Linus、Karpathy、DHH:软件界最值钱的大脑们对AI的真实态度

2025年2月，Andrej Karpathy发了一条推文，说编程已经进入“凭感觉”的时代，你不用再看代码，“拥抱指数级增长，忘记代码本身的存在”。这条推文炸了整个技术圈，“Vibe Coding”成了一个专有名词。

但不到一年，他在Sequoia AI Ascent大会上说了一句让所有人意外的话：“作为程序员，我从没感觉自己这么落后过。”

发明Vibe Coding的人，自己慌了。

这不是个例。过去两年，软件工程领域几乎所有叫得出名字的大佬，都被迫对AI表态了。有人拥抱，有人抵制，有人在拥抱和抵制之间反复横跳。这篇文章不做判断，只做收集，把这些人的真实态度和转变过程摆出来，读者自己感受。

Linus Torvalds：“Linux不是反AI项目”，不接受就Fork

Linus Torvalds不需要太多介绍。1991年，21岁的他在赫尔辛基大学读书时写出了Linux内核的初版，然后把它开源了。三十多年后，Linux驱动着全球绝大多数服务器、安卓手机、超级计算机和嵌入式设备。他还写了Git，全世界程序员每天都在用的版本控制系统。他是开源运动最具标志性的人物，没有之一。他的管理风格以直率著称，在邮件列表里怼人是常态，“不接受就Fork”是他处理分歧的经典方式。

2023年ChatGPT掀起AI编程热潮时，Linus的态度很明确：看不上。他批评AI生成代码“不适合生产环境”，“在维护层面可能会糟糕透顶”。

2025年11月，在韩国首尔Linux基金会开源峰会上，他和Dirk Hohndel做了一场炉边对话。态度出现了微妙转变。他对vibe coding“总体持正面态度”，把它比作当年从汇编语言到编译器的转变。但他仍然限定了范围：仅作为进入计算机世界的一种方式，不适用于生产级代码。他坦言：“过去差不多20年，我已经不算是程序员了。”

2026年1月，他在GitHub上发布了AudioNoise项目，一个和吉他效果器相关的个人项目。README里写得很清楚：“Python可视化工具基本上是靠Vibe Coding的方式编写的。”他甚至直接说：“我直接跳过中间环节，也就是我自己，改用Google Antigravity实现了音频样本可视化。”项目收获了1600多个Star，网友反应两极分化。

2026年3月起，一个叫Sashiko的AI审查工具开始常态化参与Linux内核的Patch Review。Sashiko由内核工程师Roman Gushchin等人主导开发，基于Rust编写，由谷歌提供全部LLM算力。它的名字取自日语“刺し子”，一种传统的装饰性加固缝补针法，寓意通过自动化智能审查来加固内核质量。实际运行数据显示，它能检出超过半数的已知缺陷。

Sashiko的引入引发了内核社区的激烈争论。长期贡献者Laurent Pinchart认为AI生成的审查意见不应直接发送给提交代码的开发者，引用了软件自由保护协会（SFC）发布的LLM工具指南，主张开源项目应尊重拒绝AI的开发者。另一位贡献者Roman Gushchin则反驳：让人工维护者逐条转发AI审查意见毫无意义，AI的意义就在于节省维护者时间。

Linus在内核邮件列表中发表了长文回应，态度毫不含糊：“Linux不是反AI项目。”对无法接受的人，他放出那句经典的话：fork一个属于自己的版本，或者直接离开。

2026年5月，在北美开源峰会上，他透露最近两个版本的提交量比此前多年常态高出约20%，主要原因是AI编码工具终于“好用到足以推动更多人参与”。但他也指出，AI扩大了参与规模，也同步放大了沟通、评审、分发压力，真正刺痛社区的是“社会性瓶颈”而非技术问题。内核安全邮件列表近期被大量AI生成的重复漏洞报告淹没，Greg Kroah-Hartman甚至专门建了一个文件夹收纳这类无效报告。

2026年9月，Linux 7.3-rc5发布。AI/LLM自动化工具仍是开发主力，在4100万行代码库中持续检出缺陷。但7.3周期的改动量远超往常，大到Linus自己都开了个玩笑，说可以把锅甩给大量涌入内核的AI生成补丁。

