Karpathy 十年四次跳槽,写下一部 AI 进化史

2026年5月19日，一条推文让整个科技圈安静了五秒钟。

Andrej Karpathy——OpenAI 联合创始人、前 Tesla AI 负责人、全网最受欢迎的 AI 教师——在 X 上简短地写道："I've joined Anthropic."

没有长篇大论，没有告别感言。短短几个字，却在 Hacker News 上炸出了 1195 分、495 条评论，登顶当日热榜第一。一个工程师的选择，为什么比很多公司的产品发布更让人震动？

因为 Karpathy 的职业轨迹，本身就是一部浓缩的 AI 进化史。

第一章：Stanford，当 AI 还是一种信仰

Karpathy 的起点并不特殊——或者说，太"经典"了。

他在斯坦福大学读博，师从李飞飞。那是 2015 年前后，深度学习刚刚开始爆发，ImageNet 竞赛刚刚证明了神经网络的威力，但没人知道这条路最终会通向哪里。

那时的 AI 研究者有一种现在很难感受到的气质：理想主义。

他们相信 AI 能让世界变得更好，相信学术自由的力量，相信开放合作比封闭竞争更能推动人类进步。Karpathy 在 Stanford 的工作——用神经网络识别图像、生成描述——听起来像科幻，但他做的每一件事都在论文里公开，每一行代码都可以被任何人下载。

这种"开放 AI"的精神，后来成为了他职业生涯最鲜明的标签，也是他一次次做出选择时底层的价值判断。

但理想主义的黄金期并不长。

第二章：OpenAI，AGI 梦想的起航与幻灭

2015 年底，Karpathy 成为了 OpenAI 最早的员工之一。

注意，是"员工之一"，不是"联合创始人"。虽然他现在经常被称为 OpenAI co-founder，但严格来说，OpenAI 的创始人是 Sam Altman、Elon Musk、Ilya Sutskever 等人。Karpathy 是第一批核心研究员，是那种你走进办公室就能和 Musk 讨论 AGI 路线图的早期成员。

那时的 OpenAI 还是一家非营利组织。

它的使命很纯粹：确保通用人工智能（AGI）能够造福全人类。没有商业化压力，没有估值焦虑，只有一群最聪明的人在思考一个最根本的问题——如果机器真的能像人一样思考，我们应该怎么做？

Karpathy 在那里工作了两年。他参与了 GPT 的早期研究——是的，现在价值数千亿美元的 GPT 系列，最初的种子就在那时种下。

但他离开了。2017 年，他去了 Tesla。

为什么？

因为实验室里的 AI 和现实世界的 AI 之间，有一条巨大的鸿沟。而 Karpathy 想跨过那条鸿沟。

第三章：Tesla，AI 落地的五年

在 Tesla 的五年，是 Karpathy 职业生涯中最"务实"的一段。

他的头衔是 AI 高级总监（Senior Director of AI），负责 Tesla Autopilot 的计算机视觉系统。这不是论文里"在某个数据集上达到 SOTA"的研究，这是要让一辆时速 120 公里的汽车在高速公路上安全行驶的系统。

一个错判，就是人命。

这五年里，Karpathy 学会了工程化的思维。他提出了"影子模式"（Shadow Mode）——让 AI 系统在不控制车辆的情况下持续运行，收集真实世界的数据来训练模型。这个方法后来成为了自动驾驶行业的标准实践之一。

更重要的是，他亲眼目睹了 AI 从"学术研究"变成"工业产品"的全过程。从实验室里跑通一个 demo，到部署到数百万辆汽车上实时运行——这中间隔着数据处理、模型压缩、边缘计算、安全验证无数道坎。

很多人只看到 AI 模型本身，但 Karpathy 看到了 AI 落地的全貌。

2022 年，他离开了 Tesla。原因众所周知——与 Elon Musk 的分歧。Musk 对 Autopilot 的乐观宣传与工程团队对安全性的谨慎态度之间，存在无法弥合的裂痕。

Karpathy 选择了离开。不是因为不看好自动驾驶，而是因为他对 AI 的信念比对个人忠诚更重要。

第四章：回归与出走，理想主义的最后一搏

离开 Tesla 后，Karpathy 做了一件有趣的事。

他回到 OpenAI，但这次的身份和第一次完全不同。此时的 OpenAI 已经不再是那个纯粹的非营利组织了。GPT-3 的商业化成功让公司走上了另一条路——融资、估值、竞争、ChatGPT 的现象级爆发。

Karpathy 在 2023 年回归，但只待了一年左右就再次离开。

这一年里发生了什么，外界不得而知。但从他离开后的行动可以看出一些端倪——他没有加入另一家大厂，而是选择了独立研究。

他做了一系列被全网 AI 学习者视为"圣经"的视频教程。他开源了 nanoGPT——一个极简的 GPT 实现，让任何人都能从零开始理解大语言模型是如何工作的。他在 YouTube 上分享 AI 研究进展，就像一个大学教授在做公开课。

这些行为有一个共同特征：完全不为商业利益。nanoGPT 不能帮他赚钱，YouTube 教程的收益远不如去大厂当高管，但他还是做了。

因为那是他的底色——开放、分享、让更多人理解 AI。

但独立研究者的身份并没有持续太久。

第五章：Anthropic，为什么是现在？

2026 年 5 月 19 日，Karpathy 宣布加入 Anthropic。

这次他没有去 OpenAI，没有回 Tesla，也没有去 Google DeepMind。他选择了一家成立才四年多、但增长速度让人瞠目结舌的公司。

让我们看看 Anthropic 在过去十五个月里发生了什么：

年收入从约 10 亿美元飙升至超过 300 亿美元 ARR（年化收入），15 个月内增长 30 倍。这个数字什么概念？Salesforce 用了十几年才达到的收入规模，Anthropic 用了不到两年。

