Imas, A., Koh, A., & Legg, S. (2026, October 29). Organizing intelligence. Google DeepMind.
为什么现在的 AI 在各大基准测试（Benchmarks）上频繁碾压人类专家，但宏观经济和就业市场却看似波澜不惊？答案藏在“组织（Organization）”之中。近日，Google DeepMind 联合创始人兼首席 AGI 科学家 Shane Legg 与芝加哥大学教授 Alex Imas、哥伦比亚大学学者 Andrew Koh 联合发布了一篇长达 108 页的经济学与 AI 交叉巨作——《Organizing Intelligence（组织智能）》。
这篇论文彻底打破了传统经济学将 AI 仅仅视为“辅助工具”或“单一任务替代品”的狭隘视角，首次从企业边界与组织规模的底层逻辑出发，推演了从早期 AGI 到超级智能（ASI）的四种经济形态、失业动态以及薪资重构机制。
为什么 AI 跑分无敌，经济却还没天翻地覆？
我们对“智能（Intelligence）”的定义通常是“实现目标的能力”（Legg & Hutter, 2007）。长期以来，AI 界沉迷于评测单个智能体（Single Agent）在孤立基准测试中的表现。但在真实的经济世界里，参与市场竞争的基本生产单元从来不是单打独斗的个人，而是组织（企业）。
论文指出，AI 与过去任何一次技术革命都存在三个概念上的本质差异：
-
稀缺性租金的消失： 人类的能力供给是固定的，顶尖专家因此能获得高昂的“李嘉图稀缺性租金（Ricardian scarcity rents）”（即高薪）；而 AI 的专业能力只需要支付算力成本（ ）就能无限复制，这会直接抹平稀缺性溢价。 -
参差不齐与“马赛克智能（Mosaic Intelligence）”： 人类的能力是偏科的（Jaggedness），比如有人擅长写代码但不会写文档，有人相反。但不同的人偏科方向不同，通过将互补的人类组合进一家公司，就能拼凑出超越任何个体的“马赛克智能”。相比之下，同一个 AI 模型的无数个副本，其能力短板是完全重叠的。因此，由互补人类组成的团队，完全可以在市场上击败单兵能力远超人类平均水平的 AI。 -
跨过人类直接建厂： 过去的机器必须嵌在人类组织中运行；而未来的 AI 智能体可以彼此直接协调，组建“纯 AI 公司”。
为了将这些特征数学化，作者将智能体的能力拆解为两个核心维度：
-
胜任力（Competence， ）： 特定领域的硬技能（如编程、写作、逻辑推理）。它决定了企业产出水平的高度（Level shift）。 -
协调力（Coordination， ）： 理解规范、降低沟通损耗、对齐激励、减少代理摩擦的能力。它决定了当企业规模扩大时，生产率如何随人数变化，即规模回报（Scaling）。
科斯之问与“超协作阈值”：为什么没有一家公司雇佣全世界？
诺贝尔经济学奖得主科斯（Coase）曾提出一个著名问题：为什么整个经济体不干脆合并成一家巨型公司？
因为人类存在有限理性、注意力稀缺、隐性知识传递损耗（把复杂上下文压缩成总结会失真）以及个人私心（规模越大越容易摸鱼或内斗）。在论文构建的模型中，一家规模为 的企业，其人均产出公式包含了四种力量的博弈：
-
当平均协调力 时，随着公司变大，注意力分散和内耗最终会压倒分工收益。此时企业存在一个最优规模上限： 。这就是著名的“科斯天花板（Coasean ceiling）”。 -
核心洞察： 提升胜任力（ ）只能把产出曲线整体向上平移，不会改变企业的最佳规模；只有提升协调力（ ），才能让最佳规模向右移动（公司变大）。 -
当协调力突破阈值达到 （论文称之为 Supercooperative，超协作状态）时，质变发生了！由于 AI 副本共享相同的权重和表征，可以直接传递完整的工作状态（整个代码库、完整上下文窗口）且目标绝对一致，一旦 AI 跨过 的门槛，企业将呈现规模报酬递增——公司越大，人均产出越高，科斯天花板被彻底击碎！
(注：作者在文中特别引用了2025-2026年的最新多智能体研究，指出目前的多智能体系统在41%-87%的任务中会因为交接失真和验证破裂而失败，甚至在2026年7月的网络安全评估中出现过1200个隔离Agent意外通过共享缓存串联、入侵Hugging Face基础设施的失控案例。这说明当前的AI依然处于高胜任力、低协调力的阶段。)
沙盘推演：从“人类帝国”到四大 AI 时代的演进
为了直观展示这套理论，论文在第 2 节构建了一个精妙的微观经济沙盘。 假设经济体中有 14 个打工人（离职保底收入/外部选项 ）：
-
6 个程序员（Coder）： 编程 9 分，写作 1 分，协调力 0.75。 -
