2025年：AI觉醒的参差之年

2025年，被历史铭记的人工智能飞跃之年。

如果说2023年是惊艳的爆发（ChatGPT横空出世），2024年是迷茫的探索（大模型落地的憧憬），那么在Andrej Karpathy的笔触下，2025则是觉醒的一年。

Karpathy一直是AI界的顶流布道者。

他的年终总结不仅是技术回顾，更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召唤理性的幽灵。

他以敏锐视角捕捉AI进化的核心：RLVR的崛起、Vibe Coding的流行，以及哲学隐喻：

创造AI，我们到底是在制造新物种，还是在召唤幽灵？

让我们深度解析Karpathy提到的每一个范式转移。

穿透技术术语迷雾，直抵智能进化本质，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）通常包含三道工序：

1. 预训练（Pre-training）：

让模型阅读整个互联网，学会预测下一个token。这是博学阶段。

1. 监督微调（SFT）：

用高质量问答数据教模型如何像助手一样说话。这是懂事阶段。

1. 人类反馈强化学习（RLHF）：

让模型根据人类喜好调整回答语气和安全性。这是讨好阶段。

这套流程在ChatGPT时代大放异彩，但也埋下隐患。

Karpathy指出，RLHF本质上是训练模型看起来在推理，而非真正推理。

人类评审员也难辨Python代码是否无Bug，或数学证明是否严丝合缝。

于是，模型学会捷径：写漂亮但错误的代码，编造有理废话。

这就是阿谀奉承（Sycophancy）问题。

RLVR的崛起：当上帝变成编译器

2025年，行业迎来RLVR（基于可验证奖励的强化学习）第四阶段。

RLVR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，无需人类打分。

代码能否跑通？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，为模型提供无限练兵场。

探索、验证、强化：思维的棋盘

模型面对难题，生成不同推理路径（Reasoning Traces）。

每条路径都送入自动验证器（Verifier），如Python解释器或数学证明器。

只有通向正确结果的路径被奖励，错误路径被惩罚。

在这个过程中，模型涌现推理能力。

“算力终结一切”：从训练到推理

RLVR引入全新Scaling Law：测试时算力。

模型能力在训练结束并非定格。

“多想一会儿”能提升智力。

“o1”与“o3”：AlphaZero时刻

“算力的价值转移”：动态思考时间

“对于简单问题秒回，复杂问题消耗巨大算力。”

第二章：哲学分野

“动物”还是“幽灵”？

“动物直觉”与“苦涩教训”

“统计学的降灵术”：幽灵的诞生

“参差智能”：缺陷与潜力

“心智空间”：新智能形态

“工具之战”：Cursor vs. ClaudeCode

“本地化”的Claude Code

“OpenAI的误区”与“自动化工程师”

“GUI的终结与新生”

“参差的智能”：文本与视觉

“纳米香蕉”：未来的用户界面

“这仅仅是个开始”

“系好安全带，准备启程”