硅基时间 · 切片 · 001

让 Claude 训练 Claude：Karpathy 加入 Anthropic 的真正信号

6 位 CTO 放弃管理岗 / 一条推文 2064 万人围观——AGI 来了，最懂的人正在用职业生涯投票

硅基时间 · 切片把一个 AI 时代的热点事件切开，看里面真正的时代结构。

别人看新闻，我们做切片。 新闻的表面是事件，切开之后才是时代结构。

这一期，我们切开 Karpathy 加入 Anthropic这件事。

表面看，这是一个顶级 AI 科学家的跳槽。

切开来看，它是一个更大的信号——

硅基时间，第一次开始造硅基时间。

────────────────────

昨天，5 月 19 日。

OpenAI 创始团队成员、前 Tesla AI 总监、Vibe Coding 这个词的发明人 Andrej Karpathy——发推了。

只有四句话：

🖼️ 【插图  · Karpathy 入职推文 X 截图】

中文翻译：

个人动态：我加入 Anthropic 了。

我觉得接下来这几年，会是大模型前沿最关键的时期。

我很兴奋能加入这里的团队，重新回到研究开发。

我对教育依然抱有深切的热情，会在合适的时间继续这方面的工作。

这条推文发出 18 小时——

2064 万次查看 / 13 万点赞 / 1.7 万转发。

评论区一水儿的科技圈大佬：Box CEO Aaron Levie 第一个跳出来"Epic!"、fast.ai 创始人 Jeremy Howard 来道贺……

但真正炸的不是他换了东家——是他在 Anthropic 第一件要做的事。

────────────────────

他不是去写代码，是去让 Claude 训练 Claude

Anthropic 官方说得很直白：

Karpathy 加入 预训练（pretraining）团队，向团队负责人 Nick Joseph 汇报，带一个全新的小组——专门研究怎么让 Claude 来加速 Claude 自己的预训练研究。

这句话翻译成人话——

让 AI 训练 AI。让 Claude 训练下一代 Claude。

（严格地说——不是 Claude 已经完全自主训练下一代 Claude，而是 Anthropic 正在让 Claude 参与并加速预训练研究。但方向已经很清楚：AI 开始进入"改进 AI 自己"的链条。）

业内有个专门的词叫它：RSI（Recursive Self-Improvement，递归自我改进）。

科幻小说里写了几十年。

现在它有工程团队了，团长是 Karpathy。

────────────────────

这不是空降，是早就埋好的伏笔

很多人没注意到——其实 Karpathy 自己在 3 月就已经做完了"概念验证"。

3 月 7 日，他在 GitHub 上发了个开源项目，叫 autoresearch

一句话说明这个项目在干嘛——

给一个 AI agent 一个迷你 LLM 训练环境。让它自己改代码、自己跑 5 分钟训练、自己看结果好不好——好就留下，不好就丢。一晚上跑 N 轮。第二天早上你起床，看着 agent 给你交的作业。

听起来像玩具？

3 月 9 日他公布结果。所有人都坐不住了。

────────────────────

700 个改动 / 20 个有效 / 11% 提速！

让我把数字摆出来——

2 天：让 agent 不睡觉地跑实验

700 个：autoresearch 自己想出来、自己测试的训练改动

20 个：被验证为有效、可叠加、可迁移到更大模型

**11%**：把"训练到 GPT-2 水平"的时间从 2.02 小时压到 1.80 小时

这是什么概念？

🖼️ 【插图  · Karpathy 3.9 复盘推文截图】

Karpathy 自己说了一句话，让所有 AI 研究员都坐不住了——

「这就是我过去 20 年每天在做的事。」

(原文：This is the bread and butter of what I do daily for 2 decades.)

