Andrej Karpathy 近日重发推文指出，公众对大语言模型（LLM）能力的认知差距正急剧扩大，形成一道尖锐的“认知漏斗”。这已非简单的观点分歧，而是基于不同接触深度产生的体验断层。
认知漏斗的四层结构
第一层：几乎未接触者
全球约60亿人（占总人口75%）几乎未接触过LLM，处于完全盲区。
第二层：轻度用户
约10亿至20亿人（约占20%）为免费层产品的偶发性用户。在他们眼中，LLM仅是略显呆板的聊天机器人或高级搜索工具。即便智能体已能尝试预订机票，许多非技术背景人士仍觉其无用。包括高管在内的众多专业人士虽在智力上理解概念，但体验仍是二手且抽象的。
第三层：专业级应用者
约2000万人（占0.2%）亲历了LLM在数学与代码领域的专业应用。他们发现，过去需数周甚至数月的大型复杂项目，如今通过提示词即可由智能体迅速完成。从构建、复制到反编译应用，这些变革在近期才成为现实。相比之下，不到一年前开发者仍需手动逐字敲击代码。
第四层：内部核心访问者
仅约5000人（占0.00006%）拥有前沿系统的内部访问权。外界所见仅为预览版，内部则是数千个智能体协作处理巨型软件项目：挖掘零日漏洞、以机器速度进行网络攻防、发现新科学成果及推进数学前沿。人类审查和理解能力已开始落后于系统进展，例如学界仍在梳理数月前的技术细节，或耗时研读海量前沿数学手稿。
驱动漏斗效应的三大因素
这一分化由以下因素共同驱动：
1. 问题规模与野心：简单问答几乎不考验系统极限，唯有庞大且困难的问题储备才能激发LLM潜力，推动了消费者与专业维度的分化。
2. 系统的锯齿状特性：LLM能力峰值出现在数字化、可验证且具经济价值的领域（如数学与代码）。这是因强化学习针对可验证奖励进行优化所致，导致了能力分布的区域性不均。
3. 访问权限差异：免费层、付费层与内部层的权限壁垒，直接决定了用户所能触达的能力边界。
当下的怪诞在于：普通大众大多未与系统互动，或仅视其为呆板工具；大多数专业人士仅感受到适度提升；而少数核心用户正经历技术曲线垂直上升带来的眩晕感。这三种截然不同的现实，正在同时发生。