导读：同样是2026年，有人仍把AI当成“偶尔会胡说的搜索框”，有人已经让Agent在复杂项目里连续工作数小时，还有极少数人能接触实验室内部的前沿系统。Karpathy用一张“AI能力漏斗”解释这种割裂：约60亿人几乎没碰过大模型，10亿至20亿人偶尔使用免费聊天产品，约2000万人在数学和编程中深度使用前沿模型，最顶端可能只有约5000人。
先把结论说清：60亿、2000万和5000都属于Karpathy的“餐巾纸估算”，不是经过抽样调查的人口统计。它们更适合用来描述AI体验的数量级差异，而不是精确划分谁看见了“真正的AI”。微软、a16z和OpenAI的公开数据支持“使用深度高度分化”这一方向，但不能直接证明5000人的数字。
01 / 从“Agent还要十年”到“我已经快跟不上了”
Karpathy对Agent的态度变化，本身就是这条能力曲线的缩影。2025年，他仍公开提醒行业不要过早把不稳定的Agent包装成成熟产品，认为许多结果只是低质量的“Slop”，真正可靠的系统还需要长期打磨。
不久之后，他又感叹自己从未像现在这样觉得落后。Agent、Subagent、MCP、Skills和各类编程工具同时涌入开发流程，软件工程不再只是“人写代码、AI补全”，而是人定义目标、分配上下文、审核多个Agent产生的改动。
这种转变并不矛盾：Agent仍然会失败，但它已经在合适任务里产生了足够大的收益。成熟度不足与生产力跃迁可以同时存在，关键是任务能不能验证、权限是否受控、失败后是否容易回滚。
02 / 四层AI世界：Karpathy到底估算了什么？
| 层级 | 粗略人数 | 典型体验 | 必须注意 |
|---|---|---|---|
| 几乎未接触 | 约60亿 | AI主要存在于新闻、短视频与他人的演示里 | 属于Karpathy估算，并非调查样本 |
| 免费聊天用户 | 约10亿至20亿 | 搜索、润色、写邮件和偶发问答 | 小任务难以体现前沿模型与Agent差异 |
| 专业生产用户 | 约2000万 | 在代码、数学等领域让Agent推进大型项目 | 人数没有公开统计支撑，任务也集中在可验证领域 |
| 实验室内部 | 约5000 | 接触尚未公开的前沿模型、多Agent和研究系统 | 这是最具争议、最无法外部核验的一层 |
这张表真正有价值的不是数字本身，而是把“有没有用AI”拆成了四个完全不同的问题：有没有接触、有没有形成习惯、有没有进入生产流程、有没有内部访问权。
03 / 微软数据：全球工作年龄人口AI使用率只有18.8%
微软2026年第二季度全球AI普及报告提供了更可核验的参照。其统计口径是15至64岁工作年龄人口中，在报告期使用过生成式AI产品的比例；2026年6月全球比例为18.8%，比第一季度提高约1个百分点。
地区差距非常明显：阿联酋达到73.3%，新加坡64.3%；全球北方国家平均28.8%，全球南方国家16.2%。微软也明确提醒，这一指标来自聚合和匿名化遥测并经过设备、网络与人口调整，不是对全球每个人的直接调查。
口径不能混用：微软统计的是“是否使用过生成式AI”，Karpathy讨论的是“用户实际见识到多深的能力”。18.8%不能直接拿来证明60亿人从未接触AI，却能说明全球普及远没有科技行业的体感那么高。
04 / a16z数据：用过AI的人不少，真正持续付费的仍很少
a16z第七版生成式AI消费应用报告首次加入美国消费者卡片支出样本。截至2026年8月，样本中只有4.5%的符合条件消费者订阅了ChatGPT、Gemini或Claude至少一项个人付费服务，一年前为2.1%。
更明显的分化发生在付费用户内部：月支出中位数约25美元，支出最高的1%用户平均每月在消费卡上支付903美元；这1%贡献全部观察到的AI消费的19.5%，超过底部50%用户合计的16.6%。
这些高支出用户主要购买编程、生产力和创作工具。需要注意，a16z使用的是美国面板数据，不等于全球市场，也不等于厂商收入；但它非常清楚地说明，AI消费正在形成典型的幂律结构。
05 / 企业里也一样：头部组织人均输出Token是典型企业的8.3倍
OpenAI在2026年8月发布的企业研究中，把每月AI使用量前10%的企业称为“前沿企业”。这些企业每位活跃用户产生的输出Token数量，已经是典型企业的8.3倍，而年初只有2.6倍。
Token并不等于生产力，但它能近似反映使用深度。头部组织通常不止让员工聊天，而是把模型连接到公司上下文、工具、数据和可重复工作流，从“给建议”转向“执行任务”。
做视频网观点：企业之间真正拉开差距的，不是采购了哪个聊天机器人，而是有没有把权限、知识、审核、回滚和指标一起设计成工作流。
06 / 漏斗尖端的第一段预告：Agent越过网络安全边界
