Andrej Karpathy · Shapers Atlas

前特斯拉 AI 总监、OpenAI 创始成员，AI 时代最会讲课的人

基本介绍

Andrej Karpathy（安德烈·卡帕西，1986– ）是深度学习领域最具影响力的研究者与教育者之一。他出生于斯洛伐克，少年时随家庭移居加拿大，后在多伦多大学（师从深度学习脉络）、不列颠哥伦比亚大学求学，最终在斯坦福跟随 Fei-Fei Li 读完计算机视觉方向的博士。他是 OpenAI 的创始成员（2015），随后出任 特斯拉 AI 高级总监（2017–2022），主导 Autopilot 的视觉神经网络与数据引擎；2023–2024 短暂回归 OpenAI，2024 年离开后创办 AI 教育公司 Eureka Labs。

他之所以影响巨大，一半在研究、一半在”翻译”：他能把最复杂的深度学习机制讲得异常清楚。斯坦福 CS231n（卷积神经网络视觉识别）是全世界一代人的深度学习入门课；他”从零手写”的系列（micrograd、makemore、minGPT/nanoGPT）让无数工程师第一次真正理解大模型内部在发生什么。在一个充满炒作与黑箱的领域里，他代表着”把事情讲明白、亲手把它造出来”的稀缺气质。

关键时间线

1986：生于捷克斯洛伐克（今斯洛伐克）。
2005–2009：多伦多大学，计算机科学与物理。
2011–2015：斯坦福大学攻读博士，师从 Fei-Fei Li，研究方向为图像识别与图文生成（image captioning）。期间设计并主讲 CS231n，成为深度学习教育的里程碑课程。
2015 年底：作为创始成员加入 OpenAI，任研究科学家。
2017：出任特斯拉 AI 高级总监，负责 Autopilot/FSD 的神经网络、数据标注与”数据引擎”体系。
2017：发表影响深远的博文 《Software 2.0》。
2022 年 7 月：离开特斯拉（“Autopilot 五年间从车道保持成长为城市街道自动驾驶”）。
2023 年 2 月：回归 OpenAI。
2024 年 2 月：再次离开 OpenAI，公开澄清”没有戏剧性事件，只是想做别的”。
2024 年 7 月 16 日：创办 Eureka Labs，主打”AI 原生学校”，首个产品是 AI 课程 LLM101n。
2025 年 2 月：造词 “vibe coding”；发布 3 小时 31 分的科普长视频《Deep Dive into LLMs like ChatGPT》。
2025 年：开源 nanochat——“100 美元能买到的最好的 ChatGPT”，一套完整的从训练到推理的极简 ChatGPT 复现管线。

核心贡献与理念

Software 2.0（软件 2.0）：他 2017 年提出的核心框架——软件正从”人一行行写代码（Software 1.0）“转向”用数据训练出神经网络权重（Software 2.0）“。在 2.0 里，“代码”是数据集和优化目标，程序员的工作变成策划数据、设计目标、调训练。这个视角预见了此后十年 AI 工程的范式迁移。
Software 3.0 / “英语是最热的新编程语言”：进入大模型时代后，他进一步提出：提示词（自然语言）本身就是在编程。软件栈从此有三层——1.0（代码）、2.0（权重）、3.0（提示）。谁能用自然语言精确地指挥模型，谁就是新的程序员。
“Vibe coding”（氛围编程）：2025 年他造的词，形容”完全交给 AI、凭感觉迭代、几乎不看代码本身”的新写法。迅速成为全行业热词，也引发关于”这是解放还是失控”的大讨论。他本人的用法偏克制——强调它适合原型和玩具项目，认真的软件仍需要工程纪律。
“Context engineering” 胜过 “prompt engineering”：2025 年他为这个词背书——真正决定模型表现的，不是一句巧妙的提示，而是如何把恰当的信息、以恰当的形式、恰当地填进上下文窗口。这是从”魔法咒语”到”系统工程”的认知升级。
LLM 是一种新操作系统（“LLM OS”）：他把大模型类比为一台新计算机的 CPU/内核，上下文窗口是内存，工具调用是外设——由此推演出一整套”围绕 LLM 构建应用”的心智模型。他也常把大模型形容为”人的灵魂的有损压缩（people spirits）“——既有惊人能力，也有系统性的”锯齿状智能（jagged intelligence）”。
AI 教育与”亲手造”哲学：他坚信理解一样东西的最好方式是从零把它重写一遍。micrograd（百行实现反向传播）、makemore、minGPT、nanoGPT、“Neural Networks: Zero to Hero” 视频系列、nanochat，都是这一信念的产物。Eureka Labs 想把这种”AI 原生、师生+AI 助教协同”的学习方式产品化。
务实的 AGI 观：他对时间线保持克制乐观，反复强调工程现实——自动驾驶的”九的进军（march of nines，每多一个 9 的可靠性都要巨大努力）“、RL 信号的稀疏与噪声、评测的困难。他公开与 Richard Sutton 的”苦涩的教训（Bitter Lesson）“式纯 RL 主张对话，代表了”既信规模、也重结构与数据”的中间立场。