Linus的态度最Linus：不搞意识形态，只看技术价值。私下用Vibe Coding做业余项目，工作中让AI常态化参与内核审查。AI好用就用，不好用就不用，没什么好争论的。

Bjarne Stroustrup：代码不是写出来的，是验证出来的

Bjarne Stroustrup，C++语言的发明者。1979年，他在贝尔实验室开始开发“C with Classes”，1985年正式命名为C++。这门语言驱动了整个世界的底层基础设施：操作系统、数据库引擎、浏览器内核、游戏引擎、高频交易系统、AI推理框架的底层几乎都是C++写的。Chrome浏览器的渲染引擎V8是C++，MySQL和PostgreSQL的核心是C++，PyTorch和TensorFlow的底层引擎也是C++。Stroustrup现在是哥伦比亚大学的计算机科学教授，同时担任摩根士丹利的技术部董事总经理。他获得过IEEE计算机先驱奖、ACM软件系统奖等重要荣誉。2025年全球C++及系统软件技术大会上，他发表了主题演讲，强调C++在AI基础设施中的不可替代性：底层系统、高性能计算、实时推理引擎，这些领域Python够不着，只有C++能扛。

2026年5月，75岁的Stroustrup在一期播客中说了这段话：“我已经看到一些高级开发者开始退休了，因为他们不想再处理这种验证工作。你每次改代码、改提示词，生成出来的东西都会变。”

这句话很快在X上被转发、放大。有人把它浓缩成一句更适合传播的话：“资深开发人员宁愿退休，也不愿处理AI生成的代码。”严格说，这不是Stroustrup的原话，但它确实抓住了讨论里最让开发者有感触的部分。

他的核心担忧很具体。AI生成的代码“更臃肿，有更多bug和安全漏洞，而且很难验证”。LLM用旧代码训练，生成的代码会引入已经修复过的漏洞和冗余模式。验证成本不是降低了，而是灾难性地转移了。以前写代码的人就是验证代码的人，他对自己的逻辑有完整的心智模型。现在写代码的是AI，验证代码的人对代码的内部逻辑没有完整理解，他拿到的是一段“看起来能跑”的输出，需要逆向推导它为什么能跑、在什么情况下会不能跑。

Stroustrup的立场一句话就能说清：代码不是写出来的，是验证出来的。AI把生成成本打到了接近零，但验证成本一分没降。对一个构建底层基础设施的人来说，如果一个提示词的变动就能让整个代码库产生不可预测的漂移，那这种生产力就是一种毒药。

有网友评论说：“Stroustrup写系统代码的时间，比大多数AI工程师活过的时间还长。”

Martin Fowler：写了一篇“I don't like LLMs”

Martin Fowler，软件工程领域最具影响力的作者之一。他的书《重构：改善既有代码的设计》出版于1999年，至今仍是程序员必读经典，“代码坏味道”（code smell）这个概念就是他推广开来的。他是敏捷宣言的17位签署人之一，2001年在美国犹他州雪鸟滑雪场签署的那份宣言定义了现代软件开发方法论。他长期在ThoughtWorks担任首席科学家，写了几本关于企业应用架构和微服务的书。他的个人博客martinfowler.com是软件工程社区引用频率最高的非学术来源之一。他的写作风格以清晰、精确、不回避矛盾著称。

2026年，Fowler在The Pragmatic Engineer播客中说了一句分量很重的话：AI是“四十多年职业生涯中最大的变革”。

软件工程过去几十年建立在一个前提上：机器是确定性的。你给同样的输入，得到同样的输出。编译器、测试框架、类型系统，所有工具都建立在这个确定性之上。现在，一个非确定性的协作者进入了研发链路。你给同样的提示词，它可能给你不同的代码。你改一个字，它的输出可能完全变样。这动摇了软件工程的根基。

然后他写了一篇文章，标题直接就是“I don't like LLMs”。

文章里的态度矛盾而坦诚。他承认AI有用，引用了Jessica Kerr的话：“not only are they useful, it is irresponsible not to use them”（它们不仅有用，不用它们是不负责任的）。但他紧接着说：“I don't like them.”

