卡帕西10月12号发帖，把80多亿全球人口按照AI使用的深浅分成四层，画成一个漏斗。最顶上的第四层只有5,000人，普通人要不要努力挤进去？

大家好，欢迎收听老范讲故事的YouTube频道。

卡帕西分出四层漏斗：用上AI不算数，挤不进第三层，就会泯然众生。先把结论放在前头：这四个数是餐巾纸上算出来的，有点拍脑袋，但总的趋势大差不差。5,000人那一层是别人家的孩子，不用惦记。

看这个视频的人大多数应该在第二层，已经用上AI了；可用上AI不算数。互联网当年就证明过：早早上网却一直停在第二层的人，等到所有人都离不开互联网的时候，就泯然众生了。真正受益的，是早早挤进第三层、拿它改进自己工作和生活的人。第三层说到底，有点像早期软件行业CMMI讲的四个字：过程改进。

今天分几段讲：四层怎么分，四个数靠不靠谱；5,000人为什么是别人家的孩子；第三层的门槛是什么，怎样才算进入第三层。我会拿软件行业的CMMI来看第三层，顺便说说自己是怎么干的。最后，再拿互联网时代走过的路对一对，挤进第三层到底意味着什么。

四层漏斗与四个估算

从AI开始影响我们的那一天起，大家就在争论它会不会放大人与人之间的差距。两种普遍观点，一种喊AI平权，认为有了AI所有人都一样了；另一种认为AI会把差距拉得越来越大。卡帕西这回站在后一边。他是OpenAI的联合创始人，在特斯拉管过自动驾驶的AI，vibe coding这个词也是他提出的，最近又回Anthropic上班了。这条帖子是10月12号凌晨发在X上的，两天展示360万次，又是一条爆帖。

4月，他就说过一回：对于AI能干什么，两拨人各说各话。用免费版的人看到AI连最傻的问题都会答错；用付费版的人看到它能把几天、几周的编程活一下子干完。很多人心里的AI，还是试过一回留下的老印象。这回他说，差距在拉大，呈现为一个越来越尖的漏斗。

第一层是几乎没碰过大模型的人，大概60亿，占全世界人口的75%。第二层是偶尔用免费版ChatGPT这类产品的人，有10亿到20亿；他们看到的是有点傻的聊天机器人，拿它当好一点的谷歌搜索或写作助手。第三层主要在数学和代码领域，大约2,000万人，占0.2%；他们亲眼看着几周、几个月的大项目，通过提示词交给智能体，很快就能完成。

第四层用上了实验室内最前沿的系统，大概有5,000人。所以60亿对5,000，差120万倍。卡帕西的分法概括起来，就是大部分人没碰过，碰过的很多人还停留在傻傻的聊天机器人这一层，只有一小撮人体会到曲线竖起来的眩晕。

这些数靠不靠谱？卡帕西自己说是餐巾纸上算的账：他没有调查，也没有哪个实验室出来认过。腾讯新闻写过一篇《全球见过AI真正实力的只有5,000人》，把“粗略估算”压到了正文里。先对一下第二层接触过AI的大概20亿人。OpenAI在9月底开开发者大会时说，每周在它家产品上聊天的人有12亿，也就是周活12亿，大部分不掏钱。豆包6月的月活，QuestMobile的数据是3.82亿。

谷歌Gemini 8月月活过了10亿，去掉重叠的，也差不多冲20亿去了。卡帕西写的是10-20亿，我看基本上没有太大问题。能够看到老范视频的人，应该都至少在这一层，咱们这儿第一层的人应该是不存在的。再看第三层的2,000万。美国风投a16z 10月初的报告，拿信用卡或者电子收据算了一遍：今年8月，美国消费者里，给ChatGPT、Gemini还有Claude随便哪家掏钱的，只有4.5%；一年前是2.1%，这一年翻了一倍。

美国掏钱的是千万这个量级，再加上欧洲和中国掏钱的人，卡帕西说全球2,000万，量级上也是对得上的，差不多2,000万。这些是真正开始给AI付钱的人。最后这5,000人，是一点出处都没有。四个数是拍脑袋拍出来的，可是总体趋势大差不差。

