智能体演进的长曲线：从对话幽灵到社会伙伴的旅程

2025年，人工智能领域被“智能体元年”的激烈讨论所笼罩。

DeepSeek的性能超越GPT-4o，OpenAI推出Agent SDK，Anthropic在四个月内连续发布三个新模型……每一次技术发布都像是惊人的飞跃，让许多人感觉通用人工智能（AGI）即将触手可及。

然而，Andrej Karpathy对此持不同看法。

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：

我并不认为今年是爆发年，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漫长曲线。

这句话，刺破了当前所有关于“突破”“爆发”“奇点”的狂热叙事。

Karpathy的判断并非悲观，而是基于冷静的观察。他更关心的不是模型参数有多大，而是它是否具备真正的记忆能力？是否能持续与你共处？是否能成为社会的一部分？

他指出：我们当前的智能体，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大，而是AI能否真正融入我们的生活：拥有记忆、能够成长、值得信赖。

而2025年并非终点，它只是这条漫长演进曲线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，语气严肃而认真。

他强调，目前我们常用的所谓“智能体”（AI助手），缺乏最基本的“记忆”功能。无论你跟它交流多少次，下一次打开时，它总是从头开始。没有状态维持，没有身份感知，没有连贯性。就像一位每天失忆、却穿着西装接待你的“幽灵”。

“今天我们所有的聊天机器人，其实都是幽灵（ghosts）。”

这是Karpathy在访谈中反复强调的观点。尽管人们总在谈论AI的“爆炸式进步”，但在他看来，那些表面上看起来很聪明的系统，缺失的不是知识，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为“智能体”这个词赋予了新的定义：

“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）.”

通俗来说，一个真正的AI助手，不能仅仅能对话、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，而不是我们现在使用的“高级搜索框”。

✅ 现有产品，为什么还做不到？

你可能会疑问：ChatGPT不是挺好用的吗？Claude不是也能追问上下文吗？

Karpathy的回答是：它们没有记住你，只是在当下和你进行对话。

我们确实看到了一些尝试，例如：

1. ChatGPT的长期记忆功能（但仍需用户自己设定“记住什么”）
2. Rewind这类记忆记录工具（但还未真正融合进AI本体）
3. Claude的Agent SDK（强调多轮任务，但状态切换仍靠开发者维护）

这些只是在外部为AI添加了记忆功能，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指出，现在很多人还在讨论如何编写更有效的prompt，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，都像是在向一个陌生人喊话。

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。

因此，Karpathy不相信“爆发年”的说法。因为在他看来，当前的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，从模型演变为智能体。

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多次提到，现在大家在谈论AGI（通用人工智能）时，总喜欢列举功能：“能写代码”“能画画”“能接工具”。但他想强调的是：

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。

简单来说，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正在推进的方向。Karpathy称它为语言模型的认知路线。

• 能够理解上下文
• 能够进行逻辑推理
• 能够给出合理的推测

这些能力在过去三年进步迅速，但Karpathy指出：这只是基础，仅有这些还不够。

就像一个擅长考试的人，不一定知道如何在现实中处理具体事务。

第二条线：让AI能“操作世界”

Karpathy强调，接下来最关键的是让AI不仅能说，还能行动。

他举例说明，现在很多人开始用AI写邮件、查文件、读网页，甚至安排日程。这些能力不再仅仅是语言理解，而是AI在现实中“动手”帮你完成任务。

这类能力，Karpathy称之为：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，真正帮你完成任务。”

但目前这部分还非常初级。Claude调用工具需要手动触发，ChatGPT的插件功能也不总能成功执行。

而真正的智能体，应该是你说一句话，它就能自主判断：

该查阅什么资料、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

第三条线更为关键：能否将AI从一个单次使用的工具转变为一个长期在你身边扮演角色的存在。

他说：

“我们现在开发的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……但它们没有被真正组合在一起。”

这导致的结果是：

AI回答得不错，但下次就忘了

工具能用，但每次都要重新教导

上一轮对话的逻辑，下一轮完全接不上

Karpathy指出，要改变这一切，需要的是：一个统一的运行架构（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于线上社会中，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，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、未来的计划连接在一起。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。

当前的Claude、ChatGPT、Gemini都在尝试向这个方向迈进，但这条路才刚刚开始。我们看到的，不是爆发，而是开端。

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：不是堆积更多数据，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，基本上是把全世界知识喂给AI：从网页、百科、论文到社交平台，将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的训练方式需要更新。

“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主张，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。我们要让它在实践中成长。”

③ 有反馈循环：不断试错、纠正、改进

AI需要持续的反馈。

当前的训练过程过于静态，模型学完就结束，缺乏与环境的互动。而未来的训练应该是动态的：模型完成任务后获得评价，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发展方向：

1. OpenAI在GPT Agents的训练中，开始围绕“任务链”设计数据；
2. DeepMind的Alpha系列通过“自我博弈—自我修正”实现进化；
3. Anthropic的Claude也在用“宪法式反馈”指导模型的行为习惯。

这些都表明：行业正从“输入越多越好”的思维，转向“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，不再依靠“prompt”来驱动，而是依赖“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从被动接收知识转变为主动学习成长时，它才可能不只是一个工具，而是真正能和人协作的伙伴。

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，并非在打比方，而是在描述他眼中即将成为现实的景象。

他认为，未来的AI不会再以功能来定义自身，不再是“翻译工具”“问答助手”或者“自动化脚本”。在十年之后，我们面对的将是带有身份、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设想：AI的未来不应是“谁来使用它”，而是“它在社会中扮演什么角色”。

“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，而是要承担起与角色相关的责任：

• 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提出了一个更深层次的问题：“当AI拥有角色后，谁来定义它的职责？谁来确认它的资格？”

如果你雇佣一个人类医生，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”正在浮现：谁来认证这些AI是否合格？它们能代表个人做决定、签署合同吗？如果AI做错了决定，责任由谁承担？

这些问题看似遥远，但实际上已经开始显现。

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：它会不会和人类争夺位置？

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”转变为“财务系统+会计师合作”一样，未来的医生、律师、产品经理，可能都要学会与“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”最终落在一个清晰的画面上：

“未来，你不会只使用一个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开始拥有身份，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，看似一切都在“爆发”。模型规模越来越大，功能越来越多，发布速度越来越快。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，而是一条缓慢的长曲线。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展示了一条不依赖堆砌参数、而依靠系统重构的路线：

• 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