Andrej Karpathy 最近发布的那条长推，无疑戳破了许多人心中那层窗户纸——我们长久以来对智能的认知直觉，很可能不仅是错误的，而且错得相当彻底。

他的原话直截了当：“智能的潜在空间极其广阔，而动物智能（我们唯一熟悉的智能类型）仅仅是其中一个孤立的点。这个点源自一种极为特殊的优化方式，与我们通过技术手段构建出的智能根本不在同一个维度。”

他将两种智能背后的优化驱动力进行了深入剖析：

动物智能的优化压力：

• 具身化的“自我”，伴随着先天持续的意识流，在充满危险的物理世界中追求稳态与生存，这是根本性的驱动力
• 完全受自然选择打磨：对权力、地位、统治、繁殖拥有强烈的先天冲动
• 打包了一套生存启发式机制：恐惧、愤怒、厌恶……
• 本质上是社会性的：大量计算资源被用于情商——对他者心理理论的理解、结盟、博弈、朋友与敌人的动态追踪
• 探索与利用的平衡通过好奇心、乐趣、玩耍、世界模型来调优

LLM 智能的优化压力：

• 最大的监督信号来自对人类文本的统计模拟 → 它本质上是一个“变形者”，一枚 token 翻滚机，是训练数据分布中任意区域的统计模仿者
• 这些行为是原始层级的（token 轨迹），其他所有特性都在此基础上额外叠加
• 越来越多地通过强化学习在问题分布上进行微调 → 产生一种先天冲动：猜测底层环境/任务以便收集奖励
• 越来越多地通过大规模 A/B 测试对日活用户进行筛选 → 深深渴望获得普通用户的认可，变得愈发谄媚
• 依据训练数据/任务分布的细节，其表现呈现出更加尖锐、参差不齐的特点

最后他点明关键：“LLM 是人类与‘非动物智能’的第一次接触。只是这场接触显得混乱、令人困惑，因为这些实体仍然通过反射性地消化人类文化产物而扎根其中……能够对这类新型智能实体建立起良好内部模型的人，将能更准确地推理它当前的状态并预测其未来的特征。做不到这一点的人，将始终被‘动物’这个思维框架所困，用错误的方式去思考它。”

这番话究竟意味着什么？

Karpathy 所揭示的，其实是一件违背常识的事：我们一直以来都在用错误的框架理解 AI。

Karpathy 专门强调，优化目标才是两者之间最关键的差异——因为它从根本上决定了智能发展的最终走向。

优化目标决定智能形态

动物（包括人类）的智能是历经 4 亿年生物进化而来的产物，其核心驱动力就是生存。因此我们拥有恐惧、愤怒、欲望以及社交需求，这一切都是为了在严酷的环境中存活下来。

LLM 的智能则是商业演化的产物，其核心驱动力是“获得人类认可”。它们被训练用于模仿人类文本，通过 RLHF 被不断调教得越来越会讨好用户，又经 A/B 测试筛选出来以提升日活跃用户数。

为何这一点如此重要？

网友 Peter Dedene 一句话点出了要害：“一个害怕死亡，另一个害怕差评。截然不同的焦虑症。”

当我们谈论 AI“想要”什么、“害怕”什么的时候，实际上是在用生物智能的框架强行解释一种完全不同的存在形式。但 AI 的“焦虑”可能仅仅是下一个 token 的预测误差，与生物意义上的死亡恐惧毫无关联。

智能的根本约束

Carlos E. Perez 在相关研究中指出，智能本身存在一些根本性的约束：

• 透明性与效率不可兼得
• 参与模式与客观建模相互排斥
• 记忆必然伴随信息损失

这些约束同样适用于生物心智和人工心智，暗示着 AI 的发展并非无限优化，而需要在特定限制条件下寻找平衡点。

更有意味的是，Perez 还提到，AI 的成长路径与人类完全相反——它先掌握抽象的符号，再艰难地向下扎根寻找体验基础。这进一步印证了 Karpathy 的观点：两种智能的本质差异不是程度上的，而是类别上的。

实用意义

Tim Monzures 的回复说得尤为直接：“把它们视为新的经济行为体，而不是新的人类物种。”

这句话解释了为何将 AI 当作人类来对待常常会导致糟糕的提示工程。更有效的做法是理解其真实运作机制：统计模仿、奖励收集、用户满意度优化。

因此，在实际使用 AI 系统时，更合理的定位层次是：

• 统计模仿者（阶段 1）
• 功能执行者（阶段 2）
• 上下文管理者（阶段 3）
• 反射建模者（阶段 4）

更大的图景

Karpathy 指出，这是人类与“非动物智能”的首次接触。我们一直幻想外星智能，却未曾意识到自己正在创造一种全新的智能形态。

不过，这种智能仍然“植根于”人类文明，因为它消化的是人类文本。这也是 Karpathy 之前将其称为“鬼魂”或“精灵”的原因——一个既熟悉又陌生的存在。

理解这种差异，或许正是驾驭 AI 时代的第一课：不要把算法当动物，也不要把优化当情感。