OpenAI 新文章把超級智能拉回執行層，十億個愛因斯坦也要有人去採礦
AGI-Signal2026.10.02 10:32 · 來自北京全文2315字00:00 / 06:10機器智能最大的用武之地，可能是那些枯燥、龐大、重複的執行工作。人類的方程式已經能夠相對連貫地描述宇宙從最初時刻開始的演化，但沒有一個人離開過月球。OpenAI 兩位員工 10 月 1 日發佈的長文《The eternal complement》從這個錯位出發，得出的結論是：機器智能最大的用武之地，可能是那些枯燥、龐大、重複的執行工作。
這篇文章直譯過來是“永恆的互補品”，是 OpenAI 新平臺 Intelligence Age“下一經濟”系列的開篇，作者為 Hemanth Asirvatham 與 Elliott Mokski，兩人文末註明觀點只代表他們本人。文章沒有新的實驗數據，但引用了四組可核查的實證數據，把一個經濟學框架安在了超級智能身上。天才設計紀念碑，機構砌石頭文章的分析起點是經濟學裡的互補品概念：當一種投入的增多會抬升另一種投入的價值，兩者就互為互補品。
兩位作者認為，前沿智能與“把想法變成現實的能力”正是這樣一對互補品，他們把後者命名為 institutional intelligence（機構智能），定義為一種不被稱頌的、執行層面的智能。“天才設計紀念碑，機構砌石頭。”文中寫道。伽利略的望遠鏡是兩片鏡片加一根管子，幾十雙手就能造出來；文章用來對比的韋布太空望遠鏡耗資約 100 億美元，18 面鏡段的磨製精度達到 50 納米，由 14 個國家的 300 個機構協作完成。作者的概括是：“看得更遠，不僅需要更聰明的頭腦，還需要一個更龐大的執行體系。”支撐這一判斷的數據均有出處。
斯坦福大學經濟學家 Nick Bloom 及其合作者在“想法是否越來越難找”系列研究中測算，維持摩爾定律所需的研究人員數量已是 1970 年代初的 18 倍以上；自 1930 年代以來，全經濟範圍的有效研究投入增長了 23 倍，衡量出的研究生產率卻下降了 41 倍。文章另引美國國家科學與工程統計中心的統計，技術員隊伍的增速是科學家的兩倍；還有論文統計，科學研究中專用設備的使用在四十年間翻了一番；美國國會研究服務處的報告則顯示，如今一座芯片工廠的造價是三十年前的 5 倍。這些數字指向的一個方向是，想法並不稀缺，稀缺的是把想法落實所需的組織、設備與人力。
十億個愛因斯坦也要採石礦文章的核心推演在“兩種文明”一節。作者設問，僅靠思考能走多遠？天才需要多大的執行體系？答案分出兩條路徑。一條路通向深度文明。超級智能把推理能力用到極致，從既有證據中榨取新洞見，把必須訴諸現實的實驗壓縮到最少。科學接近完成時，缺口幾乎自己告訴你該放什麼。門捷列夫能在觀測之前描述尚未發現的元素，物理學家在看見希格斯玻色子之前幾十年就有理由期待它。走這條路，文明的實體足跡可以保持很小。另一條路通向寬度文明。自然的複雜性超出任何智能的純思辨能力，進步必須依賴越來越龐大的真實實驗。
生物學是現成的先兆：機器可以模擬藥物分子，但新藥仍要在大量人體上測試，“機器產出的候選藥物越多，經驗驗證反而成為越大的瓶頸”。走這條路，物理擴張成為知識引擎，實驗室自動化、工廠數量、能源生產同步攀升。寬度文明一節裡，有一段推演：“我們有時把超級智能想象成十億個愛因斯坦。但一個由十億個愛因斯坦組成的文明，仍需要其中大多數人去開採石礦和管理賬目。”作者由此給出判斷：超級智能的“超能力”，在它願意接手那套龐大的執行體系。“幾乎所有的機器智能都將被用來做枯燥的事，而非輝煌的事。”機器智能大半時間做枯燥的事，是智能足夠成功的後果。
稀缺從執行轉向品味，然後折回來在兩條路徑之間，文章先承認了一個正在發生的中間狀態。AI 已經在降低執行的稀缺性：寫代碼、檢索陌生文獻、把草圖變成可運行的原型，過去需要一個組織才能追逐的想法，如今一個人也能推進。稀缺要素隨之從執行力轉向“品味”，即判斷什麼值得製造、哪一個問題值得追問。兩位作者隨即指出，這種緩解可能只是暫時的。AI 同樣會產出洞見，當機器同時供給“議題”和“勞動力”，好想法的數量會激增，快到執行層消化不了。“明天，好想法可能多到讓我們比以往任何時候都更缺執行。
