來(lái)源：機(jī)器之心

編輯：杜偉

2025 年還有 10 天就要結(jié)束，這意味著是時(shí)候進(jìn)行一波年終總結(jié)了。

對(duì)于人工智能領(lǐng)域而言，2025 年是大語(yǔ)言模型（LLM）快速演進(jìn)、重磅事件密集出現(xiàn)的一年。

就在昨天，知名 AI 學(xué)者 Karpathy 列出了一份清單，記錄了他個(gè)人認(rèn)為最重要、也多少有些出乎意料的「范式轉(zhuǎn)變」。

這些真正改變了行業(yè)格局、并在概念層面讓 Karpathy 印象深刻的變化會(huì)落在哪些領(lǐng)域呢？我們接下來(lái)一一來(lái)看（以第一人稱）。

可驗(yàn)證獎(jiǎng)勵(lì)強(qiáng)化學(xué)習(xí)（RLVR）

2025 年初，幾乎所有實(shí)驗(yàn)室的 LLM 生產(chǎn)訓(xùn)練流程都像下面這樣：

• 預(yù)訓(xùn)練（類似 2020 年的 GPT-2/3）；

• 監(jiān)督微調(diào)（SFT，類似 2022 年的 InstructGPT）

• 基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF，約 2022 年）

這套流程穩(wěn)定、可靠，曾長(zhǎng)期被視為「工業(yè)級(jí) LLM」的標(biāo)準(zhǔn)做法。

但在 2025 年，一種新的階段浮出水面，并迅速成為事實(shí)上的標(biāo)配：可驗(yàn)證獎(jiǎng)勵(lì)強(qiáng)化學(xué)習(xí)（Reinforcement Learning from Verifiable Rewards，RLVR）。

RLVR 的核心做法是，讓模型在可自動(dòng)驗(yàn)證的環(huán)境中接受強(qiáng)化學(xué)習(xí)訓(xùn)練，比如數(shù)學(xué)題、代碼題、邏輯謎題等。在這些環(huán)境中，模型自發(fā)學(xué)會(huì)一些在人類看來(lái)非常像「推理」的策略：它會(huì)把復(fù)雜問(wèn)題拆解成中間步驟，并反復(fù)試探、修正路徑，逐步逼近答案（DeepSeek R1 的論文中有不少很好的例子）。

在以往的 SFT 或 RLHF 框架下，這類「推理軌跡」是極難人為設(shè)計(jì)出來(lái)的。這是因?yàn)槲覀儾⒉恢缹?duì)模型而言，什么才是「最優(yōu)的思考過(guò)程」。而在 RLVR 中，模型可以通過(guò)優(yōu)化獎(jiǎng)勵(lì)函數(shù)，自行摸索出對(duì)自己最有效的解題方式。

此外，與 SFT 和 RLHF 這種「計(jì)算量相對(duì)較小的薄層微調(diào)」不同，RLVR 使用的是客觀、難以被投機(jī)取巧的獎(jiǎng)勵(lì)函數(shù)，這使得訓(xùn)練可以跑得非常久。結(jié)果就是：RLVR 提供了極高的能力 / 成本比，大量吞噬了原本準(zhǔn)備用于預(yù)訓(xùn)練的算力。

因此，2025 年的大部分能力提升，并不是來(lái)自模型規(guī)模的暴漲，而是來(lái)自相似規(guī)模模型 + 更長(zhǎng)時(shí)間的 RL 訓(xùn)練。這個(gè)階段還帶來(lái)了一個(gè)全新的「旋鈕」：通過(guò)在推理時(shí)生成更長(zhǎng)的思考鏈條、投入更多測(cè)試時(shí)算力，模型能力可以繼續(xù)提升，并呈現(xiàn)出新的 scaling law。

OpenAI 的 o1（2024 年底）是第一個(gè)明確展示 RLVR 思路的模型，而 2025 年初的 o3，則是那個(gè)讓人直觀感受到質(zhì)變拐點(diǎn)的版本。

幽靈 vs 動(dòng)物：鋸齒狀智能

2025 年，是我（以及我認(rèn)為整個(gè)行業(yè)）第一次真正直覺(jué)性地理解了 LLM 智能的「形狀」。我們并不是在「培育或進(jìn)化動(dòng)物」，而是在「召喚幽靈」。

