Shane Legg推演AI冲击：工资先降30%再谈裁员？

新智元报道

先别急着担心AI来抢饭碗。最先撑不住的，其实是你的工资单。

这次出手的是Google DeepMind联合创始人Shane Legg。

他的身份是DeepMind首席AGI科学家。

他和AGI经济学总监Alex Imas、研究科学家Andrew Koh一起，在DeepMind Institute发表了长文《智能的经济学》，工作论文《Organizing Intelligence》也同步公开。

Imas在X上说过，他进DeepMind就是为了把AGI经济学研究项目搭起来。

他们想弄清楚的是个大问题：从AGI一路走到ASI，经济会在哪个节点、以什么方式被彻底改写？

在他们的划分里，AI的进化分成四关：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，都要重新洗牌。

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了笔账，结果让所有人后背发凉：

公司一个人都不裁，只要AI追平人类平均水平，专家的工资也会先跳水；

AI的单项能力一旦超过所有人类专家，顶尖码农的薪水就只剩巅峰期的零头；

倒是单项测试里垫底的「协调者」，逆袭成了全场最高薪。

再往远看，终局是「企业奇点」。

AI一旦学会高效组队，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，这篇论文把行业追问的方向改写了。

大家过去问的是「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」。

岗位还在，议价权已经没了。

你还在跟同事卷绩效，你的手艺已经被机房的电费重新定了价。

单挑赢遍全网

AI却输给偏科的人类小队

眼下的大模型，在编程、数学考卷上大杀四方。

可一放到真实的经济世界里，溅起的水花小得可怜：就业数据几乎纹丝不动。

三位作者认为，问题出在考核对象上。

几乎所有基准测试，测的都是一个AI单挑一个人。

可真实市场里拼杀的，是形形色色的公司和组织。

团队为此招募100名受试者，围绕数学、言语推理、科学、模式识别、文化、经济学六大领域做了一轮测试。

测试得出的结论是：某人在一个领域拿到的分数，基本没法用来判断他在另一个领域的水平。

现实中并不存在各科齐平的「平均聪明人」，人人都是偏科的「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

这就像拼马赛克，单块碎片形状都不规整，凑到一块儿却彼此咬合。

公司该干的事，就是把偏科的人凑成班子，依照各自的比较优势分派活儿。长板接上短板，团队拼出的能力版图就能远超任何单个人。

论文给这种情形起了个名字，叫「马赛克智能」。

实测数据表明，按能力互补来配对的两人组，成绩比随机配对高出32%。

大模型身上，偏偏就缺这一环。

把同一个模型复制一千份，偏科的方向、看不见的盲区全都重合：多开一个副本，只是多一份产能，短板依旧没人补。

于是，即便单个AI已经压过人类平均水平。

一旦撞上互补分工的人类小队，它仍然要输。

一个人没裁

专家工资先跌三成

人类小队把工位守住了。

可这种安全感，恰恰最危险。

为了把这笔账算明白，论文搭起一个14人的微型经济体。

里面是6名程序员、6名写作者，再加上2名「协调者」。

程序员写代码能拿9分，写文章只有1分。写作者恰好相反。

协调者两样都只拿1分，单拎出来测，全场垫底。

可他们擅长的是让别人配合起来，也就是我们熟悉的管理者。

没有AI的时候，程序员和写作者按1比1组队，专才的工资涨到4.15，接近单干时的3倍。

协调者负责化解团队交接时的摩擦，工资也有2.41。

随后，团队往这个经济体里投下一颗「最小AGI」。

它的单项能力评分只有1.69，协作能力更低，仅0.78。这两个数字，恰好落在14名人类成员各自单干时的平均水平上。

于是就业数据没有丝毫波动。14个人全都留在大市场里继续上班，失业人数是0。

可工资先撑不住了。专才的报酬从4.15降到2.90，跌幅30%；协调者从2.41掉到1.30，缩水46%。

没人被顶掉，薪水为什么先跳水？原因在于稀缺性没了。人类专家之所以值钱，是因为每人每天只有24小时，本事没法复制。AI只要摸到人类平均线，就能按算力价格无限复制，一股脑涌进细分市场压价。

论文给出了一条铁律：模型一旦追平人类某项能力，那项工作的工资就会被绑在算力成本上。作者还特意提醒，工资的变化会跑在组织重组前面。拿「就业率没变」来证明AI对经济没有冲击，是站不住的。

码农薪水跌去九成；垫底的协调者反超

更狠的还在后面。团队又把AI的单项能力提到超越所有人类专家，协作能力维持原样。论文把这称作「超能力AI」。

角色倒挂随之上演。程序员和写作者在大市场里没了价格优势，被挤进狭小的小众市场：工资从2.90一路滑到0.39，比巅峰期少了九成以上。

反倒是那2名原本垫底的协调者，成了AI公司争抢的对象。道理不复杂：一屋子单兵超强、却不会配合的AI，总得有人定方向、理分工。

协调者薪资定格在0.48，把所有专家都甩在了后头。

现实数据也在往这个方向走：AI原生初创公司的人手规模，比同期同类公司少了25%；受波及的职业里，初级岗位的就业量掉了7.7%到19%，起薪也缩水4.2%；反过来，资深员工的位置和收入倒是稳中带涨。