他不喜欢LLM的“grating voice”，那种刺耳的腔调。他批评LLM“confidently bullshit”，自信地胡说八道，被指出时只有“一层虚假的懊悔”。他把LLM比作“硅谷brogrammer亚文化的产物”，带着创造者的价值观。他说LLM是那种“不仅假装是人类，还假装是我会主动走开的那种人”。

但他没有止步于不喜欢。他把这种矛盾心态类比为一种人生策略：“为了成功，我们往往必须忍受那些不喜欢、不信任但有用的人。”他说最成功的人生策略是避开不喜欢、不信任的人。但LLM恰恰是那种你避不开的，因为它太有用了。

Fowler承认变革的深度，保持警惕，不抵制，试图理解新的工程范式。坦诚自己的矛盾。

Jeff Dean：每个工程师管50个智能体实习生

在谷歌内部，有一个关于Jeff Dean的段子：他写代码从不编译，编译器会自动检查自己的代码是否符合Jeff Dean的风格。这个段子虽然夸张，但能说明他在谷歌的地位。1999年加入谷歌，是谷歌的早期员工。他参与设计或主导了谷歌几乎所有核心基础设施：MapReduce（分布式数据处理框架）、BigTable（分布式存储系统）、Spanner（全球分布式数据库）、TensorFlow（深度学习框架）。他和搭档Sanjay Ghemawat合写的几篇论文，定义了现代大规模计算的基础范式。后来他成为谷歌首席科学家，主导了Gemini系列模型的研发。在AI领域，他是少数同时理解底层系统架构和前沿模型训练的人。2026年8月，他离开效力27年的谷歌，联合创办Discovery Loop，消息公布当天Alphabet市值蒸发1860亿美元。

2026年3月，Jeff Dean在一次访谈中放出了一个判断：未来每个工程师可能会各自管理50个智能体实习生，完成大量并行任务，而且沟通效率会比人更高效。

这个判断不是凭空来的。他在主导Gemini系列模型研发的过程中，亲眼看到谷歌内部的工程师怎么用AI工具写代码。他发现，工程师的工作方式在几个月内发生了根本变化：从“自己写”变成了“描述需求、审查结果”。当Agent能自主理解需求、拆解任务、执行并交付结果时，一个工程师就不再是一个“写代码的人”，而是一个“管团队的人”。50个Agent就是50个并行的工作线程，每个线程都能独立完成一个子任务。工程师的核心能力从“写代码”变成了“写需求”，因为Agent的输出质量完全取决于你如何定义问题。

他还揭秘了谷歌的帕累托前沿策略：高端前沿模型用于深度推理、复杂数学问题；高性价比模型用于低延迟场景，比如Agent式编程。他亲口认证了蒸馏技术：小模型通过学习大模型的logits信息，可以非常接近大模型的性能。这就是Gemini Flash系列能做到又快又智能的原因。

在2026年2月的开年访谈中，他提到了一个判断AI能力演进的方向：“最终肯定不是10,000 tokens的代码，而是1,000 tokens的代码，背后带着9,000 tokens的推理过程。这实际上可能是更好读的代码。”模型在思考上花费更多时间，而非单纯追求输出规模。

离职后，他创办的Discovery Loop定位为公益性公司，使命是实现机器学习、科学和工程的自动化。创始团队包括Sanjay Ghemawat（美国国家工程院院士，他的长期搭档）、Quoc Le（谷歌大脑联合创始人，seq2seq和思维链论文的共同作者）、Oriol Vinyals（DeepMind研究副总裁，AlphaStar和AlphaCode的核心成员）。这几个人覆盖了谷歌过去20多年最重要的两条技术主线：大规模计算基础设施和现代AI。他离开谷歌去做自动化机器学习，本身就是对AI能力判断的行动注脚。

