新智元报道
新智元报道
别再担心AI抢走你的工位了。真正先塌方的，是你的工资单。
就在刚刚，Google DeepMind联合创始人Shane Legg出手了。
他是DeepMind的首席AGI科学家。
这次，他联手AGI经济学总监Alex Imas、研究科学家Andrew Koh，在DeepMind Institute发表长文《智能的经济学》，同步公开工作论文《Organizing Intelligence》。
Imas在X上透露，他加入DeepMind，就是为了搭建AGI经济学研究项目。
他们想回答一个大问题：从AGI一路走到ASI，经济会在什么时候、以什么方式被彻底改写？
他们把AI的进化切成四关：最小AGI、超能力AI、超协作AI、ASI。每过一关，市场格局、谁来干活、工资多少，都会重新洗牌。
从人类基线到ASI，三类市场里人类与AI的组织构成如何演变
论文用一套经济学模型，算出一笔让所有人都后背发凉的账：
就算公司一个人都没裁，只要AI追平人类平均水平，专家的工资就会先跳水；
等AI的单项能力超过所有人类专家，顶尖码农的薪水只剩巅峰期的零头；
反倒是单项测试垫底的「协调者」，逆袭成了全场最高薪。
而更远的终局，是「企业奇点」。
一旦AI学会高效组队，整个大市场可能被一家巨型纯AI公司吞下。
Google DeepMind评估学者Sol Messing感叹，这篇论文改写了行业的追问方向。
过去大家问，「AI能不能考过律师资格证」。现在该问的是，「AI能不能自己开一家律所」。
你的岗位还在，但你的议价权已经没了。
当你还在跟同事卷绩效时，你的手艺已经被机房的电费重新定价。
今天的大模型，在编程、数学考卷上大杀四方。
可放到真实的经济世界里，溅起的水花却小得可怜：就业数据几乎纹丝不动。
三位作者认为，问题就出在考核对象上。
几乎所有基准测试，测的都是一个AI单挑一个人。
而在真实市场里肉搏的，却是各种公司和组织。
为了证明这一点，团队找来100名受试者，做了一套六大领域的测试：数学、言语推理、科学、模式识别、文化、经济学。
结果发现：一个人在某个领域的得分，几乎预测不了他在另一个领域的表现。
现实里没有各科均衡的「平均聪明人」，每个人都是偏科的「锯齿状专才」。
100人六领域测试中6名受试者的偏科雷达图，与互补组队拼出的马赛克智能包络线
就像拼马赛克，每块碎片都不规则，合在一起却严丝合缝。
公司要做的，就是把偏科的人拼在一起，按各自的比较优势分工。长板补短板，团队就能拼出一块远超任何个人的能力版图。
论文管这叫「马赛克智能」。
实测数据显示，按能力互补配对的两人组，表现比随机配对高出32%。
大模型恰恰缺这一点。
同一个模型复制一千份，偏科的方向和盲区完全重叠：多开一个副本，只加产能，不补短板。
所以，哪怕单个AI已经赢过人类的平均水平。
碰上互补分工的人类小队，照样会输。
人类小队守住了工位。
但这恰恰是最危险的安全错觉。
为了算清这笔账，论文搭了一个14人的微型经济体。
6名程序员，6名写作者，外加2名「协调者」。
程序员写代码9分，写文章1分。写作者正好反过来。
协调者两样都只有1分，单人测试全场垫底。
但他们擅长让别人配合，也就是我们熟悉的管理者。
没有AI时，程序员和写作者1比1组队，专才工资涨到4.15，是单干时的近3倍。
协调者帮团队化解交接摩擦，工资也有2.41。
接着，团队往这个经济体里投下一颗「最小AGI」。
它的单项能力只有1.69，协作能力只有0.78。
这刚好是这群人类单打独斗时的平均水平。
结果，就业率纹丝不动。
14个人全员留在大市场上班，失业人数为0。
工资却塌了。
专才工资从4.15砍到2.90，跌了30%；
协调者从2.41跌到1.30，缩水46%。
一个人都没被顶替，工资为什么先跳水？
答案是：稀缺性没了。
人类专家值钱，是因为每人每天只有24小时，没法复制。
AI哪怕只够到人类平均线，也能按算力价格无限复制，涌进细分市场压价。
论文给出一条铁律：
只要模型能追平人类某项能力，这份工资就会被绑在算力成本上。
作者还专门提醒：工资变化会先于组织重组到来。
拿「就业率没变」证明AI没冲击经济，站不住脚。
更狠的还在后面。
团队把AI的单项能力拉到超越所有人类专家，协作能力保持不变。
论文管这叫「超能力AI」。
角色大倒挂上演了。
程序员和写作者在大市场失去价格优势，被挤进狭小的小众市场：工资从2.90一路跌到0.39，比巅峰期少了九成以上。
反倒是那2名垫底的协调者，AI公司却抢着要。
道理很简单：一屋子单兵超强、却不会配合的AI，需要有人定方向、理分工。
协调者的工资停在0.48，反超了所有专家。
