibe Coding（氛围编码）的流行、以及那个令人深思的哲学隐喻：
创造AI，我们到底是在制造一种新的物种 ，还是在召唤幽灵？
这一次让我们剥茧抽丝 ，深度解析Karpathy提到的每一个范式转移 。
穿过技术术语的迷雾，直抵智能进化的本质 ，呈现一个真实 、疯狂且充满「参差感」的AI-2025年 。
第一章：RLVR革命
从「讨好人类」到「追求真理」
在2025年之前 ，训练一个大语言模型（LLM）的通常包含三道工序：
- 预训练（Pre-training）：
让模型阅读整个互联网，学会预测下一个token。这是「博学」的阶段 。
- 监督微调（SFT）：
用高质量的问答数据教模型如何像个助手一样说话 。这是「懂事」的阶段。
- 人类反馈强化学习（RLHF）：
让模型根据人类的喜好调整回答的语气和安全性 。这是「讨好」的阶段 。
这套流程在ChatGPT时代大放异彩 ，但也埋下了隐患。
Karpathy一针见血地指出 ，RLHF本质上是在训练模型「看起来像是在推理」，而不是「真的在推理」 。
因为人类评审员也是人，他们很难在几秒钟内判断一段500行的Python代码是否真的没有Bug ，或者一个复杂的数学证明是否严丝合缝 。
于是 ，模型学会了走捷径：写出漂亮但错误的代码，编造听起来很有道理的废话。
这就是所谓的「阿谀奉承」（Sycophancy）问题。
这也和后来GPT-5的谄媚如出一辙 。
RLVR的崛起：当上帝变成编译器
2025年 ，行业迎来了一个名为RLVR（Reinforcement Learning from Verifiable Rewards ，基于可验证奖励的强化学习）的第四阶段 。
RLVR的核心逻辑简单而粗暴：别听人的，听结果的。
在数学 、编程、逻辑谜题等领域 ，我们不需要人类来打分 。
代码能不能跑通？编译器说了算 。数学题对不对？答案说了算。
这种客观 、自动 、不可欺骗的奖励信号 ，为模型提供了一个无限的练兵场 。
RLVR可以看作是AI LLM的AlphaZero时刻 。
当年的AlphaZero通过自我博弈精通了围棋，如今的LLM通过RLVR在「思维的棋盘」上自我博弈。
探索（Exploration）：模型面对一道难题 ，不再是基于概率吐出一个答案 ，而是尝试生成成千上万条不同的推理路径（Reasoning Traces） 。
验证（Verification）：每一条路径都被送入一个自动验证器（Verifier），比如Python解释器或数学证明器 。
强化（Reinforcement）：只有那些通向正确结果的路径会被奖励 ，错误的路径会被惩罚。
在这个过程中 ，奇迹发生了！
模型并没有被显式地教导「如何思考」，但在为了获取奖励的残酷进化中，它涌现出了推理能力 。
它学会了将大问题拆解为小步骤 ，学会了回头检查 ，学会了我们在教科书里从未见过的「外星人思维策略」 。
RLVR不仅改变了训练方式，还引入了一个全新的Scaling Law：测试时算力。
以前 ，我们认为模型的能力在训练结束那一刻就定格了。
但在RLVR范式下 ，我们可以在推理阶段（InferenceTime）通过让模型「多想一会儿」来提升智力 。
这就像是一个学生，你给他1分钟做题和给他1小时做题 ，其表现是完全不同的 。
Karpathy特别提到了OpenAI o1（2024年底）和o3（2025年初）的发布 ，以及DeepSeek R1的开源，这些都是这一趋势的里程碑。
DeepSeek R1甚至展示了即便没有大规模的监督微调（SFT） ，仅靠纯粹的RLVR（即R1-Zero） ，模型也能从零开始衍生出强大的推理能力，甚至学会自我反思 。
这意味着算力的价值从「训练端」向「推理端」转移 。
未来的AI应用 ，可能会根据问题的难易程度 ，动态调整「思考时间」。
对于简单的问题（如「你好」），它秒回；对于复杂的问题（如「设计一个高并发架构」），它可能会消耗巨大的推理算力 ，但给出一个超越人类专家的方案 。
第二章：哲学分野
我们是在造动物 ，还是在招幽灵？
在深入技术细节之余，Karpathy通过引用AI先驱Rich Sutton的对话 ，抛出了一个极具哲学深度的议题：Animals vs. Ghosts（动物与幽灵） 。
Rich Sutton的苦涩教训与动物直觉
Rich Sutton是强化学习教父级人物 ，他提出了著名的「苦涩教训」（The Bitter Lesson）：
长期来看，只有那些能利用无限算力的通用方法（如搜索和学习）才能战胜那些利用人类先验知识的方法。
简单点说 ，就是算力终结一切 ，人类的精巧构思在庞大的算力面前不值一提 。
