AI 单挑赢所有人，也可能输给一支会分工的团队

DeepMind Institute 10月29日发了一篇《The Economics of Intelligence》，作者是 Alex Imas、Andrew Koh 和 Shane Legg。文章基于论文《Organizing Intelligence》，主线很直接：盯单个 agent，会看错 AI 对经济的影响。

大多数基准测的是模型在真空里做题。经济转型发生在组织竞争里。一个模型一对一赢过每个人，仍可能输给一支互补的人类团队。DeepMind 把这个判断拆成了能力和协作两条线。

他们让 100 人做六个领域测验：数学、语言推理、科学、模式、文化、经济。一个领域的成绩，对预测另一个领域帮助不大。人群里没有“平均智能”的复制品，更多是各有短板的专才。组织的作用，是把互补专才拼起来，补上彼此的缺口，作者叫它 mosaic intelligence。互补配对完成任务，比随机配对高 32%。

团队里还有第三种角色：协调者，也就是经理。单看基准，他们最弱，写代码和写文章都只是平均水平，但他们让所有人更高效，所以工资也高。

图1：人的能力是锯齿状的，组织用互补专才拼出更大的能力包络。

AI 和人有两个关键差异。第一，可复制。模型达到某个能力后，可以按算力价格租，供给不再固定。AI 一旦匹配人的能力，人的工资会被锚定到算力成本上。并且 AI 的短板彼此很像，复制一份只增加容量，不增加能力广度。第二，协调。限制人类公司规模的是带宽、交接损耗和激励错位，AI 没有这些天然限制。同一个模型的副本能传递完整工作状态。但今天的 agent 协调得并不好。

由此有两道门槛。能力提升会平滑改变工资、价格和人机配比，行业结构基本不变。协作越过 supercooperative 阈值，才会引发集中度、就业和工资的突变。作者把组织规模分三段：协作太差时单干更好；中间是熟悉的有上限世界；越过阈值后，每多一个成员反而让团队更高效，科斯天花板被打破。科斯问过，既然公司内部组织能省成本，为什么不是所有生产都由一家大公司完成，答案是人类协调成本有上限。

图2：能力决定产出水平，协作决定组织能长多大。

作者把经济分成深市场、小众市场和关系型部门。深市场是软件、物流、金融这类标准化大市场。四个状态可以简写：

• Minimal AGI：结构几乎不变，工资先变。技能被 AI 匹配的人，工资向算力成本靠拢，专才和协调者反而涨。
• Supercompetent AI：公司更高效，但更小，作者的说法是“富足而不集中”，人转向判断和协调。
• Supercooperative AI：规模报酬由凹变凸，深市场里出现少数大型 AI 公司，工资骤降。小众市场受需求限制，暂时保得住，但涌入的工人会压低工资。
• ASI：两道门槛都过，小众市场也不再保护人类。作者推测财富会流向关系型部门，医疗、教育这类人的参与本身就是价值，并出现今天想象不到的新工作。

图3：深市场、小众市场和关系型部门，在四类能力状态下走法不同。

现实侧证也对得上。OpenAI 的 Noam Brown 谈在开放数学问题上并行跑数千个 agent，说让这些 agent 有效协调非常难，他不会把多 agent 的功劳算到 10% 以上。劳动力市场也能看到类似信号：更精简的创业公司、更扁平的组织、入门岗位招聘变软，有经验的人需求稳定。

文章给两个结论。第一，要盯协作，需要给 agent 组织做基准，测多 agent 是否能在陌生问题上分工、不重复劳动、干净交接上下文、在长周期里发现而不是放大错误。第二，AI 的影响先出现在工资上，早于就业和市场结构。只看就业率，不能证明 AI 没有影响。

有网友提到，“单个 agent 是错的单位”这句很有感。他们一开始一个终端一个终端地调，后来发现决定效果的是组织：谁派活、谁验收、出了分歧找谁、交接写什么。单个 AI 再聪明，没有这层也乱。

模型单挑赢了，团队作业输了，这事不新鲜。关键变量是协作。单项 benchmark 继续看，但也得看 agent 能不能一起干活。

原文：https://institute.deepmind.com/essays/the-economics-of-intelligence/

论文：https://storage.googleapis.com/deepmind-media/papers/organizing-intelligence.pdf