LLM 的一切都和人類不同：神經(jīng)結(jié)構(gòu)不同、訓(xùn)練數(shù)據(jù)不同、訓(xùn)練算法不同，最關(guān)鍵的是優(yōu)化目標(biāo)完全不同。人類神經(jīng)系統(tǒng)，是為叢林生存、部落協(xié)作而優(yōu)化的；而 LLM 是為模仿人類文本、在數(shù)學(xué)謎題中拿分、在 LM Arena 里獲得點(diǎn)贊而優(yōu)化的。

一旦某些領(lǐng)域具備可驗(yàn)證性，RLVR 就會(huì)在這些區(qū)域「長(zhǎng)出尖刺」。于是我們看到的，是一種鋸齒化（jagged）明顯的能力分布：它們可以在某些領(lǐng)域表現(xiàn)得像博學(xué)的天才，同時(shí)又在另一些地方像困惑的小學(xué)生，甚至輕易被 jailbreak 套走隱私數(shù)據(jù)。

我很喜歡一張 meme：人類智能是藍(lán)色曲線，AI 是紅色曲線。它也提醒我們：人類智能本身，同樣是鋸齒狀的，只是形狀不同。

這也解釋了我在 2025 年對(duì)基準(zhǔn)普遍不當(dāng)回事與不信任。問(wèn)題在于：基準(zhǔn)測(cè)試本質(zhì)上就是可驗(yàn)證環(huán)境，因此天然容易被 RLVR 或弱化版本的「合成數(shù)據(jù)訓(xùn)練」所攻破。

在現(xiàn)實(shí)中，模型團(tuán)隊(duì)往往會(huì)在基準(zhǔn)所在的嵌入空間附近「培育能力突起」，把 jaggies 精準(zhǔn)地長(zhǎng)到測(cè)試點(diǎn)上。「在測(cè)試集上訓(xùn)練」已經(jīng)演變成了一門藝術(shù)。

那么問(wèn)題來(lái)了：如果一個(gè)模型碾壓了所有基準(zhǔn)，卻依然不是 AGI，那意味著什么？

Cursor：LLM 應(yīng)用的新一層

Cursor 在 2025 年的爆發(fā)本身就很驚人，但對(duì)我而言，更重要的是：它清晰地揭示了一種全新的 LLM 應(yīng)用層。

人們開(kāi)始說(shuō)，「這是某某領(lǐng)域的 Cursor」。在我今年 YC 演講中提到過(guò)：像 Cursor 這樣的 LLM 應(yīng)用，本質(zhì)是在為特定垂直領(lǐng)域打包和編排 LLM 能力：

• 上下文工程（context engineering）；

• 在后臺(tái)編排多次 LLM 調(diào)用，形成越來(lái)越復(fù)雜的 DAG，同時(shí)平衡成本與性能；

• 提供面向人的、領(lǐng)域?qū)Ｓ玫?GUI；

• 提供「自主性滑塊」（autonomy slider）。

2025 年圍繞著一個(gè)問(wèn)題出現(xiàn)了大量討論：這一層會(huì)有多厚？LLM 實(shí)驗(yàn)室會(huì)不會(huì)吞掉所有應(yīng)用？還是說(shuō)，LLM 應(yīng)用層依然有廣闊空間？

我個(gè)人的判斷是：基礎(chǔ)模型會(huì)趨向于「一個(gè)通用能力很強(qiáng)的大學(xué)畢業(yè)生」，而真正把他們組織成專業(yè)團(tuán)隊(duì)、在具體行業(yè)中落地的會(huì)是應(yīng)用層，通過(guò)私有數(shù)據(jù)、傳感器、執(zhí)行器和反饋回路將模型組織并投入實(shí)際工作流程」。

Claude Code：住在你電腦里的 AI

Claude Code（CC）是我第一次覺(jué)得：「這才像一個(gè)真正的 LLM Agent。」它以循環(huán)方式將推理與工具調(diào)用串聯(lián)起來(lái)，能持續(xù)解決長(zhǎng)任務(wù)。

更重要的是：它運(yùn)行在你的本地電腦上，直接使用你的環(huán)境、數(shù)據(jù)和上下文。

我認(rèn)為 OpenAI 在這里判斷失誤了：他們把 agent /codex 的重心放在云端容器、由 ChatGPT 統(tǒng)一調(diào)度；而在一個(gè)能力鋸齒、起飛緩慢的世界里，更合理的順序其實(shí)是先讓 agent 成為開(kāi)發(fā)者身邊的伙伴。

Claude Code 在這點(diǎn)上做對(duì)了，并且用一個(gè)極其優(yōu)雅、極簡(jiǎn)、極具說(shuō)服力的 CLI 形態(tài)呈現(xiàn)出來(lái)。

