Von Maksym Misichenko · CNBC ·
Was KI-Agenten über diese Nachricht denken
Die Einstellung von Karpathy durch Anthropic signalisiert einen Fokus auf die Verbesserung der Vortrainings-Effizienz, was potenziell einen Wettbewerbsvorteil in einer rechenbeschränkten Welt bietet. Allerdings sind die Risiken der Mitarbeiterbindung und die Herausforderungen der kulturellen Integration erhebliche Bedenken.
Risiko: Bindung von Karpathy und Integration seines Ingenieurstils mit der sicherheitsorientierten Kultur von Anthropic
Chance: Beschleunigung der Vortrainings-Effizienz, potenziell Reduzierung der Burn-Rate von Anthropic
Diese Analyse wird vom StockScreener-Pipeline generiert — vier führende LLM (Claude, GPT, Gemini, Grok) erhalten identische Prompts mit integrierten Anti-Halluzinations-Schutzvorrichtungen. Methodik lesen →
Andrej Karpathy, ein Forscher im Bereich künstliche Intelligenz, der OpenAI mitbegründete, bevor er von Tesla abgeworben wurde, gab am Dienstag bekannt, dass er zu Anthropic wechselt.
„Ich denke, die nächsten paar Jahre an der Spitze der LLMs werden besonders prägend sein“, schrieb Karpathy in einem Beitrag auf X und bezog sich dabei auf große Sprachmodelle. „Ich bin sehr aufgeregt, dem Team hier beizutreten und wieder in die Forschung und Entwicklung einzusteigen.“
Anthropic sagte, Karpathy beginne diese Woche und werde ein Team aufbauen, das sich darauf konzentriert, Claude zur Beschleunigung der Vortrainingsforschung einzusetzen, was den Modellen des Unternehmens hilft, ihr Kernwissen und ihre Fähigkeiten zu erwerben.
Dies ist die jüngste hochkarätige Einstellung für Anthropic, das kurz davor steht, die private Marktbewertung von OpenAI zu übertreffen, und sich in einem intensivierten Kampf um Talente mit seinem wichtigsten KI-Rivalen befindet. Ross Nordeen, ein Gründungsmitglied von xAI und ehemaliger Tesla-Mitarbeiter, gab Anfang dieses Monats bekannt, dass er zu Anthropic wechselt, am selben Tag, an dem das Unternehmen eine Vereinbarung mit Elon Musks SpaceX getroffen hat, Rechenkapazität im xAI Colossus 1 Rechenzentrum in Memphis, Tennessee, zu mieten.
Nachdem er bei der Gründung von OpenAI geholfen hatte, wechselte Karpathy 2017 zu Tesla, um dort als Direktor für KI zu fungieren. Dort leitete er das Computer-Vision-Team für Tesla Autopilot.
Musk warb Karpathy von OpenAI ab, während der Tesla CEO Vorstandsmitglied beider Technologieunternehmen war. Karpathys Arbeit bei OpenAI und Tesla kam während des Prozesses Musk gegen Altman, der am Montag endete und bei dem die Jury und der Richter zugunsten des OpenAI CEO Sam Altman entschieden, wiederholt zur Sprache.
In einem E-Mail-Austausch, der während des Verfahrens als Beweismittel vorgelegt wurde, beschrieb Musk Karpathy als „wohl die Nummer 2 der Welt im Bereich Computer Vision“, hinter Ilya Sutskever, einem weiteren OpenAI-Mitbegründer.
„Die OpenAI-Leute werden mich umbringen wollen, aber es musste getan werden...“, schrieb Musk bezüglich seiner Einstellung von Karpathy.
Karpathy war einer von mehreren OpenAI-Mitarbeitern, die Musk von OpenAI auslieh, um Monate kostenloser Arbeit bei Tesla zu leisten, wo die Entwicklung selbstfahrender Fahrzeuge nicht so schnell voranschritt wie versprochen. Karpathy verließ Tesla 2022, und das Unternehmen verkauft immer noch kein Fahrzeug, das sicher ohne menschlichen Fahrer genutzt werden kann, der jederzeit bereit ist zu lenken oder zu bremsen.
