Andrej Karpathy（ OpenAI 的共同創辦人、Tesla 前 AI 總監、造了 「vibe coding」 這個詞的人），在紅杉資本（Sequoia Capital）的這場最新的訪談中說了，一句值得反覆琢磨的話。
在 AI Agent 時代：
「你可以外包你的思考，但你不能外包你的理解。」
「You can outsource your thinking, but you can’t outsource your understanding.」
現在的 AI 已經能幫我們做很多事，自動替處理查資料，甚至思考的都比我們還高品質，讓我們從資訊加工的冗繁活動解放出來。
但我們「到底為啥要做這任務」、「下一步往哪走」、「什麼為好」的理解，反而變得更重要。
因為這些問題，AI 沒辦法替你回答。
持續對世界擁有好奇心、培養獨特的品味，還有付諸行動的理解力，可能才是我們在 AI 時代最值錢的資產。
換句話說，Al 讓 thinking 變得廉價了（因為它比你會思考），但 understanding（理解一件事）的負擔不但沒有減輕，反而更重了，因為要指揮的東西更強了，指揮錯的後果也更大了。
但 thinking 和 understanding 的邊界在哪？
如果不把這些拆透，這句話就只是一個漂亮的金句。
讓我把一些訪談精華摘要出來，我們一起來看看。
訪談一開場主持人問他：「你說自己『從沒這麼落後過』是什麼意思？」
Karpathy 坦白地說：
「過去一年我都在用 agentic 工具寫程式，那時候模型還會出錯、還要我修。但 2024 年 12 月，我剛好放假比較有空，我發現我已經想不起來，上次修正模型的輸出成果是什麼時候了。」
於是他越來越信任這個系統，然後一不小心就在 vibe coding 了。
連 Karpathy 都說自己跟不上，那我們其他人呢？
重點在這裡：很多人對「AI 寫程式」的印象還停留在「ChatGPT 那種問答感覺」，你問它一句、它寫一段，你還得替它打工複製貼上。但 2025 年開始，這個體驗已經被換代了。Agent 可以連續跑、自己 debug、自己驗證、自己交付一個小專案。 [2]
如果你最近還在懷疑「AI 是不是有點被高估」，不要看一年前的影片，去社群上搜尋「Claude Code、Codex 能做到什麼 [1]作品」，你會發現身邊的阿姨、大叔、普通小孩，都能做到他們以前完全沒辦法做的事，你就會發現真的不太一樣了。
但真正的問題是，那「人」剩下什麼？
Karpathy 在訪談裡反覆強調一個觀念：很多人把 AI 當成「老任務的加速器」，當以前要 5 天的活，現在 5 小時。但這個視角會讓你錯過真正的機會。
他舉了個具體例子：menu gen。
場景：出國吃飯看到菜單一堆名字看不懂，他想拍張照、自動配上每道菜的 AI 生成圖片。
「沒有 app、沒有後端、沒有資料庫。整個 menu gen 在新典範下，根本不應該存在。」
回到我們每個人的生活和工作，你正在做的多少事情，其實也「不應該存在」？多少過於精緻分化的 SOP、多少 Excel、多少手動流程，是過去那個世界遺留下來的化石？
真正的紅利不是「讓現有的事情變快」，是「以前不可能的事情，現在可以了」。 [3]
想要看見這個機會，要的不是技術，是「重新定義問題」的能力。這個能力，就是 understanding（理解力）。
訪談裡最好笑、也最發人深省的一段：
「有個經典問題是：我要去洗車，車在 50 公尺外，我該開過去還是走過去？
最先進的模型告訴我『太近了，你應該用走的』。
——這是一個能重構十萬行程式碼、能找出零日漏洞（Zero-day Vulnerability）的模型，居然叫我走路去洗車。」
Karpathy 用「鋸齒狀智慧」（jagged intelligence）來形容今天的 AI：它不是均勻地變強，是某些山峰特別高（程式、數學），某些山谷特別深（生活常識、品味）。
為什麼？因為 LLM 是被「人類設定學習環境」形塑出來的，哪個領域被認真訓練，就在那個領域變強。沒被放進訓練回路的，就一片荒地。
對使用者的意義是什麼？
「你必須去探索這個沒有說明書的東西。它在某些設定下飛起來，在另一些設定下卡死。你得搞清楚自己的應用，是在哪一條被開墾過的路上。 [4]」
