DeepMind 联创发布《智能的经济学》：无裁员前提下，专家薪资首降三成

Google DeepMind 联合创始人、首席 AGI 科学家 Shane Legg 近日联手 AGI 经济学总监 Alex Imas 及研究科学家 Andrew Koh，在 DeepMind Institute 发表了长篇论文《智能的经济学》，并同步公开工作论文《Organizing Intelligence》。三位学者旨在探讨从通用人工智能（AGI）迈向超级智能（ASI）过程中，经济与劳动力市场的演变逻辑。论文构建的经济学模型揭示了一个反直觉的结论：即便企业保持全员在岗、零裁员，只要 AI 的单项能力追平人类平均水平，专家群体的薪资将首先跳水。随着 AI 在特定领域超越所有人类专家，顶尖工程师的薪资甚至可能跌至巅峰期的零头，而擅长跨领域协作的「协调者」则因稀缺性逆袭成为高薪职业。研究通过一个由 6 名程序员、6 名写作者和 2 名协调者组成的 14 人微型经济体实验进行了验证。引入具备人类平均水平的 AI 后，所有人员均未被替代，失业率保持为零。然而，专才（程序员和写作者）的工资从 4.15 跌至 2.90，降幅达 30%；协调者工资也从 2.41 降至 1.30。模型表明，只要 AI 能按算力成本无限复制并覆盖某项能力，该岗位的薪资定价权便将随之滑落。实验进一步推演了当 AI 单项能力超越人类专家、协作能力保持不变时的「超能力 AI」情境。此时，依赖单一技能的程序员和写作者薪资暴跌超过九成，挤入小众市场；而此前处于垫底地位的协调者因能够整合多领域 AI 资源，工资反超所有专家。这一现象印证了现实中 AI 原生初创公司人数较少且初级岗位起薪下滑的数据趋势。论文同时指出，尽管单兵作战的 AI 模型能力强劲，但由多个 AI Agent 组成的团队却面临严重的「内耗」问题。在主流工作流基准测试中，多 Agent 系统的任务失败率高达 41% 至 87%，且在需要顺序规划的任务中，增加 Agent 数量反而导致性能暴跌。这种协作能力的瓶颈暂时构成了限制纯 AI 公司规模扩张的「科斯天花板」。Shane Legg 指出，当前大模型权重冻结、难以在岗持续学习以及上下文处理混乱等因素，使得 AI 蜂群无法像人类团队那样有效配合。只要这一技术窗户纸未被捅破，人类公司仍能在短期内通过互补分工维持生存。然而，随着协作能力临界点的临近，组织内部的替代方式可能发生根本性转变。