全世界用 AI 的人像一座漏斗：你大概站在第幾層？（讀 Karpathy 的新貼文）

你用 AI 的時候，有沒有想過「別人是怎麼用的」？

你每天打開 ChatGPT、Claude 或 Gemini，可能覺得它不過就是比 Google 會聊天一點的工具。另一端，有人已經讓 AI 幫他重寫整個專案、一次改十幾個檔案。兩個人都說「我在用 AI」，講的卻不是同一件事。

Andrej Karpathy 在 2026 年 10 月 11 日（美國時間，台北是 10 月 12 日凌晨）發了一則貼文，把這個落差畫成一座陡峭的漏斗。這篇我把它拆開來講，最後告訴你：你大概在哪一層，以及明天怎麼往上爬一層。

四層漏斗：越往上，人越少

Karpathy 用的是「餐巾紙估算」（napkin math），也就是他自己說的粗略心算，不是普查。他的估計從下往上是這樣：

1. 第一層：幾乎沒接觸過大型語言模型（LLM）：約 60 億人，大約是全球人口的 75%。
2. 第二層：免費版偶爾用：約 10 到 20 億人，約 20%。他們用的是免費的 ChatGPT 類產品，覺得它像是比較聰明的搜尋或寫作小幫手，偶爾讓它訂個機票。Karpathy 特別提到，很多數學與程式以外領域的專業人士，例如主管，也停在這一層：懂這件事，但多半是「聽別人講」。
3. 第三層：專業地用前沿模型做數學與程式：約 2,000 萬人，約 0.2%。他們親眼看到，過去要花幾週、幾個月的大型專案，現在能靠代理（Agent）加一段指示完成。
4. 第四層：內部接觸最前沿的系統：約 5,000 人，約 0.00006%。外界只看過預覽版；據他描述，內部系統已能讓成千上萬個代理協作數週，完成大型軟體專案。

Karpathy 的重點不只在數字，而在「同時發生」：大多數人還沒真的用過這些系統，用過的人看到的是「笨笨的聊天機器人」；少數專業人士則正經歷曲線急速變陡的暈眩感。兩件事，同一時間。

漏斗為什麼長這樣？三個驅動因素

Karpathy 列了三個因素，我用白話轉述：

• 企圖心與問題規模：AI 能幫你做多大的事，取決於你手上有沒有夠大、夠難、值得花時間的問題。只問「這段話怎麼翻譯」，系統幾乎不用出力；丟一個要連續做好幾個小時的任務，差距才拉得開。這一項主要決定「人」的那條軸，也就是你會不會往上走。
• 能力鋸齒（jaggedness）：AI 的能力不是平均長高，而是一塊一塊的，高峰落在數位、可驗證、又有經濟價值的領域。原因之一，是它的能力來自「可驗證獎勵的強化學習」：程式測試過不過、數學對不對，都能明確判定，所以好訓練；寫一篇有感情的文章，好壞就難打分數。另一個原因是這些領域商業價值高，公司自然把資源放在那裡。這一項主要決定「領域」那條軸，所以數學和程式走得最遠。
• 使用權限：免費版、付費版、公司內部版，差的不只是價錢，而是模型與工具的等級。同樣一個問題，拿到的可能是不同世代的系統。

對照四月的舊文：當時是「雞同鴨講」

Karpathy 這則十月的貼文，是把他四月的舊文拿出來「撣灰」。四月那篇的意思是：一群人只用過免費版，看到 AI 出些怪錯、一本正經地胡說（幻覺），就下了結論；另一群人付錢用最頂尖的代理工具做程式與研究，看到的是驚人的進步。兩群人各說各話，而且兩邊都有道理。

十月他說，這已經不只是「說不通」，而是變成一座陡峭的漏斗。越往上人越少，每一層親眼看到的 AI 能力也越不一樣。

所以如果你四月覺得 AI「不怎麼樣」，它對你的情境可能真的不怎麼樣；但這不代表它對所有人都不怎麼樣。反過來，看到別人說 AI 能重寫整個系統，你也不必因此覺得自己落後到不行。真正要問的是：你站在哪一層？

鴨編的話：你大概在哪一層？怎麼爬一層？

鴨編的話：這是我的判斷，不是 Karpathy 的數字。我觀察到，多數非技術背景的專業人士，例如行政、業務、老師、店家，大多卡在第二層。原因不是他們不夠聰明，而是常用免費版、偶爾問一句，沒有一個真正的大問題逼它出力。所以不是工具不行，是你還沒把它放進一件會讓它累的事。

往上爬一層，我建議先做三件事：

1. 拿一個你真的在乎的大問題給它。 不要只問「幫我寫一封信」，而是說清楚背景：「我下個月要把店裡的會員名單分成三種促銷對象，資料在這裡，你先幫我看哪裡有問題、分類標準該怎麼訂。」問題要夠大，而且有後續步驟。
2. 試一次付費版頂尖模型或代理工具。 免費版是試吃，能不能做你的事，要讓它碰一次完整的真任務才知道。不必一開始就買最貴的，但至少跑完一次。
3. 從「可驗證」的任務開始。 挑結果對錯看得見的事，例如把一份雜亂的表格整理成統計、讓它寫一個小腳本跑看看、核對它算的數字。你能判斷結果，就能判斷它靠不靠譜，這也是從第二層往第三層走最穩的路。

如果你想先搞清楚各種工具差在哪，可以看 龍蝦適合你嗎？先走完這五層再說；想知道為什麼不必為了工具焦慮，可以讀 AI 會自己動手用工具，正在變成「內建基本盤」——所以你不用 FOMO；如果第三步你決定直接在電腦上用 Claude Code，可以先看 Claude Code 怎麼安裝？。

收束：漏斗不是身份證

Karpathy 的圖畫的是「現在的位置」，不是你的上限。但那個差距確實在變大，所以比起「懂不懂技術」，我覺得「有沒有讓 AI 做過一件真事」才是現在最值錢的分界線。

明天就能做的事

挑一件你真的在乎、而且做完看得出成果的事，用 5 行以內寫下任務：背景、目標、你手上有的資料、想要的輸出。先用你平常的 AI 跑一次。如果你有付費版，或能試用的最強模型，再把同一段描述丟過去跑一次，兩份結果並排看。差在哪，你就知道自己在漏斗的哪一層，以及下一步該往哪裡爬。

原文出處

• 貼文一（Andrej Karpathy，談全世界使用 AI 的四層漏斗）：2026-10-11 美國時間，台北時間 2026-10-12 03:12。 https://x.com/karpathy/status/2109361546505966046
• 貼文二（Andrej Karpathy，談 4 月「兩群人雞同鴨講」）：2026-04-09 美國時間，台北時間 2026-04-10 04:10。 https://x.com/karpathy/status/2042334451611693415

以上人數與比例，都是 Karpathy 自己說的粗估，不是普查結果。