一句话看懂：Box CEO Aaron Levie 引用 Andrej Karpathy 的观点指出，当前 AI 扩散仍处极早期，绝大多数人只把 AI 当聊天机器人和下一代搜索使用，而代表完整能力的智能体集群只被极少部分人掌握。
事件核心：发生了什么
2026 年 10 月 12 日，Box CEO Aaron Levie 在 X 上发文，回应 Andrej Karpathy 此前关于 LLM 能力认知差距的推文，认为这种差距正在变成一条陡峭的漏斗。Levie 的观察是：目前绝大多数用户对 AI 的使用方式，仍停留在聊天机器人和近似下一代搜索的简单交互上。
他把光谱的另一端称为“智能体集群”，认为这可能是智能体进入工作流后的终极形态，适用于数学、网络安全、生物、材料科学、软件工程、金融等可并行执行、能用算力加速的任务领域。但 Levie 强调，当前以这种方式使用 AI 的人口占比极小，原因包括模型在特定领域的能力、这类工作流的成本、可用的工具框架，以及前沿模型对公众的开放程度。
Karpathy 则在原推文中把这一差距描述为“漏斗”，并提到约 60 亿人（约占人口 75%）几乎还没有真正接触过这类能力。Levie 还指出，除软件和 AI 研究外，大多数工作要受益于这类智能体，还需要大量变更管理：升级工作流、把数据迁移到现代平台，并处理合规、治理与安全框架。
为什么重要
这条讨论的价值在于给 AI 行业当前阶段一个校准坐标。聊天机器人式用法虽然有用，但远未反映模型与智能体框架的全部能力，这意味着企业级市场的应用层仍有较大空间。Levie 认为，由于这类工作具有强领域属性，应用层 AI 会在企业场景中真正发挥作用。对竞争格局而言，谁能解决领域能力、成本、工具链和前沿模型可及性，谁就更可能抓住下一阶段的企业需求。
对用户/开发者/创作者的影响
对普通用户，短期内聊天机器人仍是最低门槛入口，但可以开始关注把 AI 接入具体工作流的工具。对开发者，智能体集群意味着多任务并行、算力调度和领域模型适配会成为新的工程课题，API 调用成本与推理效率直接影响可行性。对创作者和企业采购方，重点不只是选哪个大模型，而是数据是否已迁移到现代平台、合规治理能否跟上。开源与闭源模型的可及性差异，也会影响团队能走多远。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是智能体集群类产品能否从少数团队走向更广泛的企业部署，成本是否下降；二是前沿模型对普通开发者与公众的开放节奏，会决定这层能力扩散的速度；三是企业合规、数据迁移和变更管理是否出现更成熟的标准化方案。
