一条只有一句话的引用，有时比一场发布会更能说明行业情绪。

2026 年 5 月 30 日，Simon Willison 收录了 Daniel Jalkut 关于 AI 的一句评论，并注明经 John Gruber 转引。原话是：

My take on AI is, essentially, everybody who’s against it is too against it and everybody who’s for it is too for it.

大意很直白：我对 AI 的看法基本是，反对它的人太反对，支持它的人也太支持。

这不是某家公司发了新模型，也不是监管出了新政策。它只是一条关于 AI 舆论状态的评论。但它刺中的问题很硬：AI 讨论正在从工具判断滑向身份表态。

这句话为什么扎人

Daniel Jalkut 这句话的价值，不在于给 AI 下结论。它说的是争论本身已经失衡。

很多讨论里，你说 AI 有用，很快会被归到“替平台和资本说话”。你说 AI 有代价，又会被归到“守旧、恐慌、反技术”。中间地带被挤薄了。

更麻烦的是，两边都有盲区。

位置容易低估什么现实后果
过度支持 AI 的人成本、外部性、版权争议、劳动替代压力产品叙事过满，责任边界含糊
过度反对 AI 的人工具价值、效率收益、扩散不可逆判断失真，错过必要适应窗口
需要落地规则的组织哪些场景能用，哪些数据不能进要么盲用，要么一刀切禁用

“过犹不及。”这句老话放在 AI 争论里很准。过度乐观会遮住代价，过度拒绝会遮住事实。两者看着相反，最后都在逃避细节。

受影响的人并不抽象。

开发者要决定哪些任务交给 AI 辅助工具，哪些输出必须人工复核。内容创作者要面对训练、搬运、改写和分发的新边界。公司里的管理者更现实：员工已经在用，规则却没跟上。

这就是这句话的锋利处。它不讨论某个模型强不强，而是提醒我们：争论方式本身，已经开始污染决策。

AI 不是神迹，也不是灾星

我更在意的是，极化会反过来扭曲产品和组织规则。

支持者太支持，产品团队就容易把“能生成”包装成“能负责”。Demo 很漂亮，落地很含糊。用户看到的是一个无所不能的入口，实际拿到的是一个需要反复校验的半成品系统。

反对者太反对，讨论又会滑向另一种懒惰：只要沾 AI，就先判有罪。这能带来道德上的安全感，但挡不住工具进入工作流。技术扩散很多时候不是靠宏大叙事推进，而是靠便宜、方便、够用。

这和早期互联网有一点像，但不能完全类比。互联网也曾被同时描绘成解放工具和混乱源头。后来真正改变世界的，不是任何一边的口号，而是协议、平台、商业模式、治理规则和用户习惯一起落地。

AI 现在也卡在这里。模型能力只是起点，真正的分水岭在使用规则。

对开发团队来说，比较实际的动作不是“全面拥抱”或“全面禁止”，而是把任务分层：

场景更合理的做法关键限制
代码补全、草稿、原型可以用，但要保留人工审查输出不能直接等于责任转移
资料总结、文档整理可以提高效率，但要核验来源不能把模型回答当原始事实
涉密数据、客户数据、版权敏感内容谨慎或禁用数据进入工具后，边界可能变模糊
对外发布内容、关键业务决策AI 可辅助，不能独签出错成本由组织承担，不由模型承担

对内容创作者来说，最该做的也不是空喊抵制。更可执行的是保留授权记录、标注原创边界、审查平台分发规则，必要时调整发布渠道。工具会扩散，但权益不能默认让渡。

这就是现实约束。AI 的确有用，但它不会自动变成可靠制度。把效率拿走的人，常常不是承担校验成本的人。

接下来该看什么

这条引用没有提供新产品，也没有新数据。它能提供的是一个判断框架：别问谁嗓门更大，问谁把成本讲清楚了。

接下来最该观察的变量，我认为有两个。

第一，组织有没有把 AI 使用规则写到动作层。不是一句“鼓励创新”，也不是一句“注意合规”。而是具体到：哪些数据不能输入，哪些任务必须复核，哪些输出不能直接对外，出错后谁负责。

第二，产品有没有诚实标注能力边界。一个 AI 功能如果只强调“更快、更聪明、更自动”，却不说明适用场景、错误风险和复核责任，那就是把判断成本丢给用户。

这两个变量，比立场更重要。

开发者接下来会调整工具使用方式：可自动化的继续用，关键路径更重视审查。团队采购也可能变慢，不是因为 AI 没价值，而是因为安全、版权、数据和责任条款需要先谈清。普通用户会继续尝鲜，但会更依赖默认设置；这反而让平台的边界设计更关键。

AI 的收益是真的。写代码、改文本、做草稿、生成原型，很多场景已经足够有用。假装它只是泡沫，解释不了为什么开发者和知识工作者持续把它塞进日常流程。

AI 的代价也是真的。幻觉、版权、能耗、岗位结构、平台控制、内容污染，都不是一句“技术会进步”就能抹掉。把这些担忧全说成情绪化，也是在偷懒。

所以 Daniel Jalkut 这句话值得被转引，不是因为它站在中间，而是因为它拒绝把复杂问题交给阵营。

判断 AI，不能只问支持还是反对。更该问：谁获得效率，谁承担校验，谁拿走数据，谁失去议价能力。

如果一场讨论只能逼你在“拥抱未来”和“抵抗灾难”之间二选一，那它多半已经不关心未来，也不关心灾难。它只关心你归队。