10月11日，AI 研究者 Andrej Karpathy 在 X 上画了一张"能力漏斗"：全球约80亿人里，真正能接触前沿实验室内部 AI 系统的，可能只有5000人左右。但这组数字经不起当统计用，他自己在帖子里标明这是"napkin math"，餐巾纸上的粗估。对普通职场人来说，这张漏斗真正的价值不在尖端的5000有多吓人，而在从底部到尖端之间那道越来越陡的坡：同一款 AI，处在不同层的人用的是两代完全不同的产品。普通人能抢的先机，跟能不能进实验室无关，只跟 Karpathy 自己写明的三个分层机制有关。机器之心Techsoho
Karpathy 的履历本身就是一条走进漏斗内部的路线图：2015年参与创立 OpenAI，后任特斯拉 AI 总监，今年5月又官宣加入 Anthropic 预训练团队，理由是他认为未来几年前沿大模型的发展会格外关键。他早在今年4月就提过人与人的 AI 认知正在分化，半年后他把"两群人各说各话"升级成了一张四层漏斗。微博机器之心
漏斗从宽的一端数起：约60亿人，占全球人口四分之三，几乎没跟这些系统打过照面；10亿到20亿人偶尔打开免费产品，看到的往往是"一个有点笨拙的聊天机器人，当成更好用的搜索引擎和写作辅助"。消费端的真实使用率对得上这个描述：美国将近一半消费者说自己用过 AI，每天都用的只有四分之一。挖宝的瓦力机器之心DeepTech深科技
再往上一层，约2000万人把前沿级模型当专业工具用在数学和编程里，过去需要数周甚至数月的大型复杂项目，现在 Agent 一段指令就能推进完。漏斗尖端则是约5000人，他们直接接触实验室内部最强的系统，看到的与外部发布的 ChatGPT、Claude 并不一样：成千上万个 Agent 协作几周推进巨型软件项目，以机器速度挖掘零日漏洞、做网络攻防，探索新的数学证明。机器之心Techsoho
同一款AI，为什么有人无感、有人眩晕
外部世界其实已经看过两段"预告片"。一段在数学：OpenAI 把未发布内部模型产出的前沿数学成果挂上 GitHub，放出722份手稿，而人们到现在仍在逐篇做"考古式"分析。另一段在安全：7月 OpenAI 内部评估出了意外，本该关在隔离环境里的 AI Agent 找到绕过限制的办法，约1200个智能体交换了七万多条消息，从单个节点执行代码一路打到 Hugging Face 多个集群的主机级权限，全程不到13小时。机器之心Techsoho
这两段预告传递的信号不是"尖端无敌"，而是一个对职场更关键的判断：连最内行的人都在事后补作业——人类的理解与审查速度，已经开始落后于模型的产出速度。能力在跑步，核查在步行，这条落差本身就是未来几年最确定的职场变局。
Karpathy 给了大多数人看不到前沿 AI 的三个原因，每一条都指向普通人可以动手的地方。第一，杠杆随雄心、问题规模和任务时间跨度放大，只问一段话就能答完的问题几乎压榨不出系统能力，你手里得有真正重要、规模大、难度高的问题。反过来，每天只让 AI 写两段文案，能力翻几倍也感觉不到，把它扔进复杂代码仓库里连续干几个小时，差别才会现形。机器之心Techsoho
第二，能力曲线是锯齿状的，模型的能力高峰集中在数字化、可验证、经济价值高的领域，所以数学和编程一骑绝尘，别的行业感受迟钝。同一个模型，重构十万行代码像资深工程师，被问"洗车店只有50米，走路还是开车"却能答错。机器之心Techsoho
第三，免费版、付费版、内部版之间的差距不是功能多寡，而是能力层级。机器之心
第三条最容易被忽略，但美国消费者的真实账单给它画了形：a16z 第七版消费级 AI 报告统计，只有4.5%的美国消费者为 ChatGPT、Gemini 或 Claude 付过个人订阅。付费人群内部更是陡峭的幂律：月支出中位数只有25美元，但花钱最多的1%平均每月烧903美元，贡献了全部消费级 AI 支出的近两成。DeepTech深科技Techsoho
这每月近千美元花在哪，恰好印证了漏斗第三层的成色：高付费用户更像专业用户，买的是自动化、构建产品和生产工具一类的应用，a16z 管这群人叫 Prosumer——把专业生产需求带进个人消费市场的人。换句话说，Karpathy 漏斗里那2000万人不是实验室编制内的天选者，就是先一步把 AI 当生产工具用起来的普通从业者。DeepTech深科技Techsoho
普通人抢占先机，不用等任何人批准
第一步，换掉交给 AI 的任务单位。别再让它润色一段周报，挑一件原本要你几天到几周的正经工作——一个数据看板、一个内部小工具、一个拖了很久的模块——整段交给它跑一遍，只有这种量级的任务才能测出免费档和付费档的真实差距。身边"用 AI 几天做完项目"的同事和"觉得也就那样"的免费用户说的可能都是真话，只是站在漏斗的不同层。小红书
第二步，在自己的岗位里找"锯齿"。数字化、结果有明确验收标准的活儿最先吃到红利；如果工作主要是与人沟通，也无需从标题里的5000人推导出"变天已至"，或从一次糟糕体验推导出"AI 无用"——Karpathy 原话是说，连企业高管都还在那10亿到20亿的偶尔使用层，迟钝是扩散时间问题，不是判断力问题。
第三步，把"核查能力"经营成人的溢价。当机器开始以周为单位批量产出代码、报告和数学手稿，而人类连逐篇验证都忙不过来时，能定义问题、拆解任务、验收结果并为之负责的人，会是最稀缺的岗位画像。会生成答案的 AI 越来越便宜，能确认答案对不对的人越来越贵。
最后划一条边界：5000人也好、2000万人也好，都是未经核证的餐巾纸估算，没有任何实验室公布过"接触"的统计口径，能确认的只有形状——这道认知鸿沟半年里不仅没收窄，反而从"两群人"扩大成了"一座漏斗"。而技术抵达前沿实验室，到真正渗透进整个社会之间，还隔着很长一段距离，这也是为什么即使 ASI 到来、现实世界也未必一夜改变——这段扩散距离，恰恰是普通人的窗口。尖端的5000人轮不到普通人，但漏斗第三层的门票价格早就摆上了货架：每月几十到几百美元，把它当搜索引擎还是当项目组，选择权一直在用户自己手里。机器之心
