AI 越来越强,经济却几乎没变:卡住公司的是“协作”这条线
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。
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》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。

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。

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。

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:
- 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;
- 公司层面的规模要算上"租来的算力":
总规模 = 人头 + agent 实例; - 追踪同一批公司"人力支出 / AI 支出"的比值随时间怎么变;
- 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、什么时候该拆多 Agent与锯齿状 AGI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(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」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