一句话看懂：OpenAI 创始成员、特斯拉前 AI 负责人 Andrej Karpathy 在 X 上发帖，用一组粗略估算描述 AI 使用者的分层结构，指出大多数人对大模型能力的认知，受限于自己交给它的任务太小。
事件核心：发生了什么
北京时间 10 月 12 日凌晨，Andrej Karpathy 发帖描述他对 AI 认知差距的观察（人数为其个人粗略估算）：约 60 亿人几乎没有接触过大模型；约 10 亿到 20 亿人偶尔使用免费版聊天机器人，把它当作更好用的搜索或写作助手；约 2000 万人在编程、数学等领域专业使用最前沿模型，能看到智能体在数周甚至数月级项目上的产出；约 5000 人能访问实验室内部系统。该帖不到 10 小时浏览量超过 260 万。Karpathy 给出的解释是：效果随任务野心放大，简单问答压不出模型真实能力；能力在不同领域不均衡，写代码、做数学这类结果可验证、数字化程度高的任务进步最快，写作和咨询类相对温和；免费版、付费版、内部版之间的能力差距本身就很大。需要说明的是，这些数字和分层都是发帖者个人说法，并非官方统计。
为什么重要
这把讨论从“谁的模型更强”拉回到“用户把 AI 用在哪”。如果认知差距主要由使用档位和任务规模决定，那么模型能力的实际扩散速度会低于榜单分数的提升速度。对行业而言，这意味着商业价值更可能集中在可验证、可量化的场景，如代码、数学、数据处理和内部工具；对模型厂商而言，订阅档位和 API 权限可能继续成为能力分层的主要杠杆，开源与闭源模型之间的体验差距也会被使用方式放大。目前公开信息显示，Karpathy 并未给出数据来源和方法论，漏斗各层人数应视为估算而非统计。
对用户/开发者/创作者的影响
开发者可以优先把 AI 用在结果能自检的任务上，例如写脚本、跑测试、批量处理结构化数据，这类任务出错容易发现，也最能体现前沿模型和智能体能力。创作者如果只把 AI 当写作助手，感知到的提升可能有限，因为该方向本身进步相对平缓；可尝试把调研、素材整理、多版本草稿等流程拆成可验证步骤交给模型。企业采购前建议先算时间账：先用最低档订阅试一个月，看省下的工时是否覆盖成本。涉及钱、客户数据和隐私的产出必须人工复核，模型生成的代码和数据都可能出错。
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 Karpathy 是否补充漏斗数字的来源或方法论；二是前沿实验室的订阅档位和 API 权限是否进一步分化，形成更明显的使用等级；三是编程、数学之外，写作和咨询类任务的能力曲线是否开始变陡；四是企业端是否出现更多以“可验证任务”为核心的 AI 工作流落地案例。
来源：@_Neil67
