能力溢出：2026年AI落地的核心矛盾
上周，OpenAI 发布一条推文，提出“能力溢出”（capability overhang）概念：模型已具备的能力，与用户实际使用的能力之间存在巨大鸿沟。
OpenAI 指出，2026 年衡量 AGI 进展的关键，不仅在于模型性能，更在于普通用户能否真正用好它。
同一周，Anthropic 联合创始人 Jack Clark 在《Import AI》第 438 期中呼应这一观点，指出“AI 的进步对大多数人来说是隐形的”。
技术飞跃 vs. 使用断层
Jack 在照顾新生儿期间观察到：小镇生活未见无人机、自动驾驶或送货机器人；社交媒体内容也无本质变化。但当他用 Claude Code Opus 4.5 构建“捕食者-猎物”生态模拟系统（含程序化地图、A* 寻路、数量曲线图）时，5 分钟即一次成功——这曾是他十年前耗费数周才完成的任务。
他形容这种体验如同“小孩画草图，交给超级智能，几分钟后收获精美成品”。但问题随之浮现：要触发此类震撼体验，需同时具备好奇心、时间及将想法转化为 AI 任务的能力；而现实中，多数人仅用于查询天气或润色文案。
平行世界正在形成
Jackson 预测，至 2026 年夏，前沿 AI 从业者将生活在“平行世界”——数字领域正以外界难以感知的速度进化，巨额财富在此诞生与消逝。物理世界仅显微弱迹象：数据中心激增、算力供应链趋紧、旧金山街头出现“雇 Ava，而非人类”的 AI 销售广告牌。
真正变革发生在不可见层面：AI Agents 间自主交易、专供 AI 解析的网站、海量 token 在模型间高速流转。Jack 将其比喻为“AI 存在于第五维度，我们仅能观测其穿越现实世界的‘切片’”。
能力平权：溢出的真正解法
METR 研究显示：在熟悉代码库中，使用 AI 的资深开发者实际效率反降 19%，但主观感知却提升 20%。表面矛盾实则揭示关键差异——AI 的优势不在加速专家，而在赋能普通人完成此前无法企及的任务。
这正是“能力溢出”的破局点：不止于效率提升，更是能力的平权。
2026 年 AI 竞争的本质，已从单纯比拼模型强度，转向谁更能推动技术下沉、让普通人真正用起来。