AI给工程师配了一支军队。

Dario Amodei：温水煮青蛙的指数曲线亲历者

Dario Amodei，Anthropic的联合创始人兼CEO。在创办Anthropic之前，他在OpenAI担任研究副总裁，是GPT-2和GPT-3项目的核心参与者。2021年，他和妹妹Daniela离开OpenAI，创办了Anthropic。离职的原因是对OpenAI的商业化方向和安全研究优先级有分歧：他认为OpenAI在追求产品化的过程中，对安全的投入不够。他提出了“宪法AI”（Constitutional AI）的概念，让模型通过一套规则自我约束，而不是靠人类标注每一条数据。这个思路直接体现在Claude的产品决策上：Claude在训练时被要求遵守一套“宪法”原则，包括有帮助、诚实、无害，模型自己判断自己的回答是否符合这些原则。他妹妹Daniela Amodei是Anthropic的联合创始人兼总裁。这家公司没有ChatGPT那样的超级应用入口，收入绝大部分来自API，其他公司买它的模型嵌进自己的产品。它的营收曲线，就是AI商业化能不能跑通最直接的试金石。

2026年5月6日，Code with Claude开发者大会。Amodei在台上说了一组数字：2026年第一季度，公司收入同比增长了80倍。

“我们本来按10倍来规划，”他说，“结果是80倍。”

这个80倍不是模型参数的堆砌，是API调用的真金白银。企业用Claude写代码、做分析、跑Agent，按Token付费。Anthropic的年化收入被外界估计已接近190亿美元量级，与OpenAI处于同一梯队。

他在现场描述了Claude Code的“突破时刻”：端到端完成任务并开发完整应用的能力，随着Opus 4.5的推出达到了拐点。他的原话是：“进步是渐进的，就像温水煮青蛙，你会看到循序渐进的提升，然后到了某个特定时间点，人们会突然察觉到它的存在。”

在Dwarkesh Podcast的访谈中，他预测1到3年内有50%概率出现“数据中心里的天才之国”（A Country of Geniuses in a Datacenter），10年内90%确信。这个概念的意思是：单一模型展现出的智力水平、知识深度和逻辑推理能力，将等同于数万名顶尖天才协同工作的集合体。

在摩根士丹利TMT年度会议上，他直接定调：“We do not see hitting the wall.”他用了棋盘稻米的寓言来比喻：我们正站在第40格，前39格的所有震撼加在一起，不过是后24格的零头。他认为强化学习的规模扩展呈现出与预训练相同的对数线性规律，他在2017年提出的“大算力团块假说”至今成立。

在达沃斯论坛上，他和DeepMind CEO Demis Hassabis同框对话时扔出了一枚更激进的判断：AI端到端接管软件工程师几乎全部工作，倒计时仅剩6到12个月。他还透露，Anthropic内部工程师基本不手写代码了，全由AI操刀，人类只负责审查和引导。

Amodei在描述他正在经历的指数曲线。

Andrej Karpathy：发明Vibe Coding的人，说自己落后了

如果你关注AI，不太可能没听过这个名字。Karpathy是OpenAI的联合创始成员之一，在OpenAI早期负责计算机视觉和研究方向。后来被马斯克挖到特斯拉，一手搭建了自动驾驶的视觉团队，从第一代Autopilot到FSD的纯视觉神经网络架构，背后都有他的影子。2022年7月他离开特斯拉，此后FSD V12的端到端架构是在他离职后才推出的。他还在斯坦福教过深度学习课（CS231n），那门课的讲义至今是很多人的入门教材。2023年回到OpenAI待了一段时间后离职，从此以独立研究者的身份活跃在技术社区，发一条推文就能让全网讨论一周。

2025年2月，他提出了“Vibe Coding”概念。原话是这样的：“fully give in to the vibes, embrace exponentials, and forget that the code even exists”——完全交出控制权，拥抱指数增长，忘记代码的存在。这个概念迅速火遍全网，成了AI编程领域被引用最多的术语之一。

但Karpathy不是只会造概念的人。2025年12月，他发布了《2025 LLM年度回顾》，系统梳理了六大范式转变，用“召唤幽灵”而非“进化动物”来比喻LLM的智能形态。在这篇回顾里，他描述了自己的工作方式转变：编程从80%手写、20%交给agent处理，变成了80%用自然语言指挥agent、20%自己编辑收尾。他举了一个例子：Agent在30分钟内自主完成了登录远程服务器、配置SSH密钥、安装测试模型、搭建Web UI、编写文档这一整套任务。

