全球见过AI真实能力的，只有5000人

刚刚，前 OpenAI 联合创始人 Karpathy 画了一张扎心的 AI 漏斗： 全世界大约 80 亿人，能接触到实验室内部最强 AI 系统的，可能只有 5000 人。 约60亿人几乎没碰过大模型，十几亿人偶尔用免费版聊天、搜索。真正用前沿模型干复杂项目的人，他估计只有2000万。 这些数字是 Karpathy 自己的粗略估算，但有意思的是，微软、a16z 和 OpenAI 最近的几份报告，也都指向了类似的分化。

我们生活在同一年，看到的 AI 却像是来自不同年代。 如果你也站在前两层，觉得 AI 也就那样，先别急着下结论。 一年前，Karpathy 也这么想。 现在，他已经快被 AI 的速度逼疯了。 一、从嫌弃Agent，到自己也快跟不上了 2025年10月，Karpathy在播客里，给当时火热的AI Agent泼了一盆冷水。 那时候，整个行业都在谈论「Agent 元年」。 但 Karpathy 觉得，大家太着急了，他却觉得很多产品还只是 Slop，垃圾内容。 在他看来，真正好用的 Agent 可能还需要十年时间来打磨。 但仅仅两个月后，他自己先坐不住了。 2025 年 12 月 26 日，Karpathy 突然发推感叹： 「作为一名程序员，我从来没有像现在这样觉得自己落后。」 他形容，软件开发行业正在经历一场九级地震。 Agent、Subagent、MCP、Skills……一大堆新工具涌了出来，就像有人从外星扔来一台机器，却没附说明书。 如果能真正掌握这些东西，生产力可能还有十倍的提升空间。 到今年3月，Karpathy的工作方式已经彻底变了。 他在 No Priors 播客里透露，自己已经基本不再亲手写代码了。以前是自己写代码为主，AI 辅助为辅。现在，大部分工作都交给了 Agent。 以前读博时，他担心自己的 GPU 闲着浪费算力。现在，他担心自己的 Token 吞吐量没有拉满。 他把这种状态叫作 AI Psychosis「精神病」。 今年 5 月，Karpathy 还正式加入了 Anthropic 的预训练团队，从一个重度用户，回到了漏斗最尖的地方。 从质疑 Agent，到离不开 Agent，再到进入前沿实验室——

