6
0同样用AI，为什么体验差这么大？有人觉得AI就是个问答玩具，试了两次就放下了；也有人说它一晚上干完了过去几周的活。差距到底从哪来的？
最近，知名AI研究者Andrej Karpathy重新翻出了他四月发的一条帖子。他的判断是：人们对大模型能力的认知，已经不是“两拨人各说各话”，而是正在形成一个越来越陡的漏斗。
他按认知深浅分了几层，并给了人数估算。这里要说明，这些数字是他自己的粗略推算，不是权威统计。大意是：全世界约四分之三的人，几乎没怎么接触过大模型；两成左右的人偶尔用用免费版，把它当成好一点的搜索引擎或者写作帮手，觉得也就那样；再往上一小层，是数学和编程领域的专业用户，他估计约两千万人，只占人口的千分之二，他们亲眼看到过去要花几周甚至几个月的项目，现在一条提示词就能交给智能体去做；而塔尖，是他说的约五千人，能在内部用到最前沿的系统，看到成群的智能体协作几周去做大型软件项目。Karpathy还提到，就在不到一年前，他自己还在逐字符地手敲代码。
他认为，这个漏斗主要由三个因素拉开。第一是任务的规模和难度：一个问题只有一段话的答案，根本压不出系统的能力，你得有一批真正在乎的大难题。第二是能力的参差：模型在数字化、可验证、有经济价值的领域表现最强，所以数学和编程最先被拉开。第三是访问权限：免费版、付费版、内部版，看到的东西完全不同。
说说我的理解。对企业管理者来说，这个漏斗有个很实际的提醒：你听到的AI评价，很大程度上取决于说话的人站在漏斗哪一层、拿它干什么活。如果团队只在聊天框里问几个简单问题，就下结论说AI没用，那测出来的可能不是AI的能力上限，而是任务的难度不足。反过来也一样，任务类型不匹配、权限受限，体验都会打折扣。所以评价AI到底有没有用，只有一个靠谱的办法：放到自己团队具体的工作任务里去验证。
如果你想试，我建议从小处开始：挑一个三五人的小组，列出他们每周固定要做的几件具体的事，比如整理会议纪要、写材料初稿、做数据汇总。然后用目前能用到的配置最高的模型，把这些任务原样交给它做一遍，和现在的做法对比，记下哪些确实省了时间、哪些不行。不用迷信任何人的结论，包括这条视频。体验差异是真实存在的，但答案在你自己的任务清单里。
