16秒就能解开魔方的AndrejKarpathy，是全球最顶尖的计算机视觉专家之一。

这个从斯洛伐克小城走到硅谷核心的学霸，曾被马斯克亲自挖走执掌特斯拉自动驾驶AI，如今却公开感叹自己作为程序员已经跟不上AI发展的速度。

他的职业轨迹，正是全球AI行业快速迭代的缩影。

跨界转行：放弃量子计算拥抱AI

1986年10月23日，Karpathy出生于斯洛伐克布拉迪斯拉发。

15岁那年，他全家放弃了当地优渥的生活，搬到加拿大多伦多寻求更好的发展机会。

Karpathy后来回忆，父母的牺牲是他一直以来的动力，让他下定决心要做出成绩证明父母的选择没有错。

他在多伦多大学攻读计算机科学和物理专业，最初的规划是从事量子计算研究。

但在上量子力学课时，他突然觉得提不起劲：“这门学科太遥远，太受限，我没法亲手参与到实践中。”

直到他发现人工智能领域，可以让他亲手“触摸”到技术落地。

一次在图书馆走过书架时，Karpathy突然意识到，一个人不可能学完所有知识，那不如造一个能学习所有知识的东西。

这个想法让他彻底转向了机器学习，也就是让计算机通过数据学习识别模式、自主成长。

实验室突破：从分类到图像描述

Karpathy正式接触AI，是在杰弗里・辛顿的课堂上。

这位被称为“AI教父”的学者，在2012年带领团队推出了AlexNet，在ImageNet图像识别大赛中以碾压性优势夺冠。

那届赛事彻底震动了全球AI圈。

之后他在不列颠哥伦比亚大学完成硕士阶段学习，研究方向是物理模拟机器人：不再手动编写每一个动作代码，而是让系统自主学习物理规则，学会平衡、规避摔倒，像活物一样移动。

来到斯坦福大学读博后，Karpathy师从计算机视觉领域的顶级学者李飞飞。

这个阶段他的核心研究方向，是让AI学会将图像和自然语言结合——不再只是给图片贴标签，而是用人类的语言描述图片内容。

早期的AI系统只能完成简单分类，比如把一张照片里的狗标注为“哈士奇”。

但Karpathy的研究，让AI可以生成“一只混种哈士奇瘫在狗床上，一只腿尴尬地搭在空中”这样的描述。

在当时，这种图像理解能力堪称神奇。

2012年，Karpathy曾在博客中写下自己的焦虑：当时的AI距离真正理解世界还差得很远。

他举了一个例子：一张男人站在体重秤上，奥巴马偷偷按下他的脚。

人类一眼就能看懂这个恶作剧，但AI需要理解镜像反射、力的作用、体重焦虑、总统恶作剧背后的笑点等海量隐藏信息。

当时的他认为，人类距离造出能理解场景的AI还有很远的距离。

特斯拉历练：把AI落地到自动驾驶

2014年，Karpathy和谷歌的GoogleNet展开了一场对比测试：他手动标注了15张难度极高的图像，最终自己的识别误差率是5.1%，GoogleNet是6.8%，人类险胜。

但在部分场景中，AI的表现反而比人类更好。

这次测试让Karpathy意识到，AI正在飞速追赶人类的视觉识别能力，而这意味着自动驾驶等AI落地场景的实现已经越来越近。

之后他成为OpenAI的创始成员之一，直到被马斯克亲自招入特斯拉，领导自动驾驶AI团队。

当时特斯拉的自动驾驶方案存在一个致命缺陷：先单独处理每个摄像头的画面，再尝试拼接结果，导致每个摄像头对世界的理解不一致，最终的3D模型效果很差。

在Karpathy的主导下，特斯拉做出了重大调整：不再分开处理每个摄像头的画面，而是将8个摄像头的输入同时送入同一个神经网络，让模型直接生成统一一致的3D世界模型。

这个改动让特斯拉自动驾驶的视觉理解能力实现了质的飞跃。

在特斯拉工作5年后，Karpathy短暂回到OpenAI，之后便创立了AI教育公司EurekaLabs，想把自己的经验传递给下一代从业者。

后来他加入了Anthropic，也就是ChatGPT竞品Claude的母公司，参与Claude的预训练工作。

行业之巅的焦虑：连顶级专家都跟不上AI

如今的AI行业竞争已经到了白热化的程度：Meta曾被曝给OpenAI员工开出1亿美元的签字奖金挖人，各大公司都在争抢顶尖AI人才。

Karpathy也在此前发推感叹：“作为程序员，我从未觉得自己这么落后过。”

AI技术的快速迭代催生出了“灵感式编程”的概念：开发者不再需要亲手编写每一行代码，只需要给AI下达指令就能完成开发，Karpathy本人就曾表示“甚至不需要碰键盘”。

就连站在行业顶端的Karpathy都坦言，自己已经很难跟上AI的发展速度，但他也强调，能解决复杂问题的人依然拥有巨大优势，而这也是他投身教育事业的原因之一。

从斯洛伐克的小城到硅谷的核心，Karpathy的成长轨迹见证了AI从实验室走到实用场景的全过程。

他的焦虑，其实也是每个人都可能面对的问题：当技术迭代速度远超人类学习的速度，我们该如何跟上时代的步伐？