当前，围绕大语言模型（LLM）能力的认知鸿沟正在显著扩大。这种差异不再局限于不同群体间的沟通障碍，而是演变为一种深刻的理解断层。
根据粗略估算，全球约 60 亿人（占总人口的 75%）几乎从未接触过 LLM。另有 10 亿至 20 亿人（约占 20%）属于 ChatGPT 等免费产品的轻度、低频用户。在这一群体眼中，聊天机器人显得笨拙，仅被视为比 Google 搜索稍好的工具或写作助手，偶尔尝试智能体预订机票等功能。许多非技术背景人士认为此类工具实用性有限，即便是非数学和编程领域的专业人士也处于这一层级。例如，高管及其他职能岗位人员因大量时间用于人际沟通，虽理智上知晓变革发生，但其认知仍停留在二手且抽象的层面。
相比之下，约 2000 万人（占 0.2%）亲眼见证了前沿级 LLM 在数学与代码领域的专业应用突破：过去需数周或数月完成的大型复杂项目，如今仅需一个提示词即可由智能体搞定。应用构建、克隆、移植及从二进制文件反编译等操作发生极快。就在不到一年前，开发者仍需手动编写代码，逐字符输入指令并依赖 Tab 键进行少量自动补全。
处于金字塔顶端的是约 5,000 人（占 0.00006%），他们拥有前沿系统的内部访问权限。外部世界看到的仅是预览版，而内部则呈现出成千上万个智能体组成的集群，耗时数周协作开发软件巨型项目。这些工作包括挖掘零日漏洞、以机器速度运行网络攻击与防御、发现新科学以及推进数学前沿。若由行业顶尖专家完成同等任务，需耗费数年精力。与此同时，人类的审查和理解能力开始滞后：人们仍在处理几个月前 OpenAI-HF 事件的“考古”工作；数学家们可能需要较长时间仔细研读那 722 份关于前沿数学的手稿。
这种认知差距由多重因素驱动。首先，影响程度随雄心壮志、问题规模和视野的扩大而增强。对于仅有段落式答案的问题，系统压力较小；只有面对一大堆真正关心的难题时，差距才会显现，这推动了消费者与专业层面的分化。其次，缺乏系统的凸性使得数字化、可验证且具有经济价值的领域成为能力顶峰，因为 LLM 的能力源于可验证奖励的强化学习，主要驱动数学和代码维度的进步。最后，接入层级分为免费层、付费层和内部层，进一步加剧了信息不对称。
目前的局面呈现出一种奇怪的状态：大多数公众并未与这些系统深度互动，即便接触，印象仍停留在普通聊天机器人阶段；大多数专业人士仅感知到温和的提升；而一小部分专业人士正经历垂直曲线的爆发。随着时间推移，对人工智能能力的理解似乎越来越难以达成共识。近期使用的层次差异可能是首要原因，许多人去年尝试 ChatGPT 免费版后形成的印象，持续影响着他们对人工智能的整体看法。
