共计 1224 个字符，预计需要花费 4 分钟才能阅读完成。
OpenAI 最新一篇长文,把关于超级智能的讨论从“会不会思考”挪到了“谁来干活”。这篇题为《The eternal complement》的文章于 10 月 1 日发布, 作者是 OpenAI 的 Hemanth Asirvatham 与 Elliott Mokski, 文末注明观点只代表本人。它是 Intelligence Age 平台“下一经济”系列的开篇, 全文没有新的实验数据, 却用四组可核查的统计, 把超级智能安进了一个经济学框架里。
📌 背景: 想法不缺, 缺的是把想法做出来的人
文章从“互补品”讲起: 当一种投入的增多会抬高另一种投入的价值,二者就互为互补品。作者把前沿智能与“把想法变成现实的能力”配成一对, 并给后者起名 institutional intelligence——机构智能, 一种不被称颂、发生在执行层面的智能。
“天才设计纪念碑,机构砌石头。”文中这样写。伽利略的望远镜不过是两片镜片加一根管子; 而韦布太空望远镜耗资约 100 亿美元,18 面镜段的磨制精度达到 50 纳米, 背后是 14 个国家、300 个机构的协作。
- 斯坦福大学经济学家 Nick Bloom 及合作者测算, 维持摩尔定律所需的研究人员数量已是 1970 年代初的 18 倍以上;
- 自 1930 年代以来, 全经济范围的有效研究投入增长 23 倍, 衡量出的研究生产率却下降 41 倍;
- 美国国家科学与工程统计中心数据显示, 技术员队伍的增速是科学家的两倍;
- 美国国会研究服务处报告显示, 如今一座芯片工厂的造价是三十年前的 5 倍。
🔍 核心推演: 深度文明与宽度文明
深度文明 ——超级智能把推理能力用到极致, 把必须诉诸现实的实验压缩到最少, 文明的实体足迹可以保持很小。 宽度文明——自然的复杂性超出任何智能的纯思辨能力, 进步必须依赖越来越庞大的真实实验, 实验室自动化、工厂数量与能源生产同步攀升。生物学是现成的先兆: 机器可以模拟药物分子, 但新药终究要在大量人体上测试, 候选药物越多, 经验验证反而越是瓶颈。
由此得出的判断是: 超级智能的“超能力”,恰恰在于它愿意接手那套庞大的执行体系。机器智能的大部分工时, 会被用在枯燥的事上, 而不是辉煌的事上。
💡 行业观察: 稀缺先转向品味, 然后折回来
文章也承认了一个正在发生的中间状态:AI 正在降低执行的稀缺性。写代码、检索陌生文献、把草图变成可运行的原型, 过去需要一个组织才能推进的想法, 如今一个人也能试。稀缺要素于是从执行力转向“品味”——判断什么值得制造、哪个问题值得追问。
但作者认为这种缓解可能只是暂时的。当机器同时供给议题和劳动力, 好想法的数量会激增, 快到执行层消化不了。“明天, 好想法可能多到让我们比以往任何时候都更缺执行。”
📊 值得关注的几个点
围绕“OpenAI 新文章把超级智能拉回执行层, 十亿个爱因斯坦”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