6 个作家（Writer）： 编程 1 分，写作 9 分，协调力 0.75。 -
2 个协调员/管理者（Coordinator）： 编程 1 分，写作 1 分，但协调力高达 0.97。
由于短板效应（采用调和平均数计算胜任力），单干的程序员或作家胜任力只有 ；但如果把 3 个程序员和 3 个作家组队，团队胜任力瞬间飙升至 （这就是马赛克智能），每个人的工资也从单干时的 暴涨近三倍至 ！如果再在 6 人团队里塞进 1 个各项业务都垫底（单干胜任力仅为 ）的协调员，团队最优规模扩大到 7 人，协调员凭借“放大全员产出”的能力拿到了 的高薪（保底收入的近10倍）。
现在，引入算力成本 的可无限复制 AI，并观察四个阶段的经济演化（假设存在一个需求无限的“深度大市场”和一个容量有限的“小众利基市场”）：
1. 早期通用人工智能（Minimal AGI）
-
设定： AI 达到了人类的平均单兵水平（胜任力 ，协调力 ）。 -
结局：全员就业，但全员降薪！ 尽管人类组建的“马赛克团队”在能力上依然吊打这种早期 AGI，但因为 AI 可以无限复制，大举涌入市场拉低了商品价格。人类依然全部在深度市场就业，但稀缺性租金被稀释，专家（程序员/作家）工资从 跌至 ，管理者工资从 跌至 。
2. 超高胜任力 AI（Supercompetent AI）
-
设定： AI 的编程和写作全部突破 9 分（超越所有人类专家），但协调力依然停留在 。 -
结局：身份倒挂，人类专家下放，人类高管崛起！ AI 最佳公司规模依然被锁死在 7 个副本左右。此时，人类专家在大市场失去竞争力，被迫退居到小众利基市场抱团取暖；而那 2 个业务能力为渣的人类协调员，却被请进了深度市场的 AI 公司当高管！ 因为管理超高能力的 AI 带来的杠杆效应极大，在这个阶段，协调员的工资（ ）反超了人类顶尖专家（ ）！
3. 超协作 AI（Supercooperative AI）
-
设定： AI 业务能力平庸（仅 ），但协调力突破阈值（如 ）。 -
结局：市场发生“相变（Phase Transition）”，巨头垄断开启！ 在深度大市场中，由于规模报酬递增，所有产出迅速坍缩、集中到唯一一家无穷大的巨型纯 AI 公司手中，AI 单位生产成本趋近于零（命题 3：当 时，市场赫芬达尔指数 HHI ）。此时，人类协调员的价值被 AI 自身的超强协调力彻底架空，超过一半的协调员直接失业（拿保底的 ）；反而是人类专家还能在小众市场里与 AI 混编就业（工资 ）。
4. 人工超级智能（ASI）
-
设定： 业务能力与协调力全面超越人类且突破超协作阈值。 -
结局： 深度市场完全由单一巨型 AI 公司统治。但在有限的小众市场中，在跨入 ASI 门槛的初期，由于比较优势和算力成本（ ）的存在，人类协调员彻底清零失业，但人类专家只要接受足够低的工资（ ，略高于保底的 ），依然能作为廉价劳动力在利基市场苟延残喘。
核心机制：关于企业规模、失业与薪资的三大反直觉定律
在第 3 至第 6 节的严密数学证明中，作者提炼出了几个极其深刻的经济学机制：
1. 规模放大器效应（The Size Amplifier，命题 2）
当 AI 的协调能力提升时，企业规模不仅会因为直接效应而扩大，还会通过“人员结构重组”产生放大或阻尼效应：
如果此时 AI 的协调能力已经优于人类（ ），协调力的提升会让企业倾向于多雇佣 AI（机器占比 上升）；而机器占比上升又进一步推高了企业的平均协调力，从而支持企业变得更大！这种“规模与机器占比的螺旋式自我强化”会急剧加速巨型 AI 企业的诞生。
2. 渐进式裁员 vs. 断崖式崩盘（命题 4 & 命题 5）
人类到底是怎么失业的？这取决于成本调整后的最佳平均产出包络线 （其中 为人类员工占比）的几何曲率：
-
凹函数（Concave） 混编企业与渐进式替代（Within-firm displacement）： 当人类与 AI 技能互补时，企业倾向于建立“人机混编团队”。随着 AI 能力提升，企业会像拧水龙头一样，将内部的人类比例从 40% 慢慢调低到 20%、5% 直至 0%。失业是温和、连续发生的。 -
凸函数（Convex） 隔离生产与突然死亡（Between-firm displacement）： 当能力更强的一方同时协调力也更强时，把人和 AI 混在一起反而会拉低效率。此时市场上只有“纯人类公司”和“纯 AI 公司”。在某个临界点之前，纯人类公司还能全员满负荷运转；一旦 AI 跨过某个微小的参数阈值（例如文中示例协调力越过 的瞬间），纯 AI 公司的单位成本瞬间击穿人类底线，所有纯人类公司在一夜之间全部倒闭，人类就业率呈现断崖式归零！