尖端的5,000人为什么够不着

那5,000人到底在干什么？卡帕西的原话说，成千上万的智能体凑在一起，连着干几个礼拜，做超大的软件项目，挖零日漏洞，用机器的速度打网络攻防，发现新科学，往前推数学的边界；人类的审查和理解已经开始跟不上它们的脚步了。在外边只能看到结果。就在他发帖前5天，OpenAI把一批数学手稿挂到了网上，是一个还没发布的内部模型写的，共722份，背后的研究题大概是4,000多道题。卡帕西在帖子里也提到了这批手稿，外面只看到它交出来的作业。

那咱们为什么进不去，为什么别惦记着进去呢？卡帕西讲漏斗的三个成因，第三个就是门槛。门槛分三档：第一档是免费版，第二档是付费版，第三档是实验室内部版。想成为这1/5,000，必须进到实验室里头，拿到内部版本，才有可能。咱们愿意花钱，最多可以成为2千万分之一，也就是付费这一档。

所以想进到1/5,000里头，首先是身份的问题：要被OpenAI、Anthropic、谷歌，或者国内的AI大厂雇佣，还要坐在能够碰到前沿系统的位子上。也不是说进去扫个地、看个门，就可以拿到前沿模型的访问权限了。因为光OpenAI一家，今年3月就有4,500多员工了，计划到今年年底涨到8,000人。所以所谓的5,000，大概就是各个公司里头最顶尖、可以接触到前沿模型的这拨人。

卡帕西自己也在里头：今年5月份他加入Anthropic，进的是做预训练的团队，也站在漏斗的尖上往下看。这5,000人就是别人家的孩子。诺贝尔奖120年下来，总共也就是1,000人出头；5,000人基本上是这样一个量级。说自己立志进到这5,000人的圈子里去，跟说立志拿诺贝尔奖，基本上是相同的性质。有人进得去吗？肯定有。但是我觉得这并不是我们主要要讨论的东西，我们应该去够的是第三层，也就是2,000万这一层。

第三层的两道门槛

第三层到底怎么进？卡帕西的画像前面说过：几周、几个月的大活，用提示词交给智能体就能干完。不是说花钱买了就完事了，还是要真正让它干活。他说自己不到一年前还在一行一行手写代码；今年3月上播客的时候就换了，从去年12月起没有自己动手写过代码，写代码的活已经完全交给智能体了。

不到一年换了一种干法，他就在这个时间点进入第三层；到5月加入Anthropic以后，才进入第四层。先说清楚，天天用AI不等于进了第三层。天天拿它问今天天气怎么样，聊两句，或者让它画个图，还在第二层。进入第三层有两道门槛。按Anthropic自己的说法，这两道门槛还有一个前提：活要够大。一段话就能答完的问题，压不出系统的本事。

第一道是派得出去：你要能够把一个很复杂的活派给AI，让它去干；不是陪你聊天，是把一件完整的活交给智能体去做。第二道是验得了结果：它干完了，你得知道干得对不对。如果能形成这样的一个循环，不断迭代和优化这个循环、这个过程，就进入第三层了。派得出去，验得了结果，前提是活够大，还要不断改进。

为什么程序员进入第三层最容易？因为程序员的结果最容易验证。程序跑得对不对，跑一遍就知道；是不是跑快了、是不是跑慢了，都可以进行自动化测试，所以在这一块最容易。不会写代码，是不是就进不去了？不是。还是a16z那份报告：最舍得花钱的1%付费用户，每个月平均花903美金。老范现在每个月平均大概不到100美金。

这头1%的付费用户占全部开销的19.5%；也就是这些AI大模型公司所有收入的19.5%来自这1%的客户。他们付的钱，比最底下一半的人加起来还多。1%比一半还多，记住这个结论。这批人比别人明显多买的，是各种agent套件，比如Manus、n8n，以及许多自动化和智能体工具。他们其实不是写代码的，所以第三层并不光属于程序员。

