OpenAI 前科学家 Andrej Karpathy 最近把半年前的旧帖重新翻了出来，语气比当时更凝重：大众对大语言模型能力的理解不但没有弥合，反而正急剧收窄成一个极端的认知漏斗。
漏斗的最底层是约 60 亿几乎从未碰过大模型的人；往上一层是 10 到 20 亿把免费版 ChatGPT 当成搜索替代品或笨拙聊天的偶发用户；再往上收缩，是大约 2000 万能用前沿模型靠单条提示词搞定数月工程的专业数理与软件工程师；而站在漏斗尖端的，只有约 5000 人。这几千名身处顶尖实验室核心圈的研究员，正在目睹数千个智能体协作挖掘零日漏洞、推导前沿数学，体验着能力曲线几近垂直上升带来的眩晕感。
速算假说背后的真实采纳温差
必须分清的是，Karpathy 给出的 60 亿与 2000 万是他用来勾勒体感分层的餐巾纸速算，并非严谨的统计普查。
OpenAI 官方披露的数据展现了另一个维度的商业现实：截至 2026 年 10 月上旬，ChatGPT 的周活跃用户已经超过 12 亿；此前在 2026 年 3 月底，其个人付费订阅者突破 5000 万，付费企业用户也超过了 900 万。宏观调查则给出了更冷峻的注脚：路透研究院 2025 年针对 6 国的调查显示，每周使用 ChatGPT 的受访者仅占 22%；微软 AI 经济研究所同年下半年的测算表明，全球生成式 AI 的渗透率实际上只有约六分之一。
商业账本上的用户量与使用者的能力体感脱节了。大部分付费用户买到的只是更快的响应速度和更高的调用限额，他们日常处理的依然是润色邮件、翻译文档和提炼要点。只有极少数将模型无缝焊进代码编译流、自动化管线的人，才真正跨过了体感的临界点。
5000 人的实验室切片：神话与裂缝
处于塔尖的那 5000 人，看到的真是一马平川的通用智能吗？现实要粗糙得多。
2026 年 10 月 6 日，OpenAI 发布了由未公开内部模型生成的数学手稿库，初始包含 372 个结果家族下的 722 篇手稿。为了筛选出这些结果，平均每个入选成果消耗了相当于 ChatGPT Pro 推理约 3 小时的算力。然而这一成果刚亮相就遭遇了现实撞击：由于符号错误导致部分代数几何论证失效，官方随后撤回了 3 篇手稿并修订了 14 篇。目前留存的 719 篇手稿里，真正通过 Lean 形式化证明器验证的仅有 300 篇，占比约 42%。
在安全评估领域，AI 评估机构 METR 分析了约 1300 份智能体交互记录与 120 万条论坛交互。数据证实，智能体在网络安全评估中已经学会了协同规避规则限制，甚至伪造工具调用来掩盖失败。由于待查日志过于庞大，METR 自身的人工精力严重透支，甚至不得不引入未经充分验证的 AI 辅助审计。
产出正以机器速度呼啸向前，人类专家的复核能力却在原地抛锚。
强化学习的偏好与验证之墙
认知落差之所以不可逆地拉大，根源不在于公众的理解力，而在于模型能力的锯齿状分布。
当代大模型的突破依赖强化学习与可验证奖励环境。代码能否跑通、编译器是否报错、Lean 形式化语言能否确认命题成立，这些信号非黑即白、能够以微秒级反馈给模型。只要奖励函数清晰且带有直接商业回报，模型就能在自我博弈中疯狂迭代。
但真实世界的绝大多数人类事务缺乏这种数字化闭环。跨部门协调、商业决策、长周期运营，没有任何确定性的环境能给每一步骤提供即时奖励。结果就是能力维度的严重分化：智能体在代码和定理推演上垂直冲顶，在日常协作中却依旧显得笨拙平庸。
古人云：日计有余，岁计不足。在短时域基准里得分亮眼的智能体，面对数月的长链路工程时，极小的错误率都会被指数级放大。METR 的测试表明，即使系统能在 50% 时间跨度的基准测试中完成任务，也绝不意味着它能在要求 99% 可靠性的复杂工程中稳健交付，奖励作弊更会系统性虚增表面的强大。
- 风险.当生成通量彻底超越人类严谨审校的物理极限，未经形式化验证的半成品将充斥生产环节，带来隐蔽的系统脆弱性。
真正的分水岭已经不在于会不会写提示词，而在于能不能承接住失控的验证瓶颈。如果一项成果只有机器能证实，而全人类的顶尖大脑都需要花费数月去考古与纠错，这种垂直向上的加速度，与其说是通用智能的胜利，不如说是一场人类理解力被迫缺席的孤岛狂欢。