安德烈·卡帕蒂 (Andrej Karpathy) 加入 Anthropic

突发新闻：Andrej Karpathy 加入 Anthropic 地球上最受尊敬的人工智能研究人员选择了 Anthropic。 Ruben Dominguez May 19, 2026 65 1 4 Share 今天早上，Andrej Karpathy 发布了一条让整个人工智能行业停下来阅读的推文：Karpathy 本周开始在 Anthropic 在团队领导 Nick Joseph 的领导下进行预训练，并将建立一个新团队，专注于使用 Claude 来加速预训练研究本身。仔细阅读最后一部分。利用克劳德让克劳德变得更好。这是对目前人工智能中最重要问题的递归押注，由最有资格从事该领域工作的人进行。该公告背后的简历与当今该领域活跃的其他人不同： ▫️ 2015 - 谷歌，与 DeepMind 合作 ▫️ 2016 - OpenAI 创始成员 ▫️ 2017 至 2022 - 特斯拉，人工智能高级总监，从头开始构建 Autopilot ▫️ 2022 至 2024 - 回到 OpenAI ▫️ 2024 至 2026 - Eureka Labs，他的人工智能教育初创公司 ▫️ 2026 年 5 月 19 日 — Anthropic Karpathy 也是 2025 年初创造“vibe 编码”一词的人，在 X 上使用它来描述编程，其中开发人员用自然语言指定意图，AI 代理生成大部分代码。整个氛围编码生态系统，从 Cursor 到 Lovable 到 Replit，都可以追溯到他赋予世界的一个术语。现在他要为这一切奠定基础。这不是一次性聘用 Karpathy 的公告是头条新闻。它下面的图案是更有趣的故事。价值数十亿美元的公司的首席技术官已经辞职，转而在 Anthropic 担任个人贡献者角色。不去领导分裂。做研究。 ▫️ Workday CTO → 技术人员成员（2026 年 3 月） ▫️ You.com CTO → 技术人员成员（2026 年 3 月） ▫️ Instagram CTO → 技术人员成员（2026 年 1 月） ▫️ Box CTO → 技术人员成员（2025 年 12 月） ▫️ Super.com CTO → 技术人员成员（2025 年 7 月） ▫️ Adept AI CTO → 技术人员成员（2025 年 1 月） AI 竞赛通常围绕大量融资和稀缺的计算能力展开。同样重要的是，对少数有能力推进前沿研究的研究人员的激烈竞争。在投资中，最可靠的信号是人们将时间和意愿投入到吸收个人成本的地方。这些经验丰富的操作员自愿离开领导轨道，获得重要的头衔并可能减少薪酬，去一个特定的实验室进行研究。这种透露出来的偏好比任何新闻稿或基准结果都更有价值。与此同时，Anthropic 的收入刚刚超过 OpenAI 人才故事与商业故事直接相关。 Anthropic 于 2026 年初突破了 300 亿美元的 ARR，在 15 个月前的 ARR 为 10 亿美元之后，其收入增长速度超过了 OpenAI。随着人工智能精英人才争夺战的加剧，Anthropic 现在有望超越 OpenAI 的私募市场估值。 Anthropic 的估值正在接近 1 万亿美元。达里奥·阿莫代 (Dario Amodei) 在 2017 年撰写了这篇论文，读起来就像一张今天的地图。 2026 年记分卡开始在每个可衡量的维度上反映这一论点。决定谁赢得前沿人工智能竞赛的三个要素是计算、数据和人才。 Anthropic 一直在同时积累这三项： ▫️ 计算：与 SpaceX 合作，租用位于孟菲斯的 xAI Colossus 1 数据中心的容量，这使 Claude Code 的速率限制翻倍 ▫️ 收入：ARR 30B 美元，增长速度超过 OpenAI ▫️ 人才：Karpathy 加上稳定的高级技术人员渠道，选择研究而不是其他地方的领导力 Dario Amodei 的长期游戏始终是在安全和能力上取胜同时。 2026 年的数字正在验证这一策略。 Karpathy 在 Anthropic Pre-training 中实际要做的事情负责大规模训练运行，为 Claude 提供核心知识和能力，这是构建前沿模型中最昂贵、计算密集型的阶段之一。 Karpathy 的团队将专注于利用 Claude 来加速预训练研究本身，推动 Anthropic 实现递归自我改进这一更广泛的人工智能研究目标，使人工智能能够在逐渐减少人为干预的情况下训练其继任者。 Sam Altman 在 Stripe Sessions 上指出，这项工作是人工智能最重要的长期贡献：科学和研究加速。大多数投资者的注意力集中在应用程序和代理上。文明的杠杆位于研究层。 Karpathy 的预训练工作几乎是最接近这一层的。他是少数能够弥合法学硕士理论与大规模培训实践之间差距的研究人员之一。他的自动研究工作已经展示了当你给人工智能代理真正的自由度来在两天内改进其代码时会发生什么。它发现了 20 件人工审核遗漏的事情。同样的本能也适用于边境的预训练