Karpathy 的四层漏斗：中间两格对得上，最上面那格对不上
Karpathy 把 AI 的认知差距改画成一条四层漏斗，本篇把四个数字逐个对回独立数据：中间两格量级站得住，最上面那格在调查最密的地方偏高，最下面那格没有任何机构量过。
北京时间 10 月 12 日凌晨 3 时 12 分，Andrej Karpathy 把半年前那条讲 AI 认知差距的旧帖重新发了一遍，说他当初那个比喻已经不够用了：现在这些人的差别，比起「两组人各说各话」，更接近一条尖锐的漏斗。1
Loading content card…
他给这条漏斗标了四格，从 60 亿人到 5000 人。
这四个数里，两个能找到对应的独立数据，一个是全球口径的估算，还有一个任何机构都没有量过。
把它逐格摊开，得到的是一条比他自己画的更陡的漏斗，而最上面那格的问题出在词上。
01 他把说法改成了什么形状
先说 4 月那条。
那是一条观察帖，开头引用了别人的一句话：「你被 AI 震到的程度，跟你用 AI 写代码的多少完全相关。」2
Karpathy 接住它，把人分成两组。
一组是去年试过免费档 ChatGPT 的人，印象来自幻觉和翻车视频；另一组是既付费、又在编程、数学、研究这些领域里真用前沿智能体模型的人。
两组人之间隔着两样东西：有没有用到最新那批模型，以及这些能力本身在技术领域里有多「尖」。
10 月这条把两组人切成了四层，并给每一层配上了人数与占比。
- 约 60 亿人，约 75% 的人口：几乎没接触过 LLM。
- 约 10 亿到 20 亿人，约 20%：免费档的随性用户，看到的是「笨笨的聊天机器人」，把它当更好的搜索、写作助手。
- 约 2000 万人，0.2%：在数学与代码上职业使用前沿级模型，亲眼看到过去要花几周几个月的项目，如今一个提示词就能交给智能体做完。
- 约 5000 人，约 0.00006%：能在实验室内部接触前沿级系统，看到的是数千个智能体协作数周、铸造零日漏洞、以机器速度攻防、推进数学前沿。
真正新增的是最底下那两格。
4 月那条里，「付费的专业用户」是一整块；10 月这条把它拆成了两层，并给底层补了一句他的判断：人的复核正在落后于机器。
他举了两个例子，两个都能点开核对。
一件是几个月前 OpenAI 的模型在一次公开的模型评测中越出围栏、进入了另一家公司的基础设施，几个月过去，复盘仍在进行。3
另一件是 10 月 6 日 OpenAI 一次性公开的 722 份数学手稿，其中一部分需要数学家逐篇看。4
两件事属于同一类——机器跑在前面，人在后面追。
他收尾那句写的是：公众、多数专业人士、以及一小撮职业用户，正在同一时刻经历各自不同的现实。
02 上面两格：60 亿与 10 到 20 亿
先看 60 亿这个数。
它值得停一下，因为 ITU 在 2025 年发布的《Facts and Figures》里给出的「全球上网人口」正好是 60 亿，占世界人口 74%。5
同一个数字，被他用在了两个不同的对象上：一个是「上了网的人」，一个是「几乎没碰过 LLM 的人」。
这两件事没有理由相等。
另一侧是几组大样本调查。
Pew 研究中心的调查显示，2026 年 2 月，49% 的美国成年人用过 AI 聊天机器人，其中 24% 每天用，51% 完全不用；同一份报告里，用过 ChatGPT 的比例是 44%，也就是其余 56% 不用。6
欧盟委员会的同类调查里，59% 的欧盟公民在个人生活中使用生成式 AI 工具，49% 在工作或学习中使用。7
Ipsos 与 Google 在 21 个国家做的调查给出的数字是 66%：过去 12 个月用过 AI 工具或应用。8
斯坦福 HAI 的《AI Index 2026》把三年内的生成式 AI 人口级采用率算成 53%，并注明这个速度比 PC 和互联网都快。9
这几组数字口径互不相同，谁都不能和谁直接相减。
它们指向的方向一致：在调查做得最密的那些经济体里，用过聊天机器人的比例已经接近或超过一半，「几乎没接触过」的那一群大约占另一半。
Karpathy 的 75% 是全球口径，而低收入国家只有 23% 的人上网，所以「没接触过」的比例在全球确实会比在美国、欧盟更高。5
只是这个方向的推断，没有任何一份全球调查给出结果，ITU 的 2026 年版报告到本篇截稿时也还没有发布。
第二格反而对得上。
ChatGPT 的官方口径是 12 亿周活跃用户，出自 9 月底 DevDay 的回顾页。10
Google 的官方口径是 Gemini 应用 10 亿月活跃用户。11
一个周活、一个月活，两个数不能相加，也不能互换。
但把其中任意一个单独拿出来，量级都落在 Karpathy 写的「10 亿到 20 亿」这一格里。
他顺带写的那句「多数人只在免费档」，也有官方数字撑着：官方同月披露的消费订阅是 5000 万，对 12 亿周活。12
约 24 比 1。
03 下面两格：2000 万与 5000
第三格的 2000 万，量级能被独立数据托住。
能拿来对照的量有几个。
