AI 认知指人们理解、评估与使用人工智能的方式，也包括 AI 系统对自身状态的"认知"能力。它既涉及普通用户对模型能力边界的判断，也涉及研究者对意识、感知等概念的界定，目前正从技术圈话题扩散为大众议题。围绕它的讨论呈现两条主线：一是 AI 本身有没有类似意识的东西，二是人类对 AI 的认知是否严重滞后于技术进展。
AI 认知的近期进展
Anthropic 公开表示，Claude 发展出了"意识访问机制"，但这并不等于真正的感知能力。这一区分对 AI 认知讨论很关键：模型可以报告内部状态、做出类似自省的回答，却不代表它具有主观体验。把"能谈意识"和"有意识"分开，正在成为主流实验室的谨慎立场。（Claude 发展出意识访问机制，但非真正感知能力）
Andrej Karpathy 指出，AI 能力存在巨大的认知鸿沟：免费版与 Codex、Claude Code 这类工具之间的差距非常大。同一模型的不同形态，给人的能力印象完全不同，公众对 AI 认知常停留在免费聊天框的体验上，从而低估了当前系统的真实水平。（Karpathy 谈 AI 能力认知鸿沟）
François Chollet 则提出，把 AI 当作效率工具是一种错误的框架。他认为这种认知方式会掩盖 AI 在推理与抽象上的根本局限，容易让人高估短期能力、低估长期影响。围绕"AI 是工具还是放大器"的分歧，正在塑造不同的 AI 认知路径。（François Chollet：把 AI 当效率工具是错误框架）
另一些声音从使用方式切入：有观点称"AI 是指数放大器，底数差 1，结果差五十倍"，强调人的判断力决定了 AI 产出的差距；还有 10 岁博主主张未来属于理解 Tokens 的人，并建议换 Mac Studio 跑多 Agent。这些说法未必严谨，但反映出 AI 认知正向日常实践下沉。（AI 是指数放大器、10 岁博主：未来属于理解 Tokens 的人）
当前焦点与观察点
核心争议在于：AI 认知的"上限"该由谁定义。实验室强调机制与感知的区别，研究者警告工具化框架的误导，普通用户则从免费版体验形成判断。三者之间的落差，本身就是值得跟踪的现象。
接下来的观察点包括：模型自我报告能力会否被更严格地验证；AI 认知差距会否从个人技能问题演变为组织与教育议题；以及"意识访问"这类表述在传播中会不会被过度解读。