编者摘要：DeepMind《Organizing Intelligence》构建模型，区分胜任力（单项任务水平）和协同力（智能体之间协作能力），解释 AI 如何重塑企业规模、市场格局与人类工资。 仅提升 AI 胜任力只会拉高产出水平，不会扩大企业最优规模，只会改变企业内部人机人员配比。协同力才是决定企业规模的核心变量：一旦 AI 协同力跨过阈值，产生规模报酬递增，会打破科斯企业规模上限，市场发生相变，催生出巨型 AI 主导企业。
人类存在马赛克智能，能力互补组队，即便单体 AI 更强，人类团队依然保有竞争优势。失业存在两种模式：企业内部渐进替代，或是 AI 厂商整体打败人类企业带来的突发性失业。工资变化由双重力量驱动：技术效应，以及重组效应—— 企业规模、人员结构重构甚至可以反转工资走势。当前 AI 胜任力强但协同不足，解释技术进步巨大，但经济转型效果有限。评估 AI 经济影响，不能只测单体任务能力，必须重视多智能体协同表现。
10 个关键问题 Q&A
- Q：论文核心区分的两大 AI 能力维度是什么？
A：胜任力（单项任务本领）、协调力（智能体之间协作配合的能力）。 - Q：什么是马赛克智能？
A：人类个体各有短板，但不同能力的人互补组队，团队综合生产力超过任何单个人，甚至超过单体 AI。 - Q：AI 提升胜任力，会让企业变得更大吗？
A：不会。胜任力只拉高产出水平，不改变企业最优规模，只会改变企业内部人员组成。 - Q：什么是 “超协同 AI”，会带来什么后果？
A：AI 协调能力＞1，规模报酬递增。大市场会发生相变，生产高度集中，出现巨型纯 AI 企业，打破科斯企业规模天花板。 - Q：AI 取代人类有哪两种截然不同的就业冲击模式？
A：①企业内部渐进替代：人机混合企业，人类份额连续下降；②跨企业突发替代：AI 企业全面战胜人类企业，人类就业断崖式下跌。 - Q：为什么 AI 能力提升，人类工资不一定下跌？
A：工资由技术效应 + 重组效应共同决定；重组效应（企业规模、人员配比重构）可以抵消甚至反转技术效应带来的工资变化。 - Q：为什么现在 AI 单项能力很强，但宏观经济转型有限？
A：当下 AI 胜任力优秀，但多智能体协调能力不足，没有到达超协同阈值，无法驱动企业大规模扩张与产业集中。 - Q：AI 全面超过单个人类，人类还能有竞争优势吗？
A：可以。人类依靠马赛克智能（能力互补组队）、比较优势，在利基细分市场生存。 - Q：哪类人类岗位在 AI 冲击下相对保值？
A：协调者 / 管理者岗位，他们的价值在于组织团队，放大其他劳动力（包括 AI）的产出。 - Q：这篇论文对 AI 测评有什么重要启示？
A：不能只做单智能体基准测试；需要重点测试多智能体协同的规模回报，才能预判 AI 的真实经济影响力。 
附录 组织智能
亚历克斯・伊马斯、安德鲁・科、谢恩・莱格
谷歌深度思维2026 年 10 月 29 日
摘要
人工智能的进步何时会带来经济转型？本文构建模型，研究作为 “实现目标的能力” 的智能，对作为经济生产核心单元的组织会产生何种影响。具备多维能力的主体（人类或人工智能）会内生地进入相互竞争的企业。企业生产率由其内部主体的能力决定；本文区分胜任力与协调力：胜任力决定生产率整体水平，协调力决定生产率随企业规模扩大的变化规律。
人工智能与人类存在两处关键差异，这会驱动经济发生转型：
第一，人工智能的专业能力可以复制，而人类能力供给总量固定；
第二，人工智能面临的协调约束可能与人类不同。本文分析随着 AI 能力提升，均衡市场结构、生产率、就业与工资会如何演变。
即便 AI 的能力已经超过普通人类，由能力互补的人类组成的组织依旧可以比 AI 表现更好。AI 胜任力提升，会改变企业内部劳动者构成，还可能缩小企业规模。但如果 AI 的协调能力得到改善，则会打破科斯提出的企业规模上限，市场结构发生相变，涌现出规模庞大、高度依赖 AI 的企业。
