本文依据 DeepMind Institute 10 月 29 日发布的《智能的经济学》，以及配套 108 页论文《Organizing Intelligence》，同时参考 36 氪、新智元 11 月 2 日报道与 FourWeekMBA 解读。文中所有工资数字都是论文 14 人模型跑出来的相对指数，不是现实薪资。
AI 这一轮冲击，先动的可能不是人头，是工资单。
DeepMind 10 月 29 日发了一份东西，名字很正经，《智能的经济学》，配套论文 108 页。模型推下来，AI 追平人类平均水平那一步，一个人都不裁，专才的工资先掉三成。
下次谁拿“我们公司没裁员”证明 AI 没影响，你就问一句：那你们今年招人，薪资区间动了没。



① 别数裁员公告，去数薪资区间
裁员是有成本的。赔偿、招聘重启、团队士气，老板算得比谁都清。工资没有成本，改一个数字就行。
这就是工资比失业先动的原因。它是整条链上最便宜的那个调节阀。
拿就业率平稳证明 AI 没冲击经济，是看错了仪表盘。
这话不是结论，是这篇论文的方法论。它整篇不看失业率，只看工资单。这个视角的切换，比它那些结论狠得多。
要看自己行业有没有被压价，三个动作就够，今天就能做。
第一个，同一个岗位、同一个城市，把去年和今年的招聘 JD 摆一起，看薪资带。降了就是信号，不用等裁员公告。
第二个，看新人价和老人价的差价。老人不动、新人压低，这叫代际降价。它比裁员安静，也比裁员彻底，因为三五年后整个岗位的价格就换了。
第三个，看招聘平台上同一个岗位挂多久。一个岗位挂三个月还在招，通常不是没人投，是那个价没人接。
三个动作加一起，半小时。比读一百篇“AI 会不会取代你”有用。



② 论文到底说了什么
三个作者里，最值得说的是 Shane Legg，DeepMind 联合创始人；还有 Alex Imas，DeepMind 的 AGI 经济学总监。Imas 在 X 上说，他加入 DeepMind 就是为了建这个 AGI 经济学项目，这是第一篇。
框架四段：最小 AGI、超能力、超协作、ASI。
他们把能力拆成两样。Competence，单项干得好不好；Coordination，能不能跟别人接上。前一样慢慢变，后一样一旦过线就相变，市场结构整个重组。
14 人模型跑出来的数，以没有 AI 的世界为基准：专才工资指数 4.15，协调者 2.41。
最小 AGI 那一段，专才 2.90，掉三成；协调者 1.30，掉四成六；失业为零。
超能力那一段，专才 0.39，掉了九成以上；协调者 0.48，反超。
超协作那一段，纯人类公司全灭，就业从 12 掉到 0，协调者失业一半。到 ASI，协调者全失业。



这里有个必须分清的地方。“不裁人、专才工资跌三成”是最小 AGI 那一段的结论，“协调者反超”是超能力那一段的结论。两段中间隔着一次能力跃迁。很多转述把这两句并在一起说，读着痛快，但把时间轴抹平了。
还有个细节。他们做了个 100 人、六个领域的测试，互补配对的小组比随机配对强 32%。所以论文把组织本身叫“一种超智能”。
这是全文最乐观的一句，也最容易被忽略。它说的不是人有用，是人和人接上才有用。



③ 工资为什么会先塌
机制一句话能说完。
以前你的工资锚点是招一个人要多少钱。同行出多少，你得跟上，这是人和人竞价。
AI 追平你某一项能力之后，这个锚点换了。老板算的不再是“再招一个人多少钱”，是“这件事让模型跑一遍多少钱”。
你的工资锚点，从同行竞价变成了算力报价。
算力报价有个特点，它一直在降，而且降得比人快。被追平的那项能力，工资不是跌一次，是跟着电价和芯片一路往下走。
谁最先被这样定价？活儿能被说清楚的。
给你一个更省事的判法：你能不能把这件事写成一份说明书，别人照着做就能出结果？能写完，说明它可拆、可测、可外包，也就可被定价。写标准文案、做常规报表、改基础代码、处理标准工单，这一类全在里面。
反过来，那些说不清为什么值钱的活儿，暂时还没被定价。



④ “失业为零”这半个，我不信
我反而觉得这半个结论要打折听。
“一个人都不裁”，在模型里是数学结果，不是一句承诺。它的前提是无摩擦再就业，假设被替下来的人能平滑地挪到新岗位上去。
现实里没有平滑。搬家要钱，四十岁重学一门手艺要时间，一个三线城市的岗位不会因为你在深圳就自己长出来。
作者自己也承认，“超协作”那一段是高度简化的数学性质。这句话很关键，它等于告诉你，越往后走，越接近思想实验。
可信的是工资被重新定价，要打折听的是充分就业。
这两件事的可信度差很远。工资那条有现实数据兜着，就业那条目前只有模型兜着。
现实数据长什么样？媒体披露口径，受 AI 冲击最重的几个职业，初级岗位数量降了 7.7% 到 19%，起薪降了 4.2%，资深员工反而稳中有升。
这组数字比任何推演都值得看。它说明降价的顺序是新人先降、老人后降，最后才轮到人头。



⑤ 反方那边，也有一句狠话
原文自己引了一句反方的话，引得很体面。
OpenAI 的 Noam Brown 说，多智能体协作的成果里，连 10% 的功劳都不该记给它。
这话跟“组织是一种超智能”是直接对撞的。一边说互补配对能强 32%，一边说这点增益根本不值得记功。
我倾向于两边各对一半。100 人的实验室测试里互补配对确实强，因为任务干净、目标一致。真实公司里，光是把人凑齐、把会开完、把责任分清楚，就能吃掉那 32%。
还有一个不用推演的口径。媒体披露，AI 原生初创公司的人数，比同规模同行少 25% 左右。少四分之一的人干同样的活，这既是效率，也是招聘的收缩。
这一条已经在发生，不用等超协作。



⑥ 三条路，各一道自测题
第一条，往深里卷。
危险在顺序。越深的专才越早被算力定价，因为深就意味着可测量。测试题能考出来的东西，模型迟早能过。
自测题：把你最值钱那项能力写成一道题，你能写出评分标准吗？能，就说明它可被测量，也就可被定价。
第二条，转协调。
这条路有窗口期。最小 AGI 到超能力之间，协调者的相对价值往上走。但到了超协作，协调者失业一半；到 ASI，全失业。
自测题：你手上的价值，有多少来自“知道该找谁、知道先做哪一步”？这部分现在值钱，前提是人还没被接上。
第三条，往关系型行业走。
医疗照护、教育、线下体验。论文的说法是，钱最后会流向“人的参与本身就是价值”的地方。
自测题：客户付钱，是因为你交付了东西，还是因为这事你不在场就不成立？前者会被压价，后者不会。
客户付钱是因为你不在场就没有这件事，那才叫关系型。



⑦ 给老板一句，给打工人一句
给老板：今年做人力预算，别只算人头数，把每个岗位的薪资带单独拉一行。人头不变、薪资带下移，账面上看不出问题，两年后整个团队的能力结构就换了一遍。
给打工人：把工作拆成能力项，一项一项问，哪几项已经被模型追平了。别问“我会不会被取代”，问“我这几项里还有几项没被标价”。
这篇论文最值钱的地方，不是它说 AI 会让谁失业，是它换了一个仪表盘。
失业率是滞后的，工资是即时的。等你从失业率上看见变化，价格已经换过一轮了。