新智元报道

编辑：倾倾

【新智元导读】AI的革命，不在算法，而在使用者。同样一台机器，有人只拿它写笑话，有人靠它写论文、跑模型、生成研究报告。20美元成了新的「知识分界线」，AI正在制造一种隐形的社会分层——技术平权的时代，思维反而开始分级。真正的竞争，不是掌握工具，而是学会与它共思。

十年前，人类还在讨论「AI会不会取代我们」；如今，它已经在重组人类本身。

宾大教授Ethan Mollick在最新文章中指出：

全球已�%的人类每周使用AI。

AI不再是实验工具，而是一种新的社会基础设施。

更微妙的是，它正在制造人类内部的分层。

同样是用ChatGPT，有人只是随口问天气、写个笑话；有人已经让GPT-5帮自己写研究报告、编程、分析财报。

从免费账号，�美元月费的「中产层」，再�美元的「上流圈」 ，AI世界正在复制一套新的社会结构：

同样的工具，却映出不同的人。

AI的隐形阶层：算法早就知道你的位置

当Ethan Mollick说「10%的人类每周使用AI」时，他并不是在炫耀数字，而是在提醒：AI已经形成了新的社会分层机制。

在「我也用ChatGPT」这样普遍的认知背后，正悄然形成新的使用阶层。

算法正在在偷偷划分人类

从使用数据来看，AI的普及速度惊人。

以ChatGPT为例，官方披露，其使用者中大�%为「提问式」，40%为「任务执行型」。

外部统计显�年其周活跃用户数已接񙸱–8 亿。

ChatGPT每周活跃用户数量的时间表。

然而，这种广泛覆盖并非意味着「人人平等使用」。Mollick提到：

多数免费用户默认被分配到「Auto模式」，实际上常是较弱的模型版本。

很可能出现这样的情形：两个人都说「我用AI了」，但一个用的是闪电响应、浅层回答，另一个用的是多步思考、代码生成、报告制作。

这两者的差别，不在工具，而在模型与使用方式上。

当你只在免费模式中「问一句、输出一个答案」，系统可能早已将你分流至「浅层用户」路径；而付费用户则进入「思考模式」「生成模式」，承担更多任务，也获得更多能力。

免费工具的隐形天花板

在同一平台上，免费账户与付费账户常常表现出不同的操作路径。

Mollick指出，很多人在免费模式下用AI做生成、娱乐、测试，而真正让AI介入产出与协作的，是那些愿意付费、选择高级模型、打开多模态输入、连接个人数据的人。

这就形成了一个隐形门槛：免费模式用户看似「自由」，但功能深度受限；付费模式用户虽形式相同，却拥有「生产性工具」与「赋能路径」。

你以为你是在用AI，但算法可能已把你归类为「目前只能娱乐／询问」的使用者。

真正的分层，不在功能，而在思维

更值得注意的是：这种使用差距的本质，不仅是工具能力不同，而是「认知方式不同」。

当一个人长期在免费层面使用AI，他习惯于「向AI提问，获取答案」；而在付费／高级模式下的用户，则习惯于「让AI参与流程、生成内容、协同决策」。

不同类型任务对模型复杂度的依赖差异——从「可免费完成」到「必须高级模型」，AI使用正在形成能力阶层。

这种差异，在时间里就可能演变成「谁在用AI」与「谁被AI用」的二元结构。

Mollick总结：

未来最重要的能力，不是写Prompt，而是培养对AI的直觉。 也就是说，谁能跳出「问答」范式，谁就更接近「用AI思考」而不是「被AI回答」。

而当算法完成了这场无声的分层之后，真正的界线才出现——20美元。

20美元的分水岭：AI中产的诞生

当Ethan Mollick写下「认真使用AI，就得花钱」，他其实在描绘一种全新的社会现象——AI中产的出现。

20美元，成了技术门槛

在以往的技术革命中，知识与硬件曾是区隔人群的壁垒；而在AI时代，这条线被一项订阅费取代。

Mollick将目前的主流AI生态划分为三层：

免费层：功能有限，以聊天、生成图片、问答为主；

20美元/月层：解锁高级模型与更深推理；

