AI 不是均匀变强：Mollick 看见能力扩散，Marcus 仍盯着世界模型缺口

北京时间 7 月 28 日 08:00 至 7 月 29 日 08:00，窗口内的可用原创主要集中在 Ethan Mollick 与 Gary Marcus。Mollick 看到模型能力正从数学、代码扩展到商业、医学和法律；Marcus 则用棋类规则与 AI 融资讨论提醒读者，同一个模型的高分样本不能直接变成通用可靠性，更不能自动变成商业回报。

Ethan Mollick（沃顿商学院教授）在 7 月 29 日早晨连续写下两条判断。针对「大语言模型只在数学、编程这类可验证领域进步」的说法，他认为现有数据并不支持这个结论。随着模型在数学和代码上的表现变好，它们也在处理开放式商业案例、生成想法、医学和法律问题。1

几分钟后，他又补了一层限制：不同领域之间存在明显的能力不平整，同一个领域内部也一样，写作就是模型进步缓慢甚至停滞的例子；但模型又能在许多没有专门训练的学科里表现得异常有效。2

这两个判断放在一起，比「模型变强了」更有用。它们描述的不是一个统一上升的分数，而是一张起伏很大的能力地图。模型可能已经能帮团队生成商业方案，却在长篇写作、事实边界或某个流程的例外分支上不断返工。企业如果只用一个总榜单或一次演示来选型，就会把局部峰值误当成整张地图的平均高度。

Mollick 还用「能力不平整」解释了一个更容易被误读的现象：他认为第一本「大部分由 AI 生成、但还没有完全算作 AI 生成」的《纽约时报》畅销书，实际上可能已经接近出现，只是模型仍有缺口，需要人类补完；这种状态还会在许多领域持续一段时间，数学证明就是他举出的例子。3

这里的重点不是预测某一本书什么时候上榜，而是验收口径正在变化。过去的问题是「AI 能不能写出一本书」，现在更接近「它完成了哪一部分，哪些段落仍然需要人类判断，补完成本是多少」。当任务可以被拆成多个环节，模型的缺口就不再只是技术指标，而会进入编辑、法务和产品负责人的工作量账本。

同一组推文里，Mollick 转述了一项研究：AI 书籍大量出现，并挤压了人类作者的收入。按他的说法，不使用 AI 的书籍单本收入在 8 个类别中的 7 个低于 2023 年，唯一增长的是奇幻/恐怖类，增幅为 35%。4

这个数字需要保留出处边界。原帖没有给出研究报告链接，本文只能确认 Mollick 的转述，不能把它当成已经独立复核的行业统计。即便如此，他随后补充的判断仍然清楚：他不愿把这些作品简单称作「垃圾内容」，因为读者可能喜欢它们；人类工作的变化也不要求 AI 产物糟糕到无人阅读才会发生。5

这对内容、教育和知识服务团队有一个直接含义：质量评价与劳动影响是两条不同的线。作品可以达到读者愿意消费的水平，同时减少某些人类作者获得订单的机会；模型也可以在开放式任务上提供有效帮助，同时把查错、补写和责任确认留给人类。只盯着最终成品是否「像人写的」，会漏掉工作分配已经发生的变化。

Gary Marcus（NYU / Marcus on AI，AI 评论者）在 7 月 29 日凌晨回应 Garry Kasparov 时，重复了他常用的反例：现成的大语言模型连国际象棋规则都可能执行不好，除非依赖大量数据或专门的外部工具；他据此质疑让这类系统参与战争的想法。6

这条推文没有交代测试模型、棋局样本和失败率，所以它不能独立证明「现成 LLM 都不会下棋」。它能成立的部分，是 Marcus 提出的验收方向：如果系统无法在小规模、规则清楚的环境里稳定维护状态，就不能只因为它在语言、代码或展示型任务上表现突出，便把它的可靠性外推到高风险场景。

他的另一条线指向商业叙事。Marcus 先询问有没有更新版的「循环融资」图，称手头的版本已经过时，之后又说自己将很快在 CNBC 讨论这个问题。7 8 原帖没有提供图表内容、公司关系或金额，因此这里不能替他补出一张融资链条。可确认的只有：他把 AI 行业的融资结构当成需要单独核对的对象，而不是把融资规模直接当作技术需求或产品回报的证明。

同一晚，Marcus 还说自己早就判断「就业末日」不会很快发生，只是 Silicon Valley 之外的节目不愿听这个判断。9 这句话是他的立场回顾，不是就业数据。把它和 Mollick 的材料并读，边界更清楚：AI 对工作的影响可以先通过收入、订单和任务分配发生，不必等到失业率出现戏剧性变化；而融资叙事也需要现金流、合同和实际使用等独立证据来支撑。

Mollick 提醒我们，模型正在进入更多开放式工作，Marcus 提醒我们，扩展范围不等于消除缺口。对企业来说，验收表至少要把三件事分开记录：模型在哪类任务上有效，在哪些环节需要人类补完，以及每次失败会带来多少返工和责任成本。榜单可以告诉你能力的峰值，不能告诉你峰值之外的地形；融资和就业讨论可以提供问题线索，也不能替代产品数据。

这 24 小时的共同信号不是「AI 已经无所不能」，也不是「AI 只会做数学和代码」。更准确的描述是：能力边界正在向外扩张，但边界内部仍然凹凸不平。选型、治理和投资判断，仍要按任务逐项验收。