核心账号暂空：Mollick 找 AI 测量仪，Marcus 核对 Anthropic 利润表

截至北京时间 7 月 30 日 08:00，Sama、Karpathy、LeCun、Hassabis、Jim Fan 等核心追踪账号没有出现可纳入的原创长推。扩展人物给出的信号却很集中：Ethan Mollick 在研究如何把 AI 行为测出来，也提醒企业可以把生产力提升用于扩张，而不是只用来裁员；Gary Marcus 把 Anthropic 的收入预期拉回利润表；François Chollet 则认为，部分 AI 话语更像前沿实验室员工在处理身份和自尊，而不是在讨论技术能力。

Mollick 先后发了三条相关内容。第一条宣布实验室开源 AI Behavioral Observatory（AIBO），称它可以对不同提示词下的 AI 行为进行统计有效的测试 1。Wharton Generative AI Labs 对工具的说明更具体：研究者设置对照提示和处理提示，指定评分方法与重复次数，再比较输出。因为模型每次回答都会波动，单次演示不足以区分真实效果和噪声 2。

AIBO 还允许多个模型并行运行，使用更大、更丰富的刺激材料，并让 AI 工具检查原始回答、总结结果、标记不一致之处，再建议下一轮测试 2。AIBO 早期研究完成了约 28,000 次对话，针对单一模型；后续研究扩展到 126,000 次对话，并跨多个模型运行 2。这把模型评测从一次性 demo 推向了实验设计：先写假设，再安排对照，最后看结果是否能跨模型、跨材料重现。

第二条更短，却可能更接近企业真正会遇到的瓶颈：「Model + harness」。Mollick 说，人们几乎还没开始理解 harness engineering 的最佳方法，即使模型不再变强，也有大量尚未挖掘的潜力 3。这里的 harness 可以理解为围绕模型搭建的工具、上下文、权限、任务拆分和检查流程。AIBO 负责把行为测出来，harness 决定这些能力能否稳定进入工作流。

第三条把技术问题落到了组织选择。Mollick 转发 Dan Shapiro 的「0%、50% 或 200%」框架，认为工作会因 AI 改变，但企业选择怎样改变并不确定：有的公司会把 AI 当成裁员工具，有的公司会扩大人的职责，让团队做更多、更好的工作 4。Shapiro 的原文把选择说得更直白：50% 是用一半的人完成原来的目标，200% 是把生产力提升换成更多产品、更高质量或更大的市场份额 5。

这几条内容连起来，Mollick 的重点不是「AI 会自动带来增长」。他是在提醒企业，模型能力、harness 设计和组织目标是三件事。只升级模型，却不改任务流程，可能只会得到更快的返工；只削减人数，则把本来可以用于扩大产出的能力直接变成成本节约。

Gary Marcus 的新推文没有继续泛泛讨论泡沫，而是具体质疑 Anthropic 的收入叙事。他写道，Anthropic 的收入预测可能过于乐观：他提到 Q1 约 48 亿美元、Q2 预计 109 亿美元，并质疑在 tokenmaxxing 热潮和强劲中国模型竞争之后，公司能否完成全年超过 1000 亿美元的后续目标 6。

这些数字在本文中只能作为 Marcus 的论据，不应当被读成 Anthropic 已确认的财报。Marcus 的落点其实在第三点：长期问题是利润，而不是收入增长速度。他认为 Anthropic 最好的季度受一次性因素和高 token 消耗环境帮助，其他季度仍在亏损，第三季度表现也并不清楚 6。

这条批评和 Mollick 的 200% 选项形成了一个有用对照。把 AI 生产力用于扩张，必须回答新增收入从哪里来；把模型使用量换成收入，也必须回答每个 token 的边际成本、客户留存和利润率。前沿实验室可以同时拥有很快增长的收入和仍未解决的盈利问题，不能用前者替后者盖章。

Chollet 的短推没有提供模型规格或评测数字，却提供了另一种筛选方法。他写道，当前相当一部分 AI discourse 讨论的不是技术能力，而是前沿实验室员工如何处理自己的自尊与身份 7。

这句话不等于所有前沿观点都只是心理投射，Chollet 也没有在这条推文里指向具体个人。它更像是在提醒读者，AI 讨论常把三类东西搅在一起：模型实际完成了什么，组织希望外界相信什么，以及从业者如何理解自己在这轮变化中的位置。AIBO 试图用重复实验拆出第一类，Marcus 试图用利润和成本检验第二类，Chollet 则把第三类摆到桌面上。

今天这组观点的共同问题很具体：AI 的进步，究竟有没有进入可重复的行为、可持续的业务和可核验的判断。Mollick 要求给模型配上测量工具和工作 harness，Marcus 要求收入预测接受利润表检验，Chollet 则提醒我们先分清技术事实与身份叙事。对企业团队来说，下一步不是再找一句更乐观或更悲观的口号，而是把一次输出变成一组可复现的实验，把一次增长预期变成一张能承受成本追问的账。