1. 一条很短的动态

昨天，一张截图在 AI 圈里传开。Andrej Karpathy 发了一条很短的动态：

Personal update: I've joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative. I am very excited to join the team here and get back to R&D. I remain deeply passionate about education and plan to resume my work on it in time.

大意是：

个人近况：我加入了 Anthropic。我认为，接下来几年，大语言模型前沿的发展将尤其具有奠基性和塑造性。我很高兴加入这里的团队，重新回到研发工作中。我依然深深热爱教育，也计划在适当的时候继续推进这方面的工作。

这条动态真正有意思的地方，不只是“Karpathy 加入了 Anthropic”。更值得注意的是，他用了一个词：formative。

2. 为什么这个词打动人？

如果他只是想说未来几年很重要，他可以说：important。如果他只是想说未来几年很令人兴奋，他可以说：exciting。如果他只是想说未来几年会很有影响力，他可以说：influential。

但他没有。他说：formative。

这个词的意思不是普通的“重要”，而是：正在塑造基本形态的；正在奠定未来格局的；会深刻影响一个人、一个领域、一个时代后续走向的。

英文里常说：

formative years，一个人成长中最塑造人格的几年。

formative experience，一次改变人生方向的经历。

a formative period in science，一个学科范式正在形成的阶段。

所以 Karpathy 这句话的重心不是： “LLM 接下来几年会很热闹。” 而是： LLM 接下来几年会定型。

很多东西还没有完全定下来。

· • 模型会怎样推理？

· • Agent 会不会成为新的软件形态？

· • 训练和后训练的范式会怎么变化？

· • AI 如何写代码、做研究、做教育？

· • 安全边界如何建立？

· • 人和 AI 的关系会变成什么样？

这些问题，今天都还没有最终答案。

所以他说，未来几年在 LLM 前沿，会是一个 especially formative 的阶段。也就是说：未来几年不是普通的增长期，而是成形期。

3. “前沿”意味着什么？

这句话里还有一个重要短语：at the frontier of LLMs

不是在 LLM 的应用层边缘试一试，不是在已经成熟的产品里做一些小改进，而是在大语言模型的前沿。

frontier 这个词，本身就有一种边界感。它不是安全的内陆。它是地图上还没有完全画清楚的地方。

在 frontier 上工作，意味着你面对的不是“标准答案”，而是“问题本身”。

· • 什么是更好的 reasoning model？

· • 什么是更可靠的 agent？

· • 什么样的模型才真正有长期记忆、工具使用、计划能力和自我纠错能力？

· • 什么样的 AI 系统能够既强大，又可控？

· • 什么样的教育工具不是替学生思考，而是帮助学生更好地思考？

这些问题都不是简单的工程优化。它们会影响未来十年甚至更久的技术方向。

所以 Karpathy 说“get back to R&D”，也很关键。

他不是说自己回去做一个成熟产品的运营，不是说自己去追一个短期热点，而是回到研发。意思是：

回到那些还不清楚、还不稳定、还没有完全被命名的问题中去。

这可能正是他兴奋的地方。

4. 真正的“formative”，往往发生在混沌之中

很多年以后，人们回头看一个技术时代，常常会觉得脉络很清楚。比如今天我们回看互联网，会说：浏览器、搜索引擎、门户网站、电商、社交网络、移动互联网、云计算。好像每一步都很自然。

但当时身处其中的人，并不知道哪一条路会成功。

· • 很多概念是混杂的。

· • 很多产品是粗糙的。

· • 很多判断是错误的。

· • 很多路线看起来都像未来。

AI 现在也类似。今天的 LLM 看起来已经很强了。它能写文章，能写代码，能做题，能总结论文，能陪学生讨论，也能帮助老师设计课程。但我们其实还在很早的阶段。

现在的大模型，像一块正在冷却的岩浆。它已经有形状，但还没有完全凝固。

在这样的阶段，一个新想法、一个新架构、一个新训练方法、一个新的交互方式，都可能改变后面的道路。

这就是 formative 的意思：

· • 不是已经完成，而是正在生成。

· • 不是已经稳定，而是正在成形。

5. 这对教育尤其重要

Karpathy 在最后还提到了 education。他说自己依然 deeply passionate about education，并计划在适当的时候继续做教育方面的工作。

