同一时刻，有人觉得 AI 只是个笨聊天框，有人觉得曲线已经竖起来了
Karpathy 估算（他本人的粗算）：约 75% 的人几乎没碰过 LLM，约 0.2% 的人在数学和代码领域亲身体验到前沿能力。他认为这道认知差距正在变大。
- 谁说的
- Andrej Karpathy 在 X 上重提他 4 月的一条推文，并结合自己写代码方式的变化来讲。
- 核心观点
- 他把人们对 LLM 能力的认知分成四层：几乎没接触过的人，偶尔用免费版的人，在数学和代码领域用前沿模型的专业用户（约 2000 万人），以及能用内部系统的约 5000 人。他认为造成差距的有三个因素：问题的规模和周期、能力分布不均、使用权限。
- 依据
- 主要依据是他的亲身经历：他说不到一年前自己还在手写代码，现在过去要做几周到几个月的复杂项目，agent 凭一个 prompt 就能完成。各层人数是他的粗算，没有给出数据来源。
- 对你的意义
- 判断 AI 对自己有没有用之前，先挑一个够大、自己真正在乎的问题来测试，不要只用一段话就能答完的小问题下结论。
- 争议·条件
- 他认为能力集中在数字化、可验证、经济价值高的领域。在这些领域之外，大多数专业人士感受到的提升有限，这一点也是他的判断。
Andrej Karpathy 在这条推文里说，人们对 LLM 能力的认知正在分化，而且他认为这道差距在扩大。按他的粗算，约 60 亿人几乎没接触过 LLM；10 到 20 亿人偶尔用免费版，把它当成更好用的搜索或写作助手；约 2000 万人在数学和代码领域用前沿模型，亲眼看到几周到几个月的项目由 agent 完成；另有约 5000 人能用内部系统。他还说，不到一年前，自己还在一个字符一个字符地手写代码。
对读者更有用的是他列出的三个成因。第一，收益随问题的规模和周期增长，一段话就能答完的问题发挥不出系统的能力。第二，能力分布不均，在可验证、经济价值高的数字领域最强。第三，使用权限不同，分为免费版、付费版和内部版。他还提到，许多高管日常主要在和人沟通，对 AI 的理解大多是间接的。
各层人数是估算，没有统计依据。如果你还停留在免费版加短问题的用法，可以先准备两三个真正难、自己也在乎的问题，用前沿模型做一次完整尝试，再判断它在你的岗位上值多少。