答案已发布3小时前Last edited 2小时前20 来源

AI能力认知正变成一道“漏斗”：多数人只见过聊天机器人

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。他想指出的是使用体验的差异：把聊天机器人当搜索或写作助手，与让AI智能体承担大型、多步骤项目，并不是同一种体验。

发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成

使用 Studio Global AI 搜索并核查事实浏览更多热门页面

研究答案

要点

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。
他想指出的是使用体验的差异：把聊天机器人当搜索或写作助手，与让AI智能体承担大型、多步骤项目，并不是同一种体验。

Editorial illustration representing the gap between everyday chatbot use and access to frontier AI systems — What did OpenAI co-founder and former Tesla AI head Andrej Karpathy argue in his October 11 X post about the widening gap between everyday AKarpathy describes AI experience as a funnel, from casual chatbot use to a small circle with internal access to frontier systems.
AI 提示
Create a landscape editorial hero image for this Studio Global article: What did OpenAI co-founder and former Tesla AI head Andrej Karpathy argue in his October 11 X post about the widening gap between everyday A. Article summary: Karpathy’s October 11 argument was that people increasingly experience different levels of AI capability: most encounter little more than a chatbot, while a tiny technical minority uses agents for substantial projects an. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com

Andrej Karpathy在10月11日发文称，人们对大语言模型（LLM）能力的共同认知正在拉开差距，形态更像一道“尖锐的漏斗”。多数人几乎没用过这类工具；少数专业人士接触前沿模型；而能在实验室内部使用更先进系统的人更少。以下人数是Karpathy所说的粗略“纸巾背面估算”，不是经过调查核实的普及率统计。8 16

Karpathy估算的四个层级

这道漏斗按人们接触AI的程度和可使用的系统来划分，并不代表对每个人或每种模型能力的实测。8 16

**约60亿人，约占全球人口的75%：**几乎没有接触过大语言模型。2 16
**约10亿至20亿名偶尔使用者：**不常使用免费聊天机器人，通常把它们当作搜索或写作助手。4 16
**约2000万名专业人士：**在数学、软件等领域使用前沿模型。6 8
**约5000名内部人士：**能够在实验室内部使用前沿级系统。6 20

关键差别在于任务规模：向聊天机器人问个问题，或请它润色一段文字，和让智能体处理大型、多步骤项目，不是一回事。Karpathy认为，主要接触普通聊天机器人的人，可能会对AI能力形成与使用更先进系统开展复杂工作的人截然不同的印象。3 16

为什么人们对AI的看法会不同

任务大小不同。 一个简短问题或写作请求，不能充分展现系统处理长期项目的能力。围绕Karpathy观点的报道也强调，任务的规模和目标有多大，会影响人们实际感受到的能力差异。3 17

领域不同。 相关报道指出，编程和数学等工作通常更容易通过明确结果来检验。不能因此推断AI在所有职业和任务上的能力都以同样速度提升。17

工具和权限不同。 Karpathy的分层区分了免费聊天机器人的偶尔使用、专业人士使用前沿模型，以及实验室内部访问系统。这意味着人们对AI的体验，部分取决于能使用什么工具，以及如何使用。6 16

他还提醒，随着智能体处理的工作变得更复杂，人类的审阅和理解能力可能跟不上。这个担忧关乎人们能否检查并理解AI的输出，并不意味着智能体产出的内容天然正确。7

这组数字能说明什么，又不能说明什么

这道漏斗有助于理解不同人群为何可能以不同方式接触AI，但其中的人口数字不能当作独立核实过的统计结果。Karpathy称它们只是粗略估算，原帖没有提供相应的用户普及率调查。8 16

这个划分也提醒人们：如果只用聊天机器人处理日常小任务来判断AI，可能无法完整了解面向复杂项目的工具。但这些估算本身并不能证明此类工具在各类任务上的表现，也不能说明未经仔细检查的输出值得信赖。7 16

智能体成本是另一个问题

一项在智能体AI报道中被引用的摩根士丹利预测称，到2030年，智能体工作负载可能为数据中心CPU和内存市场带来325亿至600亿美元的新增市场空间。这是基础设施市场预测，不代表每一种智能体应用都能做到成本划算或盈利。31

这两种说法回答的是不同问题：Karpathy的漏斗关注谁接触到了哪些层级的AI能力，摩根士丹利的预测则关注潜在的基础设施需求。两者都不能替另一方的估算背书。

Studio Global AI

继续你的研究

此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。

使用 Studio Global AI 搜索并核查事实

人们还问

“AI能力认知正变成一道“漏斗”：多数人只见过聊天机器人”的简短答案是什么？

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。

首先要验证的关键点是什么？

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。他想指出的是使用体验的差异：把聊天机器人当搜索或写作助手，与让AI智能体承担大型、多步骤项目，并不是同一种体验。

