為什麼這場訪談值得你花時間看？
Andrej Karpathy（ OpenAI 的共同創辦人、Tesla 前 AI 總監、造了 「vibe coding」 這個詞的人），在紅杉資本（Sequoia Capital）的這場最新的訪談中說了，一句值得反覆琢磨的話。
在 AI Agent 時代：
「你可以外包你的思考，但你不能外包你的理解。」
「You can outsource your thinking, but you can’t outsource your understanding.」
現在的 AI 已經能幫我們做很多事，自動替處理查資料，甚至思考的都比我們還高品質，讓我們從資訊加工的冗繁活動解放出來。
但我們「到底為啥要做這任務」、「下一步往哪走」、「什麼為好」的理解，反而變得更重要。
因為這些問題，AI 沒辦法替你回答。
持續對世界擁有好奇心、培養獨特的品味，還有付諸行動的理解力，可能才是我們在 AI 時代最值錢的資產。
換句話說，Al 讓 thinking 變得廉價了（因為它比你會思考），但 understanding（理解一件事）的負擔不但沒有減輕，反而更重了，因為要指揮的東西更強了，指揮錯的後果也更大了。
但 thinking 和 understanding 的邊界在哪？
如果不把這些拆透，這句話就只是一個漂亮的金句。
讓我把一些訪談精華摘要出來，我們一起來看看。
一、AI 已經悄悄翻篇了，很多人卻還沒發現
訪談一開場主持人問他：「你說自己『從沒這麼落後過』是什麼意思？」
Karpathy 坦白地說：
「過去一年我都在用 agentic 工具寫程式，那時候模型還會出錯、還要我修。但 2024 年 12 月，我剛好放假比較有空，我發現我已經想不起來，上次修正模型的輸出成果是什麼時候了。」
於是他越來越信任這個系統，然後一不小心就在 vibe coding 了。
連 Karpathy 都說自己跟不上，那我們其他人呢？
重點在這裡：很多人對「AI 寫程式」的印象還停留在「ChatGPT 那種問答感覺」，你問它一句、它寫一段，你還得替它打工複製貼上。但 2025 年開始，這個體驗已經被換代了。Agent 可以連續跑、自己 debug、自己驗證、自己交付一個小專案。 [2]
如果你最近還在懷疑「AI 是不是有點被高估」，不要看一年前的影片，去社群上搜尋「Claude Code、Codex 能做到什麼 [1]作品」，你會發現身邊的阿姨、大叔、普通小孩，都能做到他們以前完全沒辦法做的事，你就會發現真的不太一樣了。
但真正的問題是，那「人」剩下什麼？
二、這不是「變快」，是「不一樣的東西」
Karpathy 在訪談裡反覆強調一個觀念：很多人把 AI 當成「老任務的加速器」，當以前要 5 天的活，現在 5 小時。但這個視角會讓你錯過真正的機會。
他舉了個具體例子：menu gen。
場景：出國吃飯看到菜單一堆名字看不懂，他想拍張照、自動配上每道菜的 AI 生成圖片。
- 舊版本（傳統思維）：寫一個完整的 web app，做 OCR、串 image generator、組介面、deploy 到 Vercel⋯⋯光是配 DNS 和服務串接就花掉一半時間。
- 新版本（AI 原生思維）：把照片丟給 Gemini，跟它說「用 Nano Banana 把每道菜的圖蓋到原本菜單的位置上」。模型直接回傳一張「就是你那張菜單，但每道菜上面都有圖」的圖片。
「沒有 app、沒有後端、沒有資料庫。整個 menu gen 在新典範下，根本不應該存在。」
回到我們每個人的生活和工作，你正在做的多少事情，其實也「不應該存在」？多少過於精緻分化的 SOP、多少 Excel、多少手動流程，是過去那個世界遺留下來的化石？
真正的紅利不是「讓現有的事情變快」，是「以前不可能的事情，現在可以了」。 [3]
想要看見這個機會，要的不是技術，是「重新定義問題」的能力。這個能力，就是 understanding（理解力）。
三、AI 是鋸齒狀的：它能找出零日漏洞，卻叫你走路去洗車
訪談裡最好笑、也最發人深省的一段：
「有個經典問題是：我要去洗車，車在 50 公尺外，我該開過去還是走過去？
最先進的模型告訴我『太近了，你應該用走的』。
——這是一個能重構十萬行程式碼、能找出零日漏洞（Zero-day Vulnerability）的模型，居然叫我走路去洗車。」
Karpathy 用「鋸齒狀智慧」（jagged intelligence）來形容今天的 AI：它不是均勻地變強，是某些山峰特別高（程式、數學），某些山谷特別深（生活常識、品味）。
為什麼？因為 LLM 是被「人類設定學習環境」形塑出來的，哪個領域被認真訓練，就在那個領域變強。沒被放進訓練回路的，就一片荒地。
對使用者的意義是什麼？
「你必須去探索這個沒有說明書的東西。它在某些設定下飛起來，在另一些設定下卡死。你得搞清楚自己的應用，是在哪一條被開墾過的路上。 [4]」
換句話說：你對 AI 的失望，往往不是因為 AI 本身不夠強，只是因為你掉進了它的鋸齒缺口而不自知。
要分辨「AI 在這件事上是飛、還是卡」，靠的是什麼？
是你個人的 understanding，你對這件事本身的理解夠不夠深，能不能聞出 AI 給的答案哪裡怪怪的。
這就是為什麼 AI 越強，懂行的人和不懂行的人的差距會越來越大，而不是越來越小。
四、Vibe Coding 抬高地板，但天花板靠的是判斷力
Karpathy 在訪談裡很清楚地把兩件事分開：
| Vibe Coding | Agentic Engineering | |
