Andrej Karpathy对当前AI“智能体元年”的狂热持审慎态度，认为AGI的实现将是一条长达十年的渐进演进曲线。他强调真正的智能体需具备持久性、记忆力和连续性，并呼吁行业将训练范式从数据堆砌转向目标驱动的“课程表”模式，最终促使AI从工具进化为具有身份和责任的社会成员，深刻重塑人机协作与社会伦理。

今天的AI领域，正目睹一场关于AI“权力”与“粒度”的深刻重塑，从模型定价的崩塌到视觉感知的范式革新，从用户对AI“灵魂”的夺权到智能体记忆的安全保卫战。AI的未来正在从中心化巨头走向由无数微小、廉价、精准的智能体共同编织的去中心化网络，这场变革的核心是控制权的下放与智能的颗粒度化。

Visual Jigsaw是MMLab@NTU提出的一种创新视觉自监督后训练框架，通过让多模态大模型玩“拼图游戏”，显著提升了其在图像、视频和3D模态下的视觉理解能力，摆脱了对昂贵标注数据的依赖。这项技术不仅预示着AI训练范式从文本中心向视觉中心的转变，更将极大赋能具身智能、自动驾驶及AR/VR等商业应用，推动AI向更深层次的物理世界认知迈进。

腾讯R-Zero框架通过共演化AI模型，实现了大模型训练对人工标注数据的“零依赖”，标志着AI训练范式从数据驱动向自进化驱动的深刻转变。这一突破有望大幅降低AI开发成本、加速迭代，并为AI自主学习和通用智能发展开辟全新路径，同时引发对未来AI伦理与控制的深层思辨。