Andrej Karpathy，前 OpenAI 和特斯拉 AI 负责人，近期在一期视频里用大白话把 AI Agent 那层窗户纸捅破了。开篇他就说，别一听到 Agent 就往 AGI 上扯，它没那么玄乎，更像个刚到岗的实习生——能干点活，但得有人盯、有人教，还要给明确的反馈。这期视频没有烧脑术语，全程用“实习生”这个比喻把 Agent 的概念、使用姿势和未来路子都捋了一遍。
他的核心主张是：不用纠结定义，2027 年前后我们会见到能完成博士级科研任务的 AI 系统，这不是预测哪天 AGI 降临，而是说当 AI 能持续、可靠地做完原本需要多年博士训练才能干的事，世界就被改变了。Karpathy 特别强调，安全和对齐研究不是等 Agent 强了才补的补丁，而是开发过程本身必须带上的安全带。整个视频反复出现一个观点：Agent 的智能像水，容器就是人类给的指令和反馈循环——容器长什么样，水的形状就长什么样。
落到具体操作，他聊了模型选择、商业化路径和瓶颈。Agent 的架构没必要一步到位追求最强模型，更关键的是怎么让模型在循环里持续接收环境信号并修正行为。商业化上，他和一些团队的做法是 API-first，不着急做消费者应用，把底层能力供给做好，让生态自己去搭应用层。很多人担心芯片和算力卡脖子，Karpathy 认为物理瓶颈是存在的，但 2027 年之前不会成为硬约束，真正的瓶颈在数据、算法和组织能力。他还打了个比方：训练 Agent 像带实习生，既需要好教材（数据），也需要好师父（算法和流程），还得有足够多愿意带人的团队（组织）。
不过，这个“实习生”比喻也有边界。Agent 会犯错，会偷懒，会理解偏，还不会主动说“我不会，你教教我”——这才是人需要一直参与的原因。Karpathy 并不讳言风险：如果对齐研究跟不上能力膨胀速度，Agent 可能变成放大版的人类偏见。所以他主张不追求第一个搞出最强 Agent，而是追求安全曲线走得最稳的那条路。他不认为 Agent 会取代人类，而是改变协作关系，人要学着当“经理”，把自己的意图翻译成机器听得懂的任务拆分和反馈机制。
这期视频收尾时，Karpathy 给观众扔了一句话：未来 5 年，AI Agent 不会把世界变成科幻片，但会把大量重复认知劳动变成自动化流程，而人的价值将更多体现在定义问题、设计反馈和做那个“实习生”的老板上。读完这篇导读，你再看视频时就能抓住他的逻辑线：Agent 不是神，是工具，而这个工具的开关始终握在人类手里。
