Co-Existence

本期速览

Ethan Mollick（沃顿商学院教授、AI畅销书作者）与 Scottish Mortgage 基金经理 Lawrence Burns 探讨 AI 从聊天到推理再到智能体的演进，以及企业与社会如何与之共存。Mollick 认为 AI 进步速度超出预期，但企业最大的误区是以为存在「标准答案」——实际上没有人真正知道未来走向，企业需要同时进行适应与实验，而非被动等待解决方案。

---

主题一：AI 的「锯齿形前沿」——进步迅速但分布不均

Mollick 提出「锯齿形前沿」（The Jagged Frontier）概念，即 AI 在某些领域表现远超预期，但在另一些领域仍显不足，且进步并非均匀分布。

历史脉络与数据支撑：

• 三年前，AI 连「strawberry」中有几个字母「r」都数不清；而「一周前，它正在解决千年未解的数学难题，数学界因此陷入危机」
• 进步速度超出 Mollick 自身预期：「我以为人类采用 AI 需要时间……但即便戴着商学院教授那种怀疑的帽子，进展也比我想象的快」

持续短板：

• 长文写作：AI 能写出不错的文本，但「长篇非虚构文档或报告，它容易丢失主线、混淆对话对象」
• 多样性不足：AI 本质上像「一个非常聪明的人」在完成任务，而许多场景需要的是多样性——「AI 在正确提示下能生成比人类更多样化的想法，但多样性仍低于一群人类」；不同模型（中国模型、Grok、Anthropic、OpenAI）在政治态度上「惊人地相似」，原因尚不明确（可能是训练数据、强化学习或某种「柏拉图式」趋同）

---

主题二：企业采用 AI 的四大检验问题

Mollick 提出评估企业 AI 成熟度的四个关键问题，认为仅宣称「AI-first」远远不够。

四个问题：

1. 你因 AI 停止了什么？——如果答案是什么都没停止，「说明有问题」；例如市场研究报告现在可按需生成，企业应反思是否还需按旧方式付费

2. 你在做任何「不可能」的事吗？——AI 让你能完成以前无法实现的目标，「至少应该有一个你认为能改变行业的尝试」

3. 你是否在押注曲线改善？——「应该也在构建一些目前不奏效的东西，赌这条曲线会随时间变好」

4. 你有「领导力-实验室-群众」结构吗？——领导层真正投入 AI 并制定奖励制度；群众使用最佳工具实验用例；实验室进行 24/7 的 AI 开发（不仅是技术，还包括业务和组织层面）

Mollick 强调：没有人知道最佳用例，「如果你没有领导力-实验室-群众结构，你可能需要修复这一点」

---

主题三：AI 对职业与公司的重塑——瓶颈在持续转移

Mollick 认为 AI 不会简单「取代」工作，而是持续改变价值瓶颈的位置，企业需要动态适应。

O-ring 理论类比：

• 以挑战者号航天飞机为例——「除了一个 O 型环，一切正常，但那个小故障造成了灾难性失败」
• 工作中同样存在「乘数效应」的小故障：瓶颈决定工作价值，且瓶颈会随 AI 能力变化而移动

编程领域的实例：

• 过去：写清晰代码是程序员的主要价值
• 现在：「我认识的最优秀工程师几乎不再写代码——有些人一行都不写」，但他们擅长「指挥 AI 系统、编写测试序列、确定需求」
• 推演：这个新瓶颈（监督 AI）「可能也会被解决，然后瓶颈会再次变化」

Mollick 警告：不要过早下结论——「如果你因为 AI 能写营销文案就解雇了营销人员，一年后你会发现，当我在任何阅读材料中闻到 Claude 的味道时，我反而不会像以前那样投入」

关于「适应能力」：

• Burns 提出「唯一能押注的就是适应能力」，Mollick 认同但补充：「这不仅仅是适应——没有人确切知道答案……我们还需要发明这个未来，而不仅仅是反应」
• 企业需要「实验与适应」并举，主动创造变异并从中选择赢家

---

主题四：AI 监管——存在风险，但别让「存在风险」分散注意力

Mollick 认为监管不可避免，但当前讨论过度聚焦于「存在风险」，忽略了更迫切的现实问题。

对 AI 公司动机的评估：

• 「我认为他们对风险的担忧是真诚的……但我不确定他们对解决方案的提议是否总是真诚的——因为这些方案会实质性地影响他们的业务」
• 自监管「可能会在一定程度上发生，但自监管有其局限性」
• 地缘政治因素（中美竞赛）使政府监管复杂化

