卡帕西拆解AI四层认知漏斗：为什么普通人觉得它傻，顶尖工程师却感到眩晕？

同一种人工智能，为什么有的人觉得它连小学生都不如，有的人却被它吓出了眩晕感？ 这不是感觉上的差异。 这是真实世界正在裂开的一道鸿沟。

前几天，人工智能领域的技术大牛、OpenAI 联合创始人兼特斯拉前人工智能负责人卡帕西（Andrej Karpathy），在草稿纸上算了一笔账。 他说，今天全世界对人工智能的理解，根本不是看好看衰的问题。 它正在变成一个极其陡峭的四层漏斗。

最底下一层，是全球大约 60 亿人，占了整个人类人口的四分之三。 这 60 亿人，到今天为止，几乎从来没真正碰过大语言模型。

往上一层，大约有 10 到 20 亿人。 他们偶尔会打开免费版的聊天工具，问个常识，写封请假条，或者查个菜谱。 在他们眼里，这玩意就是一个有点笨的聊天机器人。 充其量算是一个带点总结功能的强化版搜索引擎。 很多写字楼里的白领和专业人士，其实也停留在这一层。 偶尔用一次，发现它会胡说八道，算错一道算术题， 心里马上踏实了： 就这水平，离取代我还早着呢。

但再往上走，人数瞬间断崖式下跌。 第三层只剩下大约 2000 万人，大概占全球人口的五百分之一。 主要是写代码的软件工程师，和搞数学、算法的专业研发人员。 这批人在用最顶尖的前沿模型干活。 他们正在经历一种被称为智能体眩晕的状态。 以前一个工程团队要折腾几个星期的复杂系统， 现在把需求写清楚，一个指令扔给自动化智能体， 从搭建架构、编写代码到调试运行，几十分钟就搞定了。 卡帕西自己坦白了一件事： 就在不到一年前，他写代码还是纯手工敲键盘。 编辑器里的每一行指令，每一个字符，都是他自己亲手敲进去的， 偶尔按一下键盘上的制表键，让系统自动补全一小段。 仅仅过了几个月，这种写代码的方式已经变成了历史遗迹。

更夸张的是最顶上的第四层。 这一层只有大约 5000 人。 他们是全球顶尖人工智能实验室内部的核心研究员。 这几千个人手里握着还没公开发布的内部系统。 在那里，早已没有人跟机器一句一句打字了。 那是成千上万个自主智能体组成的集群，在暗处协同工作几个星期。 它们自己拆解任务，自己编写软件超级工程，甚至自己在前沿数学和网络攻防里攻城略地。 人类工程师唯一的瓶颈，是阅读和审查这些代码的速度，已经开始跟不上机器生产的速度了。

为什么会这样？ 为什么同一个时代的技术，能在不同人眼里呈现出完全不同的两个物种？ 秘密在两个字上：验证。 写代码和算数学，有一个人类日常对话没有的东西，叫编译器。 代码写得对不对，扔进沙箱跑一下就知道了。 报错了，错误信息清清楚楚； 跑通了，测试用例全部打绿勾。 这意味着机器拥有了绝对客观的反馈环境。 模型可以自己写一段、自己跑一遍、自己根据报错去修改， 在里面不断试错、自我强化，完全不需要人类坐在边上盯着。 可普通人在对话框里聊天呢？ 你问它今天心情好不好，或者让它写一篇公文， 根本没有客观标准。 机器给了一个平庸甚至胡编的回答， 你只能自己叹口气，手动给它纠错。 一个在没有反馈的泥潭里打转， 一个在有编译器的跑道上疯狂狂奔。

再看交互形态。 大多数人接触的，依然是一个单轮对话框。 你问一句，它答一句。 只要有一句话答得不够聪明，你就会觉得它像个傻子。 但在前沿的这批人手里，模型早就不是陪聊的客服。 它变成了拥有手脚的自动化工兵。 你给它一个最终目标， 它会自己创建虚拟运行环境， 自己下载所需要的工具包， 自己把大任务拆解成几十个子步骤， 写完之后自己运行，遇到错误自己查日志修复，最后把成品完整交到你手上。 普通人是在用吸管喝水， 实验室里的人是在看高压水库泄洪。

卡帕西在推文的最后写道： 普通大众看到的是一个傻乎乎的聊天机器人； 大多数专业人员看到的是一个微不足道的小帮手； 而极少数站在最前沿的人，正在经历一条增长曲线直接拉成垂直线所带来的失重与眩晕。 这三种截然不同的现实， 正在同一个世界上，同一天，同时发生。