夜雨聆风这两天，看到一条消息，OpenAI的联合创始人、前特斯拉AI总监、大家口中的「AI界费曼」Andrej Karpathy，发了一条简短的声明。他说，我加入Anthropic了。
我当时就愣住了。
一个OpenAI的创始成员，去了一家竞对公司。这本身已经够勁爆了。但更让我震惊的是，这条新闻的热度，直接把谷歌的科技春晚Google I/O 2025给彻底盖过去了。
你想想看。谷歌I/O是什么规模？每年最受关注的科技发布会之一。但在这个时间点，所有人的目光都聚焦在一个人身上——卡帕西。
为什么会这样？
坦率的讲，我觉得这件事传递的信号，比任何一场发布会都更深刻。傅盛说现在科技界已经分水岭了，AI公司开始在领头。我觉得他说保守了。这不是谁领头的问题，而是AI公司正在重新定义「公司」这个概念本身。
卡帕西的声明很短。就一句话：“我已经加入 Anthropic。我认为，未来几年处在大语言模型前沿的这段时期，将尤其具有塑造性。”
但Anthropic这边透露的细节，才真正值得玩味。卡帕西加入的是预训练团队。而这个团队的负责人Nicholas Joseph转推说，卡帕西要组建一支新团队，专注于使用Claude来加速预训练研究本身。
这句话，请各位读三遍。
让AI来研究AI自己。
我用大白话解释一下这是什么概念。预训练是大模型获得底层认知能力的阶段，就像小孩从小 learning 各种常识一样。一次预训练要跑几周甚至几个月，花费数千万美元。如果方向选错了，钱和时间全打水漂。
所以在这个最关键的环节，人类的经验判断至关重要。而卡帕西要做的事情是，让AI参与这个最核心的决策过程。不是让AI跑训练（这个已经很成熟了），而是让AI帮人类科学家决定「下一次应该怎么训」「哪个方向更有希望」。
这尼玛就是让工具变成了合作伙伴，而且是最高级别的合作伙伴。
我为什么说非得是卡帕西才行？
因为这个人有罕见的「三栖能力」。他是纯粹的研究员——OpenAI创始团队的核心，和斯坦福一起设计了第一门深度学习课程。他是实战工程师——在特斯拉领导FSD和Autopilot，把模型真正部署到百万辆车上。他还是产品经理——后来创办Eureka Labs，做AI教育产品。
AI研究AI这件事，需要的恰恰就是这三者的结合。光懂算法不行，你得知道训练一次要烧多少钱（工程）；你得知道什么样的能力是有用的（产品）；你还得懂怎么设计实验、怎么解读结果（研究）。卡帕西是少数能把这三块都串起来的人。
Talk is cheap. 我们来看点实在的。
Anthropic现在有个很有意思的现象，外媒管它叫「OpenAI diaspora」——离散群体。就是那些曾经在OpenAI工作，后来离开，最后都聚到了Anthropic的人。
有哪些人呢？
Dario和Daniela Amodei兄妹，创始人，Dario曾是OpenAI的研究副总裁 Tom Brown，GPT-3论文的第一作者，现在是Anthropic研究副总裁 Chris Olah，神经网络可解释性研究的先驱 Jared Kaplan，scaling laws的主要研究者之一 Sam McCandlish，GPT-3训练的关键人物 现在再加上Karpathy
这些人，不是普通的AI工程师。他们是AI行业发展史的直接书写者。
他们为什么会集体离开OpenAI？
官方的说法是，对AI安全的理念不同。但我觉得更深层的原因是——OpenAI已经不是2015年那个纯粹的研究实验室了。当它从非营利组织转型为营利性公司，当重心从「探索可能性」转向「商业变现」，这些纯粹的研究者就会用脚投票。
Anthropic给他们提供的，是一个「既Frontier又Safe」的生态。更重要的是，Anthropic对他们的定位不是「来打工的」，而是「一起来重新发明怎么研究AI」。
这跟谷歌的科技春晚形成了鲜明对比。
谷歌I/O发布了什么？更多的AI功能、更多的产品集成、更多的开发者工具。这是「把AI塞进现有产品线」的思路。
但Karpathy加入Anthropic释放的信号是——AI不是产品的一个功能，AI是产品本身的核心认知主体。未来的公司，不是「有一支AI团队」的公司，而是「AI本身就是团队」的公司。
这才是傅盛说的「分水岭」的真正含义。
过去十年，我们讲「互联网+」——传统行业加上互联网。现在轮到「企业+AI」了。但AI不是加个微信支付那么简单。AI需要从底层重构企业的认知架构。
什么是认知架构？
我这么跟你说吧。想象一下你的大脑。不是「在身体里加一个大脑」，而是「整个身体就是大脑的延伸」。企业的认知架构也一样——不是「IT部门跑个AI模型」，而是企业的每一个决策、每一个流程、每一个交互，都天然地由AI增强或主导。
说到这个，我必须提一下CLI。Command Line Interface，命令行界面。但现在大家说的CLI，往往特指Claude Code这种用自然语言写代码的工具。
