ARTICLE · 1284966
AI还没抢你的饭碗,先砍了你的工资
AI还没抢你的饭碗,先砍了你的工资起 · 第 3 篇 · 热点解析 DeepMind 三位经济学家算了一笔账：AI 追平人类的那天，一个岗位都不会少，钱会少三成 10 月 29 日，Google DeepMind 在自家研究所的网站上挂出一篇长文，标题很朴素：《智能的经济学》。 署名三个人。 Shane Legg，DeepMind 的联合创始人，现在的首席 AGI 科学家。Alex Imas，从芝加哥大学挖来的行为经济学家，头衔是"AGI 经济学总监"。Andrew Koh，研究科学家。 配了一篇正式的工作论文，《组织智能》（Organizing Intelligence）。 他们想回答一个很大的问题：AI 到底会在什么时候、以什么方式，真正改写经济？ 国内媒体今天早上开始转述这篇论文，标题大多抓的是那个最吓人的数字：零裁员，专家工资先降 30%。 我读完的感觉是：这个 30%，甚至不是最狠的部分。 壹 一个都不裁，工资先砍三成 论文先搭了一个很小的经济体：14 个人。 6 个程序员，6 个写作者，外加 2 个"协调者"。 设定很干净。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，单看测试成绩，全场垫底。 但这 2 个人有一样本事别人没有：让人配合。说白了，就是管理者。 没有 AI 的时候，程序员和写作者 1:1 组队，专才的工资能到 4.15，是单干时的将近 3 倍。协调者帮着化解交接时的摩擦，工资 2.41。 然后，往这个小经济体里放进一个"最小 AGI"。 单项能力 1.69，协作能力 0.78。 1.69，刚好是这群人单打独斗时的平均水平。 结果出来了。 就业率纹丝不动。14 个人一个没少，全都在上班。 工资塌了。专才从 4.15 砍到 2.90，跌 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？ 论文给的答案只有四个字：稀缺性没了。 人类专家之所以值钱，是因为一个人一天只有 24 小时，他的经验没法复制。你想多要一个他，得再等二十年。 AI 不用等。哪怕它只够到人类的平均线，也能按算力的价格无限复制，一批一批涌进细分市场，把价格压下来。 论文在这里写了一条铁律： 只要模型能追平人类的某一项能力，这项能力对应的工资，就会被绑死在算力成本上。 不是"可能"，是"就会"。 贰 为什么先动工资，后动就业 这一步值得说清楚，因为它解释了我们现在看到的很多怪事。 按理说，AI 变强，应该是先有人被裁，然后工资才跟着变。这篇论文推演的顺序正好相反： 工资先动，组织后动。 原因在于，价格是即时的，组织是黏的。老板不需要开掉谁，也能把新招人的薪水压下来；不需要改组架构，也能先不涨薪、先不加人、先把原来两个人的活交给一个人加一台 AI。 这些动作在就业数据上几乎看不见——人还在，只是变便宜了。 
论文特意提醒了一句：拿"就业率没变"去证明 AI 没有冲击经济，是站不住的。 现实数据已经在往这个方向走。 AI 原生初创公司的总人数，比同期同行少 25%。受冲击职业的初级岗位就业下降 7.7% 到 19%，起薪下滑 4.2%。而资深员工那边，岗位和薪资稳中有升。 一边是入口在收窄，一边是出口还开着。 这正是为什么很多人有那种说不清的别扭感：新闻里天天说 AI 抢工作，可身边的人好像都没失业；但投简历的年轻人变难了，跳槽的涨幅变小了，加班的性价比变差了。 不是你的错觉。是仪表盘装错了位置。 叁 全场垫底的那个人，工资反超了 再往后走一步。 团队把 AI 的单项能力拉到超过所有人类专家，协作能力保持不变。论文管这个阶段叫"超能力 AI"。 角色开始倒挂。 程序员和写作者在大市场上失去价格优势，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。 而那 2 个垫底的协调者，AI 公司抢着要。 道理不复杂：一屋子单兵超强、却不会配合的 AI，需要有人定方向、分任务、收尾。协调者的工资停在 0.48，反超了所有专家。 