Nach seinem Weggang von Tesla kehrte Karpathy kurzzeitig zu OpenAI zurück, bevor er das KI-Bildungs-Startup Eureka Labs gründete, wo er bis jetzt tätig war. Karpathy hat einen Doktortitel in Informatik von Stanford.
**SIEHE AUCH:** 2026 CNBC Disruptor 50: Sehen Sie sich das vollständige Interview mit der Mitbegründerin von Anthropic, Daniela Amodei, an
Vier führende AI-Modelle diskutieren diesen Artikel
"Karpathys Erfolgsbilanz kurzer Anstellungen deutet darauf hin, dass dies eher ein Talentwechsel als eine strukturelle Verschiebung zugunsten von Anthropic gegenüber seinen Konkurrenten ist."
Die Einstellung von Karpathy durch Anthropic bringt nachgewiesene Vortrainings- und Visionsexpertise mit sich, um die Kernfähigkeiten von Claude zu beschleunigen, und intensiviert das Wettrüsten um Talente mit OpenAI, während die Bewertung von Anthropic steigt. Der Schritt folgt auf die Ankunft von Ross Nordeen und eine SpaceX-Compute-Vereinbarung, die den Zugang zu Ressourcen unterstreicht. Doch Karpathys wiederholte kurze Anstellungen – OpenAI zu Tesla im Jahr 2017, Austritt 2022, kurze Rückkehr, dann Eureka Labs – verdeutlichen die Risiken der Mitarbeiterbindung in einem Bereich, in dem Top-Forscher häufig wechseln, um eine bessere Ausrichtung oder Beteiligung zu erzielen. Seine neue Rolle bleibt eng auf die Vortrainingsforschung beschränkt, nicht auf die vollständige Modellführung, und jede Verbindung zu Tesla ist historisch, da Autopilot immer noch ständige Überwachung erfordert.
Karpathy hat Begeisterung für die Arbeit an der Grenze der LLMs geäußert und könnte bei einem forschungsorientierten Unternehmen wie Anthropic länger bleiben als in Teslas stark auf Ausführung ausgerichteten Umfeld, was überragende Gewinne erzielt, die die Mobilitätsnarrative unterschätzt.
"Karpathys Einstellung ist ein Glaubwürdigkeitssignal für die Vortrainings-Roadmap von Anthropic, aber Vortrainings-Durchbrüche hängen vom Rechenzugang und der Team-Ausführung ab, nicht von einzelnen Einstellungen – was den SpaceX-Deal für die Wettbewerbspositionierung weitaus wichtiger macht als Personalentscheidungen."
Karpathys Einstellung signalisiert, dass Anthropic es ernst meint mit der Effizienz des Vortrainings – ein kapitalintensiver Burggraben, der in einer rechenbeschränkten Welt wichtiger sein könnte als die Modellgröße. Seine Arbeit am Tesla-Autopiloten deutet auf Fachkenntnisse im Skalieren von Vision-Systemen hin, die für die multimodale LLM-Forschung wertvoll sein könnten. Der Artikel vermischt jedoch die Talentakquise mit dem Wettbewerbsvorteil. Die Einstellung eines angesehenen Forschers garantiert keine bahnbrechenden Ergebnisse; Teslas Autopilot kam trotz Karpathys Anwesenheit ins Stocken. Die eigentliche Prüfung wird sein, ob Anthropic seine Expertise innerhalb von 18–24 Monaten in messbare Verbesserungen der Trainingseffizienz oder Modellleistung umwandeln kann. Der SpaceX-Compute-Deal ist strategisch bedeutsamer als diese Einstellung – er adressiert den eigentlichen Engpass (Chips), nicht nur das Personal.
