企业官网建设流程全解析

• 一、四层漏斗的完整数字
• 二、纠错一：这些数字不是调查数据
• 三、纠错二：漏斗是权限分层，不是能力分层
• 四、纠错三：顶端那 5000 人描述无法验证
• 五、“那你属于哪一层”：一个自测框架
• 六、对企业的启示：别用别人的体感做预算
• 七、把标准变成可执行的
• 八、结语

📋 目录

• 一、四层漏斗的完整数字
• 二、纠错一：这些数字不是调查数据
• 三、纠错二：漏斗是权限分层，不是能力分层
• 四、纠错三：顶端那 5000 人描述无法验证
• 五、“那你属于哪一层”：一个自测框架
• 六、对企业的启示：别用别人的体感做预算
• 七、把标准变成可执行的
• 八、结语

一、四层漏斗的完整数字

先把这张表摆出来，因为中文圈流传的版本普遍不完整，而且经常把百分比和人数混着用。

Andrej Karpathy 10 月 12 日在 X 上重发了他 4 月 9 日的一条长帖。原帖讲的是"两群人在各说各话"，重发时他把这个比喻升级成了"a sharp funnel"（一条陡峭的漏斗）。他自己给的人口估算如下：

数据本身先记住几个关键点，后面纠错全靠它们：

• 这是他的"napkin math"（餐巾纸估算），原话就是这个词。他没有引用任何调查、没有平台统计、没有公司数据。
• 第一层到第四层不是能力高低，是接触深度。第三层和第四层用的是同一批模型，差别在于能不能拿到访问权限。
• 第三层只有 0.2%。换句话说，Karpathy 自己描述"进步令人瞠目结舌"的那群人，占全球人口的五千分之一。

原帖里他还给了一句更狠的对照：即便每月付 200 美元用前沿模型，能力提升也高度集中在技术领域，“搜索、写作、建议这类常见查询并不是能力取得最显著进步的领域”。两个原因他也说清楚了——一是这些领域有可验证的奖励函数（单元测试过没过是二值判定，写作好不好很难明确打分），二是这些领域在 B2B 场景里更值钱，实验室把最大比例的团队投在那里。

这两条原因合起来，能解释整个漏斗的形状：能力沿着"可验证 + 高价值"这两个维度堆积，别的维度几乎不涨。

二、纠错一：这些数字不是调查数据

中文圈的传播基本一致把这四个数字当成了人口统计口径。常见的写法是"Karpathy 数据显示"或"统计显示全球 75% 的人还没用过 AI"。

这是明确的误读。有三处需要纠正：

1. 他本人反复强调这是粗估。原帖用"napkin math somewhere around"，各路报道引用的英文原文都是这个措辞。“somewhere around 6B” 里的 “somewhere” 不能被翻译掉。

2. 没有任何机构背书。没有平台方公布过"免费版用户 10~20 亿"这个数字——按定义，免费版用户不是任何公司的可披露指标。这组数字的分母（全球人口）和分子（各层人数）都是估的。

3. 比例加起来超过 100%，这本身就说明它是随手算的。60亿(75%) + 10~20 亿(20%) + 2000 万(0.2%) + 5000 人，如果按 75%+20%+0.2%+0.00006% 算，是 95.2%。剩下的4.8% 是什么？他没说。这是"大致对齐到总量"的粗算，不是分类统计。

同样重要的是：他没有给这四层任何公开证据。第四层"约 5000 人"这个数字尤其要注意——没有任何实验室公布过内部前沿系统的人数。多家英文媒体在引用时都加了限定词，包括 The Decoder、TechCrunch 类信源，措辞是"他估计"“据他本人的估算”“不是实测数据”。

所以正确的引用姿势是：“Karpathy 估算”，不是"数据显示"。这不是吹毛求疵——如果你在董事会或者项目立项里引用这组数字，把它当实测数据引用，被追问一句来源就站不住了。

三、纠错二：漏斗是权限分层，不是能力分层

这是这批内容里最容易被读反的一层，也是最有工程价值的一层。

原帖的核心对照句是：OpenAI 免费版的语音模式在Instagram 短视频那种简单问题上都会答错，同时最高阶付费的 Codex 模型能花一小时连贯重构整个代码库或者发现系统漏洞。

“这两件事同时为真。”Karpathy 自己强调这句话。

那么问题来了：如果第三层和第四层的人用的是同一批模型，为什么他们看到的和第二层差这么多？Karpathy 自己给了答案，藏在"access"（访问）这个词里——免费档、付费档、内部档，是三套完全不同的产品。差异至少在这几处：

所以"AI 到底行不行"这个问题，在没有说明档位的前提下，是没有答案的。这不是谁在吹牛的问题，是比较对象不对。

再往深一层：Karpathy 讲的"能力在可验证领域堆积"，本质是训练数据分布问题。单元测试通过与否是可以自动打分的信号，写作质量不是。同样一批研发预算，花在可验证任务上能形成闭环反馈，花在开放主观任务上连"这次改动算好还是坏"都判不出来。模型自然在前者上更强。

