2026 年 5 月 19 日，Andrej Karpathy 在 X 上发了一条 54 词的推文：加入 Anthropic Pre-training 团队。没有长文，没有铺垫，Hacker News 上帖子上线不到 40 分钟就有 230+ 点赞。他的任务是组建一支新团队，用 Claude 本身来加速 Claude 的预训练研究——这是对「AI 辅助研究，而非纯算力堆叠，才是下一阶段竞争胜负手」的一次公开押注。
Andrej Karpathy 的简历，几乎就是一部现代深度学习简史的缩影。2015 年他以创始成员身份加入 OpenAI，那时 GPT 这个名字还没诞生；2017 年被 Elon Musk 招至特斯拉，主导 Autopilot 和 FSD 项目，完成了从研究者到工程实践者的转型；2022 年短暂回到 OpenAI，恰好赶上 ChatGPT 爆发前夕最密集的基础设施建设期，但只待了约一年，2024 年再次离开，创立专注于用 AI 助手重塑教育的 Eureka Labs。公司之外，他是全球最有影响力的 AI 科普者之一——YouTube 上的 Neural Networks: Zero to Hero 课程，让无数自学者真正理解了 Transformer 的内部运作。
据 TechCrunch 报道，Karpathy 加入的是 Pre-training 团队，直接汇报给团队负责人 Nick Joseph。他的核心任务是：组建一支新团队，专门研究如何用 Claude 本身来加速 Pre-training 研究。Pre-training 是让 Claude 从零获得语言能力和世界知识的阶段，是整个训练流程中耗资最大、算力消耗最高、对最终模型质量影响最深远的环节——这个阶段的研究突破，直接决定了下一代模型的天花板。Karpathy 要做的，是把 Claude 用作研究工具，让 AI 帮助优化 AI 训练本身，这正是当前 AI 公司最激进的研究方向之一（"AI for AI research"）。Axios 的分析点出了战略逻辑：「Karpathy 是少数同时在研究、产业和教育领域都有公信力的 AI 人物。招募他组建这样一支团队，清楚地表明 Anthropic 相信 AI 辅助研究、而非纯算力，才是它与 OpenAI 和 Google 竞争的方式。」
这次招聘发生在 Anthropic 快速崛起为顶尖 AI 人才磁极的背景下。就在 Karpathy 宣布入职的同一天，资深网络安全专家 Chris Rohlf（先后在 Yahoo 和 Meta 负责核心安全工作，超 20 年从业经历）加入了 Anthropic 的 Frontier Red Team，专门对高危 AI 系统进行压力测试。两个人、两个方向——一个指向模型能力的上限，一个指向模型安全的下限，Anthropic 同时在两端发力。更宏观地看，最顶尖的研究者不再只在 OpenAI 和 DeepMind 之间流动，Anthropic 已经成为另一个真实的目的地。
他在推文里给出了一个关键句：「I think the next few years at the frontier of LLMs will be especially formative.」——特别具有塑造性的几年。这是一个对时机的判断，而非单纯对某家公司的认可。他选择 Anthropic 而非重回 OpenAI 也耐人寻味：2024 年他离开 OpenAI 时，外界对其内部文化和治理问题已有诸多讨论；Anthropic 以「AI 安全」为核心叙事，在技术价值观上与他一贯强调的谨慎、可解释性立场更为接近。他同时提到对教育的热情不会消失，「计划在适当的时候重返这项工作」——Eureka Labs 的故事并没有结束，只是暂时搁置。
过去一年多，他不在任何大公司编制内，却保持着极高的思想输出密度：2024 年初推广了「vibe coding」概念，用自然语言描述意图、让 AI 生成代码；2026 年 3 月在播客上坦承自己从 2025 年 12 月起没有手写过一行代码，AI 负责比例从 20% 攀升到 100%，并把这种状态称为「AI psychosis」，预测 2026 年将是「slopacolypse 之年」。这些洞察，都是他带入 Anthropic Pre-training 团队的思想资产——一个把自己当成 AI 工具链极端用户的研究者，来做「用 Claude 加速 AI 研究」的团队，是方向与人格的双重吻合。
把这次加入放进更大的趋势里看，才能理解这次跳槽的真实重量。
「递归自我改进」曾是安全研究者的警示语，如今是 Anthropic 公开承认正在推进的工程任务——Karpathy 的职责正是 RSI 第一阶段的工程化实现。
一旦预训练研究被 AI 加速，正反馈循环启动：更好的模型 → 更快的研究 → 更好的下一代模型，只有少数拥有算力、数据和顶尖研究者的实验室能进入这个飞轮。
中等研究者的定价权在下滑，顶端的定价权在上升——那些愿意放弃管理职位做个人贡献者的人，说明前沿实验室的机会溢价已经大到足以弥补一切。
OpenAI vs Anthropic 的竞争已蔓延到研究范式层面：快速迭代与广泛部署 vs 安全研究与能力并重，其他玩家将越来越难在两极之间找到立足点。
更尖锐的一个声音来自 X 上的评论者 roon（209K 浏览）：「讽刺的是，今年对 AI 研究者来说可能是悲伤的一年——他们是 RSI 热路径上的第一批受影响者，市场对他们的定价权很可能因这一代模型让他们的技能商品化而缩水。」Karpathy 加入 Anthropic 去做「用 Claude 加速 Pre-training 研究」，某种意义上是在亲手加速这个进程。
第一，他选择了 Pre-training——而不是 Fine-tuning、RLHF 或应用层，押注基础能力的突破仍未到天花板。第二，他选择了用 Claude 来做 AI 研究——押注 AI 辅助研究将成为下一个核心竞争维度，而非仅仅是算力堆叠。第三，他选择了 Anthropic 而非回归 OpenAI——押注安全与能力并重的路线在长期竞争中具有优势。三个押注，都是关于接下来几年 AI 走向的判断。时间会告诉我们，他的直觉是否又一次对了。