Andrej Karpathy 谈不同人对 AI 的认知差异巨大，粗分成了 4 拨人。

人们对大语言模型能力的认知差距，正在进一步拉大。

这已经不再是「两拨人各说各话」的问题，而是形成了一道越来越尖的漏斗：越往下，人越少，他们所亲历的 AI 能力却越令人震撼。

- 第一层：约 60 亿人（占全球人口的 75%），几乎还没真正接触过大语言模型。

- 第二层：约 10 亿 - 20 亿人（占全球人口的 20%），偶尔使用 ChatGPT 这类产品的免费版本。

在他们眼里，这些 AI 不过是有点笨拙的聊天机器人，顶多算是比 Google 搜索好用一点的工具，可以帮忙写写东西、查查资料之类。也许偶尔还能派出一个智能体，帮你订张机票。

我有些非技术圈的朋友就觉得，这东西对自己其实没什么用——我认为，这种看法完全可以理解。即便是许多专业人士，只要工作不涉及数学和编程，对 AI 的认识也大多停留在这一层。

比如企业高管和许多其他岗位的人，日常工作的大量时间都花在与人打交道上。他们在认知上或许明白 AI 正在发生什么，但这种认识终究来自间接的信息，理解也难免有些抽象。

- 第三层：约 2000 万人（占全球人口的 0.2%），已经在数学和编程领域，专业使用最前沿的大模型。

到了这一层，情况就完全不同了。

他们亲眼看到，那些过去需要花上几周甚至几个月才能完成的大型复杂项目，现在只需给智能体一个提示词，就可能直接完成。

开发应用、复刻应用、迁移应用，甚至从二进制程序反向还原应用……这些事情已经成为现实。

而这一切发生得极快，就在最近不到一年的时间里。

不到一年前，我还在手动敲代码：对着代码编辑器，一个字符一个字符地输入自己记熟的代码指令，偶尔按一下 Tab 键，让编辑器帮忙补全一小段代码。

- 第四层：约 5000 人（占全球人口的 0.00006%），已经能够在内部使用最前沿的 AI 系统。

外界其实已经见识过这些系统的初步展示。

那是什么景象？

成千上万个智能体同时协作，连续数周推进规模庞大的软件工程；挖掘此前未知的零日漏洞，开展网络攻击与防御，并以机器的速度执行；发现新的科学知识，推动数学研究的前沿不断向前。

这些事情，过去即便交给行业顶尖的专业人士，也可能需要数年才能完成。

与此同时，人类的审查和理解能力，开始有些跟不上了。

比如，几个月前发生的 OpenAI 与 Hugging Face 事件，至今仍有人在像考古一样，一点点梳理其中究竟发生了什么。数学家们可能也需要相当长的时间，才能逐一研究那 722 篇涉及前沿数学的论文。

那么，是什么造成了这道漏斗？

主要有三个因素。

1. 你想解决的问题越大、目标越高、时间跨度越长，AI 能发挥的作用就越大。

一个只需要用一段话回答的问题，根本无法真正考验这些系统。

你需要的是一大批足够庞大、足够困难，而且确实是你自己在乎的问题。只有这样，才能真正释放它们的能力。

这一点，主要决定了漏斗在「普通消费者」与「专业人士」之间的分野。

2. AI 的能力分布并不均匀，呈现出明显的「锯齿状」。

这一点我之前已经写过很多次。AI 的能力峰值，集中在那些数字化程度高、结果可以验证、又具有经济价值的领域。

为什么偏偏是这些领域？

因为大语言模型的能力，很大程度上来自强化学习：模型在精心筛选、组合的训练环境中，不断尝试，并根据可以验证的结果获得反馈。而这些训练环境的选择，又受到潜在商业回报的驱动。

这一点，主要决定了漏斗在不同专业领域之间的分野，例如数学和编程领域与其他领域之间的差距。

3. 使用权限不同。

免费版、付费版，以及只有内部人员才能使用的系统，彼此之间存在差别。

这同样决定了人们实际能够接触到的 AI 能力上限。

这就是我们此刻所处的奇特局面。

绝大多数普通人，几乎还没有真正接触过这些系统。即便接触过，看到的也不过是个有点笨拙的聊天机器人。

大多数专业人士，仍然只感受到 AI 带来的有限提升。

而极少数身处技术最前沿的人，已经开始体验到一种眩晕感：眼看着能力增长曲线突然变得近乎垂直，AI 的进步速度正在急剧加快。

而这一切，就在同一个时代、同一个世界里，同时发生着。