它为什么重要？
因为它代表了人类意图与机器执行之间的直接通道。以前我们要写代码，需要经过中间层：产品经理写需求文档，工程师理解需求，写代码，测试员测试。现在，用自然语言说「我要一个用户登录功能」，AI直接生成可运行的代码。
这不是「程序员效率工具」。这是编程语言的革命。当语言本身可以被理解、被修改、被生成，编程就从「人类学机器语言」变成了「机器学人类语言」。
飞书也在做类似的事情。会议纪要自动生成、多模态总结、智能助理。但它们的落脚点不同：飞书是协作工具的AI化，CLI是开发范式的颠覆。
关键是，很多人在想AI Native改造的时候，第一反应是——我们公司也从大厂挖几个AI专家，搞个AI部门。
错了。
AI Native不是「有一个AI部门」。AI Native是整个组织的默认假设变了。
传统企业的默认假设是「人类决策 + AI辅助」。AI Native企业的默认假设是「AI建议 + 人类监督」。
你品，你细品。
这四条差别太大了。
第一层，信息流变了。传统公司：数据收集 → 分析报告 → 人类决策 → 执行 AI Native：流式数据 → AI实时建议 → 人类拍板或直接自动执行
第二层，成本结构变了。传统公司：固定人力成本（工资） + 可变算力成本 AI Native：可变人力成本（少量高级人才） + 固定算力投资
第三层，人才要求变了。传统公司：需要大量执行层，运营、客服、初级分析 AI Native：需要少量决策层 + 大量「AI工作流程设计师」（其实也不是传统意义的工程师）
第四层，试错代价变了。传统公司：一个错误决策，一堆人白干一个月 AI Native：AI提供多个方案，人类选一个，错了立刻调整，没太大损失
所以如果你现在要创业，或者在传统企业里推动AI改造，不要想着「怎么让我家的人学会用ChatGPT」。
要反过来想——如果这家公司从第一天起，员工和AI就是平等的协作者，会是什么样子？
一个艺人公司，如果AI Native会怎样？
我随便举几个例子。
AI直接参与创作。作词、作曲、编曲的AI已经很强了，但关键是AI能理解每个艺人的独特气质，生成符合这个气质的作品。不是「给你100首歌随便挑」，而是「根据你过去的作品和市场反馈，我知道你喜欢什么风格，这次你需要突破一下，我的建议是...」。
艺人管理呢？AI分析市场趋势、粉丝反馈、艺人状态，实时给出「接下来接什么戏」「出什么歌」的建议。不是拍脑袋，是数据驱动的。
粉丝运营呢？AI可以模拟每个核心粉丝的反应，预测哪条内容会爆，甚至可以直接和粉丝互动，保持热度。
商务谈判呢？AI扫描所有合同条款，自动生成最优报价，标出风险点，告诉你哪些条款可以争，哪些没必要争。
这听起来很玄？但Karpathy加入Anthropic做的事情，就是把这个思路用到AI研发本身——AI开始参与「怎么造出更好的AI」这个元任务。
未来的公司会长什么样？我来跟你聊聊我的想象。
第一种：Automation-First Company这类公司从成立那天起，就问一个问题——这个任务能让AI持续运行吗？如果可以，就不会招人做。员工的主要工作是：设计自动化流程、监督AI运行、处理AI搞不定的边缘情况。规模可能很小，10个人，但营收很高，因为边际成本趋近于零。
第二种：AI-Augmented Collective没有传统意义上的部门。每个人都有一个AI协作者，这个AI协作者知道你的所有工作习惯、项目背景、思维方式。你的「工作伙伴」不是同事，而是你+你的AI。公司提供的是AI基础设施和知识库。这种情况下，「团队规模」不再是竞争力的指标，「人-AI协同效率」才是。
第三种：Meta-Company公司本身有一个「公司AI」，它理解公司的战略、文化、业务逻辑。新员工加入不是「先培训三个月」，而是直接和这个公司AI对话，AI像老员工一样带你。重大决策前，CEO会问公司AI：「按我们的历史数据和价值观，这个决定的风险是什么？」公司AI会给出基于模拟的预测。
这听起来很遥远？Karpathy加入Anthropic在做的事情，就是在为这种未来打地基。
当AI开始参与AI的研发，当AI能够理解并优化自己的工作，迭代速度就不是人类能想象的了。人类团队可能一年一个大版本，AI团队可能一天一个。
而且AI不会累，不会政治斗争，不会因为公司政治而隐瞒信息。理论上，只要目标对齐，AI是最理想的协作者——前提是它能被正确引导。
但这就引出一个更哲学的问题——当公司的大部分智能不再来自人类时，这家公司的「灵魂」是什么？
公司和人的关系是什么？公司为什么存在？如果AI能做所有「事」，人类做什么？
回到人的本质。
AI Native时代的公司，不是要取代人类，而是要把人类从重复性劳动中解放，让人类专注于那些只有人类才能回答的问题：
