Ethan Mollick：AI 能力过剩与人的四种优势
来源One Useful Thing查看原文
速览
- 现有模型能力已足够改变经济，但使用率远低于能力上限
- Zork 3D 化和 Eco 藏书重建均属原本需数周人力的任务
- 模型能自主选用 Blender 等专业工具，用户事先并不知情
- 深度知识让专家更快判断 AI 输出对错，也提升 AI 产出质量
- 广度知识让人知道该向 AI 提什么要求，例如设计中的「加眉毛」问题
- AI 让制作变快变便宜，稀缺资源变成用品味做筛选
- 能动性指主动试探 AI 边界，而不是等别人告知能力
- 即便所有实验室停止训练新模型，既有能力仍会推动变化
- 社会需要发展增强而非仅替代人类劳动的 AI 协作模式
One Useful Thing 作者 Ethan Mollick 撰文提出「能力过剩」（capability overhang）概念：GPT-6 Astra 和 Fable 5.1 等现有模型的能力已足以对大部分经济领域产生变革性影响，但绝大多数人几乎没在用。他用几个实验佐证——让 GPT-6 Astra 把 1977 年的文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏；让 Fable 5.1 依据十几段视频、基金会拍摄的每个书架照片和两份图书目录，在 27000 个书架格位中定位约 5000 本可识别的书，重建 Umberto Eco 在米兰公寓的藏书；还让模型用 Blender 建模、生成配音配乐，45 分钟做出他新书《Co-Existence》的预告片，并在第二轮把它升级为 30 秒动作片版本。Mollick 认为这些任务原本需要研究者、程序员和设计师花数周完成。他据此主张：与其只焦虑未来模型，不如先补上现有能力与日常使用之间的巨大落差，而个人应依靠四种优势——深度知识、广度知识、品味与能动性——与 AI 协作，做单靠人或单靠 AI 都做不到的事。
关键事实
- Mollick 称 GPT-6 Astra 和 Fable 5.1 已足以在大部分经济领域产生变革性影响，并能可靠完成数周的人类工作量
- GPT-6 Astra 将 1977 年的文字冒险游戏 Zork 改造成可玩的 3D 动作冒险游戏，原游戏无图形、每个场景仅一段文字
- Fable 5.1 在找不到平面图的情况下，依据十几段视频、基金会拍摄的书架照片和两份图书目录，重建 Umberto Eco 的米兰公寓藏书
- 该重建任务在 27000 个书架格位中放置了约 5000 本可识别的书，并标注每本书为确定、猜测或未知，摄像头未覆盖的书架用雾表示
- Mollick 让模型为他的新书《Co-Existence》制作预告片，模型自行使用 Blender 建模、编写脚本、生成配音配乐与音效，45 分钟后交付成片
- 第二轮提示要求做 30 秒动作片预告，模型以 Blender 动画作为分镜，通过浏览器操作视频生成器并剪辑成最终预告片
本站视角
这篇文章对中文读者的价值，不在于又一份「AI 很强」的宣言，而在于它把讨论重心从模型能力转向使用落差。对国内做 Agent 和 AI 应用的团队来说，Mollick 描述的场景——模型自主调用 Blender、浏览器里的视频生成器、自行编排脚本与音效——正是「工具调用 + 长链路自主执行」的产品形态，它提示竞争点可能不在模型本身，而在谁能把现有模型的能力真正释放出来。对用 API 的中小企业和独立开发者，这意味着不必等下一代模型，先把当前模型的 token 预算用足就可能拿到数倍产出。对内容与创意行业从业者，「品味成为稀缺资源」的判断值得认真对待：当生成成本趋近于零，筛选、判断和取舍的能力反而升值。 我们的判断是：Mollick 的核心论点——能力过剩真实存在——有说服力，但证据强度需要打折。文中所有案例都出自他本人之手，没有第三方复现，也没有成本、失败率和人工修正量的披露；「45 分钟做出预告片」听起来惊人，但成片质量、可复用性和真实生产环境下的稳定性都未说明。他引用 Anthropic 研究支持「专业知识放大 AI 收益」，方向可信，但单一来源不足以定论。此外，本文带有明确的新书推广目的，四种优势的框架与预购附赠的 AI 访谈报告形成闭环，读者应把「四种优势」当作一个有启发性的思考工具，而非经过验证的方法论。 需要观察的是：如果能力过剩成立，那么瓶颈就落在组织流程、合规和人的意愿上，而不是技术。这对国内团队尤其现实——模型可用性和工具链限制可能让「过剩」程度低于美国同行，但方向一致。真正值得跟进的不是 Mollick 的演示视频，而是有没有团队能把这种自主执行能力产品化、稳定化，并给出可复现的成本数据。
背景与影响
Ethan Mollick 是宾夕法尼亚大学沃顿商学院教授，长期在 Substack 专栏 One Useful Thing 上记录 AI 的实际使用体验，也是「Jagged Frontier」（锯齿状前沿）概念的提出者——指 AI 能力边界不规则，同一模型在不同任务上表现差异巨大。本文延续这一思路，把焦点从「未来模型会不会失控」转向「现有模型已经能做什么、为什么没人用」。文中提到的 GPT-6 Astra 与 Fable 5.1 是作者所引用的模型名称，原文未给出更多发布信息。Mollick 同时借本文推广其 10 月 20 日出版的新书《Co-Existence》，书中系统阐述四种个人优势，预购者还能获得一份基于 AI 语音访谈的个人能力报告——这意味着本文既是观点输出，也带有新书推广属性，读者在采纳其结论时可留意这一动机。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