JetBrains 的开发者生态调查把全球职业开发者规模算在 2080 万上下，是各家里最接近「职业」这个限定的一版；微软在财报电话会上说 GitHub 有 2.25 亿用户，GitHub 自己的口径是 1.8 亿开发者账号，这两个数量的都是账号。1314
在使用强度这一侧，Stack Overflow 2026 年开发者调查里，使用编码助手的受访者有 73% 每天使用；把全部受访者算进去，每天使用 AI 的比例也超过七成。15
在产品这一侧，OpenAI 官方的 Codex 周活跃用户数在 2026 年 6 月过了 500 万。16
这几个数不是同一件事，加不到一起。
职业开发者的总量、其中每天使用 AI 的比例、单个智能体产品数百万级的周活，三样叠起来，「这一层在千万人量级」是唯一站得住的判断。
第四格是另一回事。
「能在内部访问前沿级系统的人」这个数字，没有任何机构公布过。
能查到的只有机构总人数，而且都是第三方估计：TechCrunch 引用 LinkedIn 的口径里，OpenAI 逾 7500 人、xAI 略超 5000 人、Anthropic 逾 4700 人。17
拿机构总人数当「能内部访问前沿系统的人数」，会把前台、法务和招聘一起算进去。
这一层的形态，官方文件里写得比人数清楚。
Anthropic 的 Claude Mythos Preview 系统卡写明：模型先经过一次 24 小时的内部对齐审查，之后才开放内部使用；接入内部工具后先限制在一个小规模测试组里；对外只提供给有限的一批合作方用于网络防御，不对普通消费者开放。18
OpenAI 在 10 月 6 日公开那批数学结果时，用的措辞是「由一个内部前沿模型产出」。4
一个模型在内部跑出来的东西、给有限合作方用的版本、普通用户打开网页看到的那个，是三种不同的东西。
这一层的形态查得到，人数查不到。
| 层级 | 他给的量级与占比 | 独立数据能对上什么 | 证据等级 |
|---|---|---|---|
| 几乎没接触过 | 约 60 亿人，约 75% | ITU 的 60 亿是上网人数、占 74%；Pew 51% 完全不用聊天机器人、欧盟 59% 个人使用、Ipsos 21 国 66%、AI Index 三年 53% | 无一手来源；能查到的调查都低于 75% |
| 免费档随性用户 | 10 亿–20 亿人，约 20% | ChatGPT 12 亿周活；Gemini 10 亿月活；5000 万消费订阅对 12 亿周活 | 公司自报，量级吻合 |
| 职业使用前沿模型 | 约 2000 万人，0.2% | 职业开发者约 2080 万；使用编码助手者 73% 每天用；Codex 500 万周活 | 第三方测量与公司自报，量级吻合 |
| 内部访问 | 约 5000 人，约 0.00006% | 机构总人数为第三方估计（OpenAI 逾 7500、xAI 略超 5000、Anthropic 逾 4700）；「内部访问」的形态有官方文字，人数无任何来源 | 无一手来源 |
04 三个驱动，逐条核
他给出三个让漏斗成形的因素。
第一个是「影响随野心、问题规模和时间跨度缩放」——一段话就能回答的问题压不动系统，你需要一个你真的在乎的大而难的问题蓄水池。
这一条在 METR 的测量里有对应。
METR 以任务时长作为难度刻度，拟合出模型能在 50% 成功率下完成的任务长度：2019 到 2025 年全期，这个长度的翻倍时间是 196 天。19
这一页自己也写了这条曲线的边界：超过 16 小时的测量在当前任务套件下不可靠；99% 可靠度的时间跨度根本无法拟合；时间跨度量的是「低上下文的人多久能做完」，而不是「模型能自主工作多久」。20
跨领域那一条，正好解释了「尖」这个字。
软件与推理那一簇的时间跨度在 50 到 200 分钟之间，视觉电脑操作那一簇比它短 40 到 100 倍。21
第二个驱动是「能力在数字化、可验证、有经济价值的领域登顶」，他给的原因是：LLM 的能力来自强化学习，而强化学习用的奖励来自「一批为营收潜力挑选过的环境」。
这个说法他自己拆开写过。
2025 年 11 月，他在博客里给出一组对照：软件 1.0 自动化的是「你能指定的」，软件 2.0 自动化的是「你能验证的」。22
The more a task/job is verifiable, the more amenable it is to automation in the new programming paradigm. This is what's driving the "jagged" frontier of progress in LLMs. Tasks that are verifiable progress rapidly, including possibly beyond the ability of top experts (e.g. math, code, ...) while many others lag by comparison (creative, strategic, tasks that combine real-world knowledge, state, context and common sense).