还要注意，不是说一旦进入第三层，就完完整整都进去了。大部分人其实只能在自己熟悉的专业和领域里头，或者自己主要的工作里头、自己最热爱的那一部分里头进入第三层。进入第三层以后，依然可以问个天气，跟AI的聊天助手聊个天；这一部分依然在第二层。只要生活中最重要、最关键的部分进入第三层，就算进入第三层了。

用CMMI看过程改进

第三层往深里说到底是什么？摸到门还不算站稳。关于第三层，网上的论述很多，我拿软件行业的一套认证标准来介绍。这个标准叫CMMI，也就是能力成熟度模型集成。它的前身是美国国防部出钱、卡内基梅隆大学软件工程研究所做的，用来评估给政府干活的软件承包商。这套东西在中国特别火：2016年一年评估1,126次，而美国那一年只做了443次，中国的评估数大概是美国的3倍。

整个CMMI分五层。第一级叫初始级，就是没有过程、没有章法：这头给它一个东西，那头给我一个结果。现在很多人玩vibe coding就是这样，给它一句话，它就给个结果；还有人追问提示词到底是什么。这个完全不可控，完全处于混沌状态。到第二级，就是一个项目一个项目地管起来，开始有一点怎么输入、怎么处理、怎么输出的安排。

到第三级，才真正开始有意义、有价值。这一级叫已定义级：整个组织有一套写下来的标准过程，每一次照着它往前走。至于这个过程是好是坏、标准好不好，暂时不重要，但是先把它固化下来。评CMMI是从第三级开始评的。到第四级，可以拿数字对CMMI规范，或者说软件开发过程进行管理，比如错误率、代码覆盖率、代码复用率。到第五级，就是优化级，专门盯着可以持续改进的过程，不断优化。

软件本身是好是坏，它只关心一件事，就是你写软件的过程是不是规范的，是不是数字化的，是不是可以不断优化和迭代的。咱们再对一对卡帕西所提出的第三层，也就是2,000万人的这一层。他要求的是什么？我们可以把一个完整的、巨大的工作交给AI去做，然后可以验收结果。验收了结果以后，我们还可以对整个的过程进行优化，让它不断地替我们去节省时间。这就是进入到第三层了。不是说我花钱就进了，达到这个要求才算进入第三层了。

我的内容生产怎样进入第三层

拿我自己来举个例子吧。我现在主要是在做内容生产，在这一个领域里头，我觉得我已经进入第三层了。首先我干的第一件事叫拿信息。我每天需要获取大量的信息，否则就没有故事给大家讲了嘛。我每天晚上会派各种的AI agent出去搜集信息，把各种研报、财报看一看，把各个社交媒体、核心媒体上的这些重点的新闻找一找，把这些大的博客、这些大网红的言论找一找。

每天凌晨干，为什么这时候看呢？因为我是20美金的用户，甭管我的Anthropic还是OpenAI的账号都是20美金的，还在国内买了一些这样的账号。这些账号都有一个很讨厌的东西，就是5小时额度。所以我必须要在我睡觉的时候让AI干起活来，让它在一些我不需要干活的5小时里头，把这些信息搜集的任务都完成掉。

这些AI agent会写一堆的报告。我现在基本上每天早上起来会收到10份左右的报告，就是昨天一晚上这些AI agent搜集到的所有相关领域里头的最新信息。然后我上午是很痛苦的，我需要阅读这些报告。阅读了以后，我会发现有些东西可能搜集的有问题，有些东西不是我要的，有些很重要的东西被漏掉了，或者搜集完了的信息总结的不是特别好，总结的比较生硬。

那么我会去修改这个信息搜集的过程。我验收了，然后我也修改了，第二天我会再继续循环。早上起来阅读这些报告的时间，压力还是很大的，现在我自己成为整个系统的一个瓶颈了。这是第一个环节。第二个环节是什么呢？我需要出口播稿。在我阅读完报告之后，我的口播稿现在一般是这样：我先录一遍，用大疆的麦克风，先把它录成一个语音的口播稿。