来源

答案已发布3小时前Last edited 2小时前20 来源

AI能力认知正变成一道“漏斗”：多数人只见过聊天机器人

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。他想指出的是使用体验的差异：把聊天机器人当搜索或写作助手，与让AI智能体承担大型、多步骤项目，并不是同一种体验。

发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成

使用 Studio Global AI 搜索并核查事实浏览更多热门页面

研究答案

要点

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。
他想指出的是使用体验的差异：把聊天机器人当搜索或写作助手，与让AI智能体承担大型、多步骤项目，并不是同一种体验。

Editorial illustration representing the gap between everyday chatbot use and access to frontier AI systems — What did OpenAI co-founder and former Tesla AI head Andrej Karpathy argue in his October 11 X post about the widening gap between everyday AKarpathy describes AI experience as a funnel, from casual chatbot use to a small circle with internal access to frontier systems.
AI 提示
Create a landscape editorial hero image for this Studio Global article: What did OpenAI co-founder and former Tesla AI head Andrej Karpathy argue in his October 11 X post about the widening gap between everyday A. Article summary: Karpathy’s October 11 argument was that people increasingly experience different levels of AI capability: most encounter little more than a chatbot, while a tiny technical minority uses agents for substantial projects an. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
openai.com

Andrej Karpathy在10月11日发文称，人们对大语言模型（LLM）能力的共同认知正在拉开差距，形态更像一道“尖锐的漏斗”。多数人几乎没用过这类工具；少数专业人士接触前沿模型；而能在实验室内部使用更先进系统的人更少。以下人数是Karpathy所说的粗略“纸巾背面估算”，不是经过调查核实的普及率统计。8 16

Karpathy估算的四个层级

这道漏斗按人们接触AI的程度和可使用的系统来划分，并不代表对每个人或每种模型能力的实测。8 16

关键差别在于任务规模：向聊天机器人问个问题，或请它润色一段文字，和让智能体处理大型、多步骤项目，不是一回事。Karpathy认为，主要接触普通聊天机器人的人，可能会对AI能力形成与使用更先进系统开展复杂工作的人截然不同的印象。3 16

为什么人们对AI的看法会不同

任务大小不同。 一个简短问题或写作请求，不能充分展现系统处理长期项目的能力。围绕Karpathy观点的报道也强调，任务的规模和目标有多大，会影响人们实际感受到的能力差异。3 17

领域不同。 相关报道指出，编程和数学等工作通常更容易通过明确结果来检验。不能因此推断AI在所有职业和任务上的能力都以同样速度提升。17

工具和权限不同。 Karpathy的分层区分了免费聊天机器人的偶尔使用、专业人士使用前沿模型，以及实验室内部访问系统。这意味着人们对AI的体验，部分取决于能使用什么工具，以及如何使用。6 16

他还提醒，随着智能体处理的工作变得更复杂，人类的审阅和理解能力可能跟不上。这个担忧关乎人们能否检查并理解AI的输出，并不意味着智能体产出的内容天然正确。7

这组数字能说明什么，又不能说明什么

这道漏斗有助于理解不同人群为何可能以不同方式接触AI，但其中的人口数字不能当作独立核实过的统计结果。Karpathy称它们只是粗略估算，原帖没有提供相应的用户普及率调查。8 16

这个划分也提醒人们：如果只用聊天机器人处理日常小任务来判断AI，可能无法完整了解面向复杂项目的工具。但这些估算本身并不能证明此类工具在各类任务上的表现，也不能说明未经仔细检查的输出值得信赖。7 16

智能体成本是另一个问题

一项在智能体AI报道中被引用的摩根士丹利预测称，到2030年，智能体工作负载可能为数据中心CPU和内存市场带来325亿至600亿美元的新增市场空间。这是基础设施市场预测，不代表每一种智能体应用都能做到成本划算或盈利。31

这两种说法回答的是不同问题：Karpathy的漏斗关注谁接触到了哪些层级的AI能力，摩根士丹利的预测则关注潜在的基础设施需求。两者都不能替另一方的估算背书。

Studio Global AI

继续你的研究

此页面包含一个有来源支持的答案，您可以在 Studio Global 内继续。

使用 Studio Global AI 搜索并核查事实

人们还问

“AI能力认知正变成一道“漏斗”：多数人只见过聊天机器人”的简短答案是什么？

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。

首先要验证的关键点是什么？

Karpathy在10月11日称，约60亿人几乎没有接触过大语言模型，能在实验室内部使用前沿系统的约有5000人；他强调这些只是粗略估算，并非实测数据。他想指出的是使用体验的差异：把聊天机器人当搜索或写作助手，与让AI智能体承担大型、多步骤项目，并不是同一种体验。

来源