加入了Anthropic的OpenAI共同創辦人、前特斯拉（Tesla）AI總監，同時也是創造「vibe coding」一詞的安德烈．卡帕西（Andrej Karpathy），在紅杉資本（Sequoia Capital）的最新訪談中，說了一句值得反覆琢磨的話：
「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，自動處理資料及查資料，思考品質甚至比我們還高，讓我們從資訊加工的冗繁活動解放出來。讓「到底為什麼要做這項任務」、「下一步要往哪走」、「什麼是好」等思考，變得更重要。
因為這些問題，AI沒辦法替你回答。
持續對世界保有好奇心、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，AI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，一起來看看。
1.AI已經悄悄翻篇了，很多人卻還沒發現
訪談開場，主持人問他：「你說自己『從沒這麼落後過』是什麼意思？」
卡帕西坦白的說：「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。
連卡帕西都說自己跟不上，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。
如果你最近還在懷疑「AI是不是有點被高估」，不要看1年前的影片，去社群上搜尋「Claude Code、Codex能做到什麼作品」，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？
2.這不是「變快」，是「不一樣的東西」
卡帕西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」，以前要花費5天的工作，現在只需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：出國吃飯時，菜單上一堆名字看不懂，他想拍張照、自動為每道菜配上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」。模型會直接回傳一張「就是你那張菜單，但每道菜上面都有圖」的圖片。
卡帕西在訪談說道：「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」。
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）。
3.AI是鋸齒狀的：大型語言模型能找出零日漏洞，卻會叫你走路去洗車
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10萬行程式碼、能找出零日漏洞（Zero-day Vulnerability）的模型，居然叫我走路去洗車。」
（編按：零日漏洞指的是軟硬體或韌體中未被開發人員發現，或已知但尚未修補的安全缺陷。）
卡帕西用「鋸齒狀智慧」（jagged intelligence）來形容現在的AI：它不是均勻的變強，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，就是一片荒地。
對使用者的意義是什麼？卡帕西在訪談說道：「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。」
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在某件事上是佇立還是阻礙」，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，能不能辨識出AI給的答案怪怪的。
這就是為什麼AI越強，懂的人和不懂的人，差距會越來越大，而不是越來越小。
4.Vibe Coding抬高地板，但天花板靠的是判斷力
卡帕西在訪談裡清楚的把2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」 |
| 誰適用 | 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倍工程師。我現在覺得，真的會用agent的人，產出遠超過10倍。」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，但用戶可以在2邊用不同的Email！
卡帕西說：「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2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。
5.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？」
卡帕西提到一條他最近反覆思考的推文：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.）
他自己接著補充：「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：
- 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3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3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。
6.那要怎麼養這3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，很有可能會慢慢失去問「為什麼」的能力。
7.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2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0，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。
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。
資料來源：Sequoia Capital
＊本文獲得「侯智薰（雷蒙三十）」授權轉載，原文：你可以外包思考，但不能外包理解。Karpathy最新訪談精華心得，AI時代的真正競爭力？
責任編輯：徐惠琬
核稿編輯：倪旻勤