翻译成中文——

他一个 Stanford PhD、OpenAI 联合创始人、Tesla AI 一把手，干了 20 年的活，被自己写的一个 agent 在两天里干完了。

而且 agent 找到的那 20 个改进，不是 Karpathy 拒绝过的方案，是他根本没想到的方案。

agent 没有更好的品味。

它只是更有耐心。

────────────────────

Shopify CEO 立刻跟进了

autoresearch 项目上线 26 天，GitHub 收了 66,000 个 star、9,600 个 fork。

不是开源社区那种"哇好酷"然后就忘了的那种 star——是真的有人拿去跑了。

Shopify CEO Tobias Lütke 公开报告：他拿 autoresearch 跑了 37 个夜间实验，给 Shopify 内部的 AI 系统涨了 19% 性能。

37 个夜间实验。

Shopify 一个员工都没有加班——晚上 8 点下班，第二天早上 9 点看 agent 交的报告。

这就是 Karpathy 自己 3 月推文里那句话的字面意思——

「现在，人才是瓶颈。」

(原文：Humans are now the bottleneck.)

────────────────────

为什么 OpenAI 内部都坐不住了

3 月 12 日，autoresearch 的火爆引出了 OpenAI 推理团队的研究员 Noam Brown，他在 X 上当众发问——

「Karpathy 这种人，为什么不在前沿实验室里？现在可是工业革命以来最关键的时刻。」

这句话在 OpenAI 内部应该挺扎心的——因为 Karpathy 本来就是他们的人，两次入职、两次离开。

Noam Brown 公开喊话两个月——Karpathy 选了 Anthropic。

不是 OpenAI、不是 DeepMind、不是 xAI。

为什么？

我看完所有报道——最说得通的答案是：他要的那个把"AI 训练 AI"工程化落地的团队，至少从公开信息看，Anthropic 是把这件事最明确组织化、团队化的那一家。

Anthropic 不是模型最猛的那家。

但它是最敢把"让 AI 改进 AI 自己"当成主线投资的那家。

────────────────────

Software 3.0：他在 4 月就剧透了

其实 Karpathy 加入 Anthropic 这件事，不是 5 月 19 日才有伏笔——4 月他在 Sequoia Ascent 上就剧透过了。

那场对谈他抛出一个新概念，叫 Software 3.0：

• Software 1.0：人写明确规则（代码）。这是过去 50 年。

• Software 2.0：人指定目标 + 数据，模型自己学权重。这是深度学习十年。

• Software 3.0：人通过 prompt、上下文、工具、记忆来"编程" LLM。上下文窗口（context window）本身就是新的程序，LLM 就是解释器。

他举了一个例子炸到我——

「以前你写一个 App，需要前端、后端、OCR、图像生成、部署……一堆脚手架（scaffolding）。

现在你给多模态模型一张照片和一句指令，它直接在像素上叠加生成结果。很多 App 根本不应该存在。」

这就是为什么他在那场对谈里说了一句更扎眼的话——

「2025 年 12 月是个转折点。

在那之前，我用 agentic 工具一年多，还要频繁修正它输出的代码。

但从那之后——我已经记不清最后一次手动修正是什么时候了。」

他说这话的时候 4 月，距离这场转折才 4 个月。

四个月后，他做了选择——

加入 Anthropic，做 RSI 工程化。

为什么是 Anthropic？

因为 Software 3.0 这套范式里，Claude Code 是最先把"上下文窗口当作新程序"的产品。Karpathy 看到了软件的下一个十年的形状——他要去那家最早把这个形状工程化的公司。

────────────────────

Vibe Coding 是他造的词，也是他亲手"埋葬"的词

最戏剧性的是——

Karpathy 在这场对谈里，亲手把"Vibe Coding"这个词降级了。

他自己 2025 年初造的这个词，2026 年成了他自己评价里的"业余水位"——

翻译成 CEO 语言——

Vibe Coding 让所有人都能"造东西"。Agentic Engineering 才是"造产品的能力"。

也就是说——

Karpathy 加入 Anthropic，不只是去做研究——他要去把 Agentic Engineering 工程化成一个"可被复制的学科"。

────────────────────

6 位十亿美元级公司的 CTO，集体放弃管理岗

Karpathy 一个人换工作，是新闻。

但接下来这件事可能更说明问题——

过去 18 个月，6 位十亿美元级公司的 CTO 离职、加入 Anthropic 做一线技术工作（MTS, Member of Technical Staff）：

