DeepMind 把 AGI 经济账拆开了：单模型再强，也可能输给一个人类小组

Google DeepMind 的 Alex Imas、Andrew Koh 和 Shane Legg 发布了一份研究，题目叫 The Economics of Intelligence。配套论文是 Organizing Intelligence。DMI 是 Google 和 DeepMind 研究者发起的平台，文末注明文章不代表 Google 官方立场。

他们问的问题很直接：AI 能力涨得很快，为什么宏观经济看起来没怎么变？答案先给：拿单个 AI agent 和单个人类比，经济分析对象选错了。企业不是一堆平均人，而是把不同长板拼起来的组织。经济转型是组织竞争的均衡结果。

论文原文：Organizing Intelligence

DMI 文章：The Economics of Intelligence

他们先做了个小实验。100 人参加测验，覆盖 6 个领域：数学、语言推理、科学、模式、文化、经济。一个人在某个领域强，不能预测他在另一个领域也强。人群里没有平均智能的副本，只有方向不同的 specialists。组织把互补的人拼成 mosaic intelligence，团队能力包住个人缺口。

实验里，把互补的人配对去解特定任务，表现比随机配对高 32%。这不是说某个人变强了，而是组织让每个人的比较优势叠在一起。

AI 的问题也在这里。模型也 jagged，但模型之间的 jagged 方式相似。多复制一个模型，增加容量，不增加能力广度。所以一个模型超过每个人的平均值，不代表能赢过互补的人类团队。问模型是否比人强，问错了。该问的是，AI 组织能否超过人类组织，或者人机混合组织。

他们把经济影响拆成两个阈值。competence 决定单位产出水平，coordination 决定组织能扩多大。组织也有 scaling laws，分三段：solo work，bounded scale，unbounded scale。过了 supercooperative 阈值，每加一个成员更有生产力，打破 Coase ceiling。企业规模不再被协调成本卡死。

于是有四类 regime。

minimal AGI：可复制 AI 达到或超过人类平均能力。结构变化很小，工资先动。被 AI 匹配的技能，工资向算力成本靠。专家和协调者工资可能更高。小 AI 公司进入价格敏感和 niche 市场。

supercompetent AI：AI 在几乎所有单点能力上超过人类专家，协调仍受限。结果反直觉：abundance without concentration。公司更高效但不更大，headcount 可能缩，许多精益公司竞争，商品和服务变便宜。人的比较优势转向判断、编排、设计协调架构。

supercooperative AI：单点能力停在 minimal AGI 水平，协调过了阈值。经济突然相变。深市场里高度同步的 AI 组织迅速变大，击败小公司，市场集中、就业、工资突变。深市场工资骤降。niche 市场需求有限，但劳动力流入会压低工资。

ASI：两个阈值都过。深市场集中在大 AI 公司，niche 也不再庇护人类团队。relational sector 可能扩张，因为人的参与本身是价值。

今天经济变化不大，因为 competence 指数涨，coordination 落后。OpenAI 的 Noam Brown 在 Dwarkesh 播客里说，并行跑数千 agent 解开放数学问题，很难让它们有效协调。它们容易各自独立干活，不会分工。他说不会把超过 10% 的功劳归给多智能体。

有网友提出直接测 coordination tax：固定单模型能力，把 AI 团队从 1 扩到 5、20、100，测输出质量、成本、重复劳动、交接失败、人类干预、完成时间，看边际协调成本是否下降。这个建议比再刷单 agent 榜更接近问题。

结论不复杂。工资和岗位角色比 GDP 或行业集中度更早动。需要组织级 benchmark，追踪 payroll 和 compute 支出。真正值得盯的是 agent 团队能否分工、干净交接、长期纠错。否则单模型跑分再高，也可能输给一个结构良好的人类小组。