AI大牛安德烈·卡帕西翻出自己今年4月的旧帖并大幅扩展，用“餐巾纸估算”量化了当前大模型能力认知的尖锐漏斗：全球约75%人口（60亿人）几乎未接触过大语言模型；约20%（10亿至20亿人）只是免费版聊天机器人的低频用户，体验停留在“更好用的搜索或写作助手”；仅约0.2%（约2000万人）在数学与编程等专业场景中使用前沿智能体模型，亲眼看到原本需要数周甚至数月的复杂项目如今只需一句提示即可完成；最顶端约5000人（0.00006%）能接触内部前沿系统，那里已出现数千智能体协作数周完成软件巨型项目、挖掘零日漏洞、以机器速度攻防、推进数学与科学前沿的景象，人类审阅与理解开始跟不上。

卡帕西指出，能力并非均匀扩散，而是高度“锯齿状”。一方面，强化学习依赖可验证奖励——单元测试通过与否、数学证明正确与否这类明确信号，让模型在代码与数学领域能被快速“爬山”优化；写作、战略建议等难验证任务则进步缓慢。另一方面，这些可验证领域恰恰对应高商业价值，公司资源高度集中于此。结果就是：外部用户看到的是偶尔订机票失败的聊天机器人，而内部系统已能让智能体群组自主重构代码库、持续运行数小时甚至数周。卡帕西本人也坦承，不到一年前他还在手动敲代码，现在前沿用户已把“写代码”变成“指挥智能体完成大型工程”。

这种认知断层不会很快弥合。当最顶尖的0.00006%已经在用机器速度推进人类无法实时审阅的成果时，大众仍在争论“AI有没有用”，行业舆论与政策讨论很可能长期建立在过时的感知之上。能力本身在加速，理解它的人却在急剧收窄。