这条规律对读者的实际含义是：你在哪些领域能拿到 AI 的红利，取决于那些领域有没有可自动验证的判据。代码有测试，数学有证明和验证器，数据清洗有对错行数。但"这份报告写得好不好"“这段话客户喜不喜欢”，模型至今没拿到可靠信号——不是不想做，是做不了。

顺手纠正一个被广泛传播的顺推：Karpathy 说"你用 AI 写代码越多，就越惊叹 AI"，这句话是回复他人推文时写的，原文是引用 staysaasy 的观点"On a first pass I think the biggest tell of a society’s maturity is how they treat the AI that’s coming"那条线里"你对 AI 的惊叹程度与你用 AI 写代码的程度完全正相关"。很多人把这句话当成 Karpathy 的原创论断，实际上他是在转述并补充。这不影响结论，但引用时最好说清楚出处。

四、纠错三：顶端那 5000 人描述无法验证

第四层的描述是这波传播里最抓眼球的部分，也是最应该保持克制的部分。

Karpathy 的原话大意是：外部世界只看到了预演（“the external world has seen the preview”）；在前沿实验室内部，成千上万个 Agent 协作数周，做的是软件巨型项目、挖零日漏洞、以机器速度进行攻防、发现新科学、推进数学前沿——这些是顶级行业专家需要多年才能完成的工作。而人的审查与理解能力开始跟不上。

他为此举了两个证据，说明"人类理解已经落后"：

1. 人们还在对几个月前的 OpenAI-Hugging Face 事件做"考古"
2. 数学家可能还要花很久去读那722 篇前沿数学手稿

这里有三层需要说清楚：

第一层：这两个证据他没做交叉验证。多个英文信源明确指出，原始信源并没有解释这两个参考分别指什么，也没有独立确认。OpenAI-HF 事件的"考古"是复现和归因工作，不等于"人类看不懂系统在干什么"；722篇手稿的评审是有peer review 流程的学术活动，把它当成"审查能力跟不上"的证据，是读者的引申，不是他的论证。

第二层："数千个 Agent 协作数周"这类描述目前不可证。公开可查的多 Agent 系统能达到几十到几百个并发 Agent、小时到天级时长。"数千个 Agent 连续运行数周"属于内部系统的性质描述，外部没有任何审计渠道。它作为趋势判断是合理的（摩尔定律方向），作为事实陈述是不成立的。

第三层：这一层的真正问题不是真伪，而是它无法证伪。一个不可验证的能力描述，越戏剧化越难被挑战——你无法用公开数据去反驳一个内部系统做了什么。PithWire 这类分析给出的批评我认为是本文最该记住的一句：第四层是一个"干了大量叙事工作"但缺少证据的层级。

但这不意味着 Karpathy 在夸大。他的分寸其实控制得比传播者好——他在同一段里承认：第四层的很多能力"缺少公开复现"（not publicly reproducible）。他把话说了两层，传播时只剩了第一层。

需要补充的一个人名纠错：多家中文报道把 Karpathy 写成"OpenAI 创始人"或"特斯拉 AI 总监"并置。他2025 年已加入 Anthropic。这个身份变动不是重点，但它解释了为什么他现在说的话和 2024 年10 月（他说 Agent 主要是营销、几乎不work）看起来矛盾——那不是矛盾，是同一个人的两次真实观测。他自己也点明过时间线：不到一年前他还在手写代码，只偶尔按 Tab 补全一小段。

这恰恰是四层漏斗最好的自证：他自己就是从第二层跳到第三层的活样本。一个已经离开 OpenAI、现在在 Anthropic 的人，亲口描述了"用前沿 Agent 看代码库被重构"的体验——同时他也承认自己看到的和大众看到的不一样。

顺带记一个同期对照：OpenAI CEO Sam Altman 在 9 月G20 创新部长级会议上说过，一个当下的 AI 编码工具能在"17 分钟"完成某家初创公司此前花了三个月做的东西，并称"世界还没追上这意味着什么"。注意这个"某家初创公司"和"某个工具"在信源里没有被指名。数字本身无法核实，不能当依据用。它可以作为"两个阵营都在讲同一个故事"的例证，但不能作为数据引用。

五、“那你属于哪一层”：一个自测框架

把漏斗当成谈资没有意义，变成自检工具才有用。下面这张表是我按"三个可观测事实"设计的判定问题——刻意不用自我感觉，因为感觉不可靠。

这张表的用法很简单：别问自己"AI 强不强"，问自己"我的任务里有没有可验证的判据、我的能力访问在哪一档"。两个问题任一为否，你看到的 AI 就注定停留在第二层的样子——这不是你落后了，是结构决定的。

有一个反直觉但重要的推论：从第二层跳到第三层，最有效的动作不是换更贵的订阅，而是把自己手上某个任务改造成可验证的。给日报生成加上"与昨日数字对账不一致则报错"，给数据清洗加上行数校验，给代码任务加上必须跑通单测。这一步做完，同一个模型的体感会立刻不一样。

