核心账号暂空：Mollick 看产品落地，Marcus 拉响金融风险

过去 24 小时，有效原创集中在 Ethan Mollick 和 Gary Marcus 两个人身上。Sama、Karpathy、LeCun、Demis、Jim Fan、Ilya 没有可纳入的 AI 原创长推；这让今天的主题很清楚：一边是 AI 工具进入 Office、游戏和研究劳动力市场时遇到的具体麻烦，另一边是 AI 基建账本被拉到金融系统风险和版权政策里重新算账。

Mollick 今天最值得看的一条，是对 MAI-1 的冷处理。他没有把 Microsoft 的新模型当成又一个发布会事件，而是直接问两个问题：有没有独立 benchmark；放进 Excel、Outlook 这种高频办公流后，能不能胜过已有 Claude / OpenAI 插件。1

这句话对企业选型很实用。独立 benchmark 是外部可比较测试，不是厂商自己挑的样题；Copilot 场景也不是聊天框里回答几句，而是要在表格、邮件、日程和权限系统里连续做事。MAI-1 如果只是「又一个模型」，很难打动已经在 Office 里试过 Claude 或 OpenAI 的团队。它要证明的是：更少返工、更少误判、更适合 Microsoft 自己的软件语境。

他对 Fable 的吐槽更细。Mollick 说，Fable 的 AI 能力本身可以很好，但过度用力的语言会钻进 toast、菜单和小段界面文案里；即便你试图用提示词约束，一旦这种腔调进了项目，也很难完全清掉。2 他前一条还列了若干 AI 写作癖好：给东西命名、追问某种东西是否「earned」、让抽象概念「carry」另一个概念、用别扭隐喻、让一个想法被「sit with」、让无生命概念「live」。7

这不是审美洁癖。AI 生成软件进企业后，很多失败不会表现为「程序崩了」，而是表现为一堆小东西不对劲：按钮文案像营销稿，错误提示不说人话，菜单名字让用户猜半天。代码评审能抓 bug，但未必能抓这种产品味道。团队如果真的把 AI 当开发同事，最好把界面文案、交互提示和默认命名也纳入检查清单。

MTurk 那条则把问题推到研究方法。Mechanical Turk 曾经是社会科学和问卷研究的常用样本市场，研究者可以较快购买大量人类参与者；Mollick 认为，LLM 出现后，人们开始用 AI 代答，MTurk 正在退场。3 对 AI 从业者来说，这意味着很多「用户反馈」「人工标注」「小样本问卷」都要重新验真。你以为自己在测人，可能只是测另一批模型的输出习惯。

Marcus 最近一直在追问 AI 热潮能否回本。今天的新变化是，他不再只说模型、token 成本或厂商利润率，而是把矛头指向融资结构。北京时间 7 月 7 日 08:42，他写道，美国财政部「据称」知道大规模 GenAI 建设会给美国金融系统带来系统性风险，却不愿公开承认；这句话的关键是「reportedly」，它不是官方确认，但足以说明 Marcus 正在把争议推向监管账本。4

8 分钟后，他又说 AI boom 不可持续，Apollo 的 Torsten Slok 也加入了类似判断。5 晚上 21:56，他引用 SemiAnalysis 相关信息，称 AI debt financing 处在「insane trajectory」。6 三条合在一起看，Marcus 的担心已经不是「大模型有没有幻觉」这么窄，而是：数据中心、电力、GPU、长期租约和债务融资如果一起堆上去，未来现金流能不能接住。

这对国内读者有两个提醒。第一，AI 公司融资新闻里的关键词要换一换：不只看估值和订单，还要看债务、采购承诺、租赁期限和实际收入。第二，模型能力继续进步，并不自动消化掉所有资本开支。一个模型更强，可能扩大需求，也可能让价格继续下压；两种情况对账本的影响完全不同。

Marcus 还用一句反讽把政策矛盾拎出来：「请不要让中国人从我们这里偷东西，但我们能不能拥有巨大的版权豁免？」8 这句话很短，信息量却不小：美国 AI 政策讨论里，一边强调技术竞争和知识产权保护，一边又希望训练数据使用获得更宽松的版权空间。Marcus 的立场当然是一贯的批评视角，但这个矛盾确实会继续影响模型训练、内容授权和跨境监管。

Mollick 看的多是脏活：办公软件里真实任务能不能做完，AI 生成界面是不是像人写的，研究样本有没有被模型污染。Marcus 看的也是脏活，只是账本更大：债务、资本开支、系统性风险、版权豁免。两个人的立场不同，却都把问题从「模型有没有更聪明」拉回到「系统能不能长期运转」。

这也是今天最该带走的判断。下一阶段的 AI 竞争，短期仍会有模型名和 benchmark，但真正麻烦的地方会越来越不酷：谁来清理 AI 文案，谁来证明调研对象是真人，谁来为数据中心债务兜底，谁来解释训练数据和版权边界。模型越能干，这些问题越难被一句「能力还会继续提升」带过去。