Andrej Karpathy 认错了。 他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智…

Andrej Karpathy 认错了。

他说，2016 年在 OpenAI，他们犯了个代价高昂的错误：直接让 AI 智能体（Agent）去干活。

这一步迈得太大，直接让他们多走了 5 年弯路。

那时候的项目叫 World of Bits。 目标很宏大：让 AI 像人一样，操控键盘 and 鼠标，去网页上订机票、点外卖。

结果呢？ 当时他们手里只有“强化学习（RL）”这一把锤子。 AI 只能在简陋的网页上疯狂乱点，指望靠运气撞上高分奖励，最后证明根本走不通。

Karpathy 总结说：当时最该干的事，是彻底忘掉 Agent，先去把大语言模型（LLM）造出来。

先把脑子发育完全，再去学怎么用手。

接着，他给现在的 Agent 热潮狠狠泼了一桶冷水。

他说，Agent 跟自动驾驶、VR 是同一个物种：Demo 极其好做，产品化极其艰难。

写个脚本，让车绕着街区开一圈，或者让 AI 跑通一个订票流程，一下午就能搞定，发到网上能拿成千上万个赞。 但要让它变成真正能卖钱、不出错的产品？ 对不起，做好跟它死磕 10 年的准备。

为什么这么难？ 因为今天的 Agent 只有一个“大语言模型”当大脑袋，它还缺了太多零件。

海马体（记忆检索）在哪？ 基底神经节在哪？ 丘脑（当脑子里多个想法打架、争夺决定权时，用来分配麦克风的控制机制）又在哪？ 人类大脑进化了千万年的物理回路，现在的 AI 连毛皮都还没摸到。

不过，这个大坑，反而给普通人留了条活路。

Karpathy 顺便爆了大厂的底： 在大模型训练上，像 OpenAI 这样的巨头已经把路线图摸得太透了。 学术界刚发篇新论文，OpenAI 内部的 Slack 大概率就会弹消息：“哦，这玩意我们两年半前就试过，不信你看这儿有当年的失败数据。”

但在 Agent 领域，大厂没有任何秘密武器，他们也正懵着呢。

这也是为什么，现在真正站在 Agent 能力前沿、能做出新花样的，是那些在车库里连夜修 Bug 的黑客和创业者，大厂里写论文的科学家反而没做出来。