转折点发生在2025年12月。在那之前，AI写代码的工具已经挺好用了，但偶尔会出错，你得手动改一改。12月之后，他发现最新的模型写出来的代码几乎不用改了。他不断让agent多做一点，结果每次都做对了。他记不清上一次手动修改AI输出是什么时候了。慢慢地，他完全信任了这个系统，进入了纯粹的Vibe Coding状态。

然后是2026年4月，Sequoia AI Ascent大会。他和红杉合伙人Stephanie Zhan做了一场30分钟的炉边对话。开场第一句就让所有人吃惊：“作为程序员，我从没感觉自己这么落后过。”

他说的“落后”，不是谦虚，是在描述一种具体的体感。工具进化的速度开始超过他作为个体工程师的吸收速度。他举了一个例子：一个模型可以一口气重构10万行的代码库，找出隐藏的零日漏洞，但在“去50米外的洗车店该走路还是开车”这种常识题上犯错。他把这种现象叫做“锯齿状智能”（jagged intelligence）。AI的能力分布不是均匀上升的，而是某些维度高到吓人，某些维度低到离谱。你没法用一句话概括“它行”还是“它不行”。

这种锯齿状让他意识到，Vibe Coding只是过渡阶段。它适合周末Demo和一次性脚本，但项目一旦超过几万行，多AI分工协作的“Agentic Engineering”（智能体工程）才是正解。他提出了“Software 3.0”的概念：上下文窗口就是新的编程界面，LLM是数字工作的新可编程层。他用“召唤幽灵”而非“进化动物”来比喻LLM的智能形态，说它们是锯齿状的、统计性的、被召唤出来的实体，需要一种全新的品味和判断力来驾驭。

他的核心判断是：你可以外包思考，但永远无法外包理解。人类不必再记住每个API细节，但必须理解系统结构、底层机制和质量标准，否则无法监督Agent。不懂架构的人终将沦为看客。

一个月后，2026年5月19日，他在X平台官宣加入Anthropic，加入预训练团队，牵头组建专项团队探索用Claude自身能力加速大模型预训练研究。他说未来数年是大语言模型前沿技术突破的关键窗口期，他要重返研发前线。

马斯克后来在X上公开邀请Karpathy和Grok 5来一场编程对决，“就像当年的卡斯帕罗夫大战深蓝”。Karpathy婉拒了，说：“我宁愿与Grok 5合作，而不是与它竞争。在这种极限情况下，我的价值大概趋近于零。”

发明Vibe Coding的人，第一个感受到了被自己发明的浪潮追着跑的滋味。所以他选择不跑，而是转身跳进浪潮里。

DHH：从“宁愿退休”到“铅笔放下”，只用了不到一年

David Heinemeier Hansson，圈内人称DHH。丹麦人，Ruby on Rails框架的创造者，软件公司37signals（Basecamp的母公司）的联合创始人兼CTO。2004年，他从自己开发的项目管理工具Basecamp中提取出Rails框架，开源后迅速成为Web开发的主流选择，GitHub、Shopify、Airbnb、Twitch早期的后端都跑在Rails上。Rails倡导的“约定优于配置”理念深刻影响了整个软件工程社区。DHH本人也是敏捷开发的早期实践者和布道者，写过《REWORK》和《It Doesn't Have to Be Crazy at Work》两本商业畅销书，倡导一种反内卷的工作哲学。他还是个赛车手，参加过勒芒24小时耐力赛。这个人做什么都带着一种强烈的个人审美和固执的立场。

2025年5月，DHH写了一篇博客叫《Coding should be a vibe!》。他承认AI是“卓越的结对编程伙伴”，但文章最后一行毫不含糊：“我宁愿退休，也不会永久性地把键盘交给AI来驱动代码。”两个月后，他坐在Lex Fridman的播客里重申了这句话。那时候他管Vibe Coding叫“把编程里不愉快的部分藏到椅子底下”，不解决，只是眼不见。

转折点是2025年11月24日。他后来把这一天称为“我们的柯达布朗尼时刻”，就像19世纪的肖像画家看到第一台便携相机时那样，世界以一种不可逆的方式被扳动了。那天发生了什么？模型开始能稳定生成可直接合并的代码了。不是偶尔能，是经常能。DHH后来描述这个变化时特别强调：这是工具能力跃迁带来的结果。当AI的输出质量跨过了某个阈值，他的工作流就自然切换了。

