Karpathy大神這次繼Vibe Coding氛圍編程后，又想造全新概念了！

大神說他早就抱怨了很多次，未來99%的「Attention」（注意力）即將被AI，而非人類關注。

但是現在99.9%的互聯網內容還是「寫給人看的」，不論是網頁、視頻還是科研PDF論文。

這次，他提出未來的研究論文/成果絕對不是PDF格式的！

他還給出一條「致富之路」：能解決這個問題的研究應用程序將擁有巨大的發展空間。

結合之前他提出的氛圍編程概念，未來全新的數據格式將是AI閱讀和學習的基礎——我們認為這應該叫做AI的氛圍閱讀（AI Vibe Reading）。

這個觀點在X平臺上徹底的火了，各種大佬紛紛點贊，網友們也附和抱怨。

機器學習改變人類科技進程后，網友調侃：「機器正在學習，人類正在上癮」。

「諷刺的是」，現在科學家更進一步，正在為AI如何更高效的「看資料」而集思廣益。

Karpathy的這個觀點，其實也印證了馬斯克此前說過的一個觀點：

AI將超越所有人類，未來地球上的「碳基生物智能」只占1%。

從Attention is all you need發布后，人類在LLM加持下正在狂奔向AGI奇點，但是2025年了，大部分內容和形式還是為人類服務的。

Karpathy很早就設想了一個網絡，其中99%的內容都是為了AI優化的，而不是人類。

這個星球上智能99.9%的注意力將是LLM的注意力，人類退下，AI思考。

可以看出Karpathy今天發X的時候，「心情很激動」，他連發了兩條來表達對這個事情的看法。

PDF已經不適合AI時代，應該研發針對AI的數據格式，甚至以后的論文格式都不應該是PDF、Word這種寫給人看的，而應該有點Github上代碼的那種結構。

這次討論的起因還要說回一位有近6萬粉絲的生物學大佬——Michael Levin。他是Tufts大學的杰出教授。 

2004年，他在《細胞》（Cell）1995年發表的關于左右不對稱性的分子基礎的研究被《自然》期刊選為「過去一個世紀發育生物學領域的里程碑」之一。

他今天發布的一條帖子，在社區引發了廣泛的討論，評論區里各種學術大佬出沒。

Levin提出一個深刻且尖銳的問題，這關系到所有的科學家和研究者們：

我經常感到煩躁，因為沒有時間閱讀來自相關領域杰出人士的、越來越多的精彩論文。

其他科學家也面臨同樣的問題，他們也沒有時間閱讀我那些冗長的概念性論文。那么，我們寫這些論文究竟是為了誰呢？

我猜，至少在它們因自身工作陷入同樣問題之前，AI將是唯一真正有精力閱讀所有這些內容的存在。

我這里說的不只是當前的語言模型——我們假設所指的是某種不可避免會出現的人工智能，它能夠閱讀文獻并對研究產生影響（無論是通過與人類交流，還是通過運行實驗室自動化／機器人科學家平臺）。

考慮到我們的受眾群體未來很大一部分將是人工智能（以及機器人、混血兒、增強人類等等），我們現在應該如何寫作呢？

這下真就戳到馬蜂窩了，各種大佬也用自己的親身經驗。

這一話題引發Andrej Karpathy、Carlos Perez等科技思想者熱烈回應：

「若論文的核心受眾逐步轉向算法，我們今天的寫作規范該如何演變？」

「科研工作者寫不完論文，已經有的論文又不可能都看完，改怎么辦？」

Levin指出科學家既寫不完也讀不完論文，AI可能成為唯一能全面消化文獻的「讀者」。

根本問題是，人類要消化內容，就必須將其呈現為特定的線性敘述，而這種敘述可能與讀者產生共鳴，也可能不會。

在前者情況下，你是幸運的；在后者情況下，人類讀者最好借助AI來提取信息。

我們要為AI寫作。

當前如此多令人驚嘆的發展和突破性論文不斷涌現。。。

我們能夠將生物心理學領域的最新進展應用于改善人類生活的各個方面。

格式是交流的一部分。

PDF早就過時，是上個世紀的東西！

這簡直就是一場人類頂級科技工作者的思想碰撞，如果人類的學習速度跟不上AI，會發生什么？

來看一組數據，全球已編入主流引文數據庫（以Scopus為代表）的科技論文年產量：

• 2010年僅190萬篇，2022年達到約330萬篇。
• 2012–2022十年間總量增長59%，折合年均復合增速約4%–4.5%。

假設若按此區間增速外推，2025年全年可預期被索引論文總量約為360 – 380萬篇，取中值約370萬篇。

這意味著平均每天將有一萬篇以上的新論文被正式收錄。

人類真的讀不完了，目前來看，也許只有AI才能完成這種閱讀量。

來自NSF的數據顯示，2022年，有六個地區、國家或經濟體各自發表了超過10萬篇論文：中國、美國、印度、德國、英國和日本。

與此對應的是，這些領先的地區、國家或經濟體加起來占2022年全球總量的一半以上。

而到了2025年，在arXiv上關于AI的論文已經可以說是「汗牛充棟」了！

看不完，真看不完！

比如，在HuggingFace上，即使想要閱讀完每天的Daily Papers，都幾乎是一件不可能的任務。

Karpathy可以說是AI時代教育方面的最頂流明星了，他是前OpenAI創始團隊，還是Tesla AI團隊的負責人。

更因為他一直關注AI教育、AI對人類的影響等命題，他創造的Vibe Coding氛圍編程概念更是風靡全世界。

所以，他的觀點往往代表了AI如何影響人類領域的最前沿。

最近他在提一種新的編碼方式：「像細菌一樣編碼，小、模塊化、自給自足」。

在這個觀點，他最后的建議是：

多說要點，少說廢話。

我們認為這個觀點不僅適合于編程領域，未來的科研領域，科學家們也將：

多關注要點，少些論文，要寫也是寫給AI。

在之前的程序員們常說，Talk is Cheap，Show Me the Code。

當ChatGPT為代表的AI出現后，這句話變成了，Code is Cheap，Show Me the Talk。

這揭示了在編程領域的一種范式變化。

同樣，AI的影響力開始從代碼擴展到真正的科研領域，也許未來的科學家們不僅要拼自己的智力，更要比拼誰的AI更會「氛圍閱讀」。

Paper is Cheap，Show Me the Thoughs！