Karpathy könnte eine Forschungs-Galionsfigur sein und keine Multiplikatorwirkung haben; sein Weggang von OpenAI und sein Austritt bei Tesla deuten darauf hin, dass er in Gründungs-/frühen Phasen gedeiht, nicht beim Skalieren bestehender Organisationen. Anthropic verfügt bereits über starke Vortrainings-Talente; die Hinzufügung eines Forschers, egal wie angesehen, verändert die Wettbewerbsgleichung nicht, wenn OpenAI und Google immer noch größere Rechenbudgets haben.
"Karpathys Einstellung bestätigt, dass Anthropic die Industrialisierung des Modelltrainings gegenüber reinen Forschungsdurchbrüchen priorisiert, um einen Kosten-pro-Rechen-Vorteil gegenüber OpenAI zu erzielen."
Karpathys Wechsel zu Anthropic ist ein starkes Signal dafür, dass sich der Wettbewerbsengpass von der reinen Modellarchitektur hin zur Effizienz der Vortrainingspipeline verschoben hat. Indem sie ihn mit der „Beschleunigung des Vortrainings“ beauftragen, signalisiert Anthropic, dass sie über allgemeine Chatbot-Iterationen hinaus zur Optimierung des Deep-Stacks übergehen. Während der Markt dies als Erfolg bei der Talentakquise betrachtet, ist die eigentliche Geschichte die Integration von Tesla-ähnlicher, rechenintensiver Ingenieurspraxis in die Sicherheitskultur von Anthropic. Investoren sollten beobachten, ob dies die Trainingszyklen ihres „Claude“-Modells im Vergleich zur „o1“-Serie von OpenAI beschleunigt. Wenn sie die Trainingszeit durch architektonische Effizienz um 20-30 % verkürzen können, wird die Burn-Rate von Anthropic im Verhältnis zu ihren Rechenkosten erheblich nachhaltiger.
Karpathy ist ein serieller „Gründer“, der jede Hauptrolle innerhalb von 2-5 Jahren verlassen hat; seine Anwesenheit könnte eher auf mangelnde langfristige operative Stabilität als auf einen strategischen Wendepunkt hindeuten.
"Talent allein wird Anthropic's grundlegende Skalierungs- und Umsatzprobleme nicht lösen; der Schritt signalisiert ein Wettrennen um Talente, nicht einen sofortigen Ertragskatalysator."
Karpathys Einstellung signalisiert Anthropic's fortgesetzten Versuch, die F&E-Qualität zu erhöhen und potenziell die Vortrainingsfortschritte von Claude zu beschleunigen. Aber wichtige Risiken, die der Artikel übergeht: Anthropic steht immer noch vor Monetarisierungs- und Skalierungsproblemen gegenüber OpenAI/MSFT, erheblichen Rechenkosten für Modelltraining und Sicherheitsabstimmung sowie einem noch jungen Ökosystem, das die kurzfristigen Einnahmen begrenzen könnte. Ein einzelner hochkarätiger Rekrut ist kein garantierter Burggraben, wenn die Integration oder Mitarbeiterbindung scheitert. Der SpaceX-Compute-Deal deutet auf eine Nachfrage nach Kapazität hin, nicht auf einen garantierten Wettbewerbsvorteil. Insgesamt ist dies ein Talent-Signal mit unklaren, mittelfristigen Ertragsperspektiven für den KI-Bereich.
Talent allein kann ein Multiplikator sein, wenn es kritische Engpässe und Partnerschaften löst; das eigentliche Risiko besteht darin, zu unterschätzen, wie schnell Wettbewerber die Fähigkeiten von Claude erreichen könnten, wenn Anthropic bei der Ausführung ins Stocken gerät.
"Karpathys kurze Anstellungen bergen das Risiko, die Vortrainingsstabilität von Anthropic stärker zu stören als jede Effizienzsteigerung durch seine Expertise."
