模型早就够用了：Mollick 的四项个人优势，和他第三次说的同一句话

2026 年 9 月 18 日，宾夕法尼亚大学沃顿商学院副教授 Ethan Mollick 在自己的 Substack《One Useful Thing》上发了一篇长文，标题是《The Overhang》，副题列了四样东西：深度知识、广度知识、品味、能动性。1

Mollick 是沃顿的管理学副教授、沃顿生成式 AI 实验室（Generative AI Labs）联合主任，研究 AI 对工作、创业与教育的影响，写过畅销书《Co-Intelligence》。2

他这篇的落点不在下一批模型。

文章里有一句定义：「The capability overhang, the gap between what these models can do and what almost anyone is doing with them, is an opportunity.」——能力过剩，也就是模型能做的事，和几乎所有人实际拿它做的事之间的那道差距，是一个机会。16

他先承认围绕 AI 风险与限速的那场争论有其道理，然后把重心放回眼下。

原话是：「If every lab stopped training new models tomorrow, that wouldn't change the fact that GPT-6 Astra and Fable 5.1 are already enough to change how large parts of the economy work.」——就算所有实验室明天停止训练新模型，也改变不了一个事实：GPT-6 Astra 和 Fable 5.1 已经足够改变大片经济部门的运作方式。16

他给这两款模型的一句话评价是：在得到恰当引导和使用的前提下，它们能稳定完成人类要做上几周的工作。16

支撑这句话的是三个他自己做的项目。

第一个是把 1977 年的文字冒险游戏《Zork》改成能玩的 3D 动作冒险游戏。这个游戏原本没有画面，每个地点只有一段文字，所以模型得自己决定白房子长什么样、暗处的怪物长什么样，还得把「打巨魔」改成一套动作序列。16

第二个是重建意大利作家 Umberto Eco 在米兰公寓里的书房。模型找不到平面图，于是改用十几段视频、公开的照片和两份书目：它逐帧读视频里的书脊，推断出房间，把能认出的五千来本书放进两万七千个格位，每本书都标上确定、猜测还是未知，镜头没拍到的那几排书柜用雾画出来。16

第三个是给他的新书做预告片。他给模型一本自己的书稿，让它从 AI 的视角做一支片子；模型自己用了三维软件 Blender，配了旁白、音乐和音效，45 分钟后交片。他后来又要了一版动作片风格的，模型把上一版的三维动画当分镜，用视频生成器出镜头，再剪成片。16

他对这三个项目的定性是：它们只花掉了 ChatGPT 账号里一小部分 token 预算。16

前两个项目有页面可以点开。

《Zork》那一版做成的是一个网页游戏，页面上的说明是「A free, first-person 3D adaptation of Zork I」，免费的第一人称 3D 版《Zork I》，键位提示包括 WASD 移动、E 交互、鼠标左右键攻击与格挡。3

Eco 书房那一版是一个可浏览的三维地图，页面底栏的数字是「27,547 shelf slots in 6 rooms」（6 个房间共 27,547 个格位）与「22,193 unidentified」（22,193 个未识别），与他文中所说的「over 27,000 shelf slots」对得上。4

这份地图值得多看两眼。它给每个格位标了出处——来自视频某一帧、某张公开照片，还是某份书目记录；也标了放置的可靠度，最后汇总成确定、猜测、未知三档；页面最下面一行是「Nothing here was measured.」，这里没有一处是实测出来的。17

两个页面都没有署名，也都没有写自己由 AI 生成。能核对的是成品存在、数字自洽；至于预告片那处「45 分钟交片」的耗时口径，只有他本人的说法。161718

三个项目之外，他还引了一份量化研究。

那是 Anthropic 在 2026 年 6 月 16 日发布的报告《Agentic coding and persistent returns to expertise》，数据来自约 40 万条 Claude Code 会话，时间跨度是 2025 年 10 月到 2026 年 4 月。5

报告第 9 页的 Figure 3，给出的是这批会话按用户专长分五档后的产出。19

Mollick 转述这份材料时用的说法是：专家从 AI 那里不仅拿到更好的结果，也拿到更多结果。16

报告自己写下的边界，他这句里没有带出来。

按报告的记录，可验证成功率的差别主要集中在新手到中级这一段：新手约 15%，中级及以上约 28% 到 33%；而中级与专家之间的差距，报告用的词是「modest」，温和。报告还写明，它没有观察这些人在真实世界里的结果。19

文章的后半段转向个人该做什么，落点是四项优势。

第一项是深度知识（deep knowledge）：在一个领域里理解到能建立直觉、能快速准确判断的程度，比如资深会计扫一眼表格就知道哪里不对。他把这称作看清「锯齿状前沿」的唯一办法，因为只有专家能看懂本领域里 AI 在哪儿成、在哪儿败。16

第二项是广度知识（wide knowledge）：跨领域涉猎，知道该向 AI 要什么。他举的例子是，如果你不懂设计，就不会想到要告诉 AI 别在标题上方再加一行小标题（他用的词是「adding eyebrows」，给标题加眉毛）。16

第三项是品味（taste）：做东西变快变便宜之后，稀缺的是从一堆产出里挑出该留哪一个的能力。他承认生成式 AI 主要带来的是大量彼此相似的垃圾，而这件事只有品味能挡住。16

第四项是能动性（agency）：愿意在所有人心存困惑的时候去试探边界，自己发现 AI 能做什么，而不是等人来通知。他把自己那些「古怪的 AI 实验」归在这一项下面。16

