AI正以前所未有的速度发展，但围绕其影响的观点却日益两极分化。根据斯坦福大学2026年AI指数报告，美国73%的AI专家对AI对就业的影响持积极态度，而公众中仅有23% 持同样看法——差距高达50个百分点。类似的分歧也出现在AI对经济和医疗保健的影响上。为何会形成如此巨大的认知鸿沟？本文基于《麻省理工科技评论》2026年4月13日的分析，探讨专家与公众体验AI的差异、“锯齿状前沿”现象（AI在某些任务上极其出色，在其他任务上却一塌糊涂），以及付费高级用户与免费普通用户之间的能力断层。核心信息：AI并非“单一技术”；不同人群接触到的AI能力截然不同，导致他们对同一技术的评价南辕北辙。
一、AI观点分裂的核心事实
| 调查对象 | 对AI对就业影响的积极看法 | 对AI对经济影响的积极看法 | 对AI对医疗影响的积极看法 |
|---|---|---|---|
| 美国AI专家（参加2023-2024年AI会议的研究人员） | 73% | 未单独报告 | 未单独报告 |
| 美国公众 | 23% | 未单独报告 | 未单独报告 |
| 差距 | 50个百分点 | 显著差距 | 显著差距 |
其他关键不一致：
-
技术能力极不均衡：谷歌DeepMind的推理模型Gemini Deep Think在国际数学奥林匹克竞赛中获得金牌，但一半时间无法读取模拟时钟。
-
投资与回报认知分裂：AI被描述为“淘金热”，也被描述为“泡沫”；既“抢走你的工作”，又“连时钟都不会读”。
二、分裂的根源：专家与公众体验的“两个AI”
| 用户群体 | 使用场景 | 接触的AI能力 | 典型评价 | 付费水平 |
|---|---|---|---|---|
| AI专家/开发者/程序员 | 代码生成、数学推理、技术研究 | 极其强大（Claude Code、GPT-4o、Gemini Deep Think等） | “进步令人震惊”、“AI正在改变我的工作流程” | 愿意每月支付200美元获取最佳版本 |
| 普通公众 | 信息查询、文本生成、创意辅助、个人计划（如策划婚礼） | 能力参差不齐（仍会犯愚蠢错误、无法读时钟、产生幻觉） | “AI不可靠”、“经常出错” | 使用免费版本（能力滞后6个月以上） |
| 中间用户 | 办公自动化、客户服务 | 有限、任务特定 | 有用但不颠覆 | 企业订阅 |
关键洞见：由于大型语言模型仍以惊人速度改进，付费使用最新模型的“高级用户”实际上在使用与“六个月前尝试免费版本的用户”截然不同的技术。这两群人根本不在讨论同一个AI。
三、“锯齿状前沿”：AI能力的极不均衡分布
| 任务类型 | 示例 | AI表现 | 原因 |
|---|---|---|---|
| 有明确对错的技术任务 | 代码生成、数学证明、数据分析 | 优秀（可通过强化学习优化，有明确反馈信号） | 训练目标明确；可自动验证；利润驱动，资源集中 |
| 开放式的通用任务 | 创意写作、情感理解、常识推理 | 参差不齐（有时惊人，有时愚蠢） | 缺乏客观评分标准；评估困难 |
| 具体但非技术任务 | 读取模拟时钟、物理推理、规划婚礼 | 糟糕（即使顶尖模型也常失败） | 训练数据中此类任务代表性不足；模型缺乏真正的物理理解 |
| 需要实时更新的任务 | 最新新闻、动态事件 | 不可靠（产生幻觉） | 知识截止日期限制；检索增强生成仍在完善中 |
“锯齿状前沿”概念（由斯坦福教授Percy Liang等人提出）：AI能力边界不是平滑曲线，而是锯齿状——在某些任务上远远超过人类，在相邻任务上却远不如人类。这解释了为何专家和公众的体验差异如此之大。
四、为何AI专家更乐观？
| 原因 | 解释 | 是否合理 |
|---|---|---|
| 接触最前沿模型 | 专家使用付费、最新版本，体验AI的最强能力 | 是 |
| 专注于AI擅长的任务 | 编码、数学、数据分析正是AI进步最快的领域 | 是 |