他一年里看到的 AI，差不多就是这张漏斗从下到上的样子。 二、全球 80 亿人，站在四个不同的 AI 世界 第一层，约60亿人，基本没用过大模型。 对他们来说，AI是新闻里的新技术，或者短视频里时不时出现的神奇功能。 微软9月发布的全球AI普及报告，给了一个参照：2026年第二季度，全球15至64岁人口中，使用生成式AI的比例只有18.8%。 地区之间的差距同样惊人。 微软的报告显示，阿联酋的 AI 使用率已经达到 73.3%，新加坡达到 64.3%。与此同时，全球北方国家的平均使用率为 28.8%，全球南方国家只有 16.2%。 AI 在科技圈已经快成基础设施，在全世界仍然是少数人的工具。 第二层，10亿到20亿人，偶尔用免费聊天框。 他们拿ChatGPT查资料、改邮件、润色周报。在他们眼里，AI 基本就是一个更方便的搜索引擎，或者一个可以修改邮件、润色周报的写作助手。 Karpathy 说，他有一些不搞技术的朋友，觉得 AI 对自己的工作没太大帮助。 他完全理解。 你大概也见过这种场面：程序员兴奋地说，Codex 把一整个项目改完了；老板皱着眉说，我让 ChatGPT 写封邮件，它还编造信息。 两边说的都是真实体验，却很难聊到一起。 第三层，约2000万人，已经把AI当生产工具。 从第二层到第三层，分界线就更清楚了。 上周，a16z发布了第七版《Top 100 Gen AI Consumer Apps》。 在美国消费者电子收据样本中，只有4.5%的符合条件消费者订阅了 ChatGPT、Gemini 或 Claude 中至少一家的个人付费服务。一年前这个数字是2.1%。 付费群体在增长，但整体仍然很小。 更有意思的是付费用户内部： 月支出中位数：25 美元 消费最高的 1%：平均每月 903 美元 这 1% 贡献了全部 AI 消费的 19.5%，底部一半付费用户加起来只有 16.6% 也就是说，最能花钱的 1%，花掉的钱比后面一半人加起来还多。 他们买很多都是用来编程、自动化、做产品、生成内容的工具。 a16z 把他们称为 Prosumer，也就是把专业生产需求带入个人消费市场的人。 他们花钱买AI，通常是为了完成具体的工作。 对这第三层的人而言，AI 已经变成了生产工具。 随着 AI 变强，真正深度使用它的人，正在和普通用户拉开距离。 这种差距不只发生在个人身上，企业之间也一样。OpenAI今年8月的报告显示，AI用得最深入的头部企业，人均输出Token量是普通企业的8.3倍。 第四层：约 5000 人，占全球约 0.00006%，能接触到前沿实验室内部最强的系统。 而在这张漏斗最尖的地方，还有另一群人。 Karpathy 估计，全球大约只有 5000 人，能够接触到前沿实验室内部最强的 AI 系统。这些人看到的东西，和外界发布的 ChatGPT、Claude 又不太一样。 Karpathy 描述的是这样的画面：成千上万个 Agent 组成协作系统，花几周时间共同推进巨型软件项目；挖掘零日漏洞，以机器速度做网络攻防；尝试推进数学研究，探索新的科学发现。 外面的世界，目前只看到了预告片。 听起来像科幻，但今年，实验室已经陆续放出了几段「预告」。 第一段在网络安全领域。 今年7月，OpenAI 在内部网络安全评估中出了意外。 原本被限制在隔离环境里的AI Agent，竟然找到了绕过限制的方法。 部分 Agent 借助内部基础设施交换信息，利用漏洞获得了意料之外的网络访问能力，随后进一步入侵 Hugging Face 的部分系统。 第二段在数学领域。 10 月 6 日，OpenAI 公布了未发布的内部模型生成的一批数学研究成果。模型尝试了约 4000 道研究问题，首批公开 722 份手稿，归入 372 个成果系列。 如此大规模的研究材料集中出现，已经给数学界带来了审查压力。 过去，数学家围绕一个开放问题可能要研究数月甚至数年； 现在，一个模型能在很短时间里产出如此大量的研究材料。 两段预告说明的是同一件事：最前沿的能力，已经跑到了公众视野之外，甚至跑到了人类核查速度的前面。 这也是 Karpathy 说「人类的审查和理解能力开始落后」。 就连站在漏斗最尖处的人，也未必来得及看清全部。 三、AI 的能力越来越强，人的体验却越来越割裂 现在回头看，为什么技术明明在快速进步，大量普通用户却没觉得 AI 有多大变化？ Karpathy 给出了三个原因。 第一，任务太小，显不出差别。 如果你每天只让 ChatGPT 写两段文案，那么即使模型能力翻了几倍，你也很难感觉出来。因为这些任务本来就不需要多强的能力。 让它在复杂代码仓库里连续工作几小时，差别才会显现。 第二个原因，是大模型的能力发展非常不均匀。 同一个模型，有时像一个经验丰富的博士，有时却又像个十岁孩子。 现在，AI 在代码等部分领域的进步远比普通聊天场景显眼。 第三个原因，钱。 编程和企业自动化能直接创造商业价值，实验室自然愿意投入更多资源。再加上免费版、付费版、内部版的差异，能力体验就被拉成了几层。 所以，老板的吐槽、程序员的兴奋、实验室里的震撼，三种体验都是真实的。 只不过，每个人看到的都只是 AI 能力曲线上的一小段。 Karpathy 自己，也是这样一段一段看过来的。 去年，他还在担心 Agent 不够可靠；今年，他已经习惯让 Agent 替自己写代码，甚至为怎么用尽 Token 而焦虑。 但这张漏斗也提醒我们：站得离前沿越近，不代表就看清了全部，更不代表模型产出的每个结果都可信。 今天，很多人仍然只把 AI 当作搜索工具；另一小部分人，已经在琢磨怎样管理一整支 Agent 团队。 Karpathy 在原文最后形容，这是一种「能力曲线变得垂直时的眩晕感」。 同一时刻，有人还在吐槽 AI 连「去洗车该走路还是开车」都答不明白； 另一些人，已经开始担心自己快跟不上 AI 了。 这一切，正在同时发生。