继Vibe Coding（氛围编程）之后，Andrej Karpathy又抛出了一个新概念。他直言，未来99%的“注意力”将属于AI，而非人类。
然而现状却是，99.9%的互联网内容仍然是“写给人看的”——无论是网页、视频，还是那些动辄几十页的科研PDF论文。Karpathy这次明确表示：未来的研究论文和成果，绝不会再是PDF格式。他甚至给出了一条“致富之路”：谁能解决这个问题，谁就能抓住巨大的发展空间。
结合他之前提出的Vibe Coding概念，一个自然而然的想法浮出水面：未来的数据格式必须是为AI阅读和学习量身定做的。这或许可以称为“AI氛围阅读”（AI Vibe Reading）。
这条观点在X平台上彻底火了。各路大佬纷纷点赞，网友也附和着吐槽。机器学习改变人类科技进程后，有人调侃：“机器正在学习，人类正在上瘾。”讽刺的是，如今科学家们正在为“如何让AI更高效地看资料”而集思广益。
Karpathy的看法，其实也印证了马斯克此前的一个观点：AI将超越所有人类，未来地球上“碳基生物智能”只占1%。
自从《Attention Is All You Need》发表以来，人类在LLM的加持下正狂奔向AGI奇点。但到了2025年，大部分内容和形式仍然只为人类服务。Karpathy很早就设想了一个网络：其中99%的内容都是为AI优化的，而非人类。这个星球上99.9%的智能注意力将是LLM的注意力——人类退下，AI思考。
从Karpathy今天连发两条推文的激动语气中，能感受到他对此事的强烈看法。PDF已经不适合AI时代，应该研发针对AI的数据格式。甚至以后的论文格式都不该是PDF、Word这种写给人看的东西，而应该像Github上代码那样结构化、模块化。
这次讨论的导火索，还得说回一位拥有近6万粉丝的生物学大佬——Michael Levin。他是Tufts大学的杰出教授。2004年，他1995年发表在《细胞》（Cell）上关于左右不对称性分子基础的研究，被《自然》期刊选为“过去一个世纪发育生物学领域的里程碑”之一。
Levin今天发布的一条帖子，在社区引发了广泛讨论，评论区里学术大佬云集。他提出了一个深刻且尖锐的问题，关乎所有科学家和研究者：
“我经常感到烦躁，因为没有时间阅读来自相关领域杰出人士的、越来越多的精彩论文。其他科学家也面临同样的问题，他们也没有时间阅读我那些冗长的概念性论文。那么，我们写这些论文究竟是为了谁呢？”
“我猜，至少在它们因自身工作陷入同样问题之前，AI将是唯一真正有精力阅读所有这些内容的存在。我这里说的不只是当前的语言模型——我们假设所指的是某种不可避免会出现的人工智能，它能够阅读文献并对研究产生影响（无论是通过与人类交流，还是通过运行实验室自动化/机器人科学家平台）。考虑到我们的受众群体未来很大一部分将是人工智能（以及机器人、混血儿、增强人类等等），我们现在应该如何写作呢？”
这下真就戳到马蜂窝了。各位大佬纷纷用自己的亲身经验回应。Andrej Karpathy、Carlos Perez等科技思想者热烈回应：“若论文的核心受众逐步转向算法，我们今天的写作规范该如何演变？”“科研工作者写不完论文，已经有的论文又不可能都看完，该怎么办？”
Levin指出科学家既写不完也读不完论文，AI可能成为唯一能全面消化文献的“读者”。根本问题是：人类要消化内容，就必须将其呈现为特定的线性叙述，而这种叙述可能与读者产生共鸣，也可能不会。在前者情况下，你是幸运的；在后者情况下，人类读者最好借助AI来提取信息。
结论很明确：我们要为AI写作。
当前如此多令人惊叹的发展和突破性论文不断涌现……我们能够将生物心理学领域的最新进展应用于改善人类生活的各个方面。
格式是交流的一部分。
PDF早就过时了，那是上个世纪的东西！
这简直就是一场人类顶级科技工作者的思想碰撞。如果人类的学习速度跟不上AI，会发生什么？来看一组数据：全球已编入主流引文数据库（以Scopus为代表）的科技论文年产量——2010年仅190万篇，2022年达到约330万篇。2012–2022十年间总量增长59%，折合年均复合增速约4%–4.5%。假设按此区间增速外推，2025年全年可预期被索引论文总量约为360–380万篇，取中值约370万篇。这意味着平均每天将有一万篇以上的新论文被正式收录。人类真的读不完了——目前来看，也许只有AI才能完成这种阅读量。
来自NSF的数据显示，2022年有六个地区、国家或经济体各自发表了超过10万篇论文：中国、美国、印度、德国、英国和日本。这些领先者加起来占2022年全球总量的一半以上。
而到了2025年，arXiv上关于AI的论文已经可以说是“汗牛充栋”了。看不完，真的看不完！
比如，在HuggingFace上，即使想要阅读完每天的Daily Papers，都几乎是一件不可能的任务。
Karpathy可以说是AI时代教育领域最顶流的明星之一。他是前OpenAI创始团队成员，也曾是Tesla AI团队的负责人。更因为他一直关注AI教育、AI对人类影响等命题，他创造的Vibe Coding概念风靡全球。所以，他的观点往往代表了AI如何影响人类领域的最前沿。最近他还在提一种新的编码方式：“像细菌一样编码——小、模块化、自给自足”。
在这个观点中，他最后的建议是：多说要点，少说废话。这个观点不仅适用于编程领域，对于未来的科研领域，科学家们也将：多关注要点，少些论文，要写也是写给AI。过去程序员们常说“Talk is Cheap, Show Me the Code”。当ChatGPT为代表的AI出现后，这句话变成了“Code is Cheap, Show Me the Talk”——揭示了编程领域的一种范式变化。同样，AI的影响力开始从代码扩展到真正的科研领域。也许未来的科学家们不仅要拼自己的智力，更要比拼谁的AI更会“氛围阅读”。
Paper is Cheap, Show Me the Thoughts!
