Capability Overhang

Capability Overhang 是 OpenAI 提出的术语，指 AI 工具能做什么 与 人们实际怎么用 之间的差距（usage gap）。它说明的既是个人层面「学生/普通用户没用出模型全部能力」，也是国家与产业层面「采纳领先者与落后者的裂口」。OpenAI 在 Davos 2026 将它当作继「模型能力」之后的下一道产业议题。

关键论点是：这个差距并不是静止的，而是随能力进化而扩大。当 AI 能力从简单问答走向更复杂的多步工作流（多步推理、调用工具、长程任务），多数用户仍停留在提问式用法，能力越强、用不上能力的部分越多。OpenAI 以教育场景给出了量化：18–24 岁年轻成年人每周有超过 2 亿人使用 ChatGPT，属于最强的主流用户群，但即使在高级学生用户中，其能力使用强度仍比 power user 低约 90–99%。

与「能力」「使用」的关系

概念可以被拆成两部分看：

能力侧（supply）：模型 / AI Agent 实际能完成的任务边界，随模型换代快速扩展。
使用侧（demand/actual use）：用户在真实工作流里真正调用的那部分能力，往往停留在简单问答与一次性任务。

两者之间的差距就是 overhang。OpenAI 的观点是：仅仅「更多访问、更多教育、更多基础设施」并不足以自动填平它，因为差距的结构不是单一的——学界已有人提出应把 capability overhang 拆成 access（可及性） 与 agency（能动性/使用深度） 两个维度（详见 Decomposing the Capability Overhang 一文）。这呼应了它宣称的教育目标：帮助学生从「会用」走向「能动地用好」，即自主设定目标、判断取舍、持续学习、把想法变成现实。

对策：结构化访问（Structured Access）

OpenAI 认为缩小这个差距要靠结构化访问：不是把工具裸给用户，而是用受管的工作区、课程内嵌的真实任务、角色化的工作流与护栏，把用户引导到更接近 power user 的使用方式。在教育场景的关键证据来自 ChatGPT Edu 部署：随时间推移，Edu 用户在几乎所有能力维度上都优于免费用户，且明显更接近 power user 行为——其中在分析与计算、学习类任务上提升最大。这正是「把 agentic 能力包装进可控环境比单纯放开访问更有效」的一个实证。

关联

AI Agent（智能体） — overhang 的「能力侧」很大程度上由 Agent 化能力驱动
ChatGPT Edu — 结构化访问与教育插件的产品载体
上下文工程（Context Engineering） — 「怎么把工具喂给用户」背后依赖上下文层
提示工程（Prompt Engineering） — 使用侧能力差距的一部分来自提示与工作流技巧
Agent Skills（技能） — 把角色化知识与工作流打成可复用资产，是压缩 overhang 的工程手段之一

术语说明：Capability Overhang 是 OpenAI 在 2026 年前后推出的研究/政策语境新词，尚未沉淀为中文社区的稳定译名，故 name_zh 空缺，不要自行造译。