前 OpenAI 共同创办人、Tesla 前 AI 总监Andrej Karpathy于社群平台 X 上发表分析指出，大众对大语言模型(LLM)能力的认知鸿沟正显著扩大，从过去两派人马各执一词，演变成一座极其陡峭的「四层认知漏斗」。

Karpathy表示，绝大多数普通使用者仍将 AI 视为常犯错的笨拙助手，但少数尖端实验室研究员已目睹数千个 AI 代理(Agent)自主协同作战的惊人实力。

四层认知漏斗：从60亿边缘人口到5000名尖端专家

Karpathy透过数据估算，将全球人口对 LLM 的接触与理解程度划分为四个层级：

底层「AI 真空区」(约 60 亿人 / 75%)：全球近七成五的人口几乎从未真正使用过大语言模型，AI 对其而言仅停留在新闻标题或科幻想像中。

第二层「初级辅助层」(约 10 亿至 20 亿人 / 20%)：偶尔使用免费版 ChatGPT 类产品，主要用于搜寻资料或辅助撰写电子邮件。Karpathy引述其非技术领域朋友与企业高管的意见指出，许多人认为 AI 在日常工作效益有限，且大众常因旧款免费模型或网路上的「幻觉翻车影片」而低估 AI 的真实潜力。

第三层「AI代理眩晕区」(约 2000 万人 / 0.2%)：由数学与程式设计领域的专业人士组成，透过付费订阅最前沿模型(如 OpenAI Codex、Claude Code)，体验到生产力飙升的「代理人眩晕(Agent Vertigo)」。

Karpathy特别引述自身经验：「不到一年前，我还在手动逐字敲击程式码，但现在只需给予提示词(Prompt)，AI 代理就能在极短时间内完成过去需耗时数周或数月的应用程式开发、反编译与重构作业」。

金字塔顶端「内部禁区」(约 5000 人 / 0.00006%)：仅极少数尖端实验室内部人员能存取未公开的前沿系统。Karpathy描述，内部展现的是数千个 AI 代理组成蜂群，自主运行数周执行大型软体工程、挖掘零日漏洞(Zero-day)、网路攻防演练与推演前沿数学，人类的审查与理解速度已开始跟不上机器产出。

认知鸿沟的三大驱动因素

Karpathy分析，造成此种尖锐分化的核心原因有三：

问题规模与时间轴：简单的写信或查询无法激发 AI 的极限，使用者必须具备够复杂且具价值的难题库。

数位化与可验证奖励机制：程式设计与数学领域具备明确的对错标准，能透过强化学习(RL)达成技术爆发，同时蕴含极高商业价值。

存取权限的实体壁垒：免费版、付费版与内部系统之间存在天然的技术与费用屏障。

意见领袖与业界观点：正回馈循环与两极化争议

加密与科技社群观察家 Sleepy 对此发言引述表示，大众对 AI 强大与否的判断，完全取决于自己身处漏斗的哪一层。Sleepy 认为，具备强大技术背景、能取得昂贵模型并处理复杂任务的人，正透过 AI 代理获得数倍的生产力提升，进而形成「正回馈循环」；相对地，一般使用者若仅用 AI 制作简报或写邮件，便难以体会技术飞跃，这正是当前 AI 讨论极度两极化的根源。

此外，科技分析媒体 Fathomdotnews 指出，传统评测基准(如 SimpleQA)仅能测量特定能力碎片，无法代表通用推理，导致基准榜单与一般使用者的真实体验产生落差。这种认知错配将对企业布局 AI 与政府制定监管法规带来极高风险。