知乎热榜这两天挂着一个新话题：Andrej Karpathy提出的「AI能力认知漏斗」，说少数专业人士已经开始有「眩晕感」。我把他发在X上的原文和新智元等媒体的完整报道翻了一遍，越整理越觉得，这可能是今年对"为什么圈内圈外对AI的看法差这么多"最干净的一次解释。
一个漏斗，四层人间
Karpathy做了个"餐巾纸估算"，把全人类对AI的认知切成四层：
最底层，约60亿人（全球人口的75%），几乎没碰过任何大模型。AI对他们只存在于新闻标题和科幻电影里。
第二层，10到20亿人（约20%），免费版ChatGPT类产品的偶尔使用者。在他们眼里，AI是个"笨拙的聊天机器人"——一个更好用的搜索，一个写作辅助。很多人的AI世界观，是被去年的旧模型和社交媒体上疯传的翻车视频塑造的，比如那个面对"我应该开车还是步行去洗车"就结结巴巴的语音模式名场面。
第三层，约2000万人（0.2%），数学和编程领域的专业人士，付费用最前沿的智能体模型。这一层正在集体经历Karpathy所说的「智能体眩晕」：曾经需要顶级工程师数月的大型项目，现在一个提示词就能推进；OpenAI付费版Codex能在后台静默运行一小时，重构一整套庞大代码库。他引用了一位大V的话——"你对AI感到敬畏的程度，与你使用AI写代码的频率完美正相关。"
最顶层，约5000人（0.00006%），能接触AI公司内部前沿系统的人。Karpathy打了个比方：全球登顶过珠峰的有7500人，见过前沿AI极限能力的人比这还少。这些人目睹的是成千上万个智能体像蜂群一样自主协作数周，攻防漏洞、推进数学前沿——AI生成的722篇数学手稿，顶尖数学家至今还在慢慢消化。
为什么折叠得这么狠
Karpathy给了三个原因，我觉得最值得普通人琢磨的是第二个：AI能力的爆发高度集中在"对错清晰"的领域。代码和数学里，答案可验证，强化学习能高效训练；写诗写文章好坏主观，AI进步就没那么惊人。再加上这些领域商业价值高，各大公司最精锐的资源全砸了进去。
这解释了一个常见误会：你让AI写文案觉得它平平无奇，隔壁程序员让AI改代码觉得它神迹降临——你们用的可能是同一代模型，但站在了能力锯齿的不同侧。
第一个原因更扎心：影响力与你问题的规模成正比。只让AI写邮件、查食谱，系统连热身都算不上。你得有一个自己真正关心、亟待解决的难题"蓄水池"，才逼得出它的极限。换句话说，把你困在漏斗下层的，不是注册资历，而是你递给AI的问题。
怎么往上挪一层
不需要会编程，也不需要买最贵的订阅。按Karpathy的逻辑，往上挪的动作只有一个方向：换问题的难度，而不是换工具的姿势。
具体做法是，先花十分钟写下三件你工作或生活里真实存在的麻烦事——要有一定复杂度、你自己在乎结果的那种，比如整理一年的家庭账目找出规律、把一份几十页的合同梳理成风险清单。然后别用一句话打发AI，把它当同事：给背景、给约束、让它分步做、你来验收。同一个问题，敷衍地问和认真地磨，得到的答案完全不在一个层级。
磨问题的过程里，你自然会需要顺手的工具。我在 spark1.cn 的 /tools/ 里按场景整理过一批可直接上手的AI工具，写作、分析、效率类都有，可以先挑一个对着你的"蓄水池"问题试起来。
漏斗的存在不是为了制造焦虑——每一层都有每一层的从容。它只是在提醒一件事：你对AI的判断，取决于你最后一次认真用它是什么时候。与其转发争论AGI来没来，不如今天就把一个真问题递给它。
AI实操教练——不讲道理，只教你做。
评论