AI 取代劳动者分为两种模式：在人机混合企业内部完成替代，人类就业会逐步下滑；当纯 AI 企业全面碾压人类企业时，则会出现就业的骤降。本文将工资变动分解为技术效应与重组效应：技术效应改变人类在现有企业中的价值；重组效应来自企业调整规模与人员构成。重组效应甚至可以抵消技术效应，扭转工资的变化方向。
致谢：感谢 Allan Dafoe、Matt Elliott、Joshua Gans、Gillian Hadfield、Andrea Prat、Eduard Talamas、Phil Trammell、Birger Wernerfelt 提供的交流与建议。感谢 Pedro Aldighieri 提供高质量的评论与研究协助。本文使用 AI 辅助推导数学论证，同时完成全文一致性与可读性校对。本文观点仅代表作者个人，不代表其所属机构立场。本研究仅用于学术讨论，不代表谷歌当前或未来业务的企业预测、产品路线或实证判断。
共同一作，姓氏字母排序；邮箱：imasa@google.com，andrewkoh@google.com。伊马斯同时任职于芝加哥大学；科同时任职于哥伦比亚大学。
1 引言
人工智能究竟何时会重塑经济？未来会诞生什么样的企业？人类专业能力回报与工资水平又将走向何方？本文建立模型，研究人类与人工智能的能力如何和经济力量共同决定企业构成、企业规模、社会总剩余与人类工资。
本文将智能定义为 “实现目标的能力”（Legg & Hutter, 2007）。传统上衡量智能，往往使用孤立基准测试，评估单个主体的表现。但从经济学视角，真正重要的单元是在供求均衡条件下参与市场竞争的组织（Samuelson,1948）。
经济学模型通常把新技术看作两种角色：要么是工具，提升工人生产力；要么按任务逐个替代人类劳动者。但 AI 在概念层面有三点本质区别：
-
人类能力总量固定，稀缺会带来李嘉图租金，体现为专业人才更高工资；而 AI 能力复制只消耗算力成本，不存在这类稀缺租金。 -
人与人的能力短板分布参差不齐，但 AI 副本的能力短板模式完全一致。将异质劳动者配置到组织中，会形成本文所说的马赛克智能：人类团队的综合表现，可以超过能力更强的单个 AI。 -
过去的机器必须嵌入人类主导的企业才能运转；但 AI 智能体可以彼此直接协调，组建完全由 AI 构成的独立组织。这使得随着 AI 能力提升，市场结构会出现丰富的非单调变化。
本文构建一个包含以上三大特征的简约理论模型，形式化推演各类经济情景。例如，当 AI 模型特定任务能力变强时，企业规模会先收缩 —— 人类管理者借助 AI 智能体，用更少人手完成工作。但一旦跨越某个协调能力阈值，AI 将打破科斯企业规模上限，经济会发生突变，催生出巨型 AI 企业。越过该上限之后，只需要更少 AI 智能体就可以产出足够商品填满市场，企业规模又会再度持续缩小。
在本模型中，每个人类或机器智能体都拥有多维能力向量。多维刻画了智能体在不同领域实现目标的本领。这些主体（人类或机器）内生地进入处于竞争状态的企业，企业产出同时取决于雇佣规模与成员能力构成。
本文核心区分两类能力：胜任力，代表机器人编程、写作、逻辑推理这类领域专项本领；协调力，代表智能体互相协作的本领，包括对社会规范的理解、更低沟通成本、减少代理摩擦等。
-
拥有更高胜任力的智能体，直接抬高企业整体产出水平。 -
拥有更强协调能力的智能体，则会改善企业规模扩张的收益，企业做大之后依旧可以高效运转。
均衡状态下，人类与 AI 智能体自发进入竞争性企业。随着 AI 系统能力不断进步，均衡市场结构会如何改变？人类会在哪里就业、获得多少工资？答案取决于 AI 能力提升的方向，以及是否跨越某些特定能力阈值。