争议与批评

“Vibe coding” 的双刃：这个词火了之后，被大量新手当作”不用懂工程也能造软件”的许可证，催生了一批不可维护、有安全隐患的代码。批评者认为他（无意中）为”降低对严谨性的要求”提供了话术；他本人则多次澄清其适用边界。
明星研究者的”影响力放大器”效应：他一条推文就能定义一个行业词汇（vibe coding、context engineering）。有人担心这种个人影响力会让行业话语过度围着少数几位明星转，而非扎实的经验证据。
教育理想 vs 商业落地：Eureka Labs 与 LLM101n 备受期待，但”AI 原生学校”能否规模化、能否兑现”世界上最好的 AI 课程”的承诺，仍待验证。
乐观的技术叙事：作为特斯拉 Autopilot 前负责人，他对自动驾驶与 AI 能力的公开表述，也被质疑带有从业者的乐观色彩。

近期动态（2025–2026）

（以下部分基于其公开 X 动态与开源发布）

nanochat（2025）：开源”100 美元训练一个 ChatGPT”的完整管线，延续 nanoGPT 的极简教育路线，把”人人可复现前沿”往前推了一大步。
“内容正在从写给人转向写给 LLM”（2025-03）：他提出”99.9% 的注意力即将是 LLM 的注意力，而非人的注意力”，主张文档、库、产品都该开始为大模型的阅读方式而设计。
为 “context engineering” 正名（2025-06）：把行业从”提示词玄学”引向”上下文系统工程”。
与 Sutton《苦涩的教训》的对话（2025-10）：就”纯 RL/规模 vs 结构与先验”展开公开讨论，是理解他方法论立场的最新窗口。
持续输出科普：《Deep Dive into LLMs like ChatGPT》（3.5 小时）等长视频，继续扮演”全世界的 AI 讲师”。

核心人物关系

Fei-Fei Li：斯坦福博士导师，ImageNet → CS231n 的视觉一脉师承与延续。
Sam Altman、Ilya Sutskever：OpenAI 创始同僚。
Elon Musk：特斯拉时期的直接上级，Autopilot 愿景的推动者。
Demis Hassabis：同代 AI 前沿的另一极（DeepMind 路线 vs OpenAI/自研教育路线）。
Dan Shipper：都在定义”AI 原生”的工作与学习方式（vibe coding / allocation economy 可对读）。
与 Paul Graham 同属”把复杂的事讲到极清楚”的写作/教育典范。
思想上与 Geoffrey Hinton、Yann LeCun 的深度学习谱系一脉相承（未在库内）。

参考资料清单

个人博客：karpathy.github.io / karpathy.ai（《Software 2.0》《A Recipe for Training Neural Networks》等）
YouTube：“Neural Networks: Zero to Hero” 系列、《Deep Dive into LLMs like ChatGPT》《The busy person’s intro to LLMs》《State of GPT》
GitHub：micrograd、makemore、minGPT、nanoGPT、nanochat、LLM101n
Eureka Labs：eurekalabs.ai
斯坦福 CS231n 课程主页与讲义
X/Twitter：@karpathy（vibe coding、context engineering、Software 3.0 等观点的一手来源）

总结

Karpathy 的独特之处在于同时站在前沿研究、工业落地、大众教育三个位置：他做过最难的（Tesla 自动驾驶）、定义过范式（Software 2.0/3.0）、又愿意花大量时间把这一切讲给所有人听。他造的词（vibe coding、context engineering）之所以能瞬间成为行业共识，正是因为背后有真功夫和”讲清楚”的诚意。在一个容易被炒作淹没的领域，他代表的是**“亲手把它造一遍、再讲给你听”**的第一性原理气质——这也是他对”AI 时代该如何学习与工作”最深的示范。