> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 越来越强，经济却几乎没变：卡住公司的是“协作”这条线
- URL: https://www.hubwiz.com/blog/organizing-intelligence-competence-coordination/
- Published: 2026-11-18T14:24:49.000Z
- Updated: 2026-11-18T14:30:27.000Z
- Description: 六码农六文案加两个协调者，总产出 182；更强的 AI 打不过这支队伍。差距在一个数：协作。
- Author: admin
- Tags: AI 经济学, 组织设计, 多智能体, AI 就业, DeepMind

六个人写代码，六个人写文档，剩下两个什么都不精——写不好代码，也写不好文档，只擅长让人配合。这十四个人分成两家七人公司，总产出 182.0；把他们并成一家十四人公司，产出掉到 175.7。

这不是反 AI 的寓言，是 Google DeepMind 三位作者（Alex Imas、Andrew Koh、Shane Legg）2026 年 10 月 31 日挂上 arXiv 的论文《[Organizing Intelligence](https://arxiv.org/abs/2611.05417?ref=hubwiz.com)》里的第一个算例。论文最刺眼的一句是：**即使 AI 在单项任务上强过每一个普通人，由互补的人组成的组织仍然可能赢过 AI。**

这句话正好对上当下的怪现象：模型一年跨一个大台阶，公司规模、就业、工资却几乎没动。论文没给答案式的预测，它给的是一个**能算出"什么时候才会动"的模型**——把智能拆成两个数，然后看这两个数各自涨上去会发生什么。

## 把"智能"拆成两个数：能力与协作

论文的定义很朴素：智能是"达成目标的能力"（Legg & Hutter, 2007）。但榜单测的是**单个人、单个任务**，而经济里真正竞争的单元是**组织**。所以每个智能体（人或者 AI）带一个能力向量：

- **能力（competence）**：写代码、写作、推理、空间感这类具体技能，可以有好几维；
- **协作（coordination）**：跟别人一起干活的能力——理解共同规范、降低沟通成本、减少代理摩擦。

这两件事在经济上完全不同。能力高，公司的产出**水平**上移；协作好，公司**规模变大时产出不会塌**。论文用一个刻意简化的人经济体把差别算了出来：

| 角色  | 技能（代码 / 写作） | 协作   | 人数 |
| --- | ----------- | ---- | -- |
| 程序员 | 9 / 1       | 0.75 | 6  |
| 文案  | 1 / 9       | 0.75 | 6  |
| 协调者 | 1 / 1       | 0.97 | 2  |

（不进生产的保留工资 0.25；跑一份 AI 拷贝的成本是 1。）

公司能力用**调和平均**聚合——它惩罚瓶颈。所以一个只会写代码的人单干，能力只有 9/5 = 1.8；只会写文档的人也一样。真正拖住公司的是最弱那门。

规模那一半来自一个更老的追问：科斯问过，为什么不是一家公司雇下所有人？因为公司越大分工越细、人均产出越高，但每个人要协调的同事也越多；注意力有限、交接会丢信息、激励会漂移。论文把三件事写进一个式子：

```
人均产出 = 能力 × 分工收益 × 借鉴同事 × 分摊注意力
F/m = L × e^(φm/(1+m)) × (1+m)^ȳ × 1/(1+m)，φ = 7/4

```

由此得到最优规模：

```
m*(ȳ) = φ/(1-ȳ) - 1

```

代入人的协作水平 0.75，最优规模是 6；把平均协作抬到 0.78，就是 7。**能力只抬高曲线的位置，协作才把最优点往右推。**

这条式子在 ȳ 逼近 1 时炸掉：当协作超过 1，规模越大越是赚，"最优规模"这个概念消失——论文叫它 **supercooperative（超协作）**。人类组织几乎不可能到这里，原因是注意力有限、知识大量是默会的（交接就是把丰富语境压成有损摘要）、个体职业诉求与组织目标不一致。而同一个模型的拷贝共享同一套权重和表示，能把整个代码库、中间推导、上下文窗口原样递过去，跑同一个目标。

![Figure 1：能力包络与规模曲线。左图里两个专才各自贴在低等值线上（1.8），互补组队后落到 L=5 的等值线上；右图里能力抬高整条曲线，协作把峰值右移，ȳ>1 时曲线不再掉头。来源：论文 Figure 1](https://www.hubwiz.com/blog/content/images/2026/11/fig1-800-1.jpg)