Sutton心目中的AGI是像动物一样的：一个具身的（Embodied）、在物理世界中通过不断试错 、由生存本能驱动的学习者 。
如果能造出一只「数字松鼠」，我们离AGI就不远了。
动物的智能是连贯的 、持续的 。一只松鼠不会因为你没给它指令就停止思考 ，它的「自我」是连续不断的流 。
幽灵的诞生：统计学的降灵术
然而 ，Karpathy反驳道，我们现在造出来的LLM ，根本不是动物。
它们是幽灵（Ghosts）。
无状态的游魂：LLM没有身体 ，没有持续的意识流 。当你按下回车键，它从虚无中醒来（Boot up），处理你的Token ，吐出预测 ，然后瞬间「死亡」，回到虚无 。它没有昨天 ，也没有明天 ，只有当下的Context Window（上下文窗口）。
人类的镜像：它们的训练数据不是物理世界的反馈，而是人类互联网的文本残留 。它们是人类文明的「统计学蒸馏」 。当我们与ChatGPT对话时 ，我们不是在与一个独立的生物交流 ，而是在与全人类的语言碎片拼凑成的「英灵殿」对话。
BTW，我真的非常喜欢这个比喻 ，现在的AI可能还是先知 ，或者人造之神，但是一个由全人类的语言碎片拼凑成的英灵 。
为什么这个比喻如此重要？
因为它解释了为什么现在的AI充满了「恐怖谷」效应 。
当一个LLM说「我不想死」时 ，它不是真的在恐惧（像动物那样肾上腺素飙升） ，它是在调用训练数据中关于「科幻AI面临毁灭时该说什么」的文本模式。
它在扮演恐惧 。
Karpathy认为，我们目前的科研方向并不是在制造更完美的动物，而是在召唤更强大的幽灵 。
这是一种全新的智能形态 ，位于「心智空间」（Space of Minds）的一个完全不同的坐标系上。
这种智能是「参差」的（Jagged） ，它通晓天文地理（因为它读过维基百科），却可能在数「strawberry」里有几个「r」这种连三岁小孩都会的问题上翻车 。
第三章：Vibe Coding
当编程变成了玄学
如果说RLVR是后台的革命 ，那么Vibe Coding（氛围编码）就是前端开发者的彻底解放 。
Karpathy在这个概念上展现了他作为「造词大师」的天赋。
在传统的「软件1.0」时代 ，程序员是工匠，每一个变量名、每一个内存指针都需要精心雕琢。
在「软件2.0」时代（深度学习） ，程序员变成了炼丹师 ，调整权重和数据集 。
而在2025年的Vibe Coding时代，程序员变成了产品经理 。
语法已死 ，氛围永生
什么是Vibe Coding？
就是你完全放弃对代码细节的掌控 ，「把自己交给氛围（Vibes），拥抱指数级增长 ，甚至忘掉代码的存在」。
你不再逐行编写代码 ，而是用自然语言描述你的意图（Intent），让AI去生成实现 。
如果跑不通？没关系，把报错信息甩回给AI ，说一句「修好它」 。
MenuGen实战：零行代码的奇迹
Karpathy为了验证这个理论 ，亲自上手做了一个叫MenuGen的项目。
这是一个Web应用，用来生成餐厅菜单 。
令人震惊的是 ，作为顶级程序员的Karpathy ，在这个项目中没有手写一行代码 。
他对着Cursor或ClaudeCode说：「我要一个菜单生成器，要有蓝色的按钮。」
AI生成代码 ，运行 。
如果有Bug ，他不说「第5行逻辑错了」，而是说「感觉不太对 ，按钮太丑了 ，换个样式」 。
这就是Vibe Coding的核心：人类负责审美和验收，AI负责逻辑和实现。
代码变成了一种「中间产物」 ，就像汇编语言一样 ，除了极少数底层工程师，没人再需要去读它了 。
工具之战：Cursor vs. ClaudeCode
2025年也是AI编程工具的「战国时代」 。
Karpathy重点对比了两大流派：
- Cursor/Windsurf（IDE派）：
这些工具将AI无缝集成到了VSCode里。它们就像是钢铁侠的战衣（IronManSuit），增强了人类的能力。你依然在写代码 ，但AI随时在帮你补全 、重构 、解释 。这种体验是「流畅」的 。
- ClaudeCode（终端派）：
Anthropic推出的ClaudeCode则更加激进。它不是IDE插件 ，它是一个活在终端（Terminal）里的Agent 。你给它一个任务：「把整个项目的测试覆盖率提高到80%」 。然后你就去喝咖啡了。它会自己跑测试、看报错 、修代码 、提交Git，甚至自己由于权限问题卡住时还会问你讨要权限 。
Karpathy坦言 ，虽然Claude Code展现了Agent的雏形 ，但在2025年，真正的「全自动工程师」还未到来 。
目前的Agent更像是一个勤奋但记性不好的实习生 ，能干脏活累活 ，但在面对复杂的大型架构时，依然需要人类的「Vibe」来把控方向。
