Karpathy的LLM能力漏斗：真正的用户只有2000万

AI领域的创始人、前特斯拉AI总监Andrej Karpathy近期重新分享了他关于「LLM能力鸿沟」的分析框架，这个被称为「能力漏斗」的模型，正在挑战「人人都在用AI」的主流叙事。

能力漏斗：从60亿到不足5000

Karpathy用一个分层漏斗描绘了全球LLM的真实使用图景，这个结构远比媒体头条呈现的复杂：

约60亿人几乎没有真正接触过大语言模型；
10到20亿人只是偶尔随意使用（casual use）；
约2000万人真正把模型推到极限——用于数学、代码等高强度专业场景；
不足5000人拥有各大实验室的内部访问权限。

Karpathy的LLM能力漏斗

这个分层的关键启示在于：当我们谈论「谁在使用AI」时，往往把偶尔问一句ChatGPT的人和真正把模型嵌入生产系统的工程师混为一谈。两者之间的差距，不是程度问题，而是量级问题。

那2000万人才是整场游戏

Karpathy的核心论点是：真正决定行业走向的是那2000万专业用户，而非那60亿人。

每一个开源权重模型（open-weight model）、每一次API布局、每一个Agent框架，本质上都在争夺这薄薄一层专业人群的注意力。他们是把模型从「玩具」变成「工具」的人，是提出真实需求、暴露真实缺陷、推动能力边界的人。

这意味着，当下AI产品竞争的真正战场，并不在大众市场的声量上，而在于能否赢得这群「会把模型用到崩溃」的深度用户。他们的反馈循环，决定了模型下一步往哪里进化。

**开源权重模型（open-weight model）**指模型训练完成后，研究者或公司将模型的参数权重（即神经网络中所有可学习的数值）公开发布，允许任何人下载、本地部署、微调或集成到自己的系统中。与之对应的闭源模型（如GPT-4、Claude）只暴露API接口，用户无法获取底层权重。对专业开发者来说，开源权重的意义在于：可以在私有环境中运行（无数据隐私顾虑）、可以针对特定任务进行微调、可以在推理层面深度定制。Llama系列、Qwen、Mistral等都是典型的开源权重模型。正因如此，开源权重模型是那2000万专业用户的核心战场——他们需要的不是一个"问答框"，而是一个可以拆开、改造、嵌入生产系统的基础组件。

「人人用AI」是个误导性叙事

Karpathy在分享中直言，最让他在意的是「现在所有人都在用AI」这种说法有多失真。

如果你正在把开源权重模型接入生产环境，那么你所在的圈子，比媒体头条暗示的要小得多。但他认为这其实是个好消息：真正能产生影响力的门槛，比看上去要低。换句话说，这个专业圈子还远未饱和，入场者仍有大量机会去定义标准、填补空白。

这是一个值得创业者和开发者反复咀嚼的判断。在喧嚣的「AI普及」叙事背后，真正高价值的用户群体规模有限，而针对他们的产品打磨空间依然广阔。

重新审视开源之争

这个漏斗模型还重新框定了围绕开源权重的争论。

从外部看，Qwen等开源模型与闭源模型之间的较量，像是一场面向大众市场的全面战争。但对真正在构建系统的人来说，这更像是一场争夺约2000万个「专业头脑」的争夺战——剩下的，都是噪音。

这个视角解释了为什么开源模型的技术指标、工具链完整度、可定制性如此重要：它们服务的核心用户恰恰是那群对能力极度敏感的专业人士，而非被营销话术吸引的轻度用户。谁能更好地服务这2000万人，谁就握住了行业的话语权。

一个悬而未决的问题

Karpathy最后抛出了一个开放性问题，也值得每个从业者思考：真正的用户基数是否远小于炒作所言？还是说我们仍处于早期阶段，这2000万即将迎来十倍增长？

两种判断指向完全不同的策略。如果2000万是当前真实的天花板，那么深耕专业场景、提升单用户价值是明智之选；如果这个数字即将10倍扩张，那么现在抢占心智、建立生态护城河则更为关键。

无论答案如何，Karpathy的漏斗都提供了一个清醒的坐标系：在AI的喧嚣中，分清「用过」和「真用」，可能是看懂这个行业最重要的第一步。

这一问题在AI行业具有深刻的历史先例可供参照。互联网早期（1990年代末），真正能搭建网站、调用API的开发者同样是极少数人群，但正是这批人定义了Web 2.0的产品形态与商业模式，随后才带动了数十亿普通用户的涌入。移动互联网的早期iOS开发者社区也经历了类似的从"数万人"到"数亿用户"的扩散路径。因此，Karpathy的问题实质上是在问：LLM当前所处的位置，更像1995年的互联网（开发者驱动、等待大众基础设施就位），还是已经到达了某种结构性天花板？这个判断将直接影响投资逻辑、产品路线图和人才布局的优先级。