QUOTE
一小部分专业人士，正在经历曲线变成垂直的那种眩晕。
—— 安德烈·卡帕西，10 月 11 日 X 帖
10 月 11 日，安德烈·卡帕西（Andrej Karpathy）把自己 4 月的一条帖子翻出来，加了一大段话重新发。他的意思是，大家对 AI 能力的理解差距不但没缩小，还在变大：半年前像是“两拨人各说各话”，现在更像一个越收越尖的漏斗。
这条帖子两天被看了 588 万次，2.9 万人点了收藏，收藏数接近点赞数的七成，看得出不少人是打算回头再看的。
漏斗一共四层，最上面是约 60 亿几乎没碰过大模型的人，最底下只有约 5000 人。他特意说明，这些数字是 napkin math，也就是在餐巾纸上随手算的粗略估算，别当统计数据看。
读完我第一反应是给自己对号入座。中间那两层，大概就是在看这篇文章的你我。
本文看点
01
四层漏斗各是谁
02
漏斗为什么越收越尖
03
往下走一层的五步
01
WHO
为什么他的话值得认真听
卡帕西在中文 AI 圈不算陌生。他在斯坦福读博，导师是李飞飞；读博时参与设计并主讲的 CS231n，是很多人入门深度学习的第一门课。2015 年他是 OpenAI 的创始成员之一，2017 年去特斯拉当 AI 负责人，带 Autopilot 的视觉团队，2022 年离开。2023 年他回过一次 OpenAI，2024 年 2 月又走了，同年创办了做 AI 教育的 Eureka Labs。
他还有个身份，是给普通人讲 AI 的人。YouTube 上那套《Neural Networks: Zero to Hero》，从零手写神经网络，一行行敲给你看；去年 2 月他随手发明的“vibe coding”（氛围编程）一词，后来在整个行业流行开来。他在 X 上有 436 万关注者。
所以他说“差距在变大”，分量不太一样。他一只脚站在最前沿，另一只脚一直在给普通人讲课，两头的人在想什么，他都看得到。
帖子里还有一句挺坦白的话：不到一年前，他还在一个字符一个字符地手敲代码，偶尔按一下 Tab 让编辑器补全一小段。连他都觉得这一切来得太快。
02
FUNNEL
四层漏斗，每层看到的 AI 不一样
— 数字都是卡帕西自己的粗略估算
第一层，约 60 亿人，占世界人口七成五左右。他们几乎没怎么接触过大模型。AI 圈里吵得热火朝天的事，对这些人来说还不存在。
第二层，10 亿到 20 亿人，约两成。偶尔用用免费版的类 ChatGPT 产品，看到的是一个有点呆的聊天机器人，拿它当更好用的搜索、写作帮手，也许让智能体帮忙订过一张机票。他说自己有不少不搞技术的朋友觉得这东西没多大用，而且他认为这么想挺合理。
让我意外的是，他把很多专业人士也放进了这一层。数学和代码以外的行业，比如高管，大量时间花在跟人打交道上，理智上明白正在发生什么，但感受还是二手的，有点抽象。
第三层，约 2000 万人，0.2%。在数学和代码领域专业地用前沿模型。他们亲眼看到，以前要花几周甚至几个月的大项目，现在一句提示交给智能体就能做完：做应用、仿应用、把应用改写成另一种语言，甚至从二进制文件反编译出应用。
第四层，约 5000 人。能在公司内部用上最前沿系统的人。照他的描述，外界只看到了预告：成千上万个智能体连续几周协作做超大型软件项目，挖出零日漏洞，以机器的速度攻防，做出新的科学发现，推进数学前沿。这些事放在过去，要顶尖专业人士干好几年。
他接着说了一句我觉得最要紧的话：人类的审阅和理解开始跟不上了。他举了两个例子：几个月前的 OpenAI-HF 事件，到现在还有人在做“考古”；722 篇前沿数学稿件，数学家可能要啃上好一阵。这两件事的细节本号没有另外核实，这里只当作他给的例子。
第四层最抓眼球，但我更在意第二层和第三层之间那道缝。10 亿量级和 2000 万量级，差了差不多两个数量级。很多人以为自己“用过 AI 了”，其实只见过漏斗最上面那一截。
和 4 月比，变化挺明显。那时他只分了两拨人：一拨是去年试过免费版 ChatGPT、刷到语音模式被“去洗车该开车还是走路”难住的视频，就下了结论的人；另一拨是付费用 Codex、Claude Code 这类编程智能体、在编程和研究里专业使用的人，他说这拨人最容易“AI 上头”（原话是 AI Psychosis）。那条帖子被看了 704 万次。半年后，两拨人变成了四层，最底下那层是新加的。
03
WHY
漏斗为什么越收越尖
— 问题大小、能力锯齿、访问档位
他给了三个原因。
一是问题有多大。AI 的效果随你的野心、问题规模和时间跨度一起涨。一个一段话就能答完的问题，根本压不出系统的本事。照他的说法，你得手里攒着一池子又大又难、你真心在乎的问题。普通用户和专业用户的差距，主要来自这里。