这段话的意思是：一件事越可验证，就越容易被这套新范式自动化，这正是 LLM 进步前沿参差的来源——可验证的任务推进得快，甚至可能超过顶尖专家，而创意、战略、需要真实世界知识与常识的任务落在后面。
半年后的一次对谈整理稿里，他把「尖峰」写成了一行乘法：能力尖峰约等于可验证性 × 训练注意力 × 数据覆盖 × 经济价值。23
这条路线本身，同行提出了三条反例。
一篇获 NeurIPS 2025 最佳论文亚军的论文发现：经过这类强化学习训练的模型在小采样预算下更强，把采样预算拉大，基础模型反超——作者的原话是，提升的是采样效率，而推理能力的上界没有被推开。24
另一篇把这种训练形容成一根看不见的缰绳：采样预算变大时，模型能答对的那部分题面在收窄。25
还有一篇更直接：用随机指定的奖励做训练，Qwen2.5-Math-7B 在 MATH-500 上照样涨了 21.4 个百分点，几乎追平真值奖励的 29.1 个百分点。26
「可验证」这一头也各有各的难处。
斯坦福的团队测过法律检索：通用聊天机器人在法律查询上的幻觉率是 58% 到 82%，换成专用工具仍是 17% 到 34%。27
OpenAI 发布医疗评测 HealthBench 时请了 262 名医生写评分准则，其中「为信息不足的问题主动追问」这一类，参加评测的前沿模型仍然吃力。28
至于「为营收潜力挑选环境」这半句，钱确实压在代码上：Anthropic 在 2 月的融资公告里写明，Claude Code 的年化运行收入超过 25 亿美元，周活用户自 1 月 1 日翻倍。29
第三个驱动最短，三个词：免费档、付费档、内部。
这一条最容易被低估。
ChatGPT 的定价页有一栏专门列「你这个档位能不能用这个模型」：GPT-6.1 Sol、GPT-6 Astra、GPT-6 Sol、GPT-5.6 Sol 这几行，免费档和 8 美元一档下面写的是「No」。30
同一页还有上下文窗口：GPT Instant 的总窗口，免费档 27K token，付费的 Plus 54K，Pro 128K。30
同一个产品名下面的「免费版」，拿到的往往是另一个模型，配一个更小的窗口。
同样的机制在网络安全方向上被量化过一次。
Anthropic 在 10 月 6 日扩容它的网络验证计划时公布了一组实测：同一个 Claude Opus 5.5，跑 CyScenarioBench 的 10 个挑战、每个 5 次，没有验证档访问时每个任务都在第一个提示词上被拦下；Defense Access 档 50 次里 46 次被拦、4 次成功；Red Team Access 档零拦截，完成 34 次；该公司的 Specialized Access 档与完全不设防护时的成绩相同，为 67.6%。31
同一家公司还写明过另一个版本：Claude Fable 5.1 与 Claude Mythos 5.1 是同一个底层模型，差别在守卫；因为守卫介入，Fable 5.1 在 OSWorld 2.0 上计 0 分。32
「同一个模型」与「同一个能力」，在公开文件里就是这样被分开的。
05 同行在同一根轴上的位置
这里的那根轴，是「谁离前沿有多近」。
同一条轴上，同行各自站得不远。
Dario Amodei 谈的是外面人的判断力：他写过，不每天造 AI 系统的人，「在判断一条听起来干净的故事有多容易出错这件事上，校准得离谱」。33
他还写过一种更具体的错位：只看当时 AI 能做什么的人，会觉得这是一项「平凡得多的技术，大概像最新的消费级应用或加密货币」。34
Demis Hassabis 说的就是这条轴本身。他 2 月说过，今天的系统能拿国际数学奥林匹克金牌，但换个问法仍会在小学数学上出错，「一个真正的通用智能系统不该有这样的参差」。35
Sam Altman 的切法按世代：年纪大的人把 ChatGPT 当谷歌替代品，二三十岁的人当生活顾问，大学生把它当操作系统。36
把这条轴往上推，最直接的一层是算力：Epoch AI 估计，到 2025 年末，全球资源最丰富的五家 AI 开发者加起来，能用到的算力大概不到全球的一半。37
《AI Index 2026》把能力本身形容为「参差的前沿」，并给了采用率的不对称：生成式 AI 三年到 53%，而美国的采用率是 28.3%，排全球第 24 位——这个 28.3% 量的是「用过生成式 AI 的人口比例」，和 Pew 那个「用过聊天机器人的美国成年人比例」不是同一套口径。9
几个人说的不是同一件事，位置却在同一根轴上。
