北京时间10月12日凌晨，OpenAI创始成员、曾任特斯拉自动驾驶项目首席架构师的安德烈·卡帕西（Andrej Karpathy）在X上发了一篇长帖：他翻出自己今年4月“AI能力认知鸿沟正在扩大”的判断，把它重新画成一个四层漏斗——约60亿人几乎没接触过大语言模型，10亿到20亿人偶尔使用免费聊天产品，约2000万人把前沿模型用在写代码和做数学上，而他估计，能直接使用前沿实验室内部系统的人，全球只有大约5000。 热榜词条“顶级AI全球仅五千人接触”，说的就是漏斗最窄的那一格。机器之心
这些数字需要先打个括号：它们全部是卡帕西本人的粗略估算。 它背后没有抽样调查或平台统计，四类人之间的边界也模糊，把它当成“全球AI使用情况普查”来读并不合适。 但作为一幅示意图，它足够锋利：同样叫“用AI”，不同人拿到的体验，可能隔着好几个数量级。哔哩哔哩轩辕科技评论
塔尖的5000人：智能体按“周”干活，人类审查慢了一步
卡帕西描述，在前沿实验室内部，成千上万个智能体可以组成协作集群，连续运行数周，推进大型软件项目、发现零日漏洞、以机器速度参与网络攻防，甚至推动科学发现和前沿数学研究。 外部世界至今看到的只是这类场景的预演——过去要交给业内最顶尖专家做上好几年的事，机器集群几周就能跑完。另一面的问题是人的产出跟不上：他说，此前出现的722份前沿数学手稿，数学家可能要花很长时间逐篇读完。 塔尖真正的瓶颈，已经不只是“系统能不能做出来”，而是“人能不能验收得过来”。机器之心爱范儿
中间与外层：一个提示词的项目，和“对我没用”的朋友
第三层约2000万人已经看到工作形态本身在变：在他们手里，过去要几周的项目，现在一个提示词就能交给智能体做完。 卡帕西给这个变化配了一个私人时间刻度：不到一年前，他还在手动写代码，一个字符一个字符地把记在脑子里的命令敲进编辑器，偶尔按一下Tab补全一小段。知乎
外两层才是全球人口的绝大多数：约10亿到20亿人偶尔使用免费产品，把AI当成一个顺手些的搜索或写作帮手，约60亿人则几乎没有接触过它。值得注意的是，卡帕西并没有把这两层写成“认知落后”——他的非技术朋友说AI对他们没什么用，他认为这个判断完全合理。 许多把大量时间花在与人沟通上的管理者和专业人士，理智上知道这场变化在发生，但信息到他们手里仍是二手的、抽象的。“没用”不是无知，而是他们的日常工作还没碰上能压榨出系统真实能力的任务。机器之心
差距来自三处：你的问题、你的行业、你的权限
第一处是问题的规模。只问一句一段话就能答完的问题，几乎测不出系统的能力上限；手里得有一批真正重要、规模大、周期长的问题，前沿模型才会露出锋芒。这决定了普通消费者与专业用户之间的差距。
第二处，能力是锯齿状的。大模型的能力峰值集中在数字化、可验证、经济价值高的领域：能力主要来自基于可验证奖励的强化学习，训练环境又按商业价值筛选，于是代码和数学率先爆发，写作、管理这类没有清晰判分标准的任务则体感平淡。这决定了不同行业之间的差距，也解释了为什么“程序员觉得突飞猛进”和“管理者觉得帮助有限”可以同时成立。
第三处最难跨过：权限。免费版、付费版和内部系统不是同一个东西，不同层级用户接触到的技术之间存在着真实代差。 这就是卡帕西所说的当下最奇怪的地方：绝大多数人其实还没有真正接触过这些系统，即便接触过，看到的也往往只是一个会犯错的聊天机器人。爱范儿
这张漏斗真正值得追踪的，不是数字而是下沉
这个漏斗首先消解了一场争论：老家朋友圈里“AI好像不存在”和开发者群里“几天一个范式”都是真的，差别在各自手中的问题与权限，不在见识。对多数专业工作者，卡帕西列出的条件更像一张自查表：把自己的工作改写成规模足够大、周期足够长、能让智能体跑起来的问题，可能比追逐模型版本号更接近下一层的门票；当生成越来越便宜，识别问题和验收结果的经验反而可能更值钱。
至于接下来，值得盯的信号是具体的：塔尖展示过的能力，何时通过产品化、价格和接口开放逐级向下走；验证体系——成功率、成本、人工介入程度——能否跟上机器的产出速度。“那5000人看到的AI，什么时候成为多数人也用得起、靠得住的工具”，答案不在下一场发布会里，而在这些条件的变化里。