200美元/月层：面向科研、工程、编程等专业群体。

听起来像价格分级，但实质是认知结构的分层。

20美元成了新的「入场券」，让使用者从体验AI进入与AI共事。

三大阵营：Claude、Gemini、ChatGPT的中产位次

Mollick建议大多数人从三款系统中挑选：

ChatGPT （OpenAI）：功能最全，支持代码、图像、语音、文档生成；

Claude （Anthropic）：在文本、表格、报告等知识型任务上表现稳健；

Gemini （Google）：依托搜索与图像理解，适合需要实时联网与多模态输入的用户。

这三者的「高级模型」表现各有侧重，但本质相同：都在� 美元提供生产力红利。

付费用户能让AI承担更完整的工作流，从调研、草稿、写作到编辑；而免费用户，往往只能获得零散的、即时的输出。

这也解释了Mollick那句被广泛引用的评论：

同样是用ChatGPT，有人只是在聊天，有人在训练自己的副脑。

从「用AI做事」到「和AI一起思考」

更深层的分化在于思维方式。

当AI从问答机器变成协作伙伴，人们对它的态度也在分化：

免费用户多把AI当作临时帮手；付费用户则逐渐建立「使用肌肉」，让AI嵌入工作结构。

这种转变不仅带来效率差，更在重塑人的认知路径。

因为付费用户不断向AI输入材料、指令与反馈，他们在训练AI的同时，也在被AI训练——他们的提问更具体、目标更清晰、思维更结构化。

这就是所谓的「AI中产阶层」：既懂工具，又懂协作，他们把AI当作自己的第二语言。

200美元的上流实验场：AI精英的私人实验室

当大多数人还在为「要不要�美元订ChatGPT Plus」纠结时，一部分人已经进入了另一个世界。

在Ethan Mollick的分类里，这个世界属�美元/月的高端层级——一个被少数科研人员、工程师、独立开发者和创业者占据的圈层。

AI不再回答问题，而是开始接管流程

在这个层级中，AI已不再只是对话者，而是可以执行多步任务的代理系统（Agent Model）。

用户可以让AI自主完成整条流程：搜集资料→运行代码→生成文件→输出报告。

典型的代理系统代表包括：

GPT-5 Thinking Extended / Heavy（OpenAI）

Gemini 2.5 Pro（Google）

Claude Sonnet 4.5 Extended Thinking（Anthropic）

这类模型不追求即时响应，而追求完整性与一致性。

同样的问题，GPT-5 Instant（免费版）「凭直觉」回答，而GPT-5 Thinking Extended在回答前进行了外部检索与推理。

结果是后者更慢，但也更接近真实。

同一问题由不同模型回答：左为聊天模型 (GPT-5 Instant)，右为代理模型 (GPT-5 Thinking Extended)。前者即兴生成，后者经外部研究与多步推理后得出。

Wizard Models：AI的科研级算力

更高一层，是Mollic 所称的「Wizard Models（魔法师模型）」。它们是当下最昂贵、也最接近独立研究员的模型类别。

目前仅有两款在这一层活跃：

Gemini 2.5 Deep Think（AI Ultra 计划）

GPT-5 Pro（OpenAI Pro 计划）

这些模型不只是推理更强，而是可以在内部运行复杂计算、调用代码执行环境，甚至生成跨模态结果（文本+图像+视频）。

Mollick指出，Wizard级模型能承担学术论文写作、市场预测、工程模拟等科研级任务，但其代价是更高延迟与更大算力消耗。

这一层级的AI不再是个人助手，而是一种「租来的超级计算脑」。

Claude、Gemini、ChatGPT三大系统在不同模型层级下的功能分布。Wizard 级模型仅出现在Gemini Deep Think与GPT-5 Pro中。

