近日，由OpenAI「智能时代」平台推出了一篇引人注目的新作《The Eternal Complement》，撰文者为赫曼斯·阿西尔瓦坦（Hemanth Asirvatham）与埃利奥特·莫克西（Elliott Mokski）两位研究员。
该文系列名为