现实数据已经在印证这个趋势：
AI原生初创公司的总人数，比同期同行少25%。
受冲击职业的初级岗位就业下降7.7%到19%，起薪下滑4.2%。
资深员工的岗位和薪资，却稳中有升。
问题来了。
AI单项能力已经这么强，算力又能随便租。
为什么还没有一家纯AI公司，把传统企业扫地出门？
答案，藏在一个89年前的老问题里。
1937年，后来获得诺奖的科斯问：
既然公司内部分工能省成本，为什么全世界不合并成一家巨型公司？
此后近百年，经济学家给出的答案，都指向人的极限。
团队一扩到几十上百人，注意力就不够用了。
话传过几道手，最后全变了味。何况每个人还各打各的小算盘。
内耗一多，分工省下的效率就被吃光了，公司也就长不大了。
论文把这道上限，称作「科斯天花板」。
意外的是，今天的前沿模型一拉群，内耗比人还离谱。
论文列了一串多Agent协作的翻车数据。
在主流工作流基准里，多Agent系统对不齐目标、交接丢上下文、验证断裂，任务失败率高达41%到87%。
在需要前后衔接的顺序规划任务里，多加几个Agent，性能反而暴跌39%到70%。
缺乏协调的Agent蜂群，还会把上游的小错误放大最多17.2倍。
OpenAI研究员Noam Brown也坦言，让大批Agent并行攻关数学难题，很难让它们有效配合。
论多Agent协作的功劳，他觉得连10%都算不上。
程序员与写作者互补抬升产出水位（左）与组织规模定律的三阶段曲线（右）
为了量化这道枷锁，团队仿照大模型的Scaling Law，推出了企业的「组织规模定律」。
一句话：单项能力决定每个人能干多少，协作能力决定组织能长多大。
协作能力低于1，团队越大，人均产出先升后降。
在论文的模型里，一家纯AI公司的最佳规模只有7个副本左右。
协作能力一旦越过1，每多加一个成员，人均产出反而更高。
科斯天花板，就此被打破。
现实中，AI团队产出随人数增长的指数，只有0.48到0.68。
离1，还差得远。
Sol Messing指出，前沿模型的权重都是冻结的，没法在岗持续学习。
硬塞上下文，只会把Agent搞糊涂。
正是这层还没捅破的窗户纸，暂时护住了人类公司。
但这层窗户纸，终有被捅破的一天。
论文用两条失业曲线，展示了两种完全不同的替代方式。
第一条，是企业内的渐进替代。
AI协作能力固定在0.96，单项能力从3慢慢提到3.4；
混合团队里的人类专才，从4.58人平滑降到0。
企业内渐进替代（左）与跨企业断崖式清零（右）
第二条，是跨企业的断崖替代。
AI单项能力固定在4，协作能力从0.80往上爬。
一开始，12名人类专家都在纯人类公司里满编运转。
协作分数爬到0.8521的那一刻，纯AI公司的成本击穿了人类公司的底线。
纯人类公司整体出局。
12个人的就业，从12直接归零。
真正的大地震，在协作能力越过1之后。
论文称之为「超协作」门槛。
越过它，组织的规模报酬从递减变成递增，大市场的生产会迅速向一家巨型纯AI公司集中。
两个紧挨着门槛两侧的经济体，AI的单项智商几乎一模一样。
左边，中小企业林立，岁月静好；右边，经济迅速重组成少数几家纯AI巨头。
这一次，连协调者也没能幸免。
AI自己学会了配合，协调者最值钱的本事就不稀缺了。
在超协作情景里，约一半协调者失业。到了ASI阶段，2名协调者全部失业。
你以为比隔壁工位更拼命就能留下。
可牌桌对面坐着的，已经是一整支不领工资、没有内耗的AI正规军。
当然，作者也留了余地。
「超协作」是一个高度简化的数学性质。
现实中的监管、AI厂商之间的竞争、算力约束，都可能拦住这种「企业奇点」。
Minimal AGI、Supercompetent、Supercooperative与ASI四大区间在两类市场中的组织构成演变。
当AI同时越过「超能力」和「超协作」两道关，就进入了ASI，也就是人工超级智能区间。
大多数商品和服务会变得极其便宜。
在可复制的生产环节，人的工资会被锚定在算力成本上。
钱会流向哪里？
作者给出的一种可能，是「关系型行业」。
医疗照护、教育、线下体验，人本身的参与就是价值的一部分。
就像1950年，没人想到后来会有那么多人以「软件工程师」为业。
Imas在推文里，把整篇论文浓缩成两句话。
第一，想看清AI怎样改写经济，就要盯紧Agent之间的协作能力。
第二，AI的冲击，大概率先出现在工资上，然后才轮到市场结构和就业。
所以，别再只盯着大模型单挑人类的跑分榜了。
跑分再高，也只是让单个AI更能干。
通往ASI的最后一道门，可能是协作。
当成千上万个Agent学会无损地分工交接，旧世界的公司边界才会真正瓦解。
参考资料：
编辑：摩西 元宇
