AI大神Karpathy加入Anthropic！加速Claude「AI幫AI做研究」新戰場|數位時代 BusinessNext

卡帕西新任務：讓 Claude 訓練下一代 Claude

卡帕西此次加入的 pre-training 團隊，是建構前沿 AI 模型過程中最燒錢、最吃算力的環節，大規模訓練決定了 Claude 的核心知識與能力。他將在團隊負責人 Nick Joseph（人名待確認）之下展開工作。

值得注意的是，Anthropic 發言人向《TechCrunch》證實，卡帕西要做的不是普通的訓練工程，而是組一支新團隊，專門研究如何用 Claude 自己來加速 pre-training 的研究流程。

換言之，AI 公司正在賽跑的下一個前沿，是「讓 AI 自動化 AI 開發的一部分」。

《TechCrunch》分析，Anthropic 把這項任務交給卡帕西，等於明確表態：在追上 OpenAI 與 Google 的這場競賽中，這家公司押注的不是純粹堆算力，而是 AI 輔助研究本身。 而卡帕西是少數能同時跨足 LLM 理論與大規模訓練實務的研究者，是這條路線理想的執行者。

卡帕西是何方神聖？

卡帕西的職涯軌跡解釋了為什麼這項人事案會被視為「重大戰果」。他是 OpenAI 創始成員之一，2017 年離開後加入 Tesla，主導 Autopilot 背後的電腦視覺團隊，並掌管 Full Self-Driving（FSD）與 Autopilot 計畫直到 2022 年。

離開特斯拉後他短暫回鍋 OpenAI 一年，2024 年再次離開，創立教育新創 Eureka Labs，將 AI 助理應用於教學。

過去兩年，他更成為 AI 圈最具影響力的公共教育者之一，YouTube 與 X 上的技術解說累積龐大追隨者，線上課程「Neural Networks: Zero to Hero」教導學生從零開始用程式碼建構神經網路。

他甚至創造了「vibe coding」一詞，用來描述開發者以自然語言與 AI 對話完成程式碼的開發方式，這個詞如今已成業界通用語彙。他近期更自稱進入「AI psychosis（AI 狂熱）」狀態，沉迷於「tokenmaxxing」與壓力測試前沿模型。

卡帕西也表示，他「對教育依然充滿熱情」，計畫「在適當的時機」回到那項工作。他並未說明 Eureka Labs 後續的安排。

不只延攬卡帕西，Anthropic還收了資安老將

除了卡帕西，Anthropic 同期也宣布資安老將 Chris Rohlf 加入 frontier red team，負責對前沿 AI 模型進行嚴重威脅情境的壓力測試。

Rohlf 擁有逾 20 年資安資歷，過去任職於 Yahoo 知名的資安團隊「The Paranoids」，最近一份工作是在 Meta 待了六年，並曾擔任喬治城大學安全與新興科技中心的 fellow，參與 CyberAI 計畫。

AI 競賽的敘事往往聚焦在天價募資與算力短缺，但真正稀缺的是能推進前沿的研究者。卡帕西這樣的人物每移動一次，就會牽動整個產業的人才版圖。

對 Anthropic 而言，這次招募的意義不只是多了一位明星研究員，而是把「AI 幫 AI 做研究」這條押注押得更重；對 OpenAI 而言，則是另一位創始成員在離開多年後轉向對手陣營。

本文初稿為 AI 編撰，整理．編輯／李先泰

金管會調查顯示，國內金融機構與周邊單位已有 33% 導入 AI，其中壽險業導入比例達 67%，僅次於銀行業的 87%。事實上，保險業應用 AI 的難題不在技術，真正的挑戰是要在高度監理、複雜流程與專業領域中，找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進，如何摸索出自己一套的 AI 轉型路徑？

國泰人壽養兵練 AI

國泰人壽數據團隊的起點，可以追溯到 2016 年成立的「客群經營部」。2018 年，隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開，團隊轉型為「數據經營部」；到了 2024 年，正式成立「數據暨人工智慧發展部」，角色也從推廣，轉向更專注的技術發展。

八年間，團隊的任務始終圍繞同一件事：深入業務現場，釐清痛點，再與 IT、業務、客服等單位協作，推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容，這個過程更像是傳教士的工作：「很多數據產品是由我們發想，從核保到理賠，有哪些導入機會？我們要去和各部門溝通，AI 可以協助什麼。」

這樣的溝通並不容易，因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出，一張保單牽涉的關係人本來就複雜：「在保險業，一張保單的銷售，涉及要保人、被保人、受益人，是多方關係，尤其在金管會的要求下，還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓，每個環節都有各自的專業門檻與監理要求，通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因，唯有深度理解壽險場景，AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用，數據暨人工智慧發展部團隊長期觀察業務現場，確保 AI 產出都能有效銜接既有作業流程。去年，團隊面對的挑戰，是在十三個部門提案中，篩選出值得投入的場景。莊淑儀說明，評估標準有三項：「是否能複製到多元場景？對公司有什麼效益？技術可行性？」最終六個案子出線，其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧，同步縮短培訓週期，讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後，國泰人壽也將同一套模式延伸至客服中心及直效團隊，評估面向包括禮貌、問題回應、服務要點...等面向，給於評分及建議。黃喬敬博士解釋背後的難度：「以往這些評估指標是由人來判斷，現在則是要做到標準化，讓 AI 系統可以自己判斷。」今年一月上線後，客服新人有超過九成以此作為教育訓練工具，業務端使用率也過半，不僅省下資深人員帶新人的時間，也讓保戶獲得更一致、更高品質的服務體驗。

另一項落地應用則是「Cathay Eye」，是國泰人壽自行開發的智能風險控管模型。莊淑儀說明：「這最主要是幫案件的複雜度做分級，讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件，一來反映人力價值，二來加速案件處理流程，讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制：「Cathay Eye 是把公司過去數千萬筆資料整合起來，藉此建立一個平均的判斷基準，用來做複雜度分級與派工。」目前，Cathay Eye 的識別能力相較原流程提升一倍精準度，也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言，讓 AI 發揮作用的關鍵，在於將產業領域知識與技術能力結合，而這仰賴的是兩條並行的人才路徑。對內，是強化已熟悉保險核心業務人才的 AI 素養；對外，則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才，補齊技術深度。莊淑儀強調：「在人才 AI 素養上，以往我們著重精兵制。去年開始，我們要做到全員素養提升，在人人都會用 AI 的時代，如何善用、如何合規，這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向，如 Agentic AI 是明確的發展趨勢，但在企業級的應用上，不可能讓它完全自由運作，如何兼顧安全與效益，是關鍵任務。「檢視整個 Workflow，如何建立更好的決策流程，人員的角色和流程都會慢慢轉換。」他也指出，把端到端的自動化流程建置起來，是團隊接下來的重點工程。

導入 AI，或許已是壽險業的產業常態；但能不能真正走進核心業務的第一線，關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證，國泰人壽正以這套方法，定義壽險業 AI 應用的新標竿。

AI大神加入Claude陣營！Anthropic延攬Karpathy，押注「AI幫AI做研究」新戰場