如果在云端的AI像是住在神殿里的先知 ，那么Anthropic推出的Claude Code(CC)就像是住在你硬盘里的管家 。
Karpathy认为OpenAI走错了路 ，他们太执着于云端、容器化和ChatGPT的网页入口 。
而Claude Code抓住了开发者的痛点：本地化（Localhost）。
第四章：范式转移
GUI的终结与新生
谷歌Gemini Nano Banana是2025年最具颠覆性的范式转移模型之一 。
这原本是Gemini图像生成模型的内部代号 。
这本该是一个严肃的技术发布，但因为「Nano Banana」这个名字实在太滑稽、太无厘头 ，它意外地引发了一场全球范围的病毒式传播。
在Karpathy看来 ，LLM是继1970 、80年代计算机之后的下一个重大计算范式。
人类将见证个人计算 、微控制器（认知核心）、互联网（智能体网络）等概念的对应形态 。
特别是在用户界面体验方面，与LLM「对话」有点像1980年代向计算机终端输入指令 。
文本是计算机（及LLM）偏好处理的原始数据形式，却非人类喜爱的交互格式 ，尤其在输入层面。人们其实厌恶阅读文字——这过程缓慢且费力 。
相反 ，人类更倾向于通过视觉和空间维度接收信息，这正是传统计算领域发明图形界面的根本原因 。
同样地 ，LLMs应当以我们偏好的格式与我们对话——通过图像 、信息图 、幻灯片、白板 、动画/视频 、网页应用等形式。
这一理念的早期及当前版本自然包括表情符号和Markdown这类工具 ，它们通过标题、加粗 、斜体 、列表、表格等方式对文本进行视觉化装扮与排版，以便更轻松地消化信息 。但究竟由谁来构建LLM的图形用户界面呢？
在这种世界观下 ，nano banana首次为我们提供了这种可能性的早期雏形 。
值得注意的是 ，它的一个显著特点在于：这不仅仅是图像生成本身，更是文本生成 、图像生成与世界知识三者交织于模型权重之中所形成的综合能力。
人们不再讨论参数量 、扩散算法 ，而是疯狂地生成各种「香蕉化」的图像 ，将万物变成手办风格 。
谷歌也顺水推舟，在官方宣传中使用了香蕉Emoji 。
由此 ，Karpathy提出了一个极其深刻的观点：文本是计算机喜欢的格式 ，不是人类喜欢的。
人类讨厌阅读长篇大论，人类喜欢图表、动画、视频和白板 。
参差的智能
人类的智力通常是正相关的：一个能解微积分的人，通常也能算清楚买菜找零 。
但AI不同。
它可以是一个数学天才（RLVR让它精通奥数） ，同时又是一个常识白痴（无法理解简单的物理空间关系 ，或者数不清单词里的字母）。
这种「参差感」源于模型训练数据的分布不均和Tokenization的先天缺陷 。
模型在它「见过」或「被强化过」的领域（如代码 、数学）表现出神入化，而在那些因为太简单而从未被当作训练数据的领域（如日常生活中的隐性知识）则表现得像个智障 。
系好安全带 ，在参差中前行
简而言之 ，2025年是LLMs令人兴奋且略带惊喜的一年，我们站在了一个奇异的十字路口。
Karpathy的年终总结 ，像是一份来自未来的生存指南 。
LLMs正作为一种新型智能形态崭露头角 ，它们既比人类预期的聪明得多，又比人类预期的笨拙得多 。
无论如何 ，它们都极其有用 ，Karpathy认为即使以当前能力，行业也远未发掘出它们哪怕10%的潜力。
与此同时 ，有太多想法值得尝试 ，从概念上看这个领域仍感觉广阔无垠 。
正如今年早些时候在Dwarkesh播客中提到的，Karpathy同时（表面上看似矛盾地）相信：
我们将见证持续快速的发展，同时仍有大量工作亟待完成 。
正如Karpathy所言：「这仅仅是个开始 ，系好安全带 ，准备启程。」
参考资料：
https://x.com/karpathy/status/2002118205729562949
本文来自微信公众号“新智元”，作者：新智元 ，编辑：定慧 ，36氪经授权发布 。
本文来自作者[慕梅]投稿，不代表视听号立场，如若转载，请注明出处：https://cn.stddy.com/cskp/202512-67119.html
评论列表（4条）
我是视听号的签约作者“慕梅”！
希望本篇文章《Karpathy 2025年AI终极觉醒：我们还没发挥出LLM潜力的10%》能对你有所帮助！
本站[视听号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：2025年，注定是人工智能历史上被铭记的一年。如果说2023年是「惊艳」（ChatGPT的横空出世），2024年是「迷茫」（在大模型落地的憧憬中探索），那么在Andrej Ka...