Andrej Karpathy

Andrej Karpathy to jeden z najbardziej wpływowych badaczy sztucznej inteligencji na świecie: współzałożyciel OpenAI, były dyrektor AI w Tesli odpowiedzialny za widzenie komputerowe Autopilota, twórca kultowego kursu CS231n na Stanfordzie i autor określenia „vibe coding”. Od maja 2026 roku pracuje w Anthropic, gdzie zajmuje się badaniami nad pre-treningiem dużych modeli językowych. Jeśli śledzisz rynek AI – jako inwestor, trader albo po prostu ktoś, kto korzysta z ChatGPT czy Claude – to nazwisko będzie wracać do Ciebie regularnie.

Ja śledzę Karpathy’ego od lat z jednego prostego powodu: to jeden z nielicznych ludzi z samego środka branży AI, który tłumaczy technologię zamiast ją sprzedawać. W świecie, w którym każdy CEO obiecuje rewolucję na przyszły kwartał, taki głos jest dla mnie na wagę złota.

Andrej Karpathy w pigułce

• Urodzony: 1986 r. w Bratysławie (wtedy Czechosłowacja, dziś Słowacja), jako nastolatek przeprowadził się z rodziną do Kanady.
• Wykształcenie: licencjat z informatyki i fizyki na University of Toronto, magisterium na University of British Columbia, doktorat na Stanfordzie pod kierunkiem Fei-Fei Li (2015).
• Najważniejsze role: współzałożyciel i badacz w OpenAI (2015–2017), dyrektor AI w Tesli (2017–2022), ponownie OpenAI (2023–2024), założyciel Eureka Labs (od 2024), badacz w Anthropic (od maja 2026).
• Znany z: kursu CS231n, eseju „Software 2.0”, repozytoriów micrograd, nanoGPT i nanochat, serii „Neural Networks: Zero to Hero” na YouTube oraz terminu „vibe coding”.
• Zasięg: blisko 2 mln obserwujących na X – jego wpisy potrafią w kilka godzin ustawić narrację całej branży.

Droga zawodowa: od Stanforda do Anthropic

Stanford i CS231n

Na Stanfordzie Karpathy był autorem i głównym prowadzącym CS231n – pierwszego kursu głębokiego uczenia na tej uczelni, poświęconego sieciom neuronowym w rozpoznawaniu obrazów. Kurs urósł ze 150 studentów w 2015 roku do 750 w 2017, a nagrania wykładów do dziś są jednym z najpopularniejszych darmowych materiałów do nauki deep learningu. Ciekawostka: zanim zrobiło się o nim głośno w AI, prowadził kanał na YouTube o układaniu kostki Rubika na czas, na którym uczyło się całe pokolenie speedcuberów.

OpenAI – pierwsze podejście

W 2015 roku był w gronie założycieli OpenAI i pracował tam jako badacz do połowy 2017 roku. To był okres, gdy OpenAI było jeszcze laboratorium badawczym non-profit, a nie firmą wycenianą na setki miliardów dolarów.

Tesla i Autopilot

W czerwcu 2017 roku został dyrektorem AI w Tesli, raportując bezpośrednio do Elona Muska. Kierował zespołem widzenia komputerowego Autopilota – to jego ludzie budowali sieci neuronowe, które z obrazu kamer odczytują pasy, samochody, pieszych i znaki. Odszedł w lipcu 2022 roku po kilkumiesięcznym urlopie, podsumowując, że przez pięć lat Autopilot przeszedł drogę od utrzymywania pasa ruchu do jazdy po ulicach miast. Dla inwestorów Tesli to ważny kontekst: duża część narracji o „Tesli jako firmie AI” była budowana na pracy jego zespołu.