Mollick 的核心担忧：

• 「如果所有精力都集中在存在风险上……即使我们不再开发比 Astra 和 Fable 5.1 更先进的 AI，未来五年仍将发生巨大变化」
• 被忽视的风险：AI 对就业的影响、对金融市场的影响——「我们需要应对这些问题的监管框架」
• 「监管被过度简化为『控制前沿』，而我们甚至还没有充分利用前沿的全部能力」

关于 Anthropic 和 OpenAI 的监管影响：

• Mollick 认为 AI 研究人员（尤其是安全研究人员）的焦虑是真诚的——「他们当初不想发布 GPT-2，认为它太危险了」
• 但他们的解决方案「既想解决问题，又不想妨碍自己成为成功的公司」
• 引用 Tetlock 等研究：到 2030 年灾难性风险约 0.5%——「不是零，但可能更多是重大网络攻击而非人类灭绝」

---

主题五：AI 投资周期——可能不是典型的「繁荣-萧条」

Mollick 对 AI 是否必然经历历史性的「繁荣-萧条」周期持开放态度，认为当前情况与历史类比存在差异。

历史类比（运河、铁路、光纤）：

• 经典模式：过度投资 → 萧条 → 第二代公司利用第一代公司的残骸逐渐整合
• Mollick 不确定这是否会重演：「我不确定押注 Anthropic 和 OpenAI 会消失是否明智——即使崩盘，Google 也不会消失」

不同之处：

• 「大多数公司报告从生成式 AI 中获得了 ROI……而且他们使用的是非常原始的系统」
• 智能体（Agent）时代尚未计入数据，整合需要时间
• 「这些系统是有用的，长期运行成本并不高」
• 这可能更像「工业革命 2.0」而非「工业革命 1.0」的重复

Burns 补充（Scottish Mortgage 视角）：

• 「我们惊讶于许多公司如此坚定地说『我们的 token 获得了良好回报』——这是 ROI 正向的」
• 从「实验 AI」转向「AI 将对收入或成本基础产生实质性影响」——这给了他们「对计算侧和模型侧需求可持续性的很大信心」

---

提及的标的

标的	嘉宾态度	关键数据
Anthropic	中性（风险与商业动机并存）	创始人真诚担忧风险，但解决方案兼顾商业利益
OpenAI	中性（同上）	曾认为 GPT-2 过于危险而不愿发布
Google	未明示	「即使崩盘，Google 也不会消失」
Grok（xAI）	未明示	政治态度与其他模型「惊人相似」

---

值得记住的判断

1. 「锯齿形前沿」定律（Mollick）：AI 在某些领域表现远超预期，在另一些领域仍显不足，且进步不均匀——「AI 擅长一些你预料到的事，不擅长一些你预料不到的事，但在许多领域进步非常快」

2. 企业 AI 成熟度的试金石是「停止了什么」（Mollick）：「如果你没有因 AI 停止做任何事，说明有问题」——真正的采用会淘汰旧流程，而不仅仅是叠加新工具

3. AI 的多样性缺陷是结构性的（Mollick）：不同模型在政治态度上「惊人地相似」，原因不明——「你可以通过 AI 委员会和个性提示增加多样性，但仍有难以分离的先天相似性」

4. 价值瓶颈在持续转移（Mollick）：以编程为例——「最优秀工程师几乎不再写代码，但他们成了 AI 系统的优秀监督者」——这个新瓶颈「可能也会被解决，然后瓶颈会再次变化」

5. 「没有人确切知道答案」（Mollick）：这是 Mollick 对当前 AI 阶段的核心判断——「我接触前沿模型、政府官员、CEO……但你应该知道的是：没有人确切知道任何事」

6. 存在风险讨论可能分散了对现实风险的关注（Mollick）：「即使我们不再开发比 Astra 和 Fable 5.1 更先进的 AI，未来五年仍将发生巨大变化」——就业和金融市场影响需要监管框架

7. AI 的 ROI 已经显现，且使用的是原始系统（Mollick/Burns）：「大多数公司报告从生成式 AI 获得了 ROI……而且他们使用的是非常原始的系统」——智能体时代尚未计入数据

8. AI 投资周期可能不同于历史（Mollick）：「这可能是『工业革命 2.0』而非『工业革命 1.0』的重复」——不必然经历典型的繁荣-萧条模式