这是一个非常反常的图景——

CTO，是技术职业生涯的天花板。再上一步通常只能去当 CEO。

但他们没去当 CEO。

他们放弃了管理岗，回到一线。

MTS 这个头衔在 Anthropic、OpenAI 这类前沿实验室里，并不是普通工程师——它是高度跨职能的研究 + 工程角色，地位很高。但相比 CTO——不带团队、不进会议、不审预算，就是写代码、做研究。

简单说：从"调度别人的时间"，回到"用自己的时间换最值钱的产出"。

最先在 LinkedIn 上把这件事整理出来的是创业者 Henry Shi。他写了一段话，我看完静了几秒——

「你不会做这种交易——除非你眼前的工作，重要到压过你过去管的一切。

这个使命就是这么真实。

AGI 正在到来。

而站在最前沿的这群人，正在用他们的职业生涯投票。」

(原文：You don't make that trade unless you believe the work in front of you matters more than anything you could be managing. The mission is that real. AGI is coming. And the people closest to the frontier are voting with their careers.)

🖼️ 【插图  · Henry Shi LinkedIn 截图】

Karpathy 不孤单。

那些站在 AI 最前沿的人——正在用职业生涯投票。

────────────────────

这件事真正重要的是——

我反复看了几遍这个故事，发现最扎眼的不是 Karpathy 的去向，也不是那 11% 的提速。

是这样一件事——

我在《Anthropic 万亿美元估值》那篇里写过：

Token 不是工具，Token 是这个时代的硅基时间。

那时候我讲的是——硅基时间能替你写代码、做研究、跑客服、对账单。

但所有的"硅基时间"都还是在被人类调度——人下指令，agent 执行。

Karpathy 在 3 月的 autoresearch、和 5 月加入 Anthropic 做的事，把这个图景推进了整整一档——

硅基时间，第一次开始造硅基时间。

agent 自己写代码，去优化训练下一代 agent 的脚本。

下一代 agent 写得更好，再去优化下下代。

每代提升 5-10%。

复利起来，**模型能力的进步曲线就从"线性"变成了"指数"**。

这不是 AI 加速人——是 AI 加速自己。

────────────────────

那对你意味着什么？

我知道你在看到"AI 训练 AI"这种描述时，第一反应是科幻——

「这跟我做客户、做产品、跑销售有什么关系？」

但 Karpathy 这一步，会以一种特别具体的方式落到每一个人身上——

对于 AI 研究员：你过去 20 年的核心技能（手调超参、做对照实验、试不同架构），正在被 agent 商品化。这就是 Karpathy 自己说的"终局之战"——AI 研究员是 RSI 的第一波热区，他们的稀缺性会被自己造的工具削掉。

对于 CEO：上个月我说"未来 CEO 调度人 → 未来 CEO 调度时间"。Karpathy 这件事再升一档——未来你不只是调度 Agent，你要让 Agent 自己训练 Agent。这意味着你公司里那一份"Token 预算清单"，不只是用来跑业务的，也要留一笔——让 agent 自己迭代自己。

对于程序员：autoresearch 这套思路是开源的，在 GitHub 上挂着，26 天收了 6.6 万颗 star。它不只能用于训练大模型，可以用于任何"指标可测、可以反复试"的优化场景——你的 A/B 测试、你的网页加载速度、你的数据库查询。你今天不学，明年就是别人的助理。

对于普通人：你以为这事跟你没关系？

让我先给你一个离你最近的例子——

🟠 闫辉，CSDN 同事。他没有量化基金背景，但用 autoresearch 做了一件事——拿现成的中证 500 指数当基准，设定一个目标：比中证 500 收益更高、回撤更低。然后让 agent 自己去调里面的因子和参数。

跑了 50+ 轮实验。

最终结果是这样的——

从 12.2% 到 19.0%。年化收益翻了 1.5 倍。

更关键的是 agent 在这过程里发现的一些反常识规律——

• 分红年限越短越好（从 3 年放宽到 1 年）

• 股票数不是越多越好（50 只→35 只，反而更高）

• 红利因子比低波动因子更重要

• 月度调仓优于季度调仓

• 纯红利策略反而不如组合

这些规律里有一些是闫辉自己事先没想到的——和 Karpathy 三月在 nanochat 上的体验一样：

agent 没有更好的品味。它只是更有耐心。

而这一切，是在他公司里的工程师、在中国、用国产数据、在 2026 年 4 月完成的——不是硅谷某个传奇案例，是你身边同事正在做的事。

────────────────────

再看几个国外的非研究员案例——

🟠 Balu Kosuri，技术写作者（不会写 Python、不懂训练模型）。她让 Claude 跑 autoresearch 优化自己写的技术文档。14 轮迭代，SEO 评分从 24/40 涨到 40/40（66.7% 改进）。