本框架可以解释一个现实矛盾：如今大量领域中 AI 能力飞速进步，但带来的经济变革却相对有限。当前 AI 模型虽然已经在诸多领域接近甚至超越人类，但协调能力依旧较差。劳动力市场现状也与此吻合：就业与市场格局尚未出现巨大冲击，但初创公司人员更精简、组织层级扁平化，对能够统筹复杂团队工作的资深管理者需求保持稳定甚至上升。本文通过对不同规模下企业内生组织形式的严谨分析，得到 AI 不同能力提升路径下，社会总剩余、就业、工资的细致预测，同时阐明真正触发经济转型需要满足哪些条件。
2 示例说明
正式建立通用模型之前，我们构建一个简单具体的经济体，分步演示论文核心机制。
2.1 经济体设定
每个劳动者（人类或 AI）拥有能力向量
第 2.3 节引入 AI：企业可以运行任意数量 AI 副本，AI 能力向量为
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
表 1：经济体中主体能力。任务技能先写编码
胜任力决定企业固定规模下，每位工人的产出水平。企业胜任力L取成员平均技能
调和平均数会凸显短板约束，企业会被最弱领域拖累。单独的程序员或者单独的写作者处于较低胜任力水平；单独的协调者胜任力最低。只看个体表现，人类平均独立胜任力、平均协调能力为：
注：调和平均数等价于替代弹性等于 1/2 的对称不变替代弹性聚合函数
协调能力决定企业增加员工时生产率如何变化。科斯曾经提出著名问题：为什么不是一家巨型企业雇佣所有人？企业规模扩大，分工更细，人均产出提升；但更多人需要彼此协调。人类认知、注意力有限，信息在交接传递中损耗；随着群体扩张，个体激励也会出现分歧。
举个例子，一个团队开发并编写文档软件。两个人可以记住全部设计，立刻解决冲突。如果扩张到二十人，划分多个子团队，大量时间消耗在会议，信息传递失真，各个子团队会追逐自身目标，偏离整体使命。经典管理跨度理论说明，人类协调的局限，会通过有限的管理注意力约束企业规模。加里卡诺（Garicano,2000）指出层级制度正是通过任务分流节约稀缺注意力。
规模为m的企业，人均产出
分工带来的生产率提升，在小规模时快速上涨，随后趋于平缓。团队成员可以互相借力，增益由企业平均协调能力
当
核心结论：胜任力提升只会把产出曲线整体上移，不会改变最优企业规模；协调能力变强会提升规模扩张收益，最优企业规模向右移动，企业可以做得更大。
当
人类组织难以达到超协同，有三点根源：
-
人类记忆与注意力有限，约束协调能力。 -
大量人类知识是默会知识；工作交接时，丰富的上下文只能压缩成简略摘要，信息损失严重。 -
人类个体拥有自身职业诉求，个人目标与组织目标不一致，激励错配会随规模放大。
可复制的 AI 智能体未必受这些约束。同一个模型的全部副本共享权重与表征，可以完整传递全部工作状态：完整代码库、中间推导、全部上下文窗口，不会出现有损翻译；所有副本执行一套共同目标。大规模软件工程、自动化科学研究场景，成千上万个实例可以并行探索不同方向，同时实时共享已经验证的结果。AI 能否跨过
企业在竞争性市场出售产品，反需求函数：
-
深度大市场： ， ，价格稳定维持 0.3。 -
利基小市场： ，总产出达到 200 时消费者支付意愿降为 0。
均衡条件：存续企业利润为零；不存在可以获得正利润的新进入者；竞争选出使总剩余最大化的产业结构。每个劳动者均衡工资等于该劳动者对社会总剩余贡献的影子价值。
2.2 仅存在人类的几组经济体
引入 AI 之前，我们逐步演示只由人类构成的经济。