Powrót do OpenAI i Eureka Labs

W lutym 2023 roku wrócił do OpenAI, gdzie – jak sam pisał – budował coś w rodzaju osobistego asystenta AI. Rok później, w lutym 2024, odszedł ponownie, zaznaczając publicznie, że za odejściem nie stoi żaden konflikt. W lipcu 2024 roku założył Eureka Labs – „szkołę natywną dla AI”, w której nauczyciel projektuje materiały, a asystent AI pomaga je skalować na tysiące uczniów. Flagowym projektem miał być kurs LLM101n, w którym student od zera buduje i trenuje własny model językowy.

Anthropic (od maja 2026)

19 maja 2026 roku Karpathy ogłosił, że dołącza do Anthropic – firmy stojącej za modelami Claude. Trafił do zespołu pre-treningu kierowanego przez Nicka Josepha, gdzie buduje grupę wykorzystującą samego Claude’a do przyspieszania badań nad pre-treningiem kolejnych modeli. Eureka Labs jest na ten czas wstrzymana, ale sam zapowiedział, że do edukacji jeszcze wróci. Przejście jednego z założycieli OpenAI do bezpośredniego konkurenta media odczytały jako kolejny sygnał, jak ostra jest wojna o najlepszych ludzi w AI.

Za co znają go programiści

„Software 2.0” (2017)

W eseju z 2017 roku Karpathy postawił tezę, że sieci neuronowe to nowy sposób pisania oprogramowania. W klasycznym kodzie programista ręcznie zapisuje reguły. W „Software 2.0” definiujesz cel i dostarczasz dane, a reguły (wagi sieci) znajduje za Ciebie trening. Z perspektywy 2026 roku ten tekst wygląda na jedną z trafniejszych prognoz w historii branży.

Minimalistyczne repozytoria edukacyjne

• micrograd – silnik automatycznego różniczkowania w około 150 liniach kodu; pokazuje od środka, jak działa propagacja wsteczna, czyli serce uczenia sieci neuronowych.
• nanoGPT – minimalny kod do trenowania modeli w stylu GPT; przez lata punkt startowy dla tysięcy hobbystów i badaczy. W listopadzie 2025 oznaczył go jako przestarzały na rzecz nanochat.
• llm.c – trening modelu językowego w czystym C i CUDA, bez ciężkich bibliotek.
• nanochat (październik 2025) – kompletna ścieżka od tokenizacji, przez pre-trening i dostrajanie, po interfejs czatu, reklamowana hasłem „najlepszy ChatGPT, jaki można mieć za 100 dolarów” (kilka godzin pracy jednej maszyny z 8 kartami GPU).
• autoresearch (marzec 2026) – agent AI, który samodzielnie przeprowadza eksperymenty treningowe.
• LLM Wiki (kwiecień 2026) – opis wzorca osobistej bazy wiedzy prowadzonej przez model językowy.

Do tego darmowy kurs wideo Neural Networks: Zero to Hero, w którym krok po kroku, pisząc kod na żywo, buduje sieci neuronowe, a na końcu własny model GPT i tokenizer.

Przykład liczbowy: autoresearch

Najlepiej widać kierunek, w którym idzie Karpathy, na wynikach autoresearch. W jego teście agent AI przez dwa dni przeprowadził samodzielnie około 700 eksperymentów i znalazł 20 usprawnień, które skróciły czas trenowania większego modelu o 11%. Przełóż to na prosty rachunek: jeśli trening kosztuje 10 mln dolarów mocy obliczeniowej, 11% oszczędności to 1,1 mln dolarów – wypracowane przez agenta w weekend. Nic dziwnego, że w Anthropic zajmuje się dokładnie tym: używaniem AI do ulepszania treningu kolejnych AI.

Vibe coding – termin, który wymyślił

W lutym 2025 roku Karpathy napisał na X o „nowym rodzaju programowania”, w którym w pełni oddajesz się „vibe’owi”, opisujesz modelowi zwykłym językiem, co chcesz osiągnąć, i praktycznie zapominasz, że kod w ogóle istnieje. Termin „vibe coding” rozszedł się błyskawicznie – Collins English Dictionary wybrał go słowem roku 2025. W marcu 2026 Karpathy przyznał, że od grudnia 2025 prawie w ogóle nie pisze kodu ręcznie, tylko kieruje agentami.

