本篇体育资讯由九博体育整理: 新智元报道 别再担心AI抢走你的工位了。 真正先塌方的,是你的工资单。 就在刚刚,Google DeepMind联合创始人Shane Legg出手了。 他是DeepMind的首席AGI科学家。 这次,他联手AGI经济学总监Alex Imas、研究科学家Andrew Koh,在DeepMind Institute发表长文《智能的经济学》,同步公开工作论文《Organizing Intelligence》。 Imas在X上透露,他加入DeepMind,就是为了搭建AGI经济学研究项目。 他们想回答一个大问题: 从AGI一路走到ASI,经济会在什么时候、以什么方式被彻底改写 ? 他们把AI的进化切成四关: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,都会重新洗牌。 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,算出一笔让所有人都后背发凉的账: 就算公司一个人都没裁,只要AI追平人类平均水平,专家的工资就会先跳水; 等AI的单项能力超过所有人类专家,顶尖码农的薪水只剩巅峰期的零头; 反倒是单项测试垫底的「协调者」,逆袭成了全场最高薪。 而更远的终局,是「企业奇点」。 一旦AI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,这篇论文改写了行业的追问方向。 过去大家问,「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」。 你的岗位还在,但你的议价权已经没了。 当你还在跟同事卷绩效时,你的手艺已经被机房的电费重新定价。 单挑赢遍全网 AI却输给偏科的人类小队 今天的大模型,在编程、数学考卷上大杀四方。 可放到真实的经济世界里,溅起的水花却小得可怜:就业数据几乎纹丝不动。 三位作者认为,问题就出在考核对象上。 几乎所有基准测试,测的都是一个AI单挑一个人。 而在真实市场里肉搏的,却是各种公司和组织。 为了证明这一点,团队找来100名受试者,做了一套六大领域的测试:数学、言语推理、科学、模式识别、文化、经济学。 结果发现:一个人在某个领域的得分,几乎预测不了他在另一个领域的表现。 现实里没有各科均衡的「平均聪明人」, 每个人都是偏科的「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 就像拼马赛克,每块碎片都不规则,合在一起却严丝合缝。 公司要做的,就是把偏科的人拼在一起,按各自的比较优势分工。 长板补短板,团队就能拼出一块远超任何个人的能力版图。 论文管这叫 「马赛克智能」 。 实测数据显示,按能力互补配对的两人组,表现比随机配对高出32%。 大模型恰恰缺这一点。 同一个模型复制一千份,偏科的方向和盲区完全重叠:多开一个副本,只加产能,不补短板。 所以,哪怕单个AI已经赢过人类的平均水平。 碰上互补分工的人类小队,照样会输。 一个人没裁 专家工资先跌三成 人类小队守住了工位。 但这恰恰是最危险的安全错觉。 为了算清这笔账,论文搭了一个14人的微型经济体。 6名程序员,6名写作者,外加2名「协调者」。 程序员写代码9分,写文章1分。 写作者正好反过来。 协调者两样都只有1分,单人测试全场垫底。 但他们擅长让别人配合,也就是我们熟悉的管理者。 没有AI时,程序员和写作者1比1组队,专才工资涨到4. 15,是单干时的近3倍。 协调者帮团队化解交接摩擦,工资也有2. 41。 接着,团队往这个经济体里投下一颗「最小AGI」。 它的单项能力只有1. 69,协作能力只有0. 78。 这刚好是这群人类单打独斗时的平均水平。 结果,就业率纹丝不动。 14个人全员留在大市场上班,失业人数为0。 工资却塌了。 专才工资从4. 15砍到2. 90,跌了30%; 协调者从2. 41跌到1. 30,缩水46%。 一个人都没被顶替,工资为什么先跳水? 答案是:稀缺性没了。 人类专家值钱,是因为每人每天只有24小时,没法复制。 AI哪怕只够到人类平均线,也能按算力价格无限复制,涌进细分市场压价。 论文给出一条铁律: 只要模型能追平人类某项能力,这份工资就会被绑在算力成本上。 作者还专门提醒:工资变化会先于组织重组到来。 拿「就业率没变」证明AI没冲击经济,站不住脚。 码农薪水跌去九成 垫底的协调者反超 更狠的还在后面。 团队把AI的单项能力拉到超越所有人类专家,协作能力保持不变。 论文管这叫 「超能力AI」 。 角色大倒挂上演了。 程序员和写作者在大市场失去价格优势,被挤进狭小的小众市场:工资从2. 90一路跌到0. 39,比巅峰期少了九成以上。 反倒是那2名垫底的协调者,AI公司却抢着要。 道理很简单:一屋子单兵超强、却不会配合的AI,需要有人定方向、理分工。 协调者的工资停在0. 48 关注九博体育,掌握更多体坛动态。