Karpathy：全球仅约5000人真正接触过最前沿AI

Karpathy 提到，自己最近重新翻出了今年 4 月的一条旧推文，当时他已经注意到人们对 AI 能力的理解出现明显分化。在他看来，如今这种分化已经从两拨人各说各话，进一步演变成一条越来越陡的能力漏斗。

这条漏斗的顶端极窄：他估计全球真正能够接触最前沿内部 AI 系统的人可能只有约 5000 人，约占人口的 0.00006%。底端则极宽：约 60 亿人，也就是全球约 75% 的人口，几乎还没有真正接触过 LLM。

中间还有两层。约 10 亿到 20 亿人（约 20% 的人口）只是偶尔使用免费版 ChatGPT 一类的产品，他们看到的往往还是有点笨拙的聊天机器人，会把它当成更好用的搜索或写作辅助工具。再往下，约 2000 万人（约 0.2% 的人口）在数学和编程领域专业使用前沿级 LLM，已经亲眼看到过去需要数周甚至数月的大型复杂项目，现在 Agent 可能只需要一个 Prompt 就能完成。

Karpathy 认为这条漏斗主要由三个因素推动。第一，影响力会随着雄心、问题规模和任务时间跨度增加而放大。如果只是问一个最终答案只有一段话的问题，几乎无法真正压榨这些系统的能力；你需要手里有大量真正重要、规模很大、难度很高的问题。这一点主要决定了普通消费者和专业用户之间的差距。

第二，系统能力具有明显的锯齿状特征。LLM 的能力高峰集中在那些数字化、可验证、经济价值高的领域。他称大模型能力主要来自基于可验证奖励的强化学习，而训练环境的选择本身又受到商业价值驱动。这一点主要决定了不同专业领域之间的差距，比如为什么数学和编程会特别突出。

第三，访问权限分层。免费版、付费版、内部系统，能力并不在同一个层级。Karpathy 称这就是当下最奇怪的地方：绝大多数普通人其实还没有真正接触过这些系统，即使接触过，看到的往往也只是一个有点笨的聊天机器人；大多数专业人士目前感受到的也只是相对有限的效率提升；而一小部分专业人士已经开始体验到一种眩晕感，他们眼前的能力曲线正在突然变得近乎垂直。

Karpathy 称，在前沿实验室内部，成千上万个 Agent 可以组成协作集群连续运行数周，推进大型软件项目，发现零日漏洞，以机器速度参与网络攻防，甚至推动科学发现和前沿数学研究。他称这些事情如果交给业内最顶尖的专业人士，过去可能需要数年时间。

这些描述属于他对前沿实验室内部情况的陈述，外部无法独立验证。来源也没有提供这些 Agent 集群的具体规模、运行方式或可复现的细节。

Karpathy 认为，人类的审查和理解能力已经开始跟不上 AI 的进展。他举了两个例子：几个月前发生的 OpenAI-HF 事件，到现在人们仍在做考古式分析；数学家们可能还要花很长时间，逐篇研究那 722 篇前沿数学手稿。

来源对这两个例子都只是提及，没有提供 OpenAI-HF 事件的具体内容，也没有说明 722 篇数学手稿的来源和细节。因此它们更适合被看作他用来支撑“审查跟不上”这一判断的例证，而非可独立核实的完整事实。

需要明确的是，5000 人、60 亿人、10 亿至 20 亿人、2000 万人、0.00006% 这些数字，全部来自 Karpathy 在推文中的个人粗略估算，并非独立统计或第三方核实。他本人对 5000 人这一数字也以“可能”表述，其统计口径与来源并不清楚。

60 亿、10 亿至 20 亿、2000 万等分层数字同样边界模糊。机器之心作为二手转述来源，引用的推文内容未提供第一方原文全文。因此这些数字更适合用来理解他提出的分层框架，而不宜当作精确的人口统计结论。

有网友由 Karpathy 的推文联想到 Sam Altman 过去反复表达的判断：即使 ASI 真正到来，现实世界可能也不会在一夜之间彻底改变。这一联想并非 Altman 本人此次发言，属于网友的关联性解读。

如果沿着 Karpathy 的漏斗看，这种联想有其逻辑：前沿能力已经快速向前推进，但绝大多数人仍未真正接触这些系统，甚至还没有形成稳定的使用习惯。技术抵达前沿实验室，和它真正渗透进整个社会，中间仍然隔着很长一段距离。