单挑都很强

一拉群就崩

问题来了。

AI单项本事已经到这份上，算力掏钱就能租。那为什么至今没有一家纯AI公司，把传统企业赶出门去？

答案埋在一个89年前的老问题里。1937年，后来拿了诺奖的科斯发问：公司内部分工既然能省钱，全世界为什么不干脆并成一家巨无霸？

此后近一百年，经济学家给出的解释都落在人的极限上。团队一涨到几十上百号人，注意力就不够分了；话经几道手，传到最后味道全变了；再加上各人心里都有小算盘。内耗一多，分工省下来的效率被抵消干净，公司也就长不大。

论文给这道上限起了个名字，叫「科斯天花板」。

让人意外的是，如今的前沿模型凑到一起干活，内耗比人还夸张。

论文摆出了一串多Agent协作翻车的数字：主流工作流基准里，多Agent系统目标对不齐、交接时丢掉上下文、验证环节断链，任务失败率冲到41%到87%；在需要前后衔接的顺序规划任务中，多加上几个Agent，性能反而跌了39%到70%。

缺了协调的Agent蜂群，还会把上游的小差错放大到最多17.2倍。OpenAI研究员Noam Brown也直说，让大批Agent并行啃数学难题，很难让它们真正配合起来；论多Agent协作能占几分功劳，他认为连10%都不到。

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）

为了把这道枷锁量出来，团队参照大模型的Scaling Law，提出了企业的「组织规模定律」。

单项能力管的是每个人能产出多少，协作能力管的是组织能长到多大。协作能力不到1的时候，团队一扩，人均产出先往上走，随后掉头向下。

论文模型给出的结果是，一家纯AI公司的最佳规模只有7个副本左右。

可协作能力一旦过了1，每增加一名成员，人均产出不降反升，科斯天花板也就此被打破。现实中的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，前沿模型的权重都处于冻结状态，没法在岗位上持续学习；硬把上下文塞进去，只会让Agent犯迷糊。正是这层还没捅破的窗户纸，暂时护住了人类公司。

越过临界点

12名专家一夜清零，这是第二条曲线的事。

不过窗户纸总有被捅破的一天。论文用两条失业曲线，摆出了两种截然不同的替代方式。

第一条是企业内部的渐进替换：AI协作能力锁在0.96，单项能力从3慢慢抬到3.4，混合团队里的人类专才则从4.58人平滑减到0。

左图是企业内渐进替代，右图是跨企业断崖式清零

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干活。

协作分数爬到0.8521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，发生在协作能力越过1之后。

论文把这个门槛叫作「超协作」。

一旦跨过去，组织的规模报酬就不再递减，转而变成递增；大市场的生产会很快朝一家巨型纯AI公司聚拢。

门槛两侧的两个经济体，AI的单项智商几乎看不出差别。

左边是中小企业遍地、日子安稳；右边则迅速重组，最后只剩少数几家纯AI巨头。

这一回，连协调者也没躲过去。

AI自己就学会了配合，协调者最值钱的那样本事也就不再稀缺。

在超协作情景下，约有一半协调者丢掉工作；到了ASI阶段，2名协调者全部失业。

你可能觉得，只要比隔壁工位更拼就能保住位置。

问题是，牌桌对面坐着的已经是一整支不领工资、也不内耗的AI正规军。

当然，作者并没有把话说死。

「超协作」只是一个高度简化的数学性质。

现实里的监管、AI厂商之间的竞争、算力约束，都可能把这种「企业奇点」拦下来。

Minimal AGI、Supercompetent、Supercooperative与ASI四大区间在两类市场中的组织构成演变。

AI一旦同时跨过「超能力」和「超协作」两道关，就进入ASI，也就是人工超级智能区间。

大多数商品和服务都会变得极其便宜。

在可复制的生产环节，人的工资会被锚定在算力成本上。

那钱会流向哪里？

作者给出的一个可能方向，是「关系型行业」。

医疗照护、教育、线下体验这些领域，人本身的参与就是价值的一部分。

就像1950年，没人能想到后来会有那么多人靠「软件工程师」这个职业吃饭。

Imas在推文里把整篇论文压成了两句话。

第一，想看清AI会怎么改写经济，就得盯紧Agent之间的协作能力。

第二，AI的冲击大概率先落在工资上，之后才轮到市场结构和就业。

所以，别再把目光只放在大模型单挑人类的跑分榜上了。

单点跑分再高，也不过是让一个AI更能干而已。

通向ASI的最后一关，或许落在协作上。

等到成千上万个Agent能无损地分工、交接，旧世界的公司边界才会真正松动瓦解。