有点出乎预料了。
刚刚，Karpathy 在推文中估计，现在全球真正能够接触最前沿内部 AI 系统的人，可能只有 5000 人左右
在这些前沿实验室内部，成千上万个 Agent 可以组成协作集群，连续运行数周，推进大型软件项目，发现零日漏洞，以机器速度参与网络攻防，甚至推动科学发现和前沿数学研究。
更令人惊讶的是：大约有 60 亿人，几乎还没有真正接触过 LLM
链接：https://x.com/karpathy/status/2109361546505966046
Karpathy 在推文中到底讲了什么，我们继续往下看。
他提到，自己最近重新翻出了今年 4 月的一条旧推文。当时，他就已经注意到，人们对 AI 能力的理解正在出现明显分化。
在 Karpathy 看来，如今不同人对 LLM 能力的认知，已经从两拨人在各说各话，进一步演变成了一条越来越陡的能力漏斗。
粗略估算，大约有 60 亿人，也就是全球约 75% 的人口，几乎还没有真正接触过 LLM。
大约 10 亿到 20 亿人，也就是约 20% 的人口，只是偶尔使用免费版 ChatGPT 一类的产品。这部分人看到的，往往还是有点笨拙的聊天机器人，他们会把它当成更好用的 Google 搜索、写作辅助工具之类的东西。也许某个 Agent 能帮你订张机票。Karpathy 有一些非技术背景的朋友，他们很合理地说，自己其实没什么地方需要用它。即使是很多数学和编程之外的专业人士，也仍然处在这一层。比如企业高管和许多其他岗位，大量时间都花在与人沟通上，因此他们虽然在理性上知道 AI 正在发生什么，但这种理解依然是间接的、比较抽象的。
再往下，是在数学和编程领域专业使用前沿级 LLM 的人。大约有 2000 万人，也就是约 0.2% 的人口，已经亲眼看到：过去需要数周甚至数月才能完成的大型复杂项目，现在 Agent 可能只需要一个 Prompt 就能完成。开发 App、复制 App、迁移 App、从二进制文件反编译 App…… 这一切发生得非常快，而且非常近。不到一年前，我还在手动写代码：一个字符一个字符地把记住的计算机命令敲进代码编辑器，偶尔按一下 Tab，让自动补全帮我补一小段代码。
最后，是大约 5000 人，也就是约 0.00006% 的人口，他们可以在内部直接使用最前沿级别的系统。外部世界其实已经看到了一些预演：成千上万个 Agent 组成集群，在数周时间里协作完成超大型软件项目；自动发现零日漏洞；以机器速度发动和防御网络攻击；发现新的科学成果；推进数学研究前沿。这些事情，如果交给业内最顶尖的专业人士，过去可能需要数年时间。
与此同时，人类的审查和理解能力已经开始跟不上。
比如，几个月前发生的 OpenAI-HF 事件，到现在人们仍在做考古式分析；数学家们也可能还要花很长时间，逐篇研究那 722 篇前沿数学手稿。
为什么大多数人还看不到真正的前沿 AI？
这条漏斗主要由几个因素共同推动：
影响力会随着雄心、问题规模和任务时间跨度增加而放大。
如果只是问一个最终答案只有一段话的问题，其实几乎无法真正压榨这些系统的能力。你需要手里有大量真正重要、规模很大、难度很高的问题。这一点主要决定了普通消费者和专业用户之间的差距。
系统能力具有明显的锯齿状特征。
LLM 的能力高峰，集中在那些数字化、可验证、经济价值高的领域。
原因在于，大模型能力主要来自基于可验证奖励的强化学习，而训练环境的选择本身又受到商业价值的驱动。这一点主要决定了不同专业领域之间的差距，比如为什么数学和编程会特别突出。
访问权限。
免费版、付费版、内部系统，能力并不在同一个层级。这就是当下最奇怪的地方。
绝大多数普通人其实还没有真正接触过这些系统。即使接触过，他们看到的往往也只是一个有点笨的聊天机器人。
大多数专业人士目前感受到的，也只是相对有限的效率提升。而与此同时，一小部分专业人士，已经开始体验到一种眩晕感：
他们眼前的能力曲线，正在突然变得近乎垂直。
而这一切，正在同一时间发生。
也有网友因此联想到 Sam Altman 过去反复表达过的一个判断：即使 ASI 真正到来，现实世界可能也不会在一夜之间彻底改变。
原因或许就在这里，前沿能力已经快速向前推进，但绝大多数人仍未真正接触这些系统，甚至还没有形成稳定的使用习惯。技术抵达前沿实验室，和它真正渗透进整个社会，中间仍然隔着很长一段距离。