经济体只有 6 名程序员。全部产出流向深度大市场，价格固定 0.3。程序员单独工作胜任力很低。人类协调能力 0.75，最优企业规模等于 6。6 个程序员合并成一家企业，分工协作，人均产出 5.0；如果全部独立接单，人均产出仅 3.6。但企业不能继续扩大：如果再来 6 名程序员，均衡下会拆分为两家规模 6 的企业；合并为 12 人企业，人均产出反而下降。
深度市场需求巨大，供给有限，程序员获得可观工资溢价，工资 1.49，是外部保留收益的六倍。
启示：协调能力设置企业规模上限；人类供给有限，稀缺人才获得远超外部选项的工资。
再加入 6 名写作者。程序员、写作者单独工作胜任力都很低。但组织可以把异质的人搭配在一起，而不是让每个人单独干活。对任意一组主体集合
程序员与写作者 1:1 搭配，平均能力
程序员与写作者协调能力相同，互补匹配抬高人均产出水平，但最优企业规模不变。12 位专家均衡下分为两家 6 人企业，人均产出 13.8。程序员、写作者工资达到 4.13。值得注意：程序员自身编码技能没有任何提升，但是和互补同事组建组织，把总蛋糕做大，市场上工资随之上涨。
再加入两名协调者。单独看个人基准测试，协调者是能力最弱的劳动者，两项任务技能都很差，独自工作工资仅 0.7。但协调者给组织带来巨大收益。虽然协调者几乎不直接做编码、写作，但拉高团队平均协调水平，放松管理跨度瓶颈，专家群体生产率进一步提升，最优企业规模扩大到 7。均衡下组建两家 7 人企业。协调者工资 2.41，接近外部保留收益的十倍；专家工资维持 4.15。
启示：即便个体单项任务表现很差，擅长协调的人才在大规模高产出组织中价值极高。
2.3 AI 的不同能力区间
本文划分四种 AI 能力区间。
-
最低限度通用人工智能 Minimal AGI：AI 达到或者超过普通人独立胜任力与协调能力，但不会在每一项任务都碾压人类顶尖水平，同时协调能力尚未跨过超协同阈值 。 -
超胜任 AI Supercompetent AI：在全部任务上能力超过所有人类，但是协调依旧低于阈值。 -
超协同 AI Supercooperative AI：跨过协调阈值，但是没有在全部任务上超越人类顶尖水平。 -
人工超级智能 ASI：全部任务与协调能力都全面超越人类，达到超协同。
即使 AI 平均独立能力和普通人持平，复制大量 AI 副本依旧会压低产出价格。深度市场与利基市场都会出现 AI 企业；全部 14 个人类依旧可以就业。人类的技能组合带来的马赛克智能依旧具备价值，但 AI 供给充足，消解人类稀缺租金。专家工资下降至 2.90，协调者工资下降至 1.30。
结论：最低限度通用人工智能就可以压低人类工资，但不一定减少就业。人类依靠马赛克智能依旧可以和 AI 共存。
提升 AI 的任务胜任力，保持协调能力不变。AI 副本人均产出随胜任力提升，但 AI 企业最优规模依旧约等于 7。人类劳动者会分流到两类市场：专家在利基市场组建纯人类团队；协调者进入深度市场，和 AI 共同工作。协调能力的相对价值超过专项任务能力：协调者可以不断放大高能力 AI 副本的产出。示例分配下，协调者工资（0.48）甚至高于专家工资（0.39）。
启示：AI 任务能力变强，生产成本下降，但不会改变企业最优规模；稀缺技能结构发生变化：协调人才和 AI 搭配工作，专项专家退守利基市场。
保持 AI 任务能力不变，持续提高 AI 协调能力。随着协调能力趋近于 1，AI 企业最优规模持续扩张。一旦严格大于 1，人均产出会随规模无限增长；在深度大市场中，生产会集中到一家巨型纯 AI 企业。在利基市场，纯人类企业、人机混合企业可以共存。专家全部保住工作，但一部分协调者失业 ——AI 自身协调能力足够强，人类协调者的增益价值消失。
启示：仅仅依靠协调能力进步，即便 AI 任务能力普通，在大市场中也可以造成产业高度集中；但有限规模的利基市场依旧可以维持人类企业生存。