2026年4月的一次访谈中，他详细描述了自己的新工作方式。大多数新项目，他不再从手写代码开始，而是先让Agent生成实现草稿，再由自己审阅与调整。他管这叫“Agent-First编程工作流”。但他同时强调，代码质量、设计审美以及“代码工匠精神”的标准并没有降低，反而变得更加重要。因为当AI能快速生成大量代码时，判断什么该留、什么该删、什么该重写，对审阅者的要求比手写时代更高了。

他还提了几个判断：Ruby on Rails可能因为AI再次迎来复兴，因为框架的约定式架构天然适合AI理解；设计能力正在成为软件工程核心竞争力之一；资深工程师比初级工程师更容易从AI中获益，因为经验越丰富，审阅和判断能力越强；CLI正在成为最适合Agent的接口形态。

2026年8月，他一个人用AI生成了15万行生产代码。他此前年均代码产量约3万行，这是5倍。从2026年3月起，他没再手写过一行代码。

然后是2026年9月23日，Rails World大会开幕主题演讲。DHH对着台下数百名Ruby开发者正式宣布：“铅笔放下了”（the pencil is down）。37signals全面停止手写代码，手写编码成为一种“例外状态”，只在AI生成代码出故障时才临时介入。他对全场说了一句话：“英语是比Ruby更好的编程语言。”

语气里没有哀悼，只有一种近乎狂热的乐观。他给的理由很直接：对大多数程序员和公司来说，手写代码已经不再具备经济上的合理性。他还进一步判断，到年底，这个结论会适用于几乎所有领域。

从“宁愿退休”到“铅笔放下”，不到一年。从最顽固的钉子户到最激进的布道者，不到一年。DHH是被工具跨过的临界点推着走的。

Satya Nadella：不追模型竞赛，关注企业AI工厂

Satya Nadella，2014年接任微软CEO，把一家被认为错过移动互联网的公司变成了全球市值最高的科技企业。他主导了微软向云计算的转型，Azure成为仅次于AWS的全球第二大云平台。2019年，他拍板微软向OpenAI投资10亿美元，后来追加到130亿，这笔投资被普遍认为是科技公司近年来回报最高的一笔。在他的领导下，微软把Copilot嵌进了Office、Windows、GitHub等几乎所有产品线。他出生在印度海得拉巴，在威斯康星大学密尔沃基分校拿到计算机科学硕士学位，是个写代码出身的CEO。

2025年12月29日，Nadella在个人博客“SN Scratchpad”上发表了首篇文章《Looking Ahead to 2026》。他没有像外界预期的那样谈模型参数或性能突破，而是退后一步，回到一个更基础的问题：当AI能力不断加速外溢时，我们该如何理解它、使用它，并塑造它对现实世界的影响。

他把2026年定义为AI发展的分水岭：行业正在从“探索期”进入“扩散期”。人们开始逐渐分辨，哪些只是技术层面的“炫技”（spectacle），哪些才是真正能产生长期价值的“实质”（substance）。

他直接绕开了当时最热的争论：AI生成的内容到底是“垃圾内容”还是“高端技术”。他说这个争论本身就偏离了重点。真正需要讨论的是，在AI作为“认知放大器”出现之后，人类该如何重新理解彼此以及自身的思维方式。他延续乔布斯90年代“计算机是思维的自行车”的理念，认为需要为AI创建新的概念框架。

在后来的一次万字访谈中，他提出了“企业级AI的真相”：企业最核心的任务不是羡慕别人的AI智能体，而是构建自己的AI工厂，也就是组织数据层。他提出了Agent的三大基石：记忆、权限、有效的行动空间。这三个基石不是抽象概念。他举了例子：一个Agent如果有了记忆，就能记住上次和这个客户沟通了什么，不用每次从头开始；有了权限控制，它就知道哪些数据能碰、哪些不能碰；有了行动空间，它就能真正去执行操作，而不只是生成文本。