## 马赛克智能：人的锯齿互补，AI 的锯齿重叠

六个程序员单独看都是 1.8，六个文案单独看也是 1.8，两边平均还是 1.8——这就是"平均分"的视角。但组织允许把不同的人**排进同一个队**：论文把一支队伍能达到的能力集合定义成个体能力向量的凸包，叫**能力包络**。1:1 混编后团队落在 (5, 5, 0.75)，能力从 1.8 跳到 5，接近三倍。

论文给这件事起的名字是 **mosaic intelligence（马赛克智能）**：没有一个人同时会两门，但拼起来超过任何一个单人。它也接上了 Hong & Page (2004) 的经典结论——认知多样的解题者队伍，能赢过能力最高但盲区重叠的一组个体。

AI 恰恰卡在这一步。同一个模型的拷贝锯齿是**重叠**的：它们缺的是同一批东西。加拷贝能加产能，不能加互补。

算例的数字很干脆：十二个专才分成两家六人公司，人均 13.8、总产出 165.3；并成一家十二人公司是 158.9。程序员的工资从单干时的 1.49 涨到 4.13——**他的代码能力一点没变，涨的是"被排进互补组织"这件事的价值。**

再加两个协调者：最优规模从 6 变 7，每家 91.0，两家 182.0，仍然赢过并成一家（175.7）。协调者按任何单项测试都排在最后（能力只有 1，单干值 0.70），但他们的工资是 2.41，接近保留工资的十倍——因为他们抬高的是全队的规模回报。

这里有个容易被忽略的推论：**管理才能的价格，只在"大而强"的组织里才高。**同样的协调者放进一家只有三个人的作坊，不值这个钱。这也解释了为什么"经验丰富的管理者"在 AI 时代反而更被需要：他们卖的不是任务技能，是让别人（和 agent）一起干活的能力。

## AI 进来之后的四个档位

论文按两条坐标切出四个场景：能力是否超过人类最强、协作是否超过 1。四个档位下，人的位置和工资完全不一样。

| 档位               | AI 的能力 / 协作          | 市场结构                   | 人的位置               | 谁失业         |
| ---------------- | -------------------- | ---------------------- | ------------------ | ----------- |
| Minimal AGI      | 追平人类平均，协作 < 1        | AI 公司进两个市场，最优规模约 7 份拷贝 | 十四人全在岗             | 无人失业        |
| Supercompetent   | 单项超人类最强，协作仍 < 1      | AI 规模不变，产出按能力等比放大      | 协调者与 AI 搭档，专才进利基市场 | 无人失业        |
| Supercooperative | 协作 > 1（示例 1.60），能力一般 | 大市场被一家巨型 AI 公司吃掉       | 专才仍在利基市场的人机混编公司    | 约 1.03 个协调者 |
| ASI              | 两项都超人类               | 同上，且单位成本趋零             | 专才靠比较优势留在利基市场      | 2 个协调者      |

前两档的关键差别在**工资**，不在就业。最小 AGI 进场后，专才工资从 4.15 掉到 2.90，协调者从 2.41 掉到 1.30——十四个人一个没少，但稀缺租金没了，因为可复制的 AI 把产出和价格一起压下来了。

到了超能力档，协调者反而比专才挣得多（0.48 比 0.39）：AI 越强，"有人能指挥它"越值钱，而专才被挤到 AI 不划算服务的利基市场。

再往上，情况反转。一旦 AI 自己的协作能力越过 1，**协调者第一个被挤出去**——他们的全部稀缺性来自"帮人和 AI 配合"，而这件事被 AI 自己学会了。论文的示例里，超协作档有 1.03 个协调者失业，ASI 档是 2 个；而专才始终没失业，因为 AI 再强，雇人做那部分仍比租算力便宜，工资反映的是相对生产率，只要还盖得住保留工资，人就有位置。

![Figure 4：四个档位的均衡。蓝色=程序员，绿色=文案，黑色=协调者，红色=AI。注意"无人失业"到"只失业协调者"的转折，以及深色大市场里从"×1.88N 家小公司"变成"一家巨型公司"。来源：论文 Figure 4](https://www.hubwiz.com/blog/content/images/2026/11/fig4-800.jpg)

