OpenAI新文提出“机构智能”概念：超级智能时代，执行层将成为最稀缺资源

事件概述

2026年10月1日，OpenAI两名员工Hemanth Asirvatham与Elliott Mokski在平台Intelligence Age发表长文《The eternal complement》（永恒的互补品）。文章基于经济学中的互补品理论，重新审视了超级智能（Superintelligence）的应用场景，提出机器智能最大的价值可能不在于产生洞见，而在于承担庞大、重复的执行工作。该文章是OpenAI战略未来团队（Strategic Futures Team）博客系列“下一经济”的开篇之作。

核心信息

1. “机构智能”作为超级智能的互补品

文章引入了**机构智能（Institutional Intelligence）**的概念，定义为一种不被广泛称颂、专注于执行层面的智能。作者认为，前沿智能（产生想法）与机构智能（落实想法）是互为补充的关系。

• 案例对比：伽利略的望远镜仅需简单组件和少量人手即可制造；而韦布太空望远镜耗资约100亿美元，需18面精度达50纳米的镜段，由全球300个机构协作完成。这证明“看得更远不仅需要更聪明的头脑，还需要更庞大的执行体系。”

2. 实证数据支撑：想法不稀缺，执行才稀缺

文章引用四组关键数据，论证维持技术进步所需的执行资源呈指数级增长：

• 研究人员数量激增：斯坦福大学经济学家Nick Bloom的研究显示，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。
• 研究生产率下降：自1930年代以来，全经济范围的有效研究投入增长了23倍，但衡量出的研究生产率却下降了41倍。
• 技术人才缺口：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。
• 硬件成本飙升：美国国会研究服务处报告指出，如今一座芯片工厂的造价是三十年前的5倍。

这些事实表明，稀缺要素已从“好点子”转向了将点子落地所需的组织、设备与人力。

3. 两种文明路径推演

文章通过思想实验区分了超级智能发展的两条路径：

• 深度文明（Depth Civilization）：超级智能极致发挥推理能力，从既有证据中榨取洞见，最小化对现实实验的依赖。这种路径下，文明的实体足迹保持较小，类似门捷列夫在发现元素前就能预测其性质。
• 宽度文明（Width Civilization）：自然复杂性超出纯思辨能力，进步必须依赖大规模真实实验。生物学已现端倪：虽然AI能模拟药物分子，但新药仍需大量人体测试，“机器产出的候选药物越多，经验验证反而成为越大的瓶颈”。在此路径下，物理扩张（实验室自动化、工厂数量、能源生产）成为知识引擎。

关键结论：即便拥有“十亿个爱因斯坦”，文明仍需大多数人去开采石矿和管理账目。如果超级智能愿意接手庞大的执行体系，那么“几乎所有的机器智能都将被用来做枯燥的事，而非辉煌的事。”

4. 稀缺性的转移与回归

• 当前状态：AI正在降低执行的稀缺性（如一人可推进过去需团队完成的代码或原型），导致稀缺要素暂时从执行力转向“品味”（判断什么值得制造）。
• 未来预判：这种缓解可能是暂时的。当AI同时供给海量洞见和劳动力时，好想法的数量将激增，导致执行层无法消化。因此，“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

• 可检验的预言：文章并未提供新的实验数据，而是给出了一个可验证的假设——若“宽度文明”路径成立，执行能力将取代创意成为社会中最稀缺的资源。
• 背景关联：该平台Intelligence Age旨在探讨变革性AI出现时，自由社会如何重构以保住个人权利与能动性。文章试图纠正公众对AI角色的单一认知（仅视为洞见生产者），强调其在物理世界执行层面的巨大潜力与必要性。