他还用科斯定理的AI版来解释公司的价值。科斯定理说的是，企业存在的原因是内部协调成本低于市场交易成本。Nadella把这个逻辑搬到了AI时代：通用大模型无所不知，但公司内部那些没写进文档的“隐性知识”，比如某个系统的历史包袱、某个客户的具体偏好、某个审批流程的真实卡点，通用模型学不到。这些隐性知识就是公司未来的护城河。未来的IP不是代码，是模型权重。

Nadella不追模型性能竞赛，关注AI如何重组企业组织和工作流。

Elon Musk：把AI编程当竞技场

Elon Musk，特斯拉、SpaceX、xAI的创始人，X（原Twitter）的所有者。在AI领域，他的角色比大多数人以为的更早、更深：2015年，他是OpenAI的联合创始人和早期资助者之一，个人出资约3800万美元作为种子资金。2018年，他因与OpenAI在发展方向上的分歧退出，后来公开批评OpenAI从非营利转向营利。2023年7月创办xAI，推出大模型Grok系列，直接对标OpenAI和Anthropic。他的行事风格是把一切变成竞技场，从电动车到火箭到脑机接口，每个领域都要正面硬刚。

2025年10月，马斯克在X上公开邀请Karpathy和Grok 5来一场编程对决，“就像当年的卡斯帕罗夫大战深蓝”。这个提议的象征意义很明显：1997年深蓝击败国际象棋世界冠军卡斯帕罗夫，被视为AI超越人类智力的里程碑。马斯克想用同样的叙事框架来定义AI编程：AI写代码的能力是否已经超越了最顶尖的人类程序员？

Karpathy婉拒了。他的回复很巧妙：“我宁愿与Grok 5合作，而不是与它竞争。在这种极限情况下，我的价值大概趋近于零。”这句话既是对AI编程能力的承认，也是对“人机对决”叙事的拒绝。

2026年1月，马斯克在X上预告xAI下月升级Grok Code，支持“单次提示”（One-shot）完成复杂编程任务。xAI推出“Grok Build”，被视为xAI首款“Vibe Coding”解决方案。

在巴伦投资大会上，他讨论了Grok在能力、规模及实时智能方面的跨越式发展，把AI编程工具当成了xAI与OpenAI、Anthropic竞争的核心武器之一。

马斯克把AI编程工具当竞技场，用对决叙事制造话题，自己下场做Vibe Coding工具。

Lorenzo Stoakes：AI找问题，人写代码

Lorenzo Stoakes这个名字可能不如前面几位响亮，但他在Linux内核社区是有实打实贡献的开发者。他在Arm担任工程师，长期参与Linux内核的内存管理子系统开发，这是内核中最核心、最复杂的子系统之一。他在内核邮件列表中有数百个Patch记录，维护过多个内存管理相关的代码路径。他是那种每天在代码战壕里干活的人。

2026年，Stoakes用AI排查了一个Linux内核编译性能瓶颈。他让AI分析编译数据，AI找出了多个隐藏的问题，连后续的构建、测试、调试和分析也一起包办了。

但AI写的修复代码，他的评价非常直接：“它生成了很多代码，其中很多都惨不忍睹。”

最终变成了一种分工模式：AI负责发现问题，人负责写代码。23个补丁提交后，开启全部模块的构建最高快了36%，增量构建最高快了约70%，部分noop构建甚至快了约90%。但这23个补丁的代码全是Stoakes自己重写的，AI的贡献是定位问题，不是解决问题。

这个案例的意义在于它提供了一个一线视角：AI在真实工程场景中的能力边界到底在哪。它擅长在海量数据中发现异常模式，但不擅长理解这些异常背后的系统机制，更不擅长设计一个既正确又优雅的修复方案。发现问题需要广度扫描能力，解决问题需要深度理解能力，这是两种不同的智能。

Stoakes的判断很直接：AI擅长发现问题，不擅长解决问题。分工比替代更现实。

这十个人站在不同的位置上，但都在用行动回应同一个变化。

DHH说“英语是比Ruby更好的编程语言”。Stroustrup说“验证才是真正的灾难”。Karpathy说“你可以外包思考，但永远无法外包理解”。

这三句话指向的，可能是同一个问题的三个面。