Andrej Karpathy 说，人们对 AI 能力的理解差距在扩大，这种认知差距正在变成一个漏斗。

约 60 亿人几乎没接触过大模型；10 亿到 20 亿人偶尔用免费版 ChatGPT 查东西、写东西，觉得用处不大，很多数学和编程以外的专业人士也在这一层，对 AI 的进步只是道理上懂。

约 2000 万人（Karpathy 按 0.2% 估算的，我觉得偏高，至少除以 10）在编程和数学里重度使用最前沿的模型，亲眼看着要做几周、几个月的项目，一段提示词发给 Agent 几天就能做完；还有约 5000 人能在公司内部用上更强的系统。

差距主要有三个原因：

一是问题够不够大，一段话就能答完的问题用不到 AI 的真本事。

二是能力只在部分领域冒尖：编程和数学的结果能自动验证，比如代码测试通没通过，模型很适合用强化学习（做对了就给奖励）来练，这类能力卖给企业又最赚钱，厂商投入最多；文章写得好不好很难判定，进步就慢。

三是能用到哪一档，免费版、付费版、内部版看到的东西差别很大。

所以，如果你只偶尔问问免费的聊天机器人，看到的离最前沿差了好几层；如果你主要拿 AI 写东西、查资料，觉得这一年没怎么进步，这个感觉也没错。

翻出今年 4 月的那条推文，因为人们对大语言模型能力的共同认知差距正在持续拉大。如今这已经不只是「两群人各说各话」，更像是一道急剧收窄的漏斗。

• 全球大约有 60 亿人（约占总人口的 75%）几乎完全没有接触过 LLM（大语言模型）。
• 大约 10 到 20 亿人（约 20%）是类似 ChatGPT 这类免费产品的零星、非高频使用者。这个群体看到的还是笨笨的聊天机器人，把它大致当作一个更好用的「Google 搜索」、写作助手，或者诸如此类的东西。可能会有智能体试着帮你订一张机票。我有一些非技术圈的朋友，他们（在我看来很合理地）说自己基本用不上它。即使是数学和编程以外的很多专业人士也停留在这一层。比如企业高管以及其他许多岗位的人，他们大部分时间都在和人打交道，所以虽然他们在智识上明白正在发生什么，但对他们来说仍然是二手的、有点抽象的事。
• 接下来是那些在数学与编程领域里把前沿级 LLM 当作生产力工具的专业使用者。大约 2000 万人（占 0.2%）亲眼见证了这样一件事：以前要花几周甚至几个月才能搞定的、又大又复杂的项目，现在用一个提示词就能交给智能体完成。开发应用、复制应用、移植应用、从二进制里反编译出应用……这一切都发生得非常快、非常近——就在不到一年前，我还在手写代码，一个字一个字地把背下来的电脑指令敲进编辑器，偶尔按一下 Tab 让它补全一小段代码。
• 最后是大约 5000 人（占 0.00006%）——他们能在内部访问到最前沿的系统。外界目前只看到了预演的片段：成百上千个智能体协同工作，花上几周时间推进软件巨型项目——挖出零日漏洞、以机器速度展开攻防演练、发现新的科学成果、推动数学的边界。换成业内顶级专业人士，这些事情原本要干好几年。与此同时，人工的审阅与理解开始跟不上节奏了。比如不少人在过去几个月里还在反复「考古」OpenAI 与 Hugging Face 之间那场风波的细节；数学家们也可能要花上好一段时间，去一页一页翻读那 722 篇前沿数学论文。

漏斗（funnel）由以下几组因素共同驱动：

1. 影响随雄心、问题规模和视野放大。 一个能用一段话回答的问题，几乎不会对系统造成压力。你需要储备大量真正关心的大而难的问题。这一维度主要驱动漏斗的「消费者 / 专业人士（consumer / professional）」层面。
2. 系统的参差不齐（jaggedness）（我曾就此专门撰文讨论）。能力峰值出现在那些数字化、可验证且具有经济价值的领域。这是因为大语言模型的能力源自：在一个以营收潜力为驱动的精选环境组合上，针对可验证奖励进行强化学习。这一维度主要驱动漏斗的「领域（例如数学与代码）」层面。
3. 访问渠道（Access）。 免费版、付费版、内部使用。

这就是当下的诡异之处。普通大众大多还没有真正接触过这些系统；偶有接触，看起来也只是一个呆头呆脑的聊天机器人。大多数专业人士目前也只是感受到些许效率提升；只有一小撮专业人士正在体验那种曲线陡然上扬带来的眩晕感。而这一切，正在同时发生着。