| 理解技术轨迹 | 专家看到指数级改进趋势，推测未来能力将扩展到当前弱项 | 合理推测，但不确定 |
| 经济激励 | AI公司员工、投资者、依赖AI的创业者有强烈动机保持乐观 | 可能存在偏见 |
| 忽略“锯齿” | 可能低估AI在通用任务上的长期弱点 | 风险 |
五、为何公众更悲观/怀疑？
| 原因 | 解释 | 是否合理 |
|---|---|---|
| 接触免费/旧版模型 | 免费版本能力滞后数月甚至一年，体验较差 | 是 |
| 使用AI不擅长的任务 | 创意写作、规划、情感咨询正是AI的弱项 | 是 |
| 高调失败案例 | 模型产生幻觉、偏见、错误被广泛报道 | 是 |
| 对就业的恐惧 | 担心被自动化取代，而非看到协作机会 | 部分合理 |
| 媒体负面框架 | 新闻更关注AI风险（偏见、安全、失业）而非进展 | 是 |
六、这对AI政策与沟通意味着什么？
| 利益相关方 | 建议 |
|---|---|
| AI公司 | 更透明地沟通模型能力边界（“能做什么”和“不能做什么”同样重要）；不要仅用基准测试分数营销 |
| 政策制定者 | 认识到公众担忧的合理性，但也要理解专家乐观的依据；制定政策应基于细致的能力评估，而非笼统的“AI好/坏” |
| 媒体 | 避免极端框架（“AI救世主” vs. “AI终结者”）；报道能力差异和不确定性 |
| 教育者 | 帮助公众理解AI的“锯齿状前沿”，培养批判性使用能力（知道何时信任、何时怀疑） |
| 企业 | 在部署AI时，考虑员工和客户的不同体验；提供培训以弥合鸿沟 |
七、常见误区澄清
| 误区 | 事实 |
|---|---|
| “专家说AI好，所以AI肯定好。” | 专家评价基于特定使用场景（编码、数学）。AI在其他场景可能仍然糟糕。 |
| “公众说AI差，所以AI没用。” | 公众体验可能基于过时或免费版本，或AI不擅长的任务。最新付费模型能力显著更强。 |
| “AI要么全能，要么全不能。” | 错误。AI能力是锯齿状的：在某些任务上超人类，在其他任务上弱于幼儿。 |
| “AI进步是线性的。” | 某些领域进步飞速，某些领域停滞。不能自动外推。 |
| “高级用户代表所有人。” | 每月支付200美元的AI高级用户与使用免费版本的用户生活在不同世界。 |
八、结论：两个现实，一个技术
AI领域最令人困惑的特征之一是：两种对立的观点可能同时正确。
-
现实A：AI在编码、数学、数据分析等任务上正在以惊人速度进步，对专家和高技能用户来说，它已经改变了工作方式。
-
现实B：AI在读取时钟、物理推理、可靠常识等任务上仍然糟糕，对普通用户来说，它经常令人失望甚至危险。
对决策者的启示：
-
不要问“AI是好是坏？” 而是问“AI在什么任务、对谁、在什么条件下有用？”
-
投资于评估基础设施，以绘制AI能力的“锯齿状前沿”。
-
支持AI素养教育，帮助公众理解何时信任AI、何时保持怀疑。
对个人的启示：
-
如果你只尝试过免费AI，请理解付费版本能力可能远强于你的体验。
-
如果你只使用AI编码，请理解普通用户的体验可能与你截然不同。
-
无论哪种情况，保持批判性思维，不要将AI神话化或妖魔化。
最终提醒：AI不是单一实体。它是一组快速发展的技术，在不同任务上表现出极不均衡的能力。分裂的观点反映了这种不均衡——而不是一方的“无知”或另一方的“偏见”。
免责声明：本文基于《麻省理工科技评论》2026年4月13日报道及斯坦福AI指数报告，仅用于教育和信息目的。AI能力正在快速变化，本文描述可能在6-12个月内过时。
主要参考文献：
Stanford HAI (2026). AI Index Report 2026.
MIT Technology Review (April 13, 2026). Why opinion on AI is so divided.
“Jagged Frontier” concept (Erik Brynjolfsson, Stanford).