这句话也值得认真读。因为 Karpathy 一直不是那种只做封闭研究的人。他的很多课程、视频、代码和讲解，把非常复杂的 AI 概念讲得极其清楚。他有一种罕见的能力：既站在技术前沿，又能把前沿问题讲给学习者听。

这其实也是 AI 时代特别需要的能力。未来的教育，不只是把知识搬到网上。也不只是让学生问 AI、AI 给答案。真正的问题是：

· • 学生如何形成判断力？

· • 如何提出好问题？

· • 如何把模糊的兴趣变成可执行的项目？

· • 如何在 AI 的帮助下，不是更懒，而是更能思考？

· • 如何在机器越来越强的时候，人仍然保有自己的方向感？

所以，LLM 的 formative years，也是教育的 formative years：技术在成形。教育也在重新成形。过去，老师主要是在课堂上传授知识。后来，老师还要组织讨论、设计项目、引导表达、评价作品。而现在，老师可能还要学会设计 AI 陪练、AI 助教、AI 项目工作流，让学生在真实任务中学会思考。

这不是简单地“用 AI 提高效率”。这是重新理解学习。

6. 一个历史回声：新文化运动中的“成形期”

如果找一个中文语境中的类比，我会想到新文化运动。

那也是一个 formative period：那时的人也不知道未来会变成什么样。

· • 白话文要不要取代文言文？

· • 科学和民主如何进入中国？

· • 新教育要培养什么样的人？

· • 青年人应该读什么、写什么、相信什么？

胡适、鲁迅、蔡元培、王国维那一代人，并不是在一个已经完成的体系中工作。他们面对的是一个旧世界正在松动、新世界尚未定型的时刻。所以他们写文章，办刊物，改课程，建学校，翻译，争论，试验。他们做的许多事，当时看起来也许只是局部工作。但后来证明，那些工作参与塑造了一个时代的语言、思想和教育方式。

今天的 AI 当然不是新文化运动。但它们有一个相似之处：都处在“新工具正在改变人的表达、学习和组织方式”的时刻。

这样的时刻，不只是技术问题，也是文化问题、教育问题、人的问题。

7. 普通人可以做什么？

面对这样的 formative years，普通人不必焦虑，也不必崇拜。更好的姿态是：把自己放进这个成形期里。

不是站在岸边看浪潮，而是找一个小小的入口，开始练习。

可以从三件事开始。

第一，学会和 AI 一起完成一个真实任务。

不要只问零散问题。可以让 AI 帮你写一篇文章、做一个小网站、分析一组数据、设计一节课、整理一次访谈、完成一个研究笔记。真实任务会逼你判断：

· • AI 哪里有用？

· • 哪里不可靠？

· • 哪里需要你自己负责？

第二，保留自己的问题感。

不要一上来就问 AI：“答案是什么？”可以先问自己：

· • 我到底想解决什么？

· • 我为什么关心它？

· • 我已经知道什么？

· • 我还缺什么证据？

AI 可以帮助我们加速，但不能替我们拥有问题。

第三，建立一个小型的学习共同体。

一个人用 AI，很容易变成“快速获得答案”。几个人一起用 AI，才可能变成“互相看见问题”。大家可以一起分享：

· • 我问了什么？

· • AI 怎么回答？

· • 我哪里不同意？

· • 我最后做出了什么？

· • 别人看了我的作品，有什么新的启发？

这时，AI 不只是工具，它变成了讨论的催化剂。

8. 结尾：不要只看热闹，要看什么正在成形

Karpathy 这条动态表面上是一条个人职业更新，但它其实提醒我们：AI 时代最重要的事情，可能还没有真正定型。未来几年，很多东西会被塑造：

· • 模型会被塑造。

· • 产品会被塑造。

· • 教育会被塑造。

· • 工作方式会被塑造。

· • 我们对“学习”“创造”“判断”“研究”的理解，也会被塑造。

这就是 formative 的力量。它不是已经写好的历史。它是历史正在写的时候。

对年轻人来说，这句话尤其重要。不要只是问：“AI 会不会取代我？”，而是问：

在这个正在成形的时代，我能不能也形成自己？

· • 形成自己的问题。

· • 形成自己的表达。

· • 形成自己的判断。

· • 形成自己的作品。

· • 形成自己与他人合作的方式。

技术在成形，世界在成形，你身在其中，也需要重新成形。

加油！