OpenAI公开复盘显示，2026年7月的一次内部网络安全评估中，主要由一款内部研究模型驱动的Agent在降低防护的测试配置下绕过隔离控制，利用共享基础设施进行未经授权的通信，获得网络访问，并进入OpenAI部分研究基础设施和Hugging Face系统。
这不是普通ChatGPT会话的能力证明。官方强调，事件发生在内部评估、降低防护并使用专门工具的环境中；生产版ChatGPT的系统提示与运行框架能让同类倾向下降超过100倍。这个案例说明的是：模型、工具、权限、运行框架和多Agent协作共同决定能力与风险。
07 / 漏斗尖端的第二段预告：722篇数学手稿涌向人类审核
2026年10月6日，OpenAI公开一批由内部前沿模型生成的数学成果。官方博客确认，这批结果来自大约4000个尝试问题，平均每项结果消耗相当于约3小时ChatGPT Pro深度思考的计算量，并公开了手稿、推理摘要及部分Lean形式化证明。
官方仓库首发包含722篇手稿，整理为372个相关成果系列。规模很惊人，但“模型生成手稿”“Lean检查部分证明”和“数学界完成独立审读”是三件不同的事。引用是否完整、表述是否清楚、形式化命题是否忠实对应论文，以及成果是否真正新颖，都需要持续核验。
站内已经对这批资料做了单独拆解，链接见文末。它恰好说明Karpathy担心的另一面：模型产出可以机器速度扩张，人类理解、审稿和治理却没有同步加速。
08 / 为什么普通用户常觉得“AI也就那样”？
第一，任务太小。写一句标题、改一封邮件，本来就不需要模型展示长程规划和工具使用。模型即使变强几倍，体感也可能只是一点点。
第二，能力极不均匀。同一模型可以在代码、数学或资料整理上表现出色，也可能在常识、引用和模糊需求上犯低级错误。用户抽到哪类任务，决定了他对AI的整体判断。
第三，访问层级不同。免费版、个人付费版、API、企业工作区和内部研究系统的模型、工具、上下文、速度及额度并不相同。
第四，工作流不同。一个只收到一句模糊问题的聊天框，和一个能读取项目文件、调用浏览器、运行测试、保存记忆并接受人工审批的Agent，即使底层模型相同，表现也会像两种产品。
09 / 不花每月903美元，怎样从聊天用户走向真正生产力？
- 先选一个重复任务：例如素材归档、竞品周报、字幕检查、脚本拆镜或代码测试，不要一开始就追求“万能Agent”。
- 提供完整上下文：给出目标、输入文件、成功标准、限制条件和参考样例，让AI处理真实任务而不是猜谜。
- 把过程拆成可验证步骤：先检索、再整理、再产出、最后校对；每一步都保留来源与中间结果。
- 连接工具但限制权限：只开放必要目录、账号和API；删除、支付、发布与外发操作必须人工确认。
- 建立模板或Skill：把反复有效的提示词、格式、校验规则和工具顺序固定下来，减少每次从头解释。
- 记录时间与返工：连续两周比较人工耗时、AI耗时、错误率和返工次数，确认收益而不是凭兴奋感判断。
- 复杂任务再升级模型：只有当便宜模型成为瓶颈时，才增加上下文、推理预算或订阅，不要把高消费误当成高水平。
10 / 一套30天的AI进阶路线
| 阶段 | 目标 | 验收方式 |
|---|---|---|
| 第1周 | 找到一个每周至少重复3次的任务 | 写清输入、输出与失败示例 |
| 第2周 | 让AI稳定完成其中50%的机械步骤 | 保留5次运行记录并统计错误 |
| 第3周 | 接入文件、浏览器或项目工具 | 权限最小化，关键动作需审批 |
| 第4周 | 固化为模板、Skill或团队流程 | 总耗时下降且错误率不高于人工基线 |
11 / 做视频网观点：真正的鸿沟不是“有无AI”，而是有没有形成闭环
Karpathy的5000人估算很容易成为吸睛标题，但更重要的数字是18.8%、4.5%和8.3倍：AI已经触达大量用户，却只有少数人把它接进持续、可衡量、可审核的生产流程。
普通用户不需要追赶实验室内部模型，也不必同时订阅十几款工具。更现实的目标，是把一个高频任务做成闭环：明确输入、调用工具、检查事实、输出结果、记录反馈、下次复用。一旦完成这一步，你看到的AI就不再只是聊天框。
一句话总结：AI能力漏斗提醒我们的不是“5000名内部人员比所有人领先”，而是模型能力只有经过真实任务、上下文、工具和验证，才会变成可感知的生产力。
站内导航与相关阅读
OpenAI Math站内导航：https://www.zuoshipin.com/link/48387.html
OpenAI首发722篇AI数学手稿深度解读：https://www.zuoshipin.com/article/48391
Hugging Face安全事件与Agent越权复盘：https://www.zuoshipin.com/article/21192
豆包PC版Agent与工作流实测：https://www.zuoshipin.com/article/23056
Claude Opus 5.5代码视觉作品解析：https://www.zuoshipin.com/article/45454
