AI 认知折叠:你在四层漏斗的第几层?

这两件事同时为真。说这话的人叫 Andrej Karpathy——OpenAI 的 11 位联合创始人之一、前 Tesla AI 总监，今年 5 月刚加入 Anthropic 做预训练研究。10 月 11 日晚，他在 X 上发了一条长文，把这种割裂感推向极致：24 小时内近 4 万点赞，Hacker News 盖了 976 层楼。

有意思的是，这条帖子不是新写的，而是他重提了自己半年前的旧帖。四月版本说：关于 AI 能力，「两组人在各说各话」。十月版本升级了措辞——差距已经不是各说各话，而是一个「尖锐的漏斗」，而且在继续拉大。

漏斗长什么样？按他的「餐巾纸算术」（他自己承认是随手估的）：

5000 人是什么概念？有中文技术媒体算过一笔账：人类历史上登顶过珠穆朗玛峰的，大约也只有几千人。看过 AI 真实上限的人，可能比登过珠峰的还少。

他凭什么这么说？因为官方数据意外地站在他这边。微软 9 月的全球 AI 普及报告显示：2026 年二季度，全球 15-64 岁人口中使用生成式 AI 的比例只有 18.8%——第一、二层加起来占了八成人口。付费那端更陡：a16z 最新报告里，美国符合条件的消费者只有 4.5% 订阅了任一头部 AI 付费服务；花钱最多的 1% 用户贡献了全行业 19.5% 的收入，比底部一半用户加起来还多。OpenAI 自己的数据也显示，用得最深的头部企业，人均 Token 消耗是普通企业的 8.3 倍。

数字或许粗糙，形状却是对的：AI 的使用，是一个极端的幂律分布。有一个词也许比「漏斗」更准——AI 认知折叠：同一片天空下的人，被折叠进了四层互不相通的认知空间，而且折叠还在收得更紧。

为什么差距长成漏斗形状，而不是均匀分布？Karpathy 给了三个原因，其中一个值得展开，因为它解释了我们日常的大部分困惑。

他在今年 4 月的红杉 AI 峰会上提过一对命题：经典计算机自动化的，是你能「写清楚规范」的东西；这一代 AI 自动化的，是你能「验证对错」的东西。

模型是在强化学习环境里训练出来的——单元测试过没过、证明成不成立，这些能自动判分的地方，能力就猛涨；写作、咨询这类「好不好」说不清的领域，就进步缓慢。再叠一层商业逻辑：训练资源跟着钱走，编码和数学恰恰是企业付费意愿最强的场景。

于是就有了他那个著名的例子：最先进的模型能重构十万行代码、找出零日漏洞，却会一脸认真地劝你——「洗车店只有 50 米远，你走路去吧」。

沃顿商学院的 Ethan Mollick 给这个现象起了个名字：「锯齿前沿」（Jagged Frontier）。他的推论更扎心：一个系统只跟它最差的环节一样好。哪怕 AI 在 95% 的环节上超人，剩下 5% 的短板也会卡死整条流程的完全自动化——所以你在日常里感觉不到「革命」，不是你用错了，是锯齿的深谷恰好铺在了普通人的需求上。

四万个赞不代表四个数字都对。第三层的 2000 万介于两组公开数据之间（GitHub Copilot 用户 5000 万、OpenAI Codex 周活 500 万），取决于怎么定义「用 agent 干活」；第四层的 5000 人，则没有任何公开数据可以对照。

Hacker News 上的反对声也不客气，至少有三路：

实验派。有人拿规格驱动开发做了认真测试，agent 从没自主交付过「能叫成品的东西」。更扎心的是 METR 那项著名随机实验：2025 年初，熟悉自己代码库的资深开发者用上 AI 后，完成任务反而平均多花了 19% 的时间。（后续还有个黑色幽默：2026 年研究者想复测，发现越来越多的程序员拒绝参加「禁用 AI」的对照组，实验做不下去了。）

激励派。HN 最高赞的洞见是：大家讨论了那么久 LLM 的「能力之墙」，没想到真实的墙竟然是人类验证输出的能力。马上有人反驳：数学家没动力去审那 722 篇 AI 数学手稿——验证了等于免费给 OpenAI 打工。问题出在激励，不在能力。学界的态度更直接：据中文技术媒体梳理，高等研究院的数学与 AI 顾问组公开要求前沿实验室「停止在专有模型上测试高等数学问题」，数学家陶哲轩也批评过「对领域没有兴趣的 AI 提示员」攻克问题后无法与学界对话。

修辞派。「他故意放弃了所有细微差别，好让这一切听起来更戏剧化」——帖子里确实成立的案例，是移植和翻译这类规则已经写得明明白白的领域。还有更技术性的反对：有人认为难以验证的领域（比如写作）从 GPT-4 到今天的进步其实也很大，只是还没追上专业人士——天花板没动，斜率不小。

最扎的一刀来自结构内部：Karpathy 四月原帖里自己写过，技术域的专业用户是「AI 精神错乱」（AI Psychosis）症状最重的群体。那么，由这个群体——包括他自己——报告的「曲线垂直起飞」，是不是也该打个折？

如果你好奇第三层的人到底经历了什么，Anthropic 对约 40 万次 Claude Code 会话的分析给了一个精确的切片：在典型会话里，人类做了约 70% 的规划决策，AI 做了约 80% 的执行决策。人类决定「做什么、什么算完成」，AI 负责「具体怎么做」。

有中文博主把这叫作从「Ask AI」到「Delegate AI」的转变：前者是「帮我查资料、解释这段代码」；后者是「这是目标、工具和验收标准，你去完成，用测试结果向我交差」。

有意思的是 Anthropic 数据里的另一个发现：在生成代码的会话里，非软件职业的用户和程序员的成功率差距已经很小——真正拉开差距的，是使用者对自己领域的理解程度。专家级用户一条指令能驱动 AI 完成的动作数量是新手的两倍以上。

这呼应了 Karpathy 在红杉对谈里的另一句话：「思考可以外包，理解不能外包。」AI 降低的是执行门槛，判断反而更值钱了。

所以我的看法是：把「漏斗」当透镜用，把「数字」当修辞看。三层变量——你用什么档位的模型、拿它干什么规模的任务、你的领域好不好验证——确实能解释大部分「AI 观感之争」。至于 5000 人的预告片，保持敬意，也保持存疑。

对每个普通人，这条帖子真正可带走的，是三样东西：

第一，一个朴素的方法论：下次争论「AI 到底行不行」之前，先报四个数——什么模型、什么档位、什么任务、怎么验证。这四项没对齐之前，那场争论没有对象，只有情绪。

第二，一张「不可能清单」。这是 Mollick 的建议：把 AI 目前做不到、但看起来快做到的事记下来（比如「编一个真正有趣的谜题」），每次新模型发布就拿去测一遍。这比刷发布会视频诚实得多——凤凰网有篇评论说得尖锐：发布会替我们预先兴奋，翻车视频替我们预先失望，我们以为在评价技术，其实只是在评价别人替我们挑选的那个瞬间。

第三，一次「委托」的尝试。挑一件你有真实答案可核对的事——对账、代码、翻译——把它连同验收标准整个交给 AI，而不是问它一句话。从第二层爬到第三层，中间隔的不是更聪明的提问，是一个你真正在乎的大问题。

你呢——你觉得自己现在在第几层？欢迎留言告诉我。