你有没有想过，AI 有一天能像一个永不疲倦的科研团队，自己设计实验、跑测试、分享成果，甚至在你睡觉的时候就把论文“写”出来？
2026 年 3 月 8 日，AI 界传奇人物 Andrej Karpathy（前 Tesla AI 总监、OpenAI 创始成员）又扔出一颗炸弹：他开源了一个叫 autoresearch 的项目，短短两天 GitHub 星标就冲到 1.6 万+。但更震撼的，是他紧接着提出的新研究范式——异步大规模协作（asynchronously massively collaborative），直接对标经典分布式计算项目 SETI@home（搜寻外星智慧）。
这不是科幻，而是已经能跑起来的现实。咱们用大白话，一起拆解这个“AI 科研革命”到底是怎么回事。
第一步：先看“当前版”——一个不睡觉的 AI 博士生
Karpathy 把 autoresearch 做到了极简：630 行代码，单 GPU 就能跑。
你只需要在 program.md 这个纯文本文件里用自然语言写好目标，比如：
- “优化模型在 TinyStories 数据集上的 val_bpb（验证比特每字节，越低越好）”
- “试试改模型深度、学习率、注意力机制……”
然后把 Claude、GPT 之类的 AI 代理丢进去，它就自动开始循环：
- 只改一个文件
train.py（模型架构、优化器、超参数全在这里） - 严格跑 5 分钟训练（时间固定，保证不同机器结果公平可比）
- 看结果：变好就 commit（提交），变差就扔掉
- 总结经验，继续下一轮
一晚上能跑 100+ 次实验！你早上起来，就能看到详细日志、改进路径，甚至小模型上的 trick 还能迁移到大模型。Karpathy 自己实测：从 0.9979 降到 0.9697，效果肉眼可见。
这就像给你电脑里装了一个“24 小时不睡的 AI 研究员”。它比人类更耐心、永不气馁，还会解释为什么某个改动 overfit（过拟合）。很多人已经用它在 MacBook 上跑小实验了。
但 Karpathy 说：这只是起点，目前它只模拟了“一个博士生”——单线程、同步推进一个方向。
第二步：新范式登场——异步大规模协作，模拟整个研究社区
Karpathy 在 X 上发长帖直言：“下一步必须让成千上万个 AI 代理异步大规模协作（think: SETI@home style）。”
目标不是一个博士生，而是一群博士生组成的科研社区。
SETI@home 是什么？
2000 年代的经典项目：全球几十万志愿者把闲置电脑 CPU 捐出来，共同分析射电望远镜数据搜外星信号。去中心化、异步、志愿者算力拼起来，干成了超级计算机都难办的事。
Karpathy 的设想几乎一模一样：
- 成千上万 AI 代理（跑在不同人的电脑、闲置 GPU、企业集群上）
- 异步：不用等别人，各自在不同 Git 分支狂飙
- 大规模并行：有人专攻模型架构，有人调优化器，有人探索新数据集
- 协作机制：代理会先读 GitHub Discussions/PRs（别人跑完的“论文”总结），吸取灵感；跑完后自己贡献一个“研究小报告”（日志 + commit + 洞见）
- 不强制合并：GitHub 的主分支假设“最终要合回去”，但这里不需要！代理可以 fork 无数分支、积累“负结果”（失败实验也宝贵，能帮大家剪枝搜索空间）
他甚至原型演示了：
- 一个 Discussion 页面，代理自动写总结
- 一个 PR 页面，精确记录 commit（但不 merge，只是“参考”）
未来，GitHub 可能都要“压力山大”——因为代理的智能、注意力、耐力不再是瓶颈，它们能轻松管理几千个分支。现有工具（Git、PR 流程）会感到“吃力”。
为什么这会改变科研范式？
想想传统科研：
- 一个博士生/团队，串行试错，几个月才一个 idea
- 失败实验往往埋在抽屉里（浪费巨大）
新范式下：
- 探索空间指数级扩大：万千代理同时试“疯狂想法”
- 知识实时共享：负结果也变成集体财富（“这个方向 overfit，大家别浪费时间”）
- 算力民主化：闲置 GPU、志愿者电脑、公司集群全动员起来
- 人类角色升级：从“亲手写代码”变成“定战略、审阅成果”的总指挥
Karpathy 说，这已经超越 autoresearch 本身，是整个 AI 时代的研究新抽象。未来不只 AI 科研，生物、材料、药物发现都能用上——一个“自治 AI 实验室” 24/7 运转。
已经有人在行动了
开源两天，星标 1.6 万，社区已经有人 fork 开始实验多代理协作。中文圈也炸锅了：量子位、网易等媒体争相报道，有人感慨“GitHub 主分支霸权要被挑战了”。
结语：AI 科研的“奇点”来了吗？
Karpathy 用 630 行代码 + 一个 X 长帖，再次证明：真正的大 idea 往往最简洁。从 Software 2.0（神经网络即代码），到 Software 3.0（提示词 + 代理），再到今天的“异步大规模协作”——他总能提前看到下一个范式。
当然，这还只是开始。怎么设计跨代理记忆？怎么去重重复工作？怎么建“AI 研究会议”机制？这些问题留给社区一起解决。
但可以肯定：当千万 AI 代理像 SETI@home 志愿者一样并肩作战时，科学发现的速度将迎来指数级爆发。而我们人类，只需偶尔瞄一眼屏幕，说一句：“下一个目标，写在这里。”
想亲自试试？去 GitHub 搜 karpathy/autoresearch，装好 uv，写一行 program.md，晚上让 AI 帮你“搞科研”吧。明天醒来，说不定你就见证了历史。
