AI Capability Gap（AI 能力鸿沟）
定义
AI Capability Gap 由 Andrej Karpathy 于 2026 年 4 月提出，描述同一 AI 技术在不同用户群体和不同应用场景中的实际表现存在巨大差异，导致用户形成相互隔离的认知现实。
关键数据点
| 维度 | 数据 |
|---|---|
| 提出者 | Andrej Karpathy (@karpathy), 2026-04-09 |
| 编程查询占比 | ~4% of ChatGPT messages |
| 非工作类查询 | >73% of ChatGPT messages |
| 非编程体验 | 2025 年至今"停滞甚至倒退"（即使 $200/月用户） |
| 人群分层 | 4 层（不用 AI → 免费用户 → 付费专业 → 顶尖 Researcher） |
前提与局限性
- 技术根源：差异源于强化学习对可验证奖励（如单元测试）的天然适配，其他领域缺乏同等明确的优化目标
- 商业优先级：B2B 编程工具的商业价值远高于日常查询，导致研发资源倾斜
- 时间窗口：特指 2025-2026 年 agentic 模型爆发阶段，鸿沟可能随技术扩散而收敛或扩大
- 主观性："震撼程度 ≈ 编码量"是经验直觉，未经验证的相关性断言
- 池建强的扩展：差距不仅是技术层的，还因 AI 加速了"聪明勤奋者"与"懒散者"之间的能力差距
关联概念
- AI-Psychosis — 鸿沟的"高端端"体验：付费用户被 AI 能力震撼的认知状态
- Agentic-Engineering — 鸿沟的工程实践基础
- Vibe-Coding — 鸿沟的"低端端"：原型质量 LLM 代码与专业级代码的距离
- Software-2.0 — 同一作者的编程范式转变概念（2017）
- Andrej-Karpathy — 概念提出者