什么是美？ 什么是善？ 什么样的生活是有意义的？ 这家公司为什么存在？
当AI处理掉所有「怎么做」的问题，人类的注意力会自然被逼到「为什么做」的问题上。
这可能是公司存在几百年来，第一次被迫回答——你到底为什么要存在？而不是「你怎么存在下去」。
Karpathy从OpenAI到特斯拉，再到Anthropic，这条轨迹本身就是答案——跟着问题走，而不是跟着公司走。
最前沿的问题在哪里，最有趣的人就在哪里。现在最前沿的问题不是「再训练一个大一点的模型」，而是「怎么让AI在更少的算力下更聪明」「怎么让AI的研究者也是AI」「怎么让公司的认知架构天然就是AI增强的」。
所以无论你是要创业，还是在现有企业推动AI化，关键问题不是「我们公司用AI做什么」。
而是——如果我们公司从零开始，AI就是我们的合伙人、协作者、甚至是部分决策者，我们会怎么设计？
从这个问题出发，所有「渐进式AI改造」都会显得太慢。你不会「给旧架构打AI补丁」，你会从架构的第一行代码就假设AI的存在。
这就是AI Native。
这不是下一个技术趋势。这是公司形态的下一次跃迁。
卡帕西的加入为什么能压过谷歌的I/O？
因为谷歌在说「看我们做了这么多新功能」，而Anthropic在展示「我们在重新发明怎么造AI」。
前者是产品思维，后者是元认知思维。
当AI开始研究AI自己，当AI成为AI研发的协作者，公司就不只是用AI的公司，公司本身就是AI化的生命体。
人类要习惯一个新角色——从执行者变成引导者，从决策者变成提问者。
毕竟，如果一个AI团队可以由AI加速研究，那么营销团队可以让AI加速理解市场吗？产品团队可以让AI加速定义需求吗？战略团队可以让AI加速推演未来吗？
答案显然是肯定的。
所以Karpathy带来的不只是一个人。他带来的一个元问题——如果AI能加速一切，包括AI自己，那么这家公司和其他公司的根本区别是什么？
这个问题想清楚了，创业方向就有了。这个问题不想清楚，加再多AI功能也只是补丁。
未来的公司，是AI Native的公司。不是「有AI的公司」，而是AI从DNA层面就是公司一部分的公司。
你，准备好了吗？
我一直在想一个问题。
我们讨论AI Native，讨论公司形态，讨论效率提升。但到头来，我们为什么需要公司？
公司不是为了存在而存在。公司是为了解决某个问题而存在。当AI能帮我们更好地解决那个问题，公司的形态自然会变。
就像语言一样。语言不是为了存在而存在，语言是为了沟通而存在。当沟通的工具变了（从文字到语音到脑机接口），语言的形态自然也会变。
公司也是如此。
它首先是一个解决问题的认知系统。然后才是组织、流程、KPI。
AI Native的本质，是让这个认知系统变得更高效、更敏锐、更能捕捉那些人类可能忽略的信号。
但最终，那个「为什么要解决这个问题」「解决了之后要走向哪里」——这些方向性的问题，还得人类来回答。
AI是超级加速器。但踩油门的手，还在人类手里。
这就是为什么Karpathy这样的人现在这么重要。他们不是要取代谁，他们是在帮我们弄清楚——在这个AI能自己加速自己的时代，人类到底应该扮演什么角色。
我有时候觉得，我们这代人正好处在一个大转折点上。就像当年从农业文明到工业文明，从工业文明到信息文明。现在我们正在进入「智能文明」。
而公司，作为人类组织的大型形态，必然也会经历一次蜕变。
这不是预测。这是正在发生的事。
你看Anthropic做的事情，你看Karpathy的选择，你看整个AI人才的流向——这一切都在说同一件事：
AI不是工具，AI是协作者。
当AI开始研究AI自己，当AI能优化自己的工作，当AI能参与战略决策——我们就不再是「人类公司加一点AI」，我们是「人类+AI的混合智能体」。
这个混合智能体，才是未来的公司形态。
而你我在其中的角色，不再是「老板」或「员工」，而是「引导者」和「校准者」。
引导AI去往正确的方向，校准AI与人类的价值观对齐。
听起来很玄？但这就是Karpathy用行动告诉我们的东西。
他本可以躺在OpenAI创始人的功劳簿上，但他选择了最困难的路——去Anthropic，做那个让AI研究AI自己的元任务。
为什么？
因为最前沿的问题，最有吸引力。
因为公司说到底，是为了解决问题而存在。而当下最有趣的问题，就是AI怎么帮助人类更快地推进AI本身。
这是一个递归的问题。
也是一个永无止境的问题。
但正是这种永无止境，让人兴奋，不是吗？
想想看，如果AI真的能加速自己的研发，那我们离通用人工智能还有多远？
如果AI能加速战略决策，那商业世界的竞争格局会变成什么样？
如果AI能加速创新本身，人类文明的进步速度会达到什么程度？
这些问题，我没有答案。但我知道，提出问题的人，正在用行动告诉我们——跟着问题走，而不是跟着公司走。
最前沿的问题在哪里，最有趣的人就在哪里。
而最前沿的问题，永远是——我们还能怎么变得更好？
