前OpenAI创始成员安德烈·卡帕斯最近列了一组数字，连马斯克都转了：全球有60亿人至今没碰过大模型，而真正能摸到AI极限能力的人，全世界其实只有一千到五千个。
大家都在聊同一个词，但脑子里想的完全是两码事。卡帕斯把这个差距比作一个巨大的漏斗。最上面是那占了全球75%的60亿人，日常生活跟AI基本绝缘；往下走一步，大概有10到20亿人偶尔打开免费版ChatGPT，拿它查查资料、改改邮件，用完觉得这就是个反应有点笨的聊天机器人。卡帕斯提到，自己不少非技术圈的朋友都觉得这东西几乎没什么实用价值，很多公司的管理层虽然知道技术在变，但理解起来始终隔着一层。
真正开始感受到冲击的，是再往下的2000万人，只占全球人口的0.2%。这批人把它用在写代码、推演数学这种复杂的实际项目里。原本一个程序员团队要干上好几个星期的活，现在给一句提示词，搭架构、翻译代码它都能一口气跑完。卡帕斯自己也感慨，不到一年前，他还在键盘上一个字母一个字母地手敲代码，现在工作方式彻底变了。
漏斗最底下那一小撮，则是拿到了各大机构内部最强系统权限的极少数人，全球也就千把到五千人上下。在他们手底下，是成千上万个智能体成组协作，几个星期内就能啃下超大型软件项目，找底层漏洞、做攻防演练，甚至推导新的数学与科学规律。这些事换成顶级人类专家来做，通常得熬上好几年。外面的研究者甚至有些跟不上节奏，光是面对那722篇前沿论文，数学家们可能都要读上很久。
普通人试用新工具，常常顺手拿它当个搜索框，问问日常常识、打听点琐事。要是先这么试，很容易发现它给出的回答平平淡淡，偶尔还胡说八道，人自然会觉得这不过是个被吹上天的玩具，后头那些规则严密、真正耗费心力的重活，也就根本不会再交到它手上；反过来，如果一开始就带着一套逻辑清晰、能立刻验证对错的复杂任务去测，哪怕前期调试得费点劲，一旦看到它把几周的死工夫压缩到几分钟，后面再去处理日常杂务，心里对它的边界和分寸就完全不同了。
卡帕斯觉得造成这种撕裂的原因其实摆在明处。一是任务性质，随手一搜就有答案的小问题，根本逼不出它的真本事，只有那种跨度长、极其复杂的难题，差距才会被无限拉大；二是应用场景，它在代码和数学这类对错分明、能打分的地方表现最猛，换到其他领域就平庸得多；三是权限，免费用户、付费用户和拿到内部核心权限的人，见到的根本不是同一代东西。
现在最奇特的地方就在这儿。有人觉得这波浪潮只是个噱头，有人觉得它不过是个写文案的助手，而极少数人已经在看着技术曲线直冲云霄。这些感知完全矛盾，但每一拨人说的，又全都是自己眼前的真事。