然后再让Claude或者是豆包拿着这个口播稿，跟前面做深度研究出来的这些结果去进行进一步的合成，去补充数据，补充事实，然后去确认我的观点，梳理我的架构。做完了以后，我还要再去校对：这个感觉说的不是很好，那个语气有问题，逻辑是不是混乱了，哪些数据没有给我找齐。我也还是会去不断地调整出口播稿的这个技能，不断地去优化，不断地去迭代。然后拿着经过AI处理过的口播稿，再跟大家去把这个事情讲明白。

最后一步是做SEO和交付。我把视频录完了以后，肯定会有字幕，然后我再用字幕生成SEO各种相关的结果。SEO的结果每过那么几周也会进行数据搜集，看看搜索命中，看看其他的一些信息，怎么去提高，然后不断地去迭代和优化。所以在这三个环节里头，我应该已经进入到第三层了。

至于其他的，比如说我们平时问它一下，这个菜怎么做呀，那个菜里头历史是什么样的呀，以前人怎么吃这东西啊，还是在第二层。所以我也希望大家在各自的领域里头找到对你有帮助的那一块，跨进第三层。而第三层就是在AI帮助下进行过程改进。现在挤进第三层到底意味着什么呢？挤不进去，真的就要泯然众生了，是要输到起跑线上了？这个是中国人最爱听的。

互联网走过的那条路

拿当年互联网来举例。刚开始，只有很少一部分人进入互联网做深度应用，琢磨里头的商业模式，真的拿互联网改变自己的工作和生活。2008年，大部分互联网人还在第二层。那年中国网民有2.98亿，普及率是22.6%，其实跟现在AI的状态很像：只有20%的人接触过AI，在里头问过问题，75%的人压根没碰过。那一年的网民在干什么？83.7%在听歌，75.3%在聊天，在网上买过东西的只有24.8%。大部分人就在第二层停住了，没有再往第三层深入。

也有人开始进入第三层。举个例子，江苏有个村子叫东风村，原来靠收废品过日子。2006年，24岁的孙寒在淘宝上开了个店；第二年开了家居网店，一年卖了170万。到2017年，东风村有2,000多家网店；去年整个县的电商家居在网上卖了200多个亿。一个收废品的村子，早早就有人迈入第三层。再往上看，互联网时代的第四层可能就是马云、刘强东、张一鸣这帮人，绝大部分人其实跟他们没什么关系。

十几年后到现在，互联网渗透率变成什么样了？去年中国网民有11.25亿，普及率达到80.1%；在网上买东西的人有9.37亿，占网民的83.2%。人人都在网上买东西，现在如果再不使用互联网，就寸步难行了。当年互联网普及率达到20%左右的时候，停留在第二层、能够聊天听歌、简单买点东西的这些人，现在跟其他人一样，泯然众生了。但是当年进入第三层、已经开始靠互联网改变自己生活的这些人，现在就是互联网的弄潮儿，他们在这个时候已经跨越阶层了。

所以现在AI也是一样的。AI现在全球的普及率才20%多一点点。如果现在只停留在问个问题、聊个天，甚至嘲笑AI傻，问它一个问题它答错了，自己还窃喜，那么等到AI真正普及、渗透率达到80%，大家离开AI就寸步难行的时候，这些人就会泯然众生。而在这个时候通过过程改进，真正改进了自己工作与生活、现在踏入第三层的人，就有可能在AI时代成为新的弄潮儿。

最后总结一下：四个数是卡帕西拍脑袋拍出来的，但是趋势大差不差。5,000人这一层，大家不要惦记；如果你心气很高、名校毕业，那就当我没说。大部分人，至少看我节目的人，现在应该都在第二层，已经跟AI聊过天了。但是我们现在要尽可能把自己塞进第三层；如果现在进不去，就有可能错过这个时机。我自己在第三层：活可以派给AI，我可以验收它的结果，可以不断迭代，改进AI工作的过程。希望大家也快速走过这一步。

今天的故事就讲到这里，感谢大家收听。请帮忙点赞、点小铃铛、参加Discord讨论群，也欢迎有兴趣、有能力的朋友加入我们的付费频道。

再见。

背景图片