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，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。