LLM能力为何呈现“漏斗”
LLM能力的社会认知正在变得更不均衡。Andrej Karpathy在X上的一篇长帖称，围绕大语言模型真实能力的分歧，已经不只是两群人在互相误解，而更像一个陡峭的使用与访问漏斗。
他给出的粗略估算是：约60亿人几乎没有接触过LLM；约10亿至20亿人只是偶尔使用免费版ChatGPT式产品；约2000万人在数学和代码等领域使用前沿级模型；而只有约5000人能接触内部最先进系统。这些数字是他的“餐巾纸估算”，应被视为判断框架，而不是精确统计。
差距来自任务、领域和访问权限
Karpathy的核心观点是，体验差异会直接塑造判断。免费层用户可能只看到一个偶尔出错的聊天机器人，把它当作更好的搜索或写作辅助；而在代码、数学等可验证、数字化且经济价值高的任务中，专业用户可能看到代理完成过去需要数周或数月的大型项目。
他还把差距归因于三个因素：任务的野心和周期越大，系统越能显出影响；模型能力具有不平滑的“锯齿状”分布；访问层级从免费、付费到内部系统依次拉开。也就是说，同一个技术浪潮，会在普通消费者、专业开发者和内部研究团队之间呈现完全不同的速度感。
最大问题是验证与治理
这篇帖子在Hacker News上引发大量讨论，说明分歧本身已经成为AI采用的一部分。值得注意的是，Karpathy提到的内部能力包括长时间、多代理协作、网络攻防、科学发现和数学推进等场景，但外部世界只能看到有限预览，无法独立确认全部细节。
因此，最重要的限制不是简单地问“AI有没有用”，而是如何评估不同访问层看到的能力、如何让人类审查跟上机器生成的工作量，以及哪些领域的突破能够被公开复现。认知差距若继续扩大，企业、政策制定者和公众可能会在不同事实基础上讨论同一个技术。