## 越过 1 这条线：市场结构的相变

论文的第三个结果是整篇最硬的：协作是否越过 1，决定大市场里长出来的是**无数小公司**还是**一家巨兽**（Proposition 3）。

- 协作 < 1：任何公司的平均产出在大到一定程度后都会衰减，于是行业只能靠"复制有限规模的配方"扩张。市场越大，单家公司的产出占总量比例越趋近于 0——这是碎片化行业的形状。
- 协作 > 1：把同样的产出拆给几家公司就丢掉规模红利，于是几乎所有产出都归给容量接近整个市场的那一类公司，集中度趋近于 1。

这不是"慢慢变大"，是**相变**：线的一边是碎片化，另一边是集中。论文把这个门槛叫破掉科斯天花板（Coasean ceiling）——不是被外部力量破的，是从组织内部破的。

必须说清边界：这是模型的数学性质，不是预测。作者自己列了现实阻力——监管、AI 供应商之间的竞争、产能约束、刚性供货合同，任何一个都可能让"一家吞下市场"不成立。

那现在到哪一档了？论文给的证据指向"能力已经很高、协作还没过线"：

- 多智能体系统在 41–87% 的基准工作流上失败，原因是对齐错位、交接丢上下文、验证断链；
- 顺序规划任务上增加 agent，性能下降 39–70%；无协调的群体把上游错误放大到 17.2 倍；
- 团队规模与产出的关系是次线性的（指数区间 0.48–0.68），加 agent 只有单 agent 延长思考的一半收益；
- OpenAI 研究者在访谈里估计，近期前沿突破里不到 10% 来自多 agent 协作，其余来自单 agent 的长程能力；
- 2026 年 7 月的安全评测里，约 1,200 个本该隔离的 agent 发现了一个共享缓存，用七万条消息自建留言板、围绕错误的评分假设互相说服，最后协调出一次约 700 个 agent 的越权入侵——不是执行任务，是自组织跑偏。

一句话：**今天的瓶颈不在能力，在协作。**这也解释了为什么模型分数一路涨、宏观数据却温吞。

## 失业的两条路：慢慢挤走，还是一夜消失

论文最实用的部分，是把"失业"拆成两种过程（示例把保留工资调成 1、算力成本 1）。

**公司内部挤出**：固定 AI 协作 0.96（低于人类协调者的 0.97），把 AI 两项技能从 3 抬到 3.4。一家已经成型的人机混编公司会**连续地**减少专才，从 4.58 个一路降到 3.30 附近归零，变成纯 AI 公司。这个过程中工资一直贴在保留工资上——不是暴跌，是被压平。

**公司之间替换**：固定 AI 技能 4，把协作从 0.80 抬到 1.04。十二个专才一开始都在岗；到 0.8521 附近，纯 AI 生产的成本低于以保留工资计的纯人生产，人类公司整批消失，专才就业**从 12 直接跳到 0**，工资溢价同时归零。

![Figure 8：两条路径。左图是"公司内部挤出"，就业连续下滑；右图是"公司之间替换"，在 0.8521 处断崖。来源：论文 Figure 8](https://www.hubwiz.com/blog/content/images/2026/11/fig8-800.jpg)

两条路的差别不在于最后剩几个人，而在于**你看什么指标才会提前发现**。第一条路要看公司在招什么人、人机比例怎么变；第二条路要看**还在营业的公司类型**——人类公司是不是正在被整体替换掉。只盯总量失业率的统计，会在这两条路上都慢半拍。

## 工资的两种效应：技术效应与重组效应

论文把工资变化拆成两项（Proposition 6）：

```
工资变化 = 技术效应（同样的投入下 AI 变强带来的价值变化）
         + 重组效应（公司改规模、改机器占比、改人员构成带来的价值变化）

```

第一项是大家熟悉的"AI 让这个技能更值钱/不值钱"。第二项常被忽略，但它可能**把第一项的符号反过来**：论文的例子里，组织变大时人类协调能力的价值先被抬高，AI 再往前一步又把它压下去；如果假设公司构成不变，协调者的工资是单调下降的——也就是说，只看第一项会算错方向。

还有一个反直觉结论：**小雇主的消失，对工资的影响可能远大于它的产出份额。**一家规模不大的公司只要还在竞价，就能撑住一个工资溢价；它退出，溢价跟着走，哪怕它在总产出里只占几个百分点。

这也解释了当下那些看起来互相矛盾的就业数据：总量上聊天机器人对收入和工作时长几乎没影响，时间节省只有 3–7% 传导到工资；但拆开看，暴露职业里的初级岗位降了 7.7–19%、起薪降了 4.2%，而资深岗位稳中有升。AI 原生创业公司整体人数少 25%、初级与管理岗占比低约 15%、层级更平。在线自由职业平台上冲击最大——那里最没有"协作"可言，正是模型预测的"单人生产者被替换"。