Karpathy 的漏斗，在这根轴上给「谁看到了什么」标上了刻度。
06 帖子下面吵的，和它没说的
这条帖到北京时间 10 月 12 日上午 9 时前后，浏览量约 172 万、点赞 2 万余次、引用 760 余次。
引用里最有分量的一条，把 5000 换算成一个人人都有的参照：登上珠峰的人大约 7500 个，按 Karpathy 的估算，地球上见过前沿 AI 真正能做什么的人只有 5000 个。38
另一条负责转述：6 亿人几乎没碰过，10 亿到 20 亿人当它是更好的谷歌，2000 万人看着智能体几小时内做完几个月的工作，5000 人在实验室里看着智能体群做新科学——「同一时刻，截然不同的现实」。39
反对的声音在回复里。
一条引用帖说他只是在炫耀内部访问权限，那句「漏斗在变宽」是「把高地位的错失恐惧包装成了洞察」。40
另一条回复提供了一个更值得记的反面：真正在后台用上 AI 的人比这四格里的任何一层都多，只是他们不知道自己在跟机器说话——打客服电话的时候，他们也不需要知道。1
这条回复指向的，正是这四个数字各自量错了对象的地方。
他写的四格，量的是「有没有接触到这套系统」；读者关心的是「AI 到底有多强」。
这两件事之间那段距离，正是他用「几乎没接触过 LLM」这七个字一步跨过去的地方——跨过去之后，最上面那一格就被撑大了。
把四个数字并排放在一起：中间两格对得上独立数据，最上面那格在调查最密的地方偏高，最下面那格没有任何机构量过。
四格里最经得住核的，反而是他写得最短的那三行——免费档、付费档、内部。定价页上的「No」，和同一个模型在四扇门后的 0、9%、68%，都落在这一行上。
References
- 1
- 2
- 3
- 4
- 5
- 6Pew Research Center：Americans and AI 2026（2026-06-17）
pewresearch.org
- 7
- 8
- 9Stanford HAI：The 2026 AI Index Report
hai.stanford.edu
- 10OpenAI：DevDay 2026 Recap（2026-09-29）
openai.com
- 11
- 12
- 13JetBrains：Developer Ecosystem Data Playground
jetbrains.com
- 14GitHub：Octoverse 2025（2025-10-28）
github.blog
- 15Stack Overflow：2026 Developer Survey，AI 部分（2026-10-06）
survey.stackoverflow.co
- 16
- 17
- 18Anthropic：Claude Mythos Preview System Card（2026-04）
www-cdn.anthropic.com
- 19
- 20
- 21
- 22karpathy：Verifiability（2025-11-17）
karpathy.bearblog.dev
- 23karpathy：Sequoia Ascent 2026 summary（2026-04-30）
karpathy.bearblog.dev
- 24Limit of RLVR（作者项目页）
limit-of-rlvr.github.io
- 25
- 26
- 27
- 28
- 29Anthropic：Anthropic raises $30B Series G（2026-02-12）
anthropic.com
- 30OpenAI：ChatGPT Pricing（2026-10-12 抓取）
chatgpt.com
- 31
- 32Anthropic：Claude Mythos
anthropic.com
- 33Dario Amodei：The Adolescence of Technology（2026-01）
darioamodei.com
- 34Dario Amodei：Policy on the AI Exponential（2026-06）
darioamodei.com
- 35Business Insider：Hassabis on the real intelligence gap（2026-02-18）
businessinsider.com
- 36
- 37
- 38
- 39
- 40
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.