�美元这层，人们使用AI的方式已经接近研究合作。

他们不再追求一问一答，而是让AI执行完整研究链条：写出研究计划→搜索并汇总文献→建立假设与实验模型→自动生成数据可视化→最后输出论文或商业提案。

这类用户的AI使用习惯，也在反向塑造AI产品本身。

Gemini的Deep Think模式与ChatGPT Pro的Research Sandbox，正是这些「重度用户」测试出的需求。

他们是AI的早期共创者，也是未来AI生态的「上游生产者」。

Mollick 形容这种关系为：

不再是「使用」AI，而是在与它共事。

分层的顶点：AI 思维的社会化

这些「AI精英」代表着一种新的生产模式：他们把AI当作外包的推理器、自动化的项目助手，甚至是认知共创者。

这意味着：AI使用的分层不再是谁能访问，而是谁能思考到哪一步。

从免费层的即时回答，�美元层的任务执行，再�美元层的协作研究，AI世界已经出现了一种新的社会结构——思维的阶层化。

而在这条由价格划出的通道上，人类的思维模式，也在被悄悄重塑。

而「深度研究」和「数据连接」功能的开放，让AI不再只是回答问题，而是开始理解你的世界。

上图展示如何开启「Deep Research」深度研究模式，以及如何将个人数据连接到Claude与ChatGPT，实现AI对邮箱、文档、日程等信息的自动整合。

这也是AI分层真正的分界线——谁能让AI参与思考，谁就离未来更近。

人类的AI直觉正在分化

在Ethan Mollick的框架里，AI的分层不只是经济层级，更是认知结构的重组。

他在文章结尾写道：

目标不是成为AI专家，而是培养对这些系统的直觉——知道它能做什么，不能做什么。

直觉，新的识字能力

过去十年，我们学习阅读、编程、外语；未来十年，我们要学习AI直觉。

这种直觉不是技巧，而是一种理解：当你与AI对话时，知道它在哪些领域可靠，在哪些场景容易出错； 明白什么时候该让AI思考，什么时候该自己判断。

Mollick指出，随着AI功能的提升，prompt技巧的重要性正在下降。

老一代用户还痴迷于「神提示」，新一代用户早已进入「共同思考」的阶段。

不论你是恐吓AI，还是哄它好好答题，这些都不再起作用。

真正有效的能力，是能和AI形成节奏与分工的人。

分化的起点：谁在主动学习AI

这也是Mollick认为的「社会化差距」所在。

同样是用AI，有人每天用它查问题，有人用它整理知识库、做科研笔记、撰写报告。

差距不是模型，而是使用频率与思维结构。

他在文章中提到，随着更多用户接入「Deep Research」与「连接数据」功能，AI正逐渐成为一种记忆外包与思维增强工具。

这意味着，人类社会正在出现新的分界线：有人靠AI重塑工作方式；有人仍停留在让AI回答问题。

表面看，是谁付了钱；本质上却是谁主动去理解AI如何思考。

过去的「信息素养」是能辨别真假；新的「AI素养」，则是能判断AI的可靠边界。

Mollick 总结：

那些学会与AI协作的人，将在未来获得真正的优势。

这是也算是一种「教育再分配」：在同样的信息洪流中，有人学会与算法共生，有人被算法喂养。

AI让信息的门槛更低，却让思维的差距更高。

未来的分层，不在模型，而在人

当AI已能思考、研究、生成、修正，人类之间的差距将越来越取决于谁能与AI协作。

Mollick在结尾说的那句话更是令人回味无穷：

AI的未来，不只是更好的模型，而在于人类如何使用它。

或许这才�年最重要的事实。AI正在重塑的，不是生产力的边界，而是人类的学习方式。

真正的竞争，不再是谁懂技术，而是谁更快建立起与AI协作的「第二直觉」。

当Claude、Gemini、ChatGPT们竞相进化，我们也在被它们重新定义。

从免费层的即时回答，�美元层的「任务执行」，再�美元层的「协作研究」，这条技术曲线的背后，其实是人类思维方式的分层曲线。

Ethan Mollick在文末写道：

AI的未来，不在于模型更强，而在于人类学会拿它做什么。

未来，AI不再是工具，而是一面镜子。

它照见每个人的学习方式、使用习惯与好奇心，也照见我们与未来的距离。

真正的分水岭，从来不�美元、也不�美元，而是你是否开始，用AI去思考。

参考资料：

https://www.oneusefulthing.org/p/an-opinionated-guide-to-using-ai