5000人见过真AI，60亿人还没碰过

上周 X 上出现了一张手绘的四层图。最底下一层写着 60 亿人，最顶上那层写着 5000 人，比登过珠峰的 7500 人还少。

画图的是个在特斯拉和 OpenAI 都干过的 AI 研究员，配文只有四个字：餐巾纸估算。顺手一算的意思，别拿去当统计口径。图被搬到知乎，冲到热榜第 4，写代码的那批人看完集体眩晕。

这张漏斗把 80 亿人切成了四层

最底下那层最大，也最沉默：约 60 亿人、占全球人口 75%，几乎没有接触过任何大语言模型，AI 对他们来说只活在新闻标题和科幻片里。

往上是第二层，约 10 亿到 20 亿人、占两成左右，免费版产品的偶尔使用者。这一层手里多半只有免费版，脑子里对 AI 的印象还停在去年，以及短视频里那些翻车片段——语音模式被问"我该开车还是走路去洗车"，答得磕磕巴巴。视频是真的，只是里面的机器已经是一年前的了。

再往上，人数掉得很快。约 2000 万人、占全球人口 0.2%，主要是数学和编程领域的从业者，他们付费使用最前沿的智能体模型，把它接进真正的工作流。这位研究员用自己举例：不到一年前，他还在一个字一个字地敲命令、偶尔按 Tab 补全；现在原本要顶级工程师做几个月的项目，一个提示词就能交付，最高端的付费版还能自己静默跑一小时，把整套代码库重构完。

顶层那 5000 人、占全球人口 0.00006%，看到的东西完全不同：上千个智能体在内部系统里连着跑几周，自己找零日漏洞、自己往前推数学；而人类研究员还在上千页机器日志里翻找，722 篇 AI 写的数学手稿，顶尖数学家也要啃很久才啃得动。

最陡的那段斜坡，为什么偏偏长在代码和数学上

同一批模型，写文案时平平无奇，写代码时却能自己跑满一小时，差别不在模型"偏爱"哪个领域，而在奖励信号干不干净。

代码和数学的对错是硬的：跑得通就是跑得通，证明错了就是错了。这种可验证的反馈让强化学习有明确的靶子可打，能力才有机会被反复磨快；写一首诗、写一篇评论，好坏全靠主观判断，没有这条回路，进步就慢。有个说法总结得很准：你对 AI 的敬畏，跟你让它干的活有多难成正比。

还有一个变量是你手上压着多难的问题。你让 AI 写封邮件、查个菜谱，它连热身都算不上，你看到的就是它最散漫的那一面。研究员的话很直白：你得有一池自己真正在意、又反复解决不掉的难题，一个接一个丢进去。

还有一道大多数人迈不过去的坎，是权限：免费版、付费版、内部系统三道台阶彼此隔离，外部世界能拿到的，始终只是预览版。

两个最容易看错的地方

"我试过，AI 就这水平。"这话有它的道理，免费版和前几代旧模型确实会在简单问题上翻车，那些搞笑视频也是真的。但它解释不了一件事：视频里跑的多半是被废弃的旧模型，你测的是哪一层，你否定的就只有那一层。AI 的能力不是一条向上爬的直线，是几层彼此隔开的水位，免费版和内部系统之间差的不是几个版本，是几个量级。

至于"买更贵的会员就能往上走"，付费只是一张门票，不是答案。真正把层级拉开的，是你手里有没有足够难、对错又足够清晰的问题。一个天天只让 AI 润色周报的人，买下最贵的套餐，也依然停在一二层之间。