任务能力、协调能力同时拉满，深度市场由单一巨型 AI 企业供给。专家依旧可以在利基市场和 AI 企业并存，而协调者失业。比较优势与贸易收益依旧起作用：虽然 AI 全部能力更强，但只要人类工资匹配自身相对生产率，高于外部保留收益，人类就可以继续就业。本文只讨论 ASI 刚跨过阈值附近的情景，不考虑 ASI 继续迭代变强之后人类就业会如何。
2.4 渐进式替代与突发性替代
前面分别讨论各个 AI 能力区间。如果 AI 能力连续提升，经济转型路径是什么样？AI 取代人类可以发生在企业内部，也可以表现为 AI 企业整体打败人类企业。为演示该机制，外部保留工资改为
固定 AI 协调能力 0.96（低于人类协调者 0.97），持续提高 AI 两项任务技能。经济体已经存在人机混合利基企业。随着 AI 能力提升，企业持续、平滑地削减人类专家数量；AI 能力到 3.3 附近，人类份额归零，企业彻底变成纯 AI 企业。人类就业连续下滑。
固定 AI 任务能力等于 4，持续提升 AI 协调能力。一开始全部 12 名专家都在纯人类企业就业。当协调能力达到 0.8521 临界点，纯 AI 企业生产成本低于人类企业，人类企业直接消失，专家就业从 12 骤降到 0。
关键逻辑：生产技术、主体能力的组合，决定企业构成，进而决定就业如何调整。
-
第一种路径：人类留在混合企业内，占比逐步下降，工资维持外部保留收益。 -
第二种路径：人类和 AI 分属不同企业；一旦跨过阈值，人类企业被完全淘汰，工资溢价瞬间消失。
相关文献
本文把 AI 效应与企业边界、组织规模约束理论联系起来（Coase,1937；Williamson,1967；Gibbons,2005）。团队生产、信息处理、激励问题解释协调的重要性（Marschak & Radner,1972；Radner,1993；Holmström,1982）。通信信息技术变革如何重塑企业组织也有大量研究（Dessein & Santos,2006；Bloom et al.,2014）。本文把协调能力建模为生产率随雇佣规模变化的函数；人类与 AI 的能力共同决定企业规模与行业集中度。
马赛克智能的概念和团队构成、群体智能文献相关（Prat,2002；Woolley et al.,2010；List & Pettit,2011）。知识层级理论同样研究互补能力组织如何决定劳动收入（Garicano,2000；Garicano & Rossi‑Hansberg,2006；Ide & Talamás,2025,2026）。近期研究探讨 AI 不均衡能力如何影响落地价值（Gans,2026），以及 AI 如何重塑任务、岗位边界（Garicano et al.,2026）。Hadfield & Koh（2025）探讨 AI 智能体如何重塑企业边界。本文区分生产技能和协调，采用约化形式刻画企业人员构成与规模如何映射到产出，不去详细设定内部层级；重点研究人类、AI 如何内生匹配组建企业。Shahidi 等人（2025）提出 “科斯奇点” 猜想：AI 智能体消除市场搜索、缔约摩擦。而本文模型强调组织内部力量：AI 内部协调能力进步带来规模报酬递增，从内部打破科斯企业规模上限。
本文把自动化模型（Acemoglu & Restrepo,2018；Aghion et al.,2019；Korinek & Suh,2024）、人类与 AI 共存下技能价值研究（Agrawal et al.,2024,2025）拓展到企业组织内生化的框架。传统任务模型可以嵌套为本模型的特例。人类供给稀缺、AI 可以按算力成本无限复制，借鉴 Restrepo (2026)；企业内生形成借鉴 Gans (2025)、Ide & Talamás (2025)。本文重点研究规模、人员构成如何决定人类生产和 AI 生产之间的竞争，以及企业重组如何改变工资，其影响独立于技术本身的直接效应。