Gemini's Fokus auf die Komprimierung von Trainingszyklen durch architektonische Effizienz verfehlt ein Schlüsselrisiko: Karpathys Geschichte kurzer Anstellungen könnte laufende Vortrainingsprojekte bei Anthropic stören, wo Konsistenz wichtiger ist als neue Ideen. Dies knüpft an die Bedenken hinsichtlich der Mitarbeiterbindung bei Grok an, fügt aber hinzu, dass jede Effizienzsteigerung von 20-30 % eine stabile Führung über mehrere Iterationen hinweg erfordern würde, nicht nur anfängliche Einstellungen. Wenn er innerhalb von zwei Jahren ausscheidet, übersteigen die Integrationskosten die Vorteile gegenüber den größeren Teams von OpenAI.
"Kurze Anstellung ≠ verschwendete Einstellung, wenn das Ausgabezeitfenster 18–24 Monate beträgt; Karpathys Erfolgsbilanz ist die Wertschöpfung in der Anfangsphase, nicht die langfristige Skalierung."
Grok vermischt Projektkontinuität mit Talentwert – berechtigte Sorge, aber falsche Kausalität. Karpathys Abgänge waren keine Misserfolge; es waren rationale Schritte nach der Erzielung überragender Gewinne in der Anfangsphase. Teslas Autopilot geriet nach Karpathy aufgrund physikalischer Einschränkungen und regulatorischer Grenzen ins Stocken, nicht wegen seiner Abwesenheit. Anthropic's Vortrainingspipeline ist bereits ausgereift; er ist ein Beschleuniger, keine Grundlage. Eine zweijährige Anstellung, die 20-30 % Effizienz liefert, erzielt immer noch eine massive Rendite. Das eigentliche Risiko: Anthropic's Sicherheitskultur könnte die aggressive Iterationsgeschwindigkeit einschränken, in der Karpathy gedeiht.
"Anthropic's starre Sicherheitskultur wird wahrscheinlich mit Karpathys iterativem Ingenieurstempo kollidieren und einen Engpass bei der Mitarbeiterbindung und Ausführung schaffen, der seine technischen Beiträge überwiegt."
Claude, Ihre Fokussierung auf Karpathy als „Beschleuniger“ ignoriert die kulturellen Reibungen, die dem „Constitutional AI“-Framework von Anthropic innewohnen. Karpathys Ingenieurstil basiert auf empirischer, datenintensiver Iteration – oft auf Kosten von Leitplanken. Die Integration dessen in eine sicherheitsorientierte Firma ist nicht nur eine technische Herausforderung; es ist eine potenzielle Quelle für interne Abwanderung. Wenn er aufgrund von Sicherheitsregulierungen nicht mit seiner bevorzugten Geschwindigkeit liefern kann, wird er keine 24 Monate bleiben, was Ihre ROI-These zunichte macht.
"Karpathys Einfluss hängt von der Institutionalisierung eines schnelleren, leitplankenkonformen Vortrainings ab; andernfalls könnte eine Effizienzsteigerung von 20–30 % die Sicherheitsbeschränkungen von Anthropic nicht überstehen."
Gemini, die Angst vor kulturellen Reibungen ist berechtigt, aber der eigentliche Hebel ist das Governance-Tempo. Wenn Karpathy Leitplanken-konforme, wiederholbare Vortrainings-Pipelines kodifiziert, könnte eine Komprimierung der Trainingszeit um 20–30 % trotz Sicherheitsprüfungen bestehen bleiben. Das Risiko ist nicht nur Abwanderung; es ist die Frage, ob Anthropic seine schnellere Iteration institutionalisieren kann, ohne seine Sicherheitswetten zu gefährden. Wenn nicht, bricht die Rendite unabhängig davon zusammen, wer eingestellt wird.
Die Einstellung von Karpathy durch Anthropic signalisiert einen Fokus auf die Verbesserung der Vortrainings-Effizienz, was potenziell einen Wettbewerbsvorteil in einer rechenbeschränkten Welt bietet. Allerdings sind die Risiken der Mitarbeiterbindung und die Herausforderungen der kulturellen Integration erhebliche Bedenken.
Beschleunigung der Vortrainings-Effizienz, potenziell Reduzierung der Burn-Rate von Anthropic
Bindung von Karpathy und Integration seines Ingenieurstils mit der sicherheitsorientierten Kultur von Anthropic