最近，AI界知名人物、前特斯拉AI总监Andrej Karpathy在一次访谈中，给行业里“今年将是智能体之年”的狂热泼了盆冷水。他直言，我们现在不是在“造动物”，而是在“召幽灵”——AI模型看似能对话、能写代码，但本质上只是在模仿人类，缺乏真正的智能和自主性。他更愿意把未来十年称为“智能体的十年”，而非一年。
Karpathy的核心主张很务实：别光顾着炒作概念，得老老实实写代码、搭系统。他指出，当前以LLM为核心的智能体存在明显的能力短板：通用智能不足，无法处理图像、声音等多模态信息，在真实计算机环境里操作笨拙，最关键的是，它们没有持续学习的能力——你上次对话里交代的偏好，它下次就忘光了。这样的系统，离成为能真正委托任务的“数字化员工”还差得远。他把这波AI浪潮放在历史长河里看，认为所谓的“智能爆炸”其实已经持续了几百年，一切都在逐步自动化，AI智能体只是最新的一环，并非突然的质变。
为了支撑自己的观点，Karpathy举了不少例子。他观察到社交媒体和行业会议里充斥着过度预测和炒作，很多声音本质上是为募资服务，而非技术现实的反映。他特别强调，唯一能获得真实认知的方式就是动手构建——写代码、跑模型、调系统，而不是写博客、做幻灯片。他还提到，从研究demo到可信任的生产系统，中间有漫长的工程距离，需要解决无数边缘情况，搭建记忆、规划、工具使用等基础设施，这绝非一两年能完成。
当然，也有不同意见。一些人认为，通过扩大模型规模、微调等方法，智能体能力可能在1-2年内就取得突破，无需等十年。但Karpathy的保守估计恰恰来自他深厚的工程经验：demo和产品之间隔着可靠性、鲁棒性、用户体验等巨大鸿沟。他并非悲观，而是“谨慎乐观”——技术方向可行，但必须放弃速胜幻想，投入长期工程努力，重视智能体的基础能力建设，包括多模态、记忆、规划与工具使用，而不仅仅是语言模型的文本生成能力。
总而言之，Karpathy的立场是：AI智能体的未来值得期待，但别指望一蹴而就。未来十年，真正重要的不是谁喊得最响，而是谁把系统真正造了出来。对从业者来说，最好的策略就是少谈概念、多写代码，一步一个脚印地解决那些枯燥但关键的工程问题。