Ważne: sam Karpathy pisał o vibe codingu w kontekście szybkich, „weekendowych” projektów, a nie kodu, od którego zależą pieniądze czy bezpieczeństwo. To rozróżnienie w popularnych przekazach często ginie.

Dlaczego ja, jako trader, śledzę Karpathy’ego

Nie inwestuję „w Karpathy’ego”, bo nie ma takiego instrumentu. Ale jego ruchy i wypowiedzi to dla mnie cenny sygnał w sektorze AI, który od kilku lat napędza giełdy – od Nvidii, przez hyperscalerów, po tokeny z narracją AI w krypto.

• Przepływ talentów to wskaźnik wyprzedzający. Gdy ludzie tej klasy przechodzą z jednego laboratorium do drugiego, to mówi więcej o układzie sił niż komunikaty prasowe. Przejście założyciela OpenAI do Anthropic odebrałem jako informację, gdzie dziś czołowi badacze widzą najciekawszą pracę.
• Trzeźwy głos w czasach hype’u. Jesienią 2025 roku w długim wywiadzie podcastowym Karpathy studził oczekiwania wobec agentów AI, mówiąc, że na naprawdę niezawodnych agentów poczekamy raczej dekadę niż rok. Kiedy rynek wycenia „AGI w przyszłym kwartale”, takie zdanie z ust insidera warto mieć z tyłu głowy.
• Kontekst dla Tesli. Jeśli grasz na akcjach Tesli pod narrację FSD i robotaxi, warto wiedzieć, że człowiek, który przez pięć lat budował wizję komputerową Autopilota, odszedł w 2022 roku – i jak sam opisywał tę pracę.
• Edukacja zamiast obietnic. Jego materiały to najlepszy sposób, by naprawdę zrozumieć, czym jest model językowy, zanim powierzysz mu analizę rynku albo kod bota.

Najczęstsze błędy i mity

• „Karpathy wciąż jest w OpenAI.” Nie – odszedł stamtąd w lutym 2024 roku, a od maja 2026 pracuje w Anthropic.
• „Karpathy to założyciel Tesli Autopilot.” Nie założył Autopilota – kierował zespołem AI i widzenia komputerowego, który go rozwijał w latach 2017–2022.
• „Vibe coding to sposób na zbudowanie bota tradingowego bez wiedzy.” To najgroźniejszy mit z mojej perspektywy. Bot napisany „na vibe’ie” może działać na backteście i rozłożyć się na prawdziwym rynku przez jeden niezauważony błąd w obsłudze zleceń albo zarządzaniu ryzykiem. Kod, który dotyka Twoich pieniędzy, musisz rozumieć.
• „Każdy wpis Karpathy’ego to sygnał kupna.” Jego tweety potrafią poruszyć tokeny z narracją AI, ale to badacz, a nie analityk rynku. Traktuj je jako kontekst, nie jako setup.
• Wierzenie w „wyceny majątku” z serwisów plotkarskich. Żadne poważne medium finansowe nie opublikowało wiarygodnej wyceny jego majątku, a krążące w sieci kwoty różnią się kilkukrotnie.

Podsumowanie

Andrej Karpathy to rzadkie połączenie topowego inżyniera i świetnego nauczyciela. Współtworzył OpenAI, zbudował AI dla Autopilota Tesli, nauczył deep learningu setki tysięcy ludzi, wymyślił „vibe coding”, a od 2026 roku pracuje w Anthropic nad tym, by AI pomagało trenować kolejne modele. Dla mnie jako tradera to przede wszystkim jeden z najbardziej wiarygodnych barometrów tego, co w AI naprawdę działa, a co jest tylko marketingiem. Stan opisany w haśle: październik 2026.