Andrej Karpathy entra in Anthropic ecco cosa farà
Andrej Karpathy entra in Anthropic ecco cosa farà
Il 19 maggio 2026 Andrej Karpathy, membro fondatore di OpenAI ed ex direttore AI di Tesla, annuncia su X il proprio ingresso in Anthropic. Lavora nel team pre-training di Nick Joseph con il mandato specifico di costruire una squadra che usa Claude per accelerare la ricerca sul pre-training stesso, una scommessa sull'autoricerca AI come moltiplicatore per i laboratori di frontiera.
L'ingresso di Karpathy in Anthropic chiude un cerchio nella guerra dei talenti AI. Il ricercatore che ha co-fondato OpenAI nel 2015, ha guidato Tesla Autopilot fino al 2022 e ha lanciato la startup educativa Eureka Labs nel febbraio 2024 sceglie ora il laboratorio di San Francisco che produce Claude. La mossa arriva in un trimestre in cui Anthropic ha superato 30 miliardi di run-rate revenue e annunciato un compute deal con SpaceX da oltre 40 miliardi.
Chi è Andrej Karpathy e perché ogni laboratorio AI lo vuole
Karpathy è una delle figure più influenti del deep learning moderno. Dottorato a Stanford sotto Fei-Fei Li, membro fondatore di OpenAI nel 2015, direttore AI di Tesla dal 2017 al 2022 dove ha guidato la visione computerizzata di Autopilot e Full Self-Driving. La serie YouTube "Zero to Hero" sui large language model è uno dei riferimenti didattici più diffusi tra ricercatori e ingegneri AI.
Dopo aver lasciato Tesla nel 2022 è rientrato in OpenAI per un anno, lavorando su mid-training e dati sintetici, prima di andarsene di nuovo nel febbraio 2024 per lanciare Eureka Labs, una startup di didattica AI-native. Nei mesi precedenti l'annuncio Karpathy aveva pubblicato nanochat, un repository didattico per addestrare LLM da zero che ha attirato l'attenzione di tutta la community. Un run di autoresearch sul codice di nanochat aveva trovato circa 20 ottimizzazioni stackabili capaci di ridurre il benchmark Time to GPT-2 da 2,02 a 1,80 ore, un miglioramento dell'11 percento secondo TechCrunch.
Cosa farà esattamente in Anthropic
Karpathy lavora nel team pre-training di Anthropic, riportando a Nick Joseph. Il pre-training è la fase più costosa e cruciale dello sviluppo di un LLM: i run di addestramento su trilioni di token che danno a Claude le sue capacità di base. Il mandato di Karpathy va oltre il contributo individuale.
Costruire una nuova squadra interna
Karpathy forma un team dedicato dentro la pre-training organization di Anthropic, focalizzato su un obiettivo molto specifico.
Usare Claude per accelerare la ricerca
Il team userà Claude stesso come collaboratore di ricerca per generare, testare e raffinare idee di ottimizzazione del pre-training. È l'autoricerca AI applicata alla fase più cara del ciclo.
Trasformare gli insight in run di addestramento reali
Ogni miglioramento validato dal team entrerà nelle prossime generazioni di Claude, riducendo il costo per ogni punto di capacità guadagnato.
L'idea ricorda quanto Karpathy aveva sperimentato su nanochat. Se un singolo agente può trovare ottimizzazioni double-digit su un repo didattico, una squadra strutturata che orchestra Claude su run di pre-training industriali rappresenta una leva enorme. Anthropic scommette che il vantaggio competitivo nel 2027 e 2028 verrà sempre più da quanto un laboratorio è bravo a usare i propri modelli per migliorare i prossimi modelli, secondo l'analisi di CNBC.
I've joined Anthropic. I think the next few years at the frontier of LLMs will be especially formative. I am very excited to join the team here and get back to R&D.
Karpathy ha precisato che resta passionate sull'educazione e tornerà a lavorare su Eureka Labs in futuro. Il messaggio implicito è che la frontiera tecnica oggi è abbastanza interessante da farlo rientrare nei panni del ricercatore a tempo pieno.