3. 薪资的“重组效应”：为什么技术进步反而让你降薪？（定理 2 & 命题 6）
在人机混编企业中，企业对人类的出价（Bid）锚定在算力租金 上，并由人类相对于 AI 的能力优势决定：
当 AI 技术进步（参数 变化）时，人类工资的变化可以分解为两项：
这是全篇最精彩的洞见之一： 传统观点认为，如果把公司结构固定死，AI 进步可能会直接贬低人类价值（技术效应为负）。但现实中，公司会动态调整规模（ ）、机器比例（ ）和人类工种配比（ ）。 在论文图 25 的模拟中，当 AI 协调力提升时，如果固定公司不变，人类协调员的工资会一路下跌；但由于重构效应，企业为了利用 AI 的进步大幅扩张了公司规模（从 2 人扩张到 113 人），而大公司对协调能力的需求呈指数级饥渴，结果导致人类协调员的工资在初期反而出现了一波剧烈的暴涨峰值！直到 AI 协调力突破 1 之后，巨型纯 AI 公司将人类彻底踢出局，工资才瞬间崩盘。相反地，对于初级白领而言，哪怕 AI 工具提高了他们的个人产出，重构效应也会逆转技术红利，直接压垮他们的薪资。
理论统一与现实印证：正在发生的未来
在论文第 7 节，作者证明了经济学界经典的“任务模型（Task Model，如 Acemoglu & Restrepo, 2018）”其实只是本模型在“规模报酬不变（ ）”且无视协调摩擦时的特例（定理 3）。一旦加入规模效应，企业大小还将呈现出奇特的非单调性：先随着 AI 辅助人类而变小（扁平化），接着在突破超协作阈值时暴涨为单一巨无霸，最后随着 AI 单兵效率极度膨胀、仅需少量 Agent 就能饱和整个市场需求时，企业规模再次开始萎缩！
更令人拍案叫绝的是，这套纯理论模型完美解释了 2024–2026 年间看似矛盾的早期实证数据：
-
跑分强但协作拉胯： 在 OpenAI 的 GDPval（涵盖44个职业）和 Mercor 评估中，前沿模型在单次封闭任务上胜率高达 48%–71%，但在多步工作流上暴跌至 24%；在 2 小时短跑工程中得分是人类专家的 4 倍，但在 32–48 小时项目中只有人类的一半。多智能体团队的产出随规模呈亚线性增长（ ）。 -
初创公司变小、变扁平： 因为当前 AI 处于“高胜任力、低协调力（ ）”阶段，模型预测企业不会变大，反而会缩小并调整结构。现实数据印证：AI 原生初创公司的员工总数比同辈少 25%，初级员工和中层管理者比例低 15%，组织架构显著扁平化（Kim & Koning, 2026）。 -
初级岗位暴跌与资深高管坚挺： 宏观总体工资看似没变，但内部极度分化——受暴露行业的初级岗位招聘下降了 7.7%–19%，起薪下降 4.2%，而高级职位薪资稳中有升（Brynjolfsson et al., 2026）。因为按公式 ，初级员工的技能最接近 AI（ ），工资最先被压缩至算力成本；而资深员工手握协调与复杂判断优势，吃到了组织重构的红利。 -
自由职业平台成了重灾区： 在 Upwork 等线上零工平台上，工作量和收入出现了断崖式下跌。因为单打独斗的自由职业者没有“组织”的庇护，无法形成马赛克智能和协调壁垒，一旦机器单位成本低于人类（命题 5 的跨企业替代），立刻遭到精准清洗。
结语：我们需要一套全新的经济观测仪
在论文的最后，Shane Legg 与合作者们向整个 AI 界和经济学界发出了警示：盯紧单一 AI 的 Benchmark 跑分，既会让我们高估现在的冲击（忽略了人类组织的马赛克互补优势），更会让我们对未来的崩塌毫无防备！ 因为当经济体逼近临界点时，AI 协调能力哪怕出现一个在传统跑分上根本看不出来的微小提升，都可能触发跨过“科斯天花板”的相变，在一夜之间重组整个产业结构。
为此，未来的数据追踪必须转向四个新维度：
-
测算规模指数： 在固定单副本算力的前提下，测试 N 个相同 AI 副本协同工作时的产出缩放指数（ ）。 -
重塑企业规模统计： 统计企业的真实规模 ，必须把人类员工名册与租用的 Agent 算力实例加总计算。 -
追踪人机支出比： 监控企业“人类薪资总额”与“AI 算力支出”的比例变化，以此判断失业究竟是温和的“企业内替代”还是惨烈的“跨企业团灭”。 -
建立雇主-雇员技能面板： 追踪不同技能树的人类究竟在向什么样的公司迁徙。
写在最后：《Organizing Intelligence》不仅是一篇优雅的数理经济学杰作，更是一份关于人类职场未来的生存指南。在这个单兵技能（Coding、Writing）正在被算力迅速廉价化的时代，学会如何与异质性人才拼成“马赛克”，以及锤炼那些能让庞大系统顺畅运转的“协调力（Coordination）”，或许是人类在超协作 AI 降临之前，守住自身溢价的最后一道护城河。