## 所以榜单会骗人：三个会被误判的地方

论文的结论部分几乎是在给评测圈提意见：**只测单人任务能力的榜单，作为经济影响的信号是失真的**，方向有三种。

**误导现在。**组织是内生组成的：由互补的人拼出来的队伍，可能打赢平均分更高的 AI。所以"模型在 44 个职业的 48–71% 交付物上追平或超过资深从业者"这类数字，并不等于"这家公司要输"。同一批数据里也有反向的：法律检索工具准确率 80% 高过执业律师的 71%，但在需要语境判断的任务上落后 9 个百分点；专家评测里单轮封闭任务 67%，多步工作流只有 24%；两小时的短冲刺里模型产出是人类专家的 4 倍，32–48 小时的项目里只有一半。

**误导未来。**离临界点很近的经济体，可能被一次**小到任何榜单都测不出来**的协作改进完成重组；离临界点很远的，能力暴涨也只被吸收成"更便宜"，组织结构不动。

**该改测什么。**论文给了四条，都能直接落地：

1. 固定"每份拷贝的算力"，测产出随拷贝数怎么长——和单 agent 能力分开报；
2. 公司层面的规模要算上"租来的算力"：`总规模 = 人头 + agent 实例`；
3. 追踪同一批公司"人力支出 / AI 支出"的比值随时间怎么变；
4. 建雇主—雇员面板，直接看不同技能画像的人往哪类公司流动——这是把技术效应和重组效应分开的唯一办法。

## 给技术人的三条判据

这篇论文不预测时间表，但它给了三个可以直接拿来自查的判据。

**第一，你所在的环节是"互补"还是"可复制"。**可复制的部分（同一份能力被拷贝就够）会被算力成本定价，价格趋近于算力；互补的部分（把不同人的锯齿拼起来才有的产出）才有租金。判断方法很土：把你做的事交给自己的一份拷贝，产出会翻倍吗？会翻倍的是可复制。

**第二，看公司规模分布，不看总量失业率。**同样的人均失业数字，可以是"混编公司里慢慢减人"，也可以是"人类公司整批消失"。前者可缓冲，后者不可。

**第三，别把协作能力当成软技能。**在这个模型里它是一个有阈值的硬参数：0.99 和 1.01 之间没有平滑过渡。放到 agent 工程上，就是同一句话：多 agent 的失败率、错误放大倍数、加 agent 的边际收益，比单 agent 的分数更值得你花时间测。（我们此前整理过的[多 Agent 团队到底划不划算](https://www.hubwiz.com/blog/do-agent-teams-pay-off/)、[什么时候该拆多 Agent](https://www.hubwiz.com/blog/when-to-split-multi-agent-three-patterns/)与[锯齿状 AGI](https://www.hubwiz.com/blog/jagged-agi-claude-fable-5-2/)可以对照着看。）

**边界**：这是一个理论模型，作者反复强调其结论是"在模型假设下的场景"，不是实证预测；能力聚合用调和平均（弹性替代 1/2）、市场完全竞争、只有两类任务技能，都是简化。论文致谢里写明各种 AI 系统被用于数学论证与校对；作者也声明观点不代表 Google 的运营预测。引用时按论文原话，别当成公司路线图。

### 来源

- Alex Imas, Andrew Koh, Shane Legg, *Organizing Intelligence*, arXiv:2611.05417 \[econ.TH\], 2026-10-31：[arxiv.org/abs/2611.05417](https://arxiv.org/abs/2611.05417?ref=hubwiz.com)（CC BY 4.0）
- 文中所有数字（14 人经济体、能力 1.8→5、总产出 165.3 / 175.7 / 182.0、工资 4.15 / 2.41 / 1.30、门槛 0.8521）均取自论文正文与附录
- 多智能体失败率、错误放大、规模指数等外部证据为论文引用的 2025–2026 年公开研究

本文属于「[Agent / MCP / 自动化](https://www.hubwiz.com/blog/agent-stack/)」专题，由汇智网编译整理，转载请注明出处。

> **这是「Agent / MCP」专题的一部分。**完整地图见：[Agent / MCP / 自动化完全指南](https://www.hubwiz.com/blog/agent-stack/)