Quanto pesa questa mossa nella guerra dei talenti AI
L'assunzione è un colpo strategico in una battaglia dove pochi laboratori si contendono una ristretta cerchia di senior researcher. Negli ultimi due anni, riporta Euronews, sono circolate offerte di compensation a nove cifre e pacchetti equity discussi direttamente dai CEO dei laboratori. Anthropic è passata in 18 mesi da underdog tecnico a polo gravitazionale per ricercatori senior, in parallelo con il salto di fatturato.
Il segnale di mercato è chiaro. Anthropic ha più che raddoppiato i clienti enterprise con spesa annualizzata oltre 1 milione di dollari, superando i 1.000 in meno di due mesi nel 2026 secondo i dati raccolti da Sacra. Il CFO ha dichiarato che la domanda enterprise sta "superando di gran lunga ogni singolo modello di delivery". In questo contesto attirare il co-fondatore di OpenAI cambia la percezione del mercato del lavoro AI molto più di un round di funding.
Cosa significa per chi costruisce prodotti su Claude
L'ingresso di Karpathy nel pre-training team è una notizia operativa per chiunque integri Claude in workflow di business. La direzione è di accelerazione, non di consolidamento. Il prossimo ciclo di modelli Anthropic arriva da un team con due ingredienti rari: budget compute di scala (oltre 400 miliardi in deal pluriennali con Amazon, Google, Microsoft, SpaceX) e un ricercatore con il track record di Karpathy.
Pipeline modelli più aggressiva
Le prossime generazioni Claude arriveranno più rapidamente. Per chi sta sviluppando agenti AI o automazioni in produzione significa pianificare cicli di upgrade ogni 6-9 mesi, non più 12-18.
Capacità di coding e ragionamento in crescita
Karpathy nasce su deep learning, ma ha dedicato l'ultimo anno a LLM didattici e ottimizzazione. I prossimi modelli Anthropic puntano coding, agentic workflow e ragionamento lungo: aree dove Claude Opus 4.7 già guida i benchmark, secondo Bloomberg.
Stack Anthropic più razionale per enterprise
Per i builder italiani che valutano su quale provider standardizzare, la combinazione fatturato + talento + compute restringe il rischio di lock-in tecnico su modelli che invecchieranno male.
Più rumore intorno all'autoricerca AI
L'incarico esplicito di Karpathy attira attenzione sull'idea di usare LLM per generare miglioramenti algoritmici. Aspettatevi più paper e tooling open-source su questa frontiera entro fine 2026.
Chi sviluppa automazioni AI per il mercato italiano, come Datazen con i propri progetti di automazione CRM e outreach B2B, ha tutto l'interesse a seguire da vicino questa pipeline. Una nuova generazione Claude più rapida e meno costosa per token modifica il business case di molti agenti enterprise in produzione.
Quanto durerà questa fase di consolidamento dei top researcher
Dopo gli annunci di Axios il quadro è leggibile. Anthropic ha ora i tre ingredienti che servono per stare in testa nel 2027: fatturato a 30 miliardi run-rate, compute deal multi-trilione, e una concentrazione di ricercatori che ha pochi rivali. La domanda diventa quanto tempo OpenAI, Google DeepMind e xAI impiegheranno a rispondere e a quale costo per il proprio bilancio.
Karpathy ha dichiarato di restare "deeply passionate about education" e che intende riprendere il lavoro su Eureka Labs in futuro. Il ruolo in Anthropic è quindi presentato come una fase di R&D intensivo, non come una chiusura definitiva dell'esperienza educativa.
Riporta a Nick Joseph, head of pre-training di Anthropic. La sua missione è costruire un nuovo team focalizzato sull'uso di Claude per accelerare la ricerca sul pre-training stesso.
Il pre-training è la fase di addestramento iniziale di un large language model in cui il modello apprende rappresentazioni linguistiche e di mondo da trilioni di token. È la fase più costosa e quella che determina le capacità di base del modello. Migliorarne efficienza e qualità ha effetti diretti su tutto il prodotto a valle.
Karpathy aveva già lasciato OpenAI nel febbraio 2024 per fondare Eureka Labs, quindi non si tratta di una defezione diretta. La mossa pesa più come segnale di mercato del lavoro AI: i top talent attualmente vedono Anthropic come destinazione di prima scelta per la R&D di frontiera.
Vuoi integrare Claude nei tuoi processi aziendali?
Prenota una call conoscitiva gratuita con i nostri esperti di automazione AI.
Richiedi Consulenza
