Karpathy：LLM 能力认知鸿沟正在变成一个漏斗

这条推文是今年 4 月发的，Karpathy 现在把它重新拿出来，理由是他当时描述的那道鸿沟不但没有缩小，反而在变宽：从"两组人各说各话"，变成了一个分明的漏斗。

漏斗的四层

他给出的分层是四个数量级。最宽的一层约 60 亿人（约占人口的 75%），几乎完全没有接触过 LLM。

往下一层是约 10 亿到 20 亿人（约 20%），他们是免费版 ChatGPT 这类产品的轻度、不频繁用户：看到的是笨拙的聊天机器人，把它当成更好用的搜索、写作辅助，偶尔有个智能体尝试替你订机票。Karpathy 提到，他有非技术背景的朋友说自己几乎用不上这东西，并且认为这很合理；数学与编程之外的许多专业人士也停在这一层——比如高管和不少职能部门，他们大部分时间在跟人打交道，虽然理智上明白正在发生什么，但那仍然是二手的、抽象的。

第三层约 2000 万人（0.2%），在数学与编程上专业地使用前沿模型。他们亲眼看到过去要花几周甚至几个月的复杂项目，现在一个提示交给智能体就能完成：写应用、仿制应用、翻译应用、从二进制反编译应用。他补了一句自己的时间感——不到一年前，他还在一个字一个字地把记住的代码敲进编辑器，偶尔按一下 Tab 补全一小段。

最窄的一层约 5000 人（约 0.00006%），他们能在内部接触前沿系统。按他的描述，外界看到的是预览版；真实的样子是成千上万个智能体协作数周、推进大型软件项目。

三个驱动因素

Karpathy 把漏斗的形成归给三件事。

一是影响随野心、问题规模和时间跨度放大。一个用一段话就能回答的问题基本压不出系统的能力，你需要一批自己真正在乎的大而难的问题，这决定了消费者与专业者这一维。

二是系统的锯齿状（jaggedness）。能力峰值出现在数字、可验证、有经济价值的领域。他给的解释是，这种能力来自对可验证奖励的强化学习，训练用的环境混合由收入潜力驱动，这主要决定了数学与编程这类领域维度。

三是访问层级：免费、付费、内部。

他点出的一个判断问题

他最后落到"最近一次接触"和"使用层级"上：很多人去年在某个时候试过一次免费版 ChatGPT，然后就让这次体验过多地影响了自己对 AI 的看法。

把这几层放在同一个时间点上，就是他说的那种错位——公众大多还没真正用过这些系统，用过的人看到的又像个笨拙的聊天机器人，多数专业人士只感受到温和的提升，而一小撮人正在经历曲线垂直上升带来的眩晕。