Claude Code——Anthropic 的 AI 编程助手——单品贡献超过 25 亿美元，每周有开发者使用超过 20 小时。它不仅仅是一个聊天机器人，而是一个能真正理解代码库、执行复杂编程任务的"AI 同事"。

Karpathy 加入的是 Anthropic 的预训练团队（pre-training team）。他的具体工作是：用 Claude 本身来加速 Claude 的预训练。

听起来有点绕，但这是 AI 行业正在发生的一个根本性转变——从"人类工程师训练模型"到"AI 训练 AI"。Karpathy 要做的，是设计一套系统，让 Claude 能够参与到自身下一代模型的研发过程中去。

这不是一个简单的技术岗位。这是一个定义未来 AI 研发范式的岗位。

为什么 Karpathy 会选择 Anthropic？

我们可以从几个角度来理解。

首先是价值观的契合。 Anthropic 从一开始就强调"负责任的 AI 发展"（responsible AI development）。它的核心理念不是"不惜一切代价追求最强模型"，而是"在确保安全的前提下发展 AI"。这和 Karpathy 从 Stanford 时期就开始坚持的开放、审慎、以人为本的 AI 理念是一致的。

其次是技术方向的前瞻性。 "用 AI 训练 AI"这个方向，如果成功，将是 AI 研发方法论的一次范式跃迁。对于 Karpathy 这样一个从学术到产业都经历过的研究者来说，这是最具吸引力的技术挑战。

最后是时机。 Anthropic 正处于从"快速追赶者"向"行业领导者"转变的关键节点。在这个时间点加入，意味着 Karpathy 有机会直接影响一家可能定义 AI 未来格局的公司的技术路线。

这不是又一次"跳槽"。这是一次深思熟虑后的战略选择。

第六章：人才战争，中国在哪里？

Karpathy 的选择让很多人兴奋，但也让很多人焦虑。

因为他的故事折射出了一个更大的问题：在全球 AI 人才争夺战中，中国在哪里？

过去十年，全球最顶尖的 AI 人才绝大多数流向了美国。Google DeepMind、OpenAI、Anthropic、Meta FAIR——这些机构的核心团队中，中国面孔随处可见。李飞飞、何恺明、张潼……这些名字支撑起了美国 AI 研究的一半江山。

但最近两年，趋势正在发生变化。

据《华尔街日报》2026 年报道，2025 年选择回中国就业的华裔科技毕业生人数增长了 12%，这个数字在过去三年翻了一番。CNN 的报道则指出，至少有 85 名顶级 AI 研究人才正在从美国回流中国。

为什么？

一方面是中国在 AI 基础设施上的巨大投入。算力中心、数据资源、应用场景——这些都是 AI 研究者难以拒绝的条件。另一方面是美国日益收紧的科研环境和地缘政治不确定性，让一些华裔科学家开始重新考虑自己的位置。

但这并不意味着中国已经在人才竞争中占据优势。

就在 Karpathy 加入 Anthropic 的同一个月，Meta 据报以 20 亿美元的天价试图收购中国 AI 公司 Manus 的团队。这不是合作，这是"买人"。中国培养了人才，美国写支票——这种模式仍在继续。

更深层的问题在于：中国的 AI 人才生态还需要完成一次关键跃迁。

我们有很多优秀的工程师和研究员，但缺乏像 Karpathy 那样能够从学术研究到产业落地全链条打通的"通才"。我们有海量的数据和应用场景，但在底层模型创新能力上仍有差距。我们有强大的工程化能力，但在定义下一代 AI 范式的话语权上还不够。

Karpathy 的每一次选择都对应着 AI 行业的一个关键转折点：

• 加入 OpenAI：从学术到通用 AI 研究
• 加入 Tesla：从研究到产业落地
• 离开 Tesla：对 AI 安全与商业利益的权衡
• 独立研究：回归开放与分享的本心
• 加入 Anthropic：从人类训练模型到 AI 训练 AI

这五步，恰好是 AI 从实验室走向世界的完整路径。而中国 AI 人才要在这条路径上找到自己的位置，需要的不是更多经费和论文，而是更多像 Karpathy 那样能够跨越学术与产业、技术与产品、短期利益与长期价值的人。

尾声

Karpathy 在推文中没有解释为什么选择 Anthropic。

也许他觉得不需要解释。也许他认为行动本身就是最好的回答。

十年前，他在 Stanford 的实验室里训练图像识别模型时，大概不会想到自己会成为 AI 行业最关键的人才风向标。

但也许这正是他的价值所在——他不是在追逐风口，而是在用每一次选择定义下一个风口。

当 Karpathy 开始在 Anthropic 用 Claude 训练下一代 Claude 的时候，AI 的研发方式可能会发生根本性的改变。就像当年他提出"影子模式"改变了自动驾驶的数据采集方式一样。

这就是顶级人才的意义——他们不只是执行者，他们是定义游戏规则的人。

而全球 AI 竞争的核心，从来不是算力，不是数据，不是融资。

是人。

🍃 随风而至，随遇而安。