Karpathy 的三个成因（ambition 与问题规模、jaggedness 即能力在可验证领域聚集、access 权限档位）刚好对应这张表的三个判据。他说的 “you need a reservoir of big, difficult problems you care about” 是最实用的一句——没有大问题的池子，再强的模型也显不出能力，因为小任务的瓶颈从来不在模型。

六、对企业的启示：别用别人的体感做预算

这条漏斗对企业最直接的用处，是它给"AI 到底能不能干成这件事"提供了一个前置判断。

错误做法：老板看了一段前沿 Agent 的演示（数小时重构代码库），回来让团队用同一套预算和同样的时间去干一件没有验证判据的事，三个月后结论是"AI 不行"。老板的体感来自第四层，干活的团队在第二层，中间隔了两层。

正确做法：在立项前先回答三个问题——

1. 这个任务的判据是什么，谁来判？判不出好坏的任务，模型能力天然受限，因为训练阶段就没有信号。
2. 我们能拿到哪个档位？免费、付费、内部，能力差着一个数量级不止。这决定预算能不能对得上效果。
3. 人工审查的时间算进工期了吗？第三层最典型的成本是"省下的开发时间被审查吃掉"。这一项不写进排期，项目一定超期。

第二条最容易被忽略。很多组织把AI 当成"买个软件就能用"的事，但第二层和第三层的产品形态根本不同：第三层需要能读中间轨迹、能打断、能指定验证方式。这意味着第三层不是"采购 + 培训"，而是"任务设计 + 审查流程"。

如果企业自己就是第三层的组织，还有一个额外义务：Karpathy 说"人的审查与理解开始跟不上"。这句话对企业不是警告，是排期约束——Agent 产出的中间过程必须有人看，且这个"看"的工时要写进项目计划。少了这一步，交付质量会在某个环节断掉，而且往往是在上线之后才暴露。

七、把标准变成可执行的

按本栏目的惯例，把行业问题落到具体平台设计上。企业级 AI 平台在这里的职责不是替用户选模型，而是把上面那些判断变成可记录、可追溯的动作。

具体到四件事：

数据接入要统一。多个供应商、多个模型、多套权限，最后会变成"每个人用自己的账号接了个 Agent"，数据流不可见。平台层用 iPaaS 统一接入，好处是访问档位、模型版本、成本归属从第一天就有记录。

治理要前置，不能后置。「这条任务的验收判据是什么」应该在派工之前登记，不是出问题了才回头看。这也是为什么治理中心要在业务开始前介入——判据缺失本身就是一个该拦下的问题。

权限要划到全域。Agent 的问题往往不是模型不行，是它拿到了不该拿的东西。给审查角色开中间轨迹的只读权限、给执行角色开生产写入的受限权限——这两类权限不能混。

平台和 Dify 要分工。Dify 这类应用编排层擅长的是快速搭应用、可视化配 Prompt 和流程，适合做应用层的编排。数据接入、口径治理、权限边界、审计留痕这些是平台层的活。分工清楚的好处是：换模型、换编排工具的时候，数据和权限不用重建。

需要说清楚的一点：平台能让判断标准可执行、可追溯，但标准本身对不对，仍需要业务专家定。平台解决"你写的判据有没有被执行、能不能回溯"，不解决"这条判据该不该这么定"。后者是人的事，平台替代不了。

八、结语

这组数字最容易被记住的是 60 亿和 5000，最该记住的其实都不是。

60 亿和 5000 都不可考。它们是一份内行人的直觉估算，不是统计。把它当参考图可以用，当数据引用不行。

真正值得记住的三件事：

第一，"同一天有两个 AI"不是比喻，是结构事实。免费版和前沿档之间隔着模型版本、上下文、工具权限、运行时长、并发数五道差距。你和同事对 AI 的判断不一致，很可能不是谁对谁错，是你们在用两个产品。

第二，能力沿着"可验证 + 高价值"堆积，所以必然是锯齿状的。这个领域不会平均进步。能自动判定好坏的地方会先突破，判不出好坏的地方会长期落后。选场景比选模型更重要。

第三，第四层不可验证。它可能是真的，也可能被夸大，但它目前既不能证实也不能证伪。碰到以"内部系统已经做到 X"为卖点的方案时，正确的反应是问：有没有可复现的公开证据？没有的话，把它当趋势看，不当依据用。

一个可操作的自查：如果你的团队说不出手上某件具体任务"怎么算做对了"，那不管换多贵的模型，你都会停在第二层看笨机器人。先改判据，再谈模型。

你最想在公司里自动化的一件事是什么？它有没有可自动验证的判据？欢迎在评论区说说具体场景——如果你写了判据、想讨论能不能交给 Agent，欢迎把判据贴出来，我逐条帮你看它是否可验证。

参考来源：Andrej Karpathy X 帖（2026-04-09 及 2026-10-12 重发）、DeepSeek API 公告仅用于对照说明口径问题。本文数据核对时间为 2026-10-14。

本文根据「晓辉博士」视频号《同样是AI，为什么大家感受差这么多？》主题整理并扩展，原视频引用的 Karpathy 观点已按上述四条逐一核实与纠正。