3 模型
3.1 能力与人口
能力：经济体有两类主体：人类与机器。每个主体拥有n项生产胜任力能力，再加一项协调能力。能力向量
人类人口：人类类型
机器只有一类，能力
企业与生产技术
假设 1（技术假设）
(i) 连续性与无穷小极限：
(ii) 可微性：泛函存在连续一阶变分，定义边际能力价值
(iii) 等规模单调性：同等总人数，一阶随机占优的能力配置产出更高。
(iv) 规模形状：对任意单位构成v，人均产出关于规模m拟凹。
(v) 一致渐近幂尾：存在
水平‑规模分解
-
水平因子，只和人员能力构成有关，与规模无关，刻画胜任力； -
规模因子，刻画企业随规模扩张的表现，由协调能力主导。
假设 2（一阶矩表示）
产出可以分解：水平仅取决于平均生产能力；规模仅取决于企业规模m与平均协调
(i) 相对收益递减；(ii) 规模越大，协调能力边际价值越高。
示例：CES 技术两项胜任力维度、一项协调维度：
3.2 需求与资源成本
反需求函数
3.3 产业结构
产业
4 均衡与效率
4.1 均衡概念
均衡包含两个对象：产业结构
-
竞争性延续：企业把产出价格、工资当作外生给定；所有活跃企业利润为零；不存在可以获得严格正利润的潜在新进入者；劳动力市场出清。 -
替换稳定性：外部主体不能提出一套全新产业方案，通过转移支付让全部消费者、劳动者境况至少不变差。
定理 1（均衡、效率与工资）：
竞争性均衡是本均衡概念的特例。本模型可以把经典任务自动化模型嵌套为特例。
4.2 效率与影子价值
总社会剩余：
5 均衡产业结构
5.1 什么决定企业规模
在假设 2 下，企业偏好最优规模仅仅由平均协调能力
5.2 AI 能力进步如何改变产业结构
命题 2（规模放大效应）：CES 环境下，AI 协调能力提升会带来两种效应：直接规模效应；人员构成带来的间接效应。
如果 AI 协调优于人类，人员构成会放大企业规模扩张；如果 AI 协调弱于人类，人员构成有可能抵消规模扩张。
命题 3（超协同带来大市场集中）
-
如果 （未达到超协同），市场规模趋向无穷大时，产出分散在大量小企业，没有企业占据市场主导。 -
如果 AI 达到超协同 ，大市场中产业高度集中，几乎全部产出由少数巨型 AI 企业完成。
注意：模型得到的 “超协同” 是生产技术上的数学性质；现实中监管、AI 供应商之间竞争、产能约束、合同刚性，都有可能阻止出现真正的 “企业奇点”。
5.3 企业构成：人类和 AI 如何共存
-
包络凸：均衡企业倾向于完全纯人类或者完全纯 AI，人机分开运行。 -
包络凹：均衡大量存在人机混合企业。
命题 4（人机生产模式）
-
如果 AI 能力在全部维度上压倒人类全部可行组合，并且机器成本不高于人类，那么所有企业都是纯 AI 企业。 -
如果人类的能力组合可以带来比纯 AI 更高的人均产出，人类可以留在生产循环内。 -
包络凸：企业分开运行（纯人 / 纯机器）； -
包络凹：大量人机混合企业，共享同一个最优人类占比。
核心机制：即便没有任何一个人类个体比 AI 强，但依靠人类之间互补形成的马赛克智能，人类依旧可以就业。
6 人类工资与就业
6.1 人才的边际价值
企业对某类人类的出价函数：
定理 2（工资与分选匹配）：人类工资等于全部候选企业出价的上包络，下限是外部保留工资。劳动者会根据自身能力，分选匹配到对自己出价最高的企业。所有企业出价函数共享同一个锚点
：一个能力和 AI 完全一样的人类，价值恰好等于一份 AI 副本的租赁成本。
即便 AI 在全部专项任务上都强于人类，如果人类拥有很强的协调优势，人类工资依旧可以高于 AI 的单位成本。
