為什麼有人覺得 AI 沒用，有人卻覺得世界正在改變？Karpathy 的 AI 能力漏斗

Andrej Karpathy 在 X 上重發了 4 月的一則貼文。他說，大家對 AI 能力的理解落差正在擴大，已經不是「兩群人各說各話」，而是一個越來越尖的漏斗。這篇整理他貼文的重點，並附上讀者可以自己對照的方式。

貼文在台灣時間 2026 年 10 月 12 日（美國時間 10 月 11 日）發出。Karpathy 是 OpenAI 共同創辦人之一，也曾擔任 Tesla 的 AI 負責人。2026 年 5 月，他加入 Anthropic 的預訓練團隊，目前在前沿實驗室內工作。下面的數字，他自己說是「napkin math」，也就是餐巾紙上的粗估，沒有附方法或資料。

一、漏斗的四層

Karpathy 把世界上的人，依「實際接觸過多強的 AI」分成四層。從上到下，人數越來越少，看到的東西差越來越多。

• 約 60 億人（約 75%）：幾乎沒接觸過大型語言模型（LLM，也就是 ChatGPT 這類聊天機器人背後的技術）。
• 約 10 到 20 億人（約 20%）：偶爾使用免費版的 ChatGPT 類產品。他們看到的是有點笨拙的聊天機器人，把它當成比較好用的搜尋、寫作輔助。Karpathy 說，他有非技術的朋友認為自己用不太到，他覺得這很合理。他也把許多數學與程式以外的專業人士放在這一層，例如主管。原因是這些工作多半在和人講話，對 AI 的了解停留在「聽說」。
• 約 2,000 萬人（約 0.2%）：在數學與程式領域，專業地使用前沿等級的 AI。他們親眼看到，原本要花數週到數月的大型專案，現在可以由 AI 代理人（AI agent，能自己規劃步驟、執行工作的 AI）依一個提示完成。例如做 App、仿製 App、翻譯 App，甚至從執行檔反推原始碼。Karpathy 說，不到 1 年前，他還在一個字一個字手寫程式。
• 約 5,000 人（約 0.00006%）：能在公司內部使用前沿等級的系統。Karpathy 說，外界只看到預告：數千個 AI 代理人合作數週，完成大型軟體專案，找出零日漏洞（zero day，尚未被修補的資安漏洞），以機器的速度攻防，發現新科學，推進數學的前沿。這些事原本要頂尖專業人士花數年。

他也提醒，人類的檢視和理解正在跟不上。他舉的例子是：幾個月前的「OpenAI-HF 事件」，還有人在做事後的「考古」；數學家可能還要花不少時間，才讀得完前沿數學的 722 份手稿。這兩個例子，他貼文裡沒有進一步說明，本文也無法另外查證，所以只照原文轉述。

二、為什麼會變成漏斗：三個原因

Karpathy 說，這個漏斗由三件事一起造成。

1. 問題的大小與時間跨度：影響力會隨著「野心、問題大小、時間長短」放大。一個只要一段話回答的問題，幾乎不會考驗到系統。你需要有一批真心在乎、又大又難的問題。他說這一點，主要造成「一般使用者」和「專業使用者」之間的差距。
2. 能力的鋸齒狀分布（jaggedness）：AI 的能力不是平均變強，而是在某些領域特別突出，在其他領域卻很普通，像鋸齒一樣。他說能力集中在「數位的、可驗證的、有經濟價值的」領域。原因是 LLM 的能力來自強化學習（reinforcement learning，讓模型做題、答對就給獎勵的訓練），題目是依「賺錢潛力」挑選的、答案又能被驗證的環境。他說這一點，主要造成「領域」之間的差距，例如數學與程式特別強。
3. 取用權限：免費版、付費版、內部版。

他的結論是：這是「這個時刻的怪異之處」。一般大眾大多沒有用過這些系統，用過的人看到的是笨拙的聊天機器人。多數專業人士只感覺到一點點幫助。一小撮專業人士，則正在體驗曲線垂直上升的暈眩感。而這三件事，同時在發生。

三、引用前先看這三點

• 數字是他自己的粗估。60 億、10 到 20 億、2,000 萬、5,000 人，Karpathy 說是「napkin math」，沒有附方法。引用時請寫成「他估計」，不要當成統計資料。
• 他的身分，和「內部」的範圍。Karpathy 在 2026 年 5 月加入 Anthropic。「5,000 人」指能在內部使用前沿系統的人，貼文沒有說這些人在哪些機構。引用時，建議一併說明他的身分。
• 他描述的主要是數學與程式。他說能力集中在可驗證的領域。他也提到，多數專業人士目前只感受到「適度的提升」。所以漏斗最底層看到的景象，不能直接當成所有工作的現況。

四、你在第幾層？一個自我檢查

下面是我們依 Karpathy 的分層整理的簡單對照。這是本文的整理，不是他的原話。

• 第一層：沒有用過，或只聽人說過。
• 第二層：用過免費版，問問題、改文字，沒有遇到值得長期使用的場景。
• 第三層：會把一個要花好幾天的工作，整個交給 AI 代理人，再檢查成果。
• 第四層：在實驗室內部使用還沒公開的系統。一般讀者不會在這一層。

如果你在第二層，下一步不是換更貴的工具，而是找一個「又大又難、你真的在乎」的任務，交給付費版的前沿模型。例如整理一整年的客服紀錄，或把一個重複的報表流程自動化。重點是任務夠大，才看得出差別。

對企業和機關來說，這個漏斗也提醒了一件事：同一個單位裡，不同同仁可能分別站在不同層。有人覺得 AI 沒什麼用，有人已經把它當成同事。內訓的第一步，常常是先讓大家看到同一個示範，再討論要在哪些工作導入。