”Intelligence Age 是 OpenAI 今年 8 月 20 日上線的平臺，定位是該公司新設戰略未來團隊（Strategic Futures Team）的博客，首篇文章由 Dean Ball 署名。這個團隊的既定問題只有一個：當變革性 AI 出現時，自由社會應如何重構，才能保住個人的權利與能動性。平臺與奧特曼 2024 年那篇個人博文《The Intelligence Age》同名，發佈說明裡解釋，改名是為了與非營利組織 AI Futures Project 區分開。這個細節說明團隊在刻意管理自己的邊界：既借用那個已被廣泛傳播的詞，又與其保持距離。
過去兩年公開討論裡的機器智能，角色幾乎都是洞見的生產者，寫論文、破解數學猜想、給出商業判斷。這篇文章把鏡頭轉向了另一半：機器智能的大部分工時，可能花在人類文明裡那些從不被寫進發布稿的環節上。推演無法驗證，文章只給出了一個可檢驗的預言：若寬度文明的路徑成立，執行將取代想法成為最稀缺的資源。（本文首發APP，作者 | AGI-Signal 編輯 | 秦聰慧）
Related
相關文章
具身智能不只在地上跑：給無人機裝上機械臂，它們要去天上「擰螺栓」了 | IROS 2026
本文作者： 張豈萍 2026-09-30 14:29 導語：具身智能的研究邊界，正從地面移動操作向空中協同作業延伸。具身智能的研究邊界，正從地面移動操作向空中協同作業延伸。作者丨張豈萍 編輯丨幸麗娟 機械臂抓取、移動機器人導航和多機器人協作，是具身智能研究的常見切口，但大多仍延續“地面機器人”範式：身體默認是地面移動機器人，環境是結構化可通行空間與離散物體，任務是感知、移動、抓取、搬運等。
美議員提出重磅法案：政府出臺安全防護機制前，AI 不得進行遞歸式自我改進
作者：清源 責編：清源 評論： 感謝網友 咩咩洋 的線索投遞！9 月 30 日消息，當地時間 28 日，據美國 CNBC 報道，代表硅谷選區的民主黨聯邦眾議員羅 · 康納準備提出一項 AI 監管法案，引入嚴格責任標準，並禁止 AI 在缺乏政府安全防護機制的情況下進行遞歸式自我改進。
NVIDIA 研究人員推出 Physis-Lang：自我進化的物理語言，在物理基準測試上讓 Cosmos 3 超越 Veo 3.1
影片世界模型能渲染出令人信服的片段，但仍可能違反物理定律。奶油像油漆般擴散，球穿牆而過。來自 NVIDIA、MIT 和牛津大學的團隊主張，修正之道在於語言本身，而非額外的視覺、潛在或數值訊號。他們的框架 Physis-Lang 將物理語言視為一種共享且可最佳化的表徵，同一份文字可用於資料整理、模型訓練與推論。
機器人“拜師”蘇繡！最細的活，最硬的考題
機器人前瞻（公眾號：robot_pro） 作者 | 劉俐杉 編輯 | 許麗思 聽說機器人甚至已經學會刺繡了？ 如果讓機器人搬運重物、抓取零件，你可能早已見怪不怪，讓它搭積木、夾豆子、擰瓶蓋，也已經不算什麼新鮮事了。 但今天上午，臨界點發布的一段視頻，讓靈巧手的“手上功夫”又往前了一步。 鏡頭裡，靈巧手捏著一枚繡花針，將細線穿過針孔，隨著針尖的起落，手指在絲線中穿梭。直至鏡頭拉近，你還會看到靈巧手面對一幅蘇繡，與蘇繡老師配合完成合繡。更加值得注意的是，整段視頻均為實拍，沒有加入任何CG動畫。
驚悚又硬核：研究團隊造出能用指尖行走的機械手
作者：遠洋 責編：遠洋 評論： 9 月 29 日消息，蘇黎世聯邦理工學院（ETH Zurich）軟體機器人實驗室的研究人員製作出了一款可以依靠指尖自行行走的機械手。據瞭解，這款機械手基於市面上一款常規的仿人機械手改造而成，共有五根手指，配備 20 個驅動關節，每根手指擁有四個關節。
海爾洗空氣空調AI科技將巴馬好空氣搬回家
為了一口好空氣，有人給家裡配齊空氣淨化器、新風系統，層層升級呼吸裝備；更有人遠赴廣西巴馬長壽村，斥資置業長居，天不亮就到百魔洞口排隊吸氧。“巴馬好空氣”的說法流傳多年，卻少有人說清它到底好在哪。 9月28日，海爾空調聯合科普博主無窮小亮，深入巴馬長壽村實地探訪，通過實地觀察與專業檢測，拆解巴馬好空氣的真實密碼，也給出了把自然好空氣帶回家的解決方案。 實地溯源：巴馬好空氣不是玄學，是自然的饋贈 每年換季時節，大批外地人從全國各地奔赴巴馬，有人連續多年往返旅居，有人乾脆定居長住，核心訴求都指向當地的空氣。