看到这里，我猜不少做管理的读者会松一口气。 先别。 论文接着写了下一层：这口气，是有保质期的。 肆 真正的门槛不是聪明，是会开会 这里要回到一个 89 年前的老问题。 1937 年，后来拿了诺奖的科斯问过一句话：既然公司内部分工能省钱，那为什么全世界不合并成一家巨型公司？ 此后近一百年，经济学家的答案都指向同一个东西：人的极限。 团队一扩到几十上百人，注意力就不够用了。话传过几道手，味道就变了。何况每个人还各打各的小算盘。内耗一多，分工省下的效率就被吃干净了，公司也就长不大了。 论文把这道上限叫"科斯天花板"。 有意思的是，今天最前沿的 AI 一拉群，内耗比人还离谱。 论文列了一串数据：主流工作流基准里，多 Agent 系统对不齐目标、交接丢上下文、验证断裂，任务失败率 41% 到 87%；在需要前后衔接的顺序任务里，多加几个 Agent，性能反而跌 39% 到 70%；缺乏协调的 Agent 蜂群，会把上游的小错误放大最多 17.2 倍。 OpenAI 的研究员 Noam Brown 也说过，让大批 Agent 并行攻关数学难题，很难让它们有效配合——论功劳，他觉得连 10% 都算不上。 
所以人类公司现在还是安全的。不是因为人更聪明，是因为 AI 还不会开会。 但这句话的重点在后半截。 论文用两条曲线展示了两种完全不同的替代方式。一种是企业内的渐进替代：混合团队里的人类一点点减少，平滑地归零。另一种是跨企业的断崖式清零—— AI 的协作分数爬到 0.8521 的那一刻，纯 AI 公司的成本击穿了人类公司的底线。12 名人类专家，从 12 直接归零。 就一夜之间。 再往后，是"超协作"门槛：AI 学会互相配合，组织的规模报酬从递减变成递增。到那一步，大市场的生产会迅速向一两家巨型纯 AI 公司集中。 这一次，连协调者也没能幸免。约一半协调者失业。到了 ASI 阶段，2 名协调者全部失业。 最讽刺的地方在这里：第一批被 AI 端掉的，恰恰是最懂协调的人。 因为协调这件事本身，从稀缺变成了不稀缺。 写在最后 底层的逻辑是相通的 上一期我们说，有人用流水线上的眼泪，圈住你爸妈。 这一期我们看到，有人正在用机房里的电费，重新给你定价。热点一个接一个，但底层的逻辑是相通的—— 凡是靠"稀缺"赚钱的位置，都要问一句：这份稀缺，是天然的，还是被人为撑住的？ 24 小时是天然的。会开会，暂时还是。会写一段代码、会做一份报表、会翻一篇稿子——这些曾经撑起无数人工资的稀缺，正在被算力一点点抹平。 所以这篇论文真正的结论，不是"AI 会取代谁"。它说的是： 你的工资，正在从"你值多少"，变成"算力值多少"。 三句话，留给你自己判断。 第一，别再只卷单点技能。 论文算得很清楚：单项能力越强、越好被复制，工资跌得越狠。顶尖码工跌到只剩零头，不是因为他们不够强，是因为他们太标准了。 第二，协调密度，就是你的安全垫厚度。 越依赖人和人配合的行业，替代越慢。自由职业平台最先团灭，因为它把协调压到了最低。 第三，留意"关系型行业"。 论文给的一种可能是：医疗照护、教育、线下体验——人本身的在场就是价值的一部分。这类工作不会变得便宜，只会变得贵。 我是"起起伏伏人"，关注我，下次热点来了，咱们接着说。 （本文基于 Google DeepMind 2026 年 10 月 29 日发布的《智能的经济学》及工作论文《Organizing Intelligence》整理，模型结论以原文为准，不构成职业或投资建议。）
