Karpathy给AI工程划了五个台阶，90%的公司停在了第一级

现在市面上的AI产品，多到什么程度？

随便打开一个应用商店，十个新App里八个带AI。融资路演不说自己"AI原生"都不好意思开口。但如果你把这些产品扒开看，会发现一个诡异的事实：大部分所谓"AI产品"，就是"一个模型 + 一段指令"直接糊上去。

同一个模型，有人做出了能替人干活的系统，有人做出来的东西连客服都当不了。

差距到底在哪？2026年8月，Karpathy在斯坦福给了答案。他把AI工程划成了五个台阶，从10%到100%。这张图，成了衡量"谁在裸泳"的标尺。

五个台阶，越往上越接近"产品"

10%：LLM。把大模型当一台可重编程的计算机。这是地基——但只是地基。90%的"AI公司"停在这一级：换个更强的模型，就以为产品升级了。

30%：Prompt。给这台计算机写"程序"——你的指令。这个台阶上挤满了"提示词工程师"。但请注意，这行职业从诞生那天起就在倒计时：你写的那段话越值钱，说明AI越笨；AI越聪明，这段"程序"就越不值钱。

50%：Agent。给模型加上目标、上下文、记忆和工具，让它从"回答问题"变成"动手干活"。这是过去一年最热的赛道——套壳Agent公司如雨后春笋，也如韭菜一茬茬倒下。

70%：Loop。把内循环和外循环分开。内循环是模型在任务中学习，外循环是训练调整权重。能走到这一级的团队，开始真正理解"AI不是一次性的"。

100%：Graph。把所有的任务编排成一张有向图：谁并行、谁等谁、数据怎么流、哪个环节必须人点头。Karpathy的原话是：砍掉一切，只留Graph。

为什么Graph是终点

你仔细看这五级，会发现一个规律：越往下，越是"零件"，越往上，越是"胜负手"。

模型强不强，是零件问题——现在最强的开源模型和闭源模型差距已经很小，花钱就能买到。Prompt写得好不好，是技巧问题——练几个月就能上手。真正决定一个AI系统能不能干活的，是最后一层：你把一堆能力怎么编排成一个能运转的集体。

这跟踢球一模一样。单个球员再厉害，阵型稀烂也赢不了球。阵型就是Graph。

谁在裸泳，一眼就看穿

拿这把尺子量一圈现在的AI市场，画面非常残酷：

停在10%的公司——讲PPT时把"我们用了最强模型"当卖点。这类公司最多，死得也最快，因为模型人人买得起。

停在30%的公司——以为会写Prompt就是护城河。可惜提示词工程师可能是第一个被AI催生、又被AI进化消灭的岗位——你写的那段"程序"，下一代模型自己就能写好。

停在50%的公司——套壳Agent，加个记忆、加个工具就融资。这类公司正在批量死亡，因为"会干活"和"能稳定交付"之间，隔着一整个Loop和Graph。

走到100%的公司——凤毛麟角。它们不吹模型、不吹Prompt，讲的是编排：一个资深IC带两个新人，配一堆Agent，能交出以前一队人的结果——因为它们把Graph画明白了。

尺子收起来之前

Karpathy这段演讲最狠的地方，不是教你怎么做AI，而是给了你一把尺子：以后看任何AI产品，别问"用了什么模型"，问"它的Graph长什么样"。

答不上来的，就是在裸泳。

五年前大家比的是一行代码，两年前比的是谁家参数大，现在比的是谁把系统编排得能干活。AI不断迭代进化、消灭分工，最后剩下的，是那个会画图的人。

砍掉一切，只留Graph。

Karpathy说这句话的时候，台下坐着满屋子的独立开发者和创业者。他说：真正站在能力最前沿的，是你们，不是OpenAI。

就像导演花五年做了一部电影，网友用一个周末又做了一部。模型是那个五年，Graph是那个周末——重要的从来不是零件，是把它组装成什么。