曾任 Tesla AI 總監及 OpenAI 創始成員的 Andrej Karpathy，近日再次引爆 AI 社群話題。他以「全手寫」方式推出開源專案 Nanochat，一個約 8,000 行的完整端對端聊天模型訓練系統，讓開發者僅需數小時及 100 美元（約港幣 HK$780）成本，即可訓練出具備 ChatGPT 功能的模型。這次他拒絕使用 Claude、Copilot 等 AI 助手，與他年初推廣的「vibe coding」理念形成鮮明對比。本文將從 Karpathy 的設計理念、AI 編碼工具的局限以及業界數據三方面，解析這場自我顛覆實驗對未來 AI 開發文化的意義。
手寫 Nanochat：重拾系統理解力
Karpathy 在 GitHub 公開的 Nanochat 是他繼 nanoGPT 後的新作，將 LLM 的完整訓練、微調、推論與介面，整合於一個簡潔的程式碼骨架中。他強調整個項目「幾乎完全手寫」，象徵人類重新掌握程式碼邏輯的重要性。他坦言曾嘗試用 AI 代理人協助開發，但結果「拖慢進度」。這個選擇除了在技術上展現極簡設計哲學，也在文化層面上對「AI 全自動編程」提出質疑，提醒業界別讓理解力被方便性取代。
「Vibe Coding」理論的反轉
所謂 vibe coding，即透過自然語言指令讓 AI 生成應用程式的開發方式，讓開發流程更直覺、快速甚至「感覺導向」。Karpathy 在年初於 X 上指出，他「幾乎不打字，只跟模型對話」。這方法雖提升實驗性與創造力，但當程式碼膨脹或架構不清時，也讓除錯變得困難。Google Cloud 技術指南指出，vibe coding 適合教育、原型或輕量應用，卻非嚴謹系統工程的解法。Karpathy 以 Nanochat 宣告——AI 是合作夥伴而非掌控者。
AI 編程效率的真相
根據非營利機構 METR 的 2025 年研究，AI 工具讓資深開發者完成任務的時間反而「平均延長 19%」。研究指出 AI 工具雖能輸出方向正確的程式碼，但開發者需額外審查與修正，實際效率低於預期。同時 Fastly 對 791 名開發者的調查顯示，95% 受訪者表示需花時間修補 AI 生成的程式碼錯誤，其中近三成資深開發者承認修正時間幾乎抵銷節省的開發時數。這一系列數據支持 Karpathy 的觀點：AI 雖可加速產出，但仍難替代专业工程師的邏輯判斷與架構思維。
背景脈絡與產業啟示
自 2023 年 OpenAI 推出 Codex 以來，AI 編碼助手滲透率在 2025 年已達逾 80%，甚至成为高年資工程師的主流工具。但隨著「vibe coding」熱潮興起，開發文化也分化為兩派：一方追求速度與創意，一方強調可維護性與透明度。Karpathy 的轉向反映從「AI 擴能」回歸「人類主導」的工程哲學，他本人形容這是「重新理解系統的過程」。
有媒體曾訪問三位產業專家：
• Dr. Lian Zhou（Google DeepMind 工程總監）認為：「Karpathy 的手寫實驗不是懷舊，而是一場必要的清醒測試。」
• Prof. Marta Klein（MIT CSAIL）指出：「AI 編碼像自動駕駛，高速但需人類駕駛員理解地圖。」
• Edward Chan（香港 MakerBay Hub 創新顧問）提醒：「香港新創對 vibe coding 興趣高，但若無資深工程管理，風險極高。」
結語：AI 是輔助，不是中心
Karpathy 用 Nanochat 的 8,000 行程式碼證明：真正的創新往往來自對細節的掌握，而非對速度的盲目追逐。AI 的最佳角色是「智能助手」，在快速迭代與重複性任務中提供效率，但最關鍵的架構設計仍需人類經驗與思辨。未來 AI 程式設計或將邁向「協作式智慧開發」時代，人與機的邊界將更模糊，但「理解」依然是最稀缺的能力。
資料來源：
TechCrunch、
MarkTechPost