換句話說：你對 AI 的失望，往往不是因為 AI 本身不夠強，只是因為你掉進了它的鋸齒缺口而不自知。
要分辨「AI 在這件事上是飛、還是卡」，靠的是什麼？
是你個人的 understanding，你對這件事本身的理解夠不夠深，能不能聞出 AI 給的答案哪裡怪怪的。
這就是為什麼 AI 越強，懂行的人和不懂行的人的差距會越來越大，而不是越來越小。
Karpathy 在訪談裡很清楚地把兩件事分開：
| Vibe Coding | Agentic Engineering | |
| 目標 | 抬高所有人能做到的「地板」 | 守住專業該有的「天花板」 |
| 誰用 | 任何人 | 真正想做出可靠產品的人 |
| 核心問題 | 「我能不能做出來？」 | 「我能不能又快又好又安全？」 |
「以前大家會講 10× 工程師。我現在覺得，真的會用 agent 的人，產出遠超過 10× [5]。」
但他講到最關鍵的一段，是 agent 仍然會犯非常低級的錯。他自己 menu gen 的支付系統，agent 居然用「Email 比對」來連結 Stripe 付款記錄和 Google 登入帳號——但用戶可以兩邊用不同 Email！
「這種事情人類一秒就知道不能這樣做。你必須在規格設計、根本決策上當好總監。Agent 負責填空，你負責判斷該畫哪些空格。」
這句話值得多讀兩次：Agent 負責填空，你負責判斷該畫哪些空格。
「該畫哪些空格」=「真正的問題是什麼」=「為什麼這件事值得做」=「下一步該往哪走」。
這些問題沒有一個是 AI 可以幫你回答的。它只能在你定義好題目後，幫你補答案。
訪談收尾，主持人問：「還有什麼東西還值得深度學習？」
Karpathy 提到一條他最近反覆思考的推文：
「You can outsource your thinking, but you can’t outsource your understanding.」
你可以外包你的思考，但你不能外包你的理解。
他自己接著補：
「我還是這個系統的一部分，資訊還是得進到我腦袋裡。但『我們到底要做什麼？為什麼值得做？怎麼分配給 agent？』這些會被我的『理解能力』所限制。」
這就是我看完整場訪談、最想記住的一句話。
把它白話翻譯個：
思考可以外包，理解不行。
而支撐「理解」的，是三個 AI 偷不走的東西：
這三件事，沒有一個能被一段 prompt 取代。
它們是你長年累積的、屬於你個人的、無法上傳的獨特資產。
這是我自己這幾個月反覆在做的事，列出來給你參考：
不是寫給未來的自己看，是逼自己把模糊的感受變成清楚的句子。那些還寫不太出來的地方，就是你「以為自己懂、其實不懂」的地方。
別只收藏文章。讀完試著用自己的話講一次，或寫成一張知識卡片。重組的過程，就是 understanding 在長出來。
品味是被「比較」養出來的。只待在同溫層，你的品味會退化成一種 AI 也能模仿的平均值。
每次你說「這個版本比較好」，逼自己再加一句「因為⋯⋯」。把自己的感受拆成可說明的理由，一方面也是為了讓 AI 學會，幫你的 AI Agent 越來越強（像你）的訓練。
散步、發呆、隨意玩樂。好奇心需要餘裕才會冒出來。整天被通知和 to-do 追著跑的人，大概率會慢慢失去問「為什麼」的能力。
訪談最後主持人開玩笑說：「期待兩年後再回來，看看我們是不是已經被自動化出局，連『理解』也外包出去了。」
我自己反而不太擔心這件事。我認為真正會發生的，是另一個方向：
AI 把「執行的成本」壓到接近零，所以「方向、品味、判斷」的單價會持續上漲。
這也是為什麼這個時代，寫日記不過時、慢慢讀不過時、做知識整理不過時、跟人深聊不過時。這些看似低效率的事，反而是 AI 時代你唯一還握在手上、不會被偷走的複利。
工具會變、模型會變、典範會變。
但「你想做什麼」「為什麼這件事值得做」「下一步往哪走」—— 這些問題，永遠是你的獨特之處。
不要把它們也外包出去。
影片：Andrej Karpathy: From Vibe Coding to Agentic Engineering
改寫整理：雷蒙｜2026-05-05
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。