| 目標 | 抬高所有人能做到的「地板」 | 守住專業該有的「天花板」 |
| 誰用 | 任何人 | 真正想做出可靠產品的人 |
| 核心問題 | 「我能不能做出來？」 | 「我能不能又快又好又安全？」 |
「以前大家會講 10× 工程師。我現在覺得，真的會用 agent 的人，產出遠超過 10× [5]。」
但他講到最關鍵的一段，是 agent 仍然會犯非常低級的錯。他自己 menu gen 的支付系統，agent 居然用「Email 比對」來連結 Stripe 付款記錄和 Google 登入帳號——但用戶可以兩邊用不同 Email！
「這種事情人類一秒就知道不能這樣做。你必須在規格設計、根本決策上當好總監。Agent 負責填空，你負責判斷該畫哪些空格。」
這句話值得多讀兩次：Agent 負責填空，你負責判斷該畫哪些空格。
「該畫哪些空格」=「真正的問題是什麼」=「為什麼這件事值得做」=「下一步該往哪走」。
這些問題沒有一個是 AI 可以幫你回答的。它只能在你定義好題目後，幫你補答案。
五、最重要的那句話：你可以外包思考，但不能外包理解
訪談收尾，主持人問：「還有什麼東西還值得深度學習？」
Karpathy 提到一條他最近反覆思考的推文：
「You can outsource your thinking, but you can’t outsource your understanding.」
你可以外包你的思考，但你不能外包你的理解。
他自己接著補：
「我還是這個系統的一部分，資訊還是得進到我腦袋裡。但『我們到底要做什麼？為什麼值得做？怎麼分配給 agent？』這些會被我的『理解能力』所限制。」
這就是我看完整場訪談、最想記住的一句話。
把它白話翻譯個：
- AI 可以幫你查資料；但「查什麼、為什麼查」是你的事。
- AI 可以幫你寫報告；但「為什麼要寫這份報告、給誰看、想達成什麼」是你的事。
- AI 可以把你熟悉的流程自動化；但「為什麼這個流程值得保留、它解什麼真正的問題」是你的事。
- AI 可以一秒生成 100 個版本；但「哪一版好、為什麼好」是你的事。
思考可以外包，理解不行。
而支撐「理解」的，是三個 AI 偷不走的東西：
- 理解力：你對一件事「本質上在發生什麼」的把握。
- 品味：你判斷一個東西好不好、對不對、美不美的能力。
- 好奇心：你願意往「為什麼」再多問一層的內在驅動。
這三件事，沒有一個能被一段 prompt 取代。
它們是你長年累積的、屬於你個人的、無法上傳的獨特資產。
六、那要怎麼養這三件事？
這是我自己這幾個月反覆在做的事，列出來給你參考：
1. 寫日記、寫筆記，整理個人的知識和技能庫
不是寫給未來的自己看，是逼自己把模糊的感受變成清楚的句子。那些還寫不太出來的地方，就是你「以為自己懂、其實不懂」的地方。
2. 慢慢讀，而且讀完要重組
別只收藏文章。讀完試著用自己的話講一次，或寫成一張知識卡片。重組的過程，就是 understanding 在長出來。
3. 跟你的領域以外的人聊天
品味是被「比較」養出來的。只待在同溫層，你的品味會退化成一種 AI 也能模仿的平均值。
4. 把判斷拆解出來
每次你說「這個版本比較好」，逼自己再加一句「因為⋯⋯」。把自己的感受拆成可說明的理由，一方面也是為了讓 AI 學會，幫你的 AI Agent 越來越強（像你）的訓練。
5. 保留一些「沒有效率」的時間
散步、發呆、隨意玩樂。好奇心需要餘裕才會冒出來。整天被通知和 to-do 追著跑的人，大概率會慢慢失去問「為什麼」的能力。
七、結語：AI 的時代，是「懂的人」最值錢的時代
訪談最後主持人開玩笑說：「期待兩年後再回來，看看我們是不是已經被自動化出局，連『理解』也外包出去了。」
我自己反而不太擔心這件事。我認為真正會發生的，是另一個方向：
AI 把「執行的成本」壓到接近零，所以「方向、品味、判斷」的單價會持續上漲。
- 程式設計師不會被 AI 取代，但「只會寫程式」的人會。
- 創作者不會被 AI 取代，但「只會生產內容」的人會。
- 你不會被 AI 取代，前提是你還在繼續長出新的理解。 [6]
這也是為什麼這個時代，寫日記不過時、慢慢讀不過時、做知識整理不過時、跟人深聊不過時。這些看似低效率的事，反而是 AI 時代你唯一還握在手上、不會被偷走的複利。
工具會變、模型會變、典範會變。
但「你想做什麼」「為什麼這件事值得做」「下一步往哪走」—— 這些問題，永遠是你的獨特之處。
不要把它們也外包出去。
影片：Andrej Karpathy: From Vibe Coding to Agentic Engineering
改寫整理：雷蒙｜2026-05-05
📚 延伸閱讀（雷蒙過往 AI Agent 系列）
- [1] Claude Code 是什麼？從 Claude Cowork 到 Code，非工程師也能上手的完整入門教學 ↩︎
- [2] 21 天，我用 Claude Code 打造了一整套 AI 分身助理記錄 ↩︎
- [3] 白話文教學：AI 怎麼幫你動手做事？API、CLI、MCP、瀏覽器控制的選擇邏輯 ↩︎
- [4] Claude Cowork 更好用了？它跟 NotebookLM 差在哪？什麼時候才需要升級到 Code？ ↩︎
- [5] Claude Code 的 CLAUDE.md 和 SKILL 教學，打造可重複使用的 AI 自動化工作流 ↩︎
- [6] 別想著自動化，當你還沒開始賺錢的時候 ↩︎