二是能力是锯齿状的。这个说法他讲过很多次：模型的能力在数字化、能验证、值钱的领域冒尖。原因在训练方式上，大模型的能力来自在可验证奖励上做强化学习，训练环境怎么配，又跟哪里能赚钱有关。4 月那条他解释得更直白：写代码有单元测试，过没过一目了然；一篇文章写得好不好，很难打分。编程在企业里又更值钱，团队的大头都扑在这上面。不同行业之间的差距，主要来自这里。
三是你用的是哪一档。免费版、付费版、公司内部版，看到的根本不是同一个东西。
第二条对很多人算是种安慰。如果你的工作主要是写东西、出主意、跟人沟通，觉得 AI“没那么神”，不一定是你不会用，这些本来就不是模型进步最快的地方。反过来想，你的活里只要有能拆成“对错可以检查”的部分，那一块它很可能已经比你以为的强。
04
HOW
往下走一层，可以从这五步开始
— 前三步对应他的三个原因
漏斗不是按聪明程度分的，是按问题大小、领域和访问档位分的，这几样多少都能自己调。照他的三个原因，可以倒推出五步：前三步对应三个原因，第四步来自他 10 月 2 日的另一条帖子，第五步是本号的建议。
给自己攒一个“大问题”。别只问一段话就能答完的问题。挑一件你真在乎、平时要花几天甚至几周的事，比如把一年的账单整理成能筛选的表格，或者给自己的小生意做一个预约页面，从头到尾交给 AI 做，你只负责提要求和验收。
先在能验证对错的活上用。能用公式算、能跑一下看结果、能和原始数据对得上的活，模型最强，你也最好检查。写文案、出主意这类没有标准答案的，放到后面。
拿最新的模型重测一次旧看法。他 4 月就说过，很多人去年试了一次免费版，就让它决定了自己对 AI 的看法。如果你的印象还停在一年前，找一件当时它没做好的事，用现在能拿到的最好版本再试一次。付不付费按需，不用为了“跟上”硬买。
让它换种方式讲给你听。他说以后我们会花越来越多时间去读懂模型的输出。他的办法是：让模型照 ASD-STE100 来解释，这是一套给航空维修文档定的受控英语规范，句子短、用词严，嫌太死板就说“做到八成”；或者让它画图；再进一步，让它直接输出一个可交互的 HTML 网页。他最看好的是让模型生成定制的讲解视频，不过要配音接口才做得全。
记一本“能力日志”。每次遇到 AI 做不好的事，记一行：哪天、哪个工具、卡在哪。隔一两个月拿出来重测。漏斗的形状一直在变，你得有自己的刻度，别只靠刷到的帖子判断。
第四步可以直接复制的提示词
请用 ASD-STE100 的思路把下面这段内容解释给我，做到八成就行：句子短，一句只说一件事，只用常用词，术语第一次出现时顺带解释。然后画一张结构图，把里面的步骤和因果关系标出来。如果可以，最后输出一个单文件 HTML 页面，让我能点开每一步看细节。
第四步我觉得最被低估。他那条帖子被收藏了 8.1 万次，比 5.5 万的点赞还多。看来不少人卡在同一个地方：AI 干的活越来越多，人越来越看不懂它干了什么。他在帖子末尾的判断是，我们的工作会越来越往上走，变成监督和理解。
∞
THE END
最后说两句
对这个漏斗，我有两点保留。一是数字很粗，他自己也说是随手算的，2000 万、5000 这些量级，别拿去当行业报告引用。二是第四层外人没法核实，他也说外界只看到预告，本号只能把它当成一位业内人士的观察。
形状本身我是认的。同一时间，有人觉得 AI 是个会答错题的玩具，有人觉得它一年干完了以前好几年的活。两边说的可能都是真的，只是站在不同的层。
还有一点容易被忽略：他 4 月就提醒过，第三层的人最容易“上头”。往下走一层是为了看清楚，不是为了焦虑。他说这个时刻的怪异之处，是这一切同时发生。我们能做的，是别让自己对 AI 的判断停在漏斗最上面那一截。
□ 找一件你真在乎、要花几天以上的事，交给 AI 从头做一遍
□ 先挑有标准答案、能自己核对结果的活
□ 把一年前觉得 AI 做不好的事，用最新版本重测一次
□ 看不懂输出时，让它改用短句、画图或做成网页
□ 建一个能力日志：日期、工具、卡点，隔一两个月复测
□ 引用漏斗数字时注明：这是卡帕西的个人估算
你觉得自己在第几层？评论区说说。
往期 · 继续读
皮查伊转发的诊所AI试验
演过蝙蝠侠的阿弗莱克，会写Python，还把AI公司卖给了Netflix
想看更多 AI 落到真实生意里的做法，可以在知识星球搜「AI商业实战」，我们在那儿聊得更细。
出处：Andrej Karpathy 在 X 的公开帖子（4 月“能力认知鸿沟”、10 月 2 日“读懂模型输出”、10 月 11 日“四层漏斗”），浏览、点赞、收藏数为 10 月 13 日读取时的数据；个人履历来自公开资料。
END
我是「AI科技明星」，每天挑一位 AI 圈里值得认识的人，讲讲他做了什么、我们能学到什么。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。