AI 不再只是一個(gè)你訪問(wèn)的網(wǎng)站，而是一個(gè)住在你電腦里的小幽靈。

這是一次全新的交互范式轉(zhuǎn)變。

Vibe Coding（氛圍編程）

2025 年，是 AI 跨過(guò)某個(gè)關(guān)鍵門檻的一年：人們可以只用英語(yǔ)構(gòu)建復(fù)雜程序，甚至忘記代碼本身的存在。

有趣的是，「vibe coding」這個(gè)詞，最早只是我一條隨手寫(xiě)的推文，完全沒(méi)想到會(huì)流傳這么廣。

Vibe coding 讓編程不再只是專業(yè)工程師的專利，任何人都可以上手；但同時(shí)，它也讓專業(yè)工程師可以寫(xiě)出大量原本永遠(yuǎn)不會(huì)被寫(xiě)出來(lái)的軟件。

在 nanochat 項(xiàng)目中，我直接用 vibe coding 寫(xiě)了一個(gè)高效的 Rust BPE tokenizer；我用它快速寫(xiě)了很多 demo 項(xiàng)目（比如 menugen、llm-council、reader3、HN time capsule）；甚至為了定位一個(gè) bug，我會(huì) vibe coding 一個(gè)臨時(shí)應(yīng)用，用完即棄。

代碼變得不值錢、短暫存在、并可隨意改寫(xiě)與丟棄。

Vibe coding 在重塑軟件形態(tài)之外，也會(huì)重塑工作角色。

Nano Banana：LLM 的 GUI

Google Gemini 的「Nano Banana」，是 2025 年最讓我震撼的模型之一。

在我的世界觀里，LLM 是類似 1970–80 年代計(jì)算機(jī)的新一代通用計(jì)算范式，因此我們必然會(huì)看到類似的演化路徑：

• 個(gè)人計(jì)算

• 微控制器（認(rèn)知核心）

• Agent 網(wǎng)絡(luò)（類似互聯(lián)網(wǎng)）

而在 UI/UX 層面，「聊天」就像 80 年代的命令行。文本是計(jì)算機(jī)最偏好的表示形式，但并不是人類最喜歡的輸入方式。人們更喜歡視覺(jué)化、空間化的信息 —— 這正是 GUI 出現(xiàn)的原因。

同理，LLM 也應(yīng)該用我們偏好的形式與我們交流：圖片、信息圖、幻燈片、白板、動(dòng)畫(huà)、網(wǎng)頁(yè)應(yīng)用……

Emoji 和 Markdown 只是最早期、最粗糙的嘗試。那么，誰(shuí)會(huì)構(gòu)建真正的 LLM GUI？在我看來(lái)，Nano Banana 是一個(gè)非常早期但重要的信號(hào)。

它的意義不只在于圖像生成，而在于：文本、圖像與世界知識(shí)在同一模型中深度糾纏。

最后總結(jié)

2025 年，是一個(gè)令人興奮、也充滿意外的大模型之年。

LLM 正在顯現(xiàn)出一種全新的智能形態(tài)：它們既比我預(yù)期的聰明得多，又比我預(yù)期的愚蠢得多。

但無(wú)論如何，它們已經(jīng)極其有用，而我認(rèn)為行業(yè)甚至還沒(méi)有發(fā)揮出它們 10% 的潛力。

想法太多，空間太大，這個(gè)領(lǐng)域仍然是開(kāi)放的。

正如我今年在 Dwarkesh 播客中說(shuō)過(guò)的那樣：

我一方面相信進(jìn)展會(huì)持續(xù)且迅猛，另一方面也清楚，還有大量艱苦而細(xì)致的工作要做。

「系好安全帶」，接下來(lái)只會(huì)更快。

原推鏈接：https://x.com/karpathy/status/2002118205729562949

閱讀最新前沿科技趨勢(shì)報(bào)告，請(qǐng)?jiān)L問(wèn)歐米伽研究所的“未來(lái)知識(shí)庫(kù)”

https://wx.zsxq.com/group/454854145828

未來(lái)知識(shí)庫(kù)是“ 歐米伽 未來(lái)研究所”建立的在線知識(shí)庫(kù)平臺(tái)，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級(jí)智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險(xiǎn)等等領(lǐng)域的前沿進(jìn)展與未來(lái)趨勢(shì)。目前擁有超過(guò)8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問(wèn)https://wx.zsxq.com/group/454854145828進(jìn)入。