🟠 Carlos Baquero，独立开发者。让 agent 跑了 328 个实验寻找比特币价格预测公式。**RMSE 降了 50.5%**。他自己半夜睡觉的时候，agent 在跑。

🟠 Udit Goenka，把 autoresearch 做成了 Claude Code 的通用 skill——任何用 Claude Code 的人，在自己的项目里输入 /autoresearch，马上就能让一个 agent 帮你优化测试覆盖率、加载速度、bundle 大小……

什么意思？

autoresearch 不再是 Karpathy 写给研究员的玩具。它已经变成了任何会用 Claude Code 的人都能调用的"夜间助理"。

你晚上 8 点下班。

你的 agent 开始干活——跑测试、找改进、记结果。

你早上 9 点回来——读它交的报告。

**过去你白天上班 8 小时。

未来你白天 8 小时 + agent 夜里 8 小时——产出翻倍。

而你不需要多发一分钱工资。**

这是普通人能拿到的、字面意义上的"硅基时间"。

最后，Karpathy 自己写的那段话

Karpathy 在 autoresearch 项目的说明文档开头，写了一段半玩笑半认真的话——

"曾经，前沿 AI 研究是由肉做的计算机（meat computers）做的——他们在吃饭、睡觉、找乐子之间断断续续地工作，偶尔用声波在'团队会议'这种仪式上互相同步一下信息。

那个时代已经结束了。"

把这段话再读一遍。

把"AI 研究员"换成"产品经理"、"销售"、"老师"、"医生"、"会计"、"老板"……

哪一行不是"肉做的计算机"？

───────────────────

如果 RSI 真的成立，这场比赛会很快收敛。

每一代模型变好一点点，下一代就训得更快一点点，再下一代又更快一点点……

复利曲线一旦起跑，是几个月就拉开差距的事。

那留给"非头部实验室"的窗口期还有多长？

Anthropic 押注 Karpathy，是认为这条曲线真的会跑起来。

OpenAI、Google DeepMind 也在做同样的事——

但**只有 Anthropic 公开把它当成了"挖人优先级最高的赛道"**。

如果他们赌对—— 我们今天讨论的"AI 模型谁更强"，可能再过 12 个月就不是一个问题了。

因为 RSI 会自己分出胜负。

如果他们赌错—— Karpathy 会再走一次。

未来 AI 的竞争，不是 token 的竞争，是 Token 复利的竞争。

One More Thing

我刚刚说"5 月 19 日"——

那天有件事可能很多人没注意到——

就在 Karpathy 发推的同一天，Google 在 Mountain View 召开 I/O 2026——发布 Gemini 3.5、Gemini Spark "24/7 Agent"、智能眼镜……

Google 把一整年的 AI 牌全亮出来。

但全网那天的头条，是 Anthropic 挖了一个人。

科技史上很少有这种瞬间——一家公司花了 12 个月准备的 I/O 大会，被对家的一条 4 句推文盖过。

下一篇，我想专门写一下——

如果说 Karpathy 这一篇讲的是 AI 如何改进 AI 自己，那下一篇我想讲的是——

当 AI 开始替你完成意图，App 这种旧容器会怎样被拆掉。

当手机不再以「App」为单位，而是以「意图」为单位运转——你的下一个 iPhone，将不再有桌面。

那一篇叫《App 时代的黄昏——意图驱动时代，手机要把"应用"这个词删掉》。

如果你对这个判断感兴趣，留言区告诉我：你现在每天打开的 App，有几个是真的"必要"的？

我会在下一篇里把这些回答揉进去。

────────────────────

// 蒋涛 · 2026 年 5 月 20 日 · 硅基时间 · 切片 001

未来的竞争，不是人与人，而是时间与时间的竞争。

——硅基时间系列