原文写的是「In my book, I outline four particular personal advantages」——这四项优势出自他书里的框架。16书名叫《Co-Existence》，出版社 Portfolio，2026 年 10 月 20 日上市。6

文章中间有一段专门讲预售：在 10 月 20 日前下单的读者，会拿到一个与 AI 的语音访谈链接，访谈会根据你的回答生成一份关于你自己四项优势的报告。16书籍官网上还留了一个给 AI 的入口，写着「Are you an AI?」（你是 AI 吗？）。7

这篇长文因此同时是新书的预售材料，四项优势是书里的框架。

「就算训练明天停下，改变也已经发生」这半个判断，不是他第一次写。

2023 年 7 月 23 日，他写《On holding back the strange AI tide》时说：「And, even if they never get any better, even if future AIs are highly regulated (both seem highly unlikely), the AIs we have today are going to bring a lot of change.」——即便它们此后再无进步，即便未来的 AI 受到严格监管（两件事都极不可能），我们今天手上的 AI 也会带来大量改变。8

2024 年 11 月 4 日，他在《The Present Future》里换了个写法：「Even if AI development stopped today, we would have years of change ahead of us integrating these systems into our world.」——即便 AI 研发今天停摆，我们前面仍有数年时间要消化这些系统进入世界带来的变化。9

这一次新增的东西有三样：可点开的演示页；一份把「专长放大产出」量化的报告；以及把人类优势固定成四项，并与新书的预售奖励绑在一起。16

「能力过剩」这个词，OpenAI 今年 1 月就拿去用了，比他这篇早八个月。

2026 年 1 月 18 日，OpenAI 在一篇讲 AI 与个人赋能的文章里使用这个概念；三天后的 1 月 21 日，它发布了一份专门的报告《Ending the Capability Overhang》。1011

那份报告给了一个它自己的数字：「The typical power user relies on about seven times more advanced 'thinking capabilities' than the typical user」——典型的重度用户用掉的「思考能力」，大约是普通用户的七倍。同一篇还写，在 ChatGPT 用量最高的七十多个国家之间，一些国家的人均「思考能力」用量是另一些国家的三倍。20

这是厂商自报的口径。

第三方这一侧，最近几个月的测量给出的信号方向不一样。

美国人口普查局的双周企业调查（BTOS）在 2026 年 5 月 26 日发布的结果是：企业整体的 AI 使用率在 17% 到 20% 之间徘徊，未来六个月的预期使用率是 20% 到 23%，数据窗口是 2025 年 12 月到 2026 年 5 月。12

美国全国经济研究局（NBER）与亚特兰大联储联合发布的一份工作论文，调查了近 6000 名美英德澳高管，给出四组数字：69% 的企业已在积极使用 AI；高管本人每周平均只用了 1.5 小时；十名高管里有九名报告，过去三年 AI 在本公司的就业与生产率上没有可测影响；同一批人预期未来三年 AI 会把本公司的生产率提高 1.4%、产出提高 0.8%、就业减少 0.7%。13

Ramp 的经济学家用企业刷卡与账单数据做的月度指数，2026 年 9 月 9 日那期的结论是：新增 AI 采用仍在增长，但正在减速。同一期记下一个具体做法：「We've heard from businesses who are imposing company-wide defaults that reduce usage of frontier models, saying standard models are still highly performant and also more cost effective.」——有企业在推行全公司范围的默认设置，把用量从前沿模型上挪开，理由是标准模型仍然好用、而且更划算。数字上，头部 1% 企业的人均每月 AI 支出从 7,976 美元降到 7,205 美元，降了 9.7%；它跟踪的每百万 token 实际价格，从 2026 年 3 月的 1.15 美元峰值降到 0.68 美元，降幅 41%。14

这两组材料回答的正是他算的第二笔账：人们实际拿这些模型干了什么。企业把默认档位换便宜，价格一路往下走，那道差距就可以被两头同时压缩。

至于主张放慢的那一边。Dario Amodei 9 月 12 日的长文写的是：当前的模型是一座「近乎无穷的矿藏」，既让人看清怎样把 AI 建好，也让人看清建得不好会出什么问题，结论因此是放慢提升能力的速度。15

两人在这件事上的位置并不对立，分歧在时间表：一个说先把手上的能力用起来，一个说先让安全研究追上来。

第一，那个「七倍」会不会有第三方复现。 它现在只有 OpenAI 一侧的口径，衡量的是它自己产品里的使用行为。20

第二，人口普查局那 17% 到 20% 与高管报告的「无可测影响」会不会动。 这两组数字如果一直不动，Mollick 说的那道差距就还在，只是没人去填。2122

第三，「能力过剩」这个词的两种用法会不会合流。 OpenAI 用它讲国家与人群之间的使用差距，Mollick 用它讲个人之间的差距；同一个词被两拨人往两个方向用，接下来会出现在监管文件里，还是咨询公司的销售材料里。1620

第四，那四项优势会不会被别处引用或用数据检验。 它们的完整表述目前只出现在《The Overhang》这一篇里，出处是 10 月 20 日才上市的新书。1623

第五，会不会出现具名反驳。 到 9 月 19 日早上，公开渠道上还没有针对这篇的具名批评文章。真正能检验这套判断的，是企业在不换模型的前提下把用量提上去之后，生产率数字会不会跟着动。2224