AI 深透率，可能没那么高
内容提要
Karpathy 提出 AI 使用的深度四层漏斗，作者将其补充为五层：约 20 亿聊天用户、4500 万桌面 Agent 用户、200 万满血玩家、8 万舰队指挥官、5000 名实验室核心人员。AI 的“用过率”达 24%，但“用深率”仅 0.55%。过去十九个月，中间三层增长 30 至 80 倍，卡点已从工具转向算力配额。机会在于 L1 到 L2 的应用普及与 Agent 基础设施。
延伸解读
五层漏斗：比四层更细的AI使用深度画像
Karpathy的四层漏斗从2000万直接跳到5000人，中间断档明显。作者补上L3满血玩家（约200万）和L4舰队指挥官（约8万），形成五层结构。这层补充的意义在于：它承认了既非实验室核心、又远超普通聊天用户的野生重度玩家存在。这类人没有无限算力，却能同时指挥十几个Agent，是理解AI实际生产力渗透的关键中间层。
算力配额正成为深度用户的新瓶颈
文章指出，卡住L3向L4跃迁的已不是工具，而是算力配额。OpenAI曾暂停200美元Pro新用户购买，后推出500美元档并砍半原档额度；Uber也将单个编程Agent月开销封顶1500美元。这意味着，即便用户愿意付费，能跑多大舰队也取决于平台补贴意愿。对重度用户而言，成本可预测性正在下降，需关注订阅条款变化。
消费幂律：头部用户撑起AI收入金字塔
a16z数据显示，AI付费用户月消费中位数仅25美元，但前10%贡献约一半流水，前1%人均月花903美元。企业端更极端：OpenAI和Anthropic前1%客户贡献80%收入。这揭示了一个现实：AI商业模型高度依赖少数重度用户，而海量轻度用户实际在补贴头部算力消耗。若补贴收紧，最先受影响的正是这些高价值用户。
机会在L1到L2的普及与Agent基础设施
文章认为，最大金矿在L1到L2之间：让不会写代码的人习惯把日常任务交给Agent。同时，当L2从4500万涨到4.5亿，操作软件的主体将变成Agent而非人，后台数据库和系统需应对成千上万Agent并发。这两个方向分别对应应用普及和基础设施重构，是当前渗透率落差下相对确定的切入点。
Q&A
AI 深透率具体指什么？和普通说的 AI 使用率有什么区别？
AI 深透率指真正深度使用 AI 的人群比例。文章用五层漏斗衡量：L1 聊天用户约 20 亿，L2 桌面 Agent 用户约 4500 万，L3 满血玩家约 200 万，L4 舰队指挥官约 8 万，L5 实验室核心人员约 5000 人。全球约 24% 的人用过 AI，但真正把活交给 Agent 的只有 0.55%。
Karpathy 提出的 AI 使用四层漏斗是什么？作者为什么觉得需要补充？
Karpathy 的四层是：约 60 亿人没碰过大模型；10～20 亿人用免费聊天机器人；约 2000 万人用前沿模型做数学、写代码；约 5000 人在顶级实验室内部。作者认为从 2000 万直接跳到 5000 断档了，中间缺少没有实验室无限算力、却能同时指挥十几、几十个 Agent 的野生重度玩家，因此补成五层。
过去十九个月，AI 使用漏斗中间三层增长了多少？主要拐点有哪些？
中间三层（L2、L3、L4）增长了 30 至 80 倍，而两头只涨了两倍多。三次关键拐点：2025 年年中 Claude Code 并入固定月费 Max 订阅；2026 年 2 月 Codex 桌面版发布，并行挂多个 Agent 成为默认操作；2026 年 7 月 ChatGPT Work 把 Agent 交给不写代码的白领，L2 一个季度翻倍还多。
为什么说 AI 的“用过率”不低，但“用深率”依然低得惊人？
全球 24% 的人跟 AI 聊过天，但真正把活交给 Agent 的只有 0.55%。a16z 在美国也看到类似落差：近一半人用过 AI，每天用的只有 25%，自费买个人订阅的只有 4.5%。腰部在爆炸，但基数仍小，L1 到 L2 转化率从 0.17% 爬到 2.2%，绝大多数人仍没跨过去。
卡住 L3 往 L4 跃迁的主要瓶颈是什么？
越来越是算力配额。补贴一收紧，头部的脖子就被卡住。例如 2026 年 9 月 OpenAI 一度暂停新用户购买 200 美元的 Pro；DevDay 推出每月 500 美元的 Pro 500，恢复上架的 200 美元档额度砍半。Uber 也把每位工程师在单个编程 Agent 上的开销封顶在每月 1500 美元。舰队能开多大，越来越取决于谁愿意为算力买单。
对于做应用和基础设施的团队，文章指出了哪些机会？
做应用和产品的，最大金矿在 L1 到 L2 之间：谁能把门槛踩平，让不会写代码的人也习惯把日常任务交给 Agent，谁就能吃下下一个十倍。做基础设施的，要准备迎接调用主体的变化：当 L2 从 4500 万涨到 4.5 亿，操作软件的将不再主要是人，而是不知疲倦的 Agent，后台被成千上万个 Agent 并发拉起、读写的数据库和系统数量会远超前台 App。
