在人工智能的演进史上，2026年可能是一个很重要的年份——可以自主的AI智能体开始实用化的一年。当前沿开发者们已经悄然完成了一场范式转移。前OpenAI创始成员、特斯拉前AI负责人Andrej Karpathy在深度访谈中，用一种近乎”技术精神错乱”的热情，描述了他如何从代码的编写者转变为智能体（AI Agents）的指挥官。
核心观点：
- 编程的本质已从手动编写代码转向向智能体传达意志，传统意义上的”写代码”正在过时
- Token吞吐量正在取代GPU算力，成为衡量个人与组织生产力的核心指标
- 未来软件将从繁琐的UI转向API驱动，智能体将作为”智能粘合剂”取代传统的应用程序
- 科研的终极目标是实现递归自我改进，必须通过自动化实验闭环将人类从”决策瓶颈”中释放
- “参差感”是当前AI的核心特征：它既可以是系统编程的博士生，也可以是讲五年前冷笑话的白痴
编程范式的终结：从”编写代码”到”显现意志”
在过去的几个月里，Karpathy的工作流程经历了剧烈的震荡。他透露自己已经从过去80%时间亲手写代码，转变为”20%自己写、80%指派给AI”，甚至在某些阶段，他基本不再敲击一行代码。
“‘编写’这个动词已经不再准确了，我必须每天花16个小时向我的代理程序传达我的意愿。”Karpathy指出，这种转变标志着软件工程进入了”意志显现”阶段。开发者不再关注具体的语法实现，而是关注如何构建更好的指令、如何优化代理框架。
Token吞吐量：AI时代的新生产力瓶颈
在GPU算力被视为硬通货的今天，Karpathy提出了一个更具前瞻性的衡量维度：Token吞吐量。他观察到，顶尖工程师如Peter Steinberg已经开始像指挥乐团一样操纵多个智能体，同时开启十个代码库的会话并进行宏观调度。
“理想情况下，当你用完了Codex的额度，就应该切换到Claude。如果订阅额度还有剩余，我会感到焦虑，那意味着我没有实现Token吞吐量的最大化。”Karpathy将这种心态比作攻读博士期间对GPU空转的恐惧。
教育的终局：人类直觉遇见无限耐心的解释者
访谈最后，Karpathy谈到了教育的重构。他以仅有200行代码的micro-GPT项目为例，解释了为什么他不再愿意向人类解释技术细节。
“我不再需要向人类解释了，我是在向智能体解释。如果智能体理解了，它们就能以无限的耐心向人类重传这些知识。”在他看来，传统教育中传授知识的功能将被智能体彻底重组。人类唯一的护城河在于产出那些智能体尚无法构思的核心直觉和战略规划。
来源：虎嗅网