现实启示：专项任务被 AI 碾压的人类，如果协调能力价值很高，依旧可以拿到高工资；很多场景中，人类协调者会进入以 AI 为主的企业，而纯任务专家被挤出。
6.2 失业动态变化
命题 5（渐进替代 vs 突发替代）
凹包络（混合企业）：企业内部渐进替代。随着 AI 变强，企业内人类占比连续下降；就业平滑变化。人类全部失业需要满足特定不等式条件。 凸包络（分开的企业）：企业之间突发性替代。人类企业和 AI 企业并存；一旦跨过阈值，人类企业直接退出，人类就业瞬间从充分就业跳变到大规模失业。
现实路径也可能先凹后凸：一开始失业缓慢增加，到达某个阈值之后出现断崖式下跌。
6.3 重组效应
工资变化可以做分解：
-
技术效应：保持企业规模、人员配比不变，单纯 AI 能力进步带来工资变化。 -
重组效应：企业调整规模、机器占比、人员能力组合带来工资变化。
重要发现：重组效应可以一阶改变工资，甚至反转技术效应。也就是说，如果强行固定企业组织不变得到的工资预测，会和均衡真实工资完全不一样。企业规模扩张、收缩，企业类型的存亡，会对工资造成巨大冲击。哪怕只剩余少量雇主，也可以维持工资溢价；雇主类型集体消失，会带来工资断崖下跌。
7 与理论和实证文献的联系
7.1 嵌套经典任务模型
经典自动化任务模型可以看成本模型当中规模报酬不变的特例，此时协调不起作用，企业边界无关紧要。一旦引入协调能力、规模收益，模型就会得到全新结论：AI 不一定需要改善单项任务表现，仅仅依靠团队规模放大就可以压低生产成本。
任务模型中人类退出条件：人类的最优相对任务生产率，加上人类在企业规模下的协调贡献，必须大于工资与机器成本之比。协调优势可以弥补人类任务能力短板。
对比不同 AI 进步路径：
-
仅仅提升任务胜任力：传统自动化，工资出现先升后降的驼峰形态，企业规模不确定。 -
同时提升胜任力与协调：临近超协同阈值企业规模爆炸，之后产出增长快于用工需求，企业人员规模再度回落。 -
仅仅提升协调：即便任务能力不变，也会出现企业规模爆炸，产业集中。
7.2 早期实证证据
现有公开 AI 系统现状：单项基准测试经常超过人类，但多智能体协调能力尚弱，
和模型预测相吻合的现实观察：
-
AI 原生初创公司人员更少，组织层级更扁平。企业更多调整人员构成，而不是简单扩张收缩总规模。 -
宏观层面，AI 带来的总体劳动力市场冲击目前有限。 -
就业冲击异质性明显：初级岗位招聘、起薪承压；资深人员凭借协调、统筹能力需求与薪资维持甚至上涨。这和本模型出价框架吻合：初级劳动者能力更容易被 AI 对标替代，高级人才的比较优势集中在协调维度。 -
线上自由职业平台：没有组织协调摩擦的场景，AI 带来收入、岗位数量快速下滑，对应跨企业突发性替代的情景。
8 结论
AI 带来经济转型与否，很大程度取决于 AI 系统彼此、和人类之间的协调能力。这给我们如何衡量 AI 带来的变革提供指引。
当下主流基准测试几乎只评估单个智能体胜任力。虽然可以很好衡量模型本身，但用来预判经济变革会产生误导。
-
对于当下：组织依靠人类互补形成马赛克智能，单个 AI 胜过普通人，不代表 AI 企业就会在市场胜出。 -
对于未来：仅仅协调能力小幅提升，就可以在接近临界点时重构整个经济；反之，即便单项任务能力巨大进步，如果协调能力远未达标，经济体可以吸收这些进步，而不会发生大规模组织重构。
本文提出未来数据采集方向：
-
基准测试应当固定算力开销，评估输出如何随 AI 副本数量扩张，分开度量胜任力L与协调能力； -
企业层面数据，追踪组织总规模（人类员工 + agent 算力实例），企业人力薪酬与 AI 支出相对占比； -
产业横截面分布，区分失业来自企业内部逐步替代，还是企业之间淘汰； -
雇主‑雇员面板数据，区分技术效应与重组效应，识别哪些劳动者群体受冲击最大。
参考文献、附录（证明、数值计算、模型推导）略。