Karpathy点透AI认知撕裂：顶级圈子正集体患上AI狂热症

人们对AI能力的认知差距正在不断拉大，究竟是怎么造成的，Andrej Karpathy有话说

第一个问题出在人们使用的模型版本和层级上。很多人对AI的印象还停留在去年免费版的ChatGPT，并在很大程度上以此来评判AI的整体水平。这部分人看到网上流传的视频，发现OpenAI的高级语音模式连到底该开车还是走路去洗车房这种简单问题都会搞砸，就会嘲笑模型的各种奇怪表现和幻觉。但问题在于，这些免费的旧模型根本无法代表今年最新一代前沿智能体模型的真实实力，特别是OpenAI Codex和Claude Code。

这就引出了第二个问题。即便人们每个月花两百美元使用最前沿的模型，很多能力突破也主要集中在高度专业化的技术领域。像日常搜索、写作、寻求建议这类常规问题，并没有出现最引人注目的跨越式进步。这背后的原因有两点。首先是强化学习的技术细节限制，它需要可验证的奖励机制。其次，科技公司在攀登技术高峰时并没有把这些日常应用场景放在首位，因为它们带来的商业价值不够高。真正的金矿在别处，研发重心自然也会随之转移。

这就来到了第二类人群。他们不仅付费使用OpenAI Codex和Claude Code等最前沿的智能体模型，还在编程、数学和科研等专业技术领域深度使用。正是这群人正经历着极其强烈的AI狂热症，因为今年这些领域的技术进步简直令人咋舌。当你把电脑终端交给这些模型，你可以亲眼看到它们轻松解决那些原本需要耗费数天甚至数周才能完成的编程难题。因此，正是这第二类人对AI的能力、发展速度以及相关的网络安全影响有着深刻得多的敬畏感。

简单来说，这两类人完全是在跨服聊天。现实情况就是如此魔幻，一方面OpenAI免费且似乎有些被边缘化的高级语音模式会在短视频里连最蠢的问题都答不上来，而与此同时，OpenAI最高阶的付费Codex模型却能自己默默运行一个小时，条理清晰地重构整个代码库，或者寻找并利用计算机系统的漏洞。

技术领域之所以能真正取得实质性进展，主要得益于两大特性。第一，这些领域能提供明确且可验证的奖励函数，比如单元测试到底有没有通过，这使得它们非常适合进行强化学习训练，而写作的好坏就很难有明确的评判标准。第二，这些技术在B2B企业级应用中价值巨大，这意味着团队中最大部分的精锐力量都在集中精力对它们进行优化。所以我们才看到了如今的局面。

OpenClaw时刻之所以引发如此巨大的轰动，原因就在于这是第一次有一大群非技术人员真正体验到了最新的智能体模型。在此之前，这群人眼里的AI仅仅等同于ChatGPT那个网页而已。