夜雨聆风Karpathy给AI工程划了五个台阶，90%的公司停在了第一级。
现在市面上的AI产品，多到什么程度？
随便打开一个应用商店，十个新App里八个带AI。融资路演不说自己"AI原生"都不好意思开口。但如果你把这些产品扒开看，会发现一个事实：大部分所谓"AI产品"（包括各类国企搞的这些），就是"一个模型 + 一段指令"直接糊上去。没有编排、没有质检、没有审批边界——只有零件，没有系统。
同一个模型，有人做出了能替人干活的系统，有人做出来的东西连客服都当不了。
差距到底在哪？2026年8月，Karpathy在斯坦福给了答案。他把AI工程划成了五个台阶，从10%到100%。这张图，成了衡量"谁在裸泳"的标尺。
五个台阶，越往上越接近"产品"
10%：LLM。把大模型当一台可重编程的计算机。这是地基——但只是地基。90%的"AI公司"停在这一级：换个更强的模型，就以为产品升级了。
30%：Prompt。给这台计算机写"程序"——你的指令。这个台阶上挤满了"提示词工程师"。但请注意，这行职业从诞生那天起就在倒计时：你写的那段话越值钱，说明AI越笨；AI越聪明，这段"程序"就越不值钱。
50%：Agent。给模型加上目标、上下文、记忆和工具，让它从"回答问题"变成"动手干活"。这是过去一年最热的赛道——套壳Agent公司如雨后春笋，也如韭菜一茬茬倒下。
70%：Loop。把内循环和外循环分开。内循环是模型在任务中学习，外循环是训练调整权重。能走到这一级的团队，开始真正理解"AI不是一次性的"。
100%：Graph。把所有的任务编排成一张有向图：谁并行、谁等谁、数据怎么流、哪个环节必须人点头。Karpathy的原话是：**砍掉一切，只留Graph。
为什么Graph是终点
你仔细看这五级，会发现一个规律：越往下，越是"零件"；越往上，越是"胜负手"。
模型强不强，是零件问题——现在最强的开源模型和闭源模型差距已经很小，花钱就能买到。Prompt写得好不好，是技巧问题——练几个月就能上手。真正决定一个AI系统能不能干活的，是最后一层：你把一堆能力怎么编排成一个能运转的集体。
这跟踢球一模一样。单个球员再厉害，阵型稀烂也赢不了球。阵型就是Graph。
再往深一层想：如果把一个AI系统当成一家公司，那Graph就是它的组织架构。LLM是员工，Prompt是岗位说明书，Graph才是汇报线和流程——谁负责调研、谁负责执行、谁负责质检、哪个环节必须人来拍板。
过去管理者管的是人：排班、考核、盯进度。现在管理者管的是图：把一堆Agent编排成一个能配合的集体。一个资深IC加两个新人，配一堆Agent，能交出以前一队人的结果——前提是，有人把这张图画明白了。
AI时代的管理，正在从"管人"变成"画图"。管理者的新技能，不是写代码，是画Graph。
谁在裸泳，一眼就看穿
拿这把尺子量一圈现在的AI市场，画面非常残酷：
停在10%的公司——讲PPT时把"我们用了最强模型"当卖点。这类公司最多，死得也最快，因为模型人人买得起。
停在30%的公司——以为会写Prompt就是护城河。可惜提示词工程师可能是第一个被AI催生、又被AI进化消灭的岗位——你写的那段"程序"，下一代模型自己就能写好。
停在50%的公司——套壳Agent，加个记忆、加个工具就融资。这类公司正在批量死亡，因为"会干活"和"能稳定交付"之间，隔着一整个Loop和Graph。
走到100%的公司——凤毛麟角。它们不吹模型、不吹Prompt，讲的是编排：一个资深IC带两个新人，配一堆Agent，能交出以前一队人的结果——因为它们把Graph画明白了。
Karpathy那句"砍掉一切，只留Graph"，骂的就是那批"只有零件没有系统"的套壳玩家。模型是买的，Prompt是抄的，编排是零的——这样的产品，跟裸泳没什么区别。
尺子收起来之前
Karpathy这段演讲不是教你怎么做AI，而是给了你一把尺子：以后看任何AI产品，别问"用了什么模型"，问"它的Graph长什么样"。
答不上来的，就是在裸泳。
五年前大家比的是一行代码，两年前比的是谁家参数大，现在比的是谁把系统编排得能干活。AI不断迭代进化、消灭分工，最后剩下的，是那个会画图的人。
砍掉一切，只留Graph
Karpathy说这句话的时候，台下坐着满屋子的独立开发者和创业者。他说：真正站在能力最前沿的，是你们，不是OpenAI。
就像导演花五年做了一部电影，网友用一个周末又做了一部。模型是那个五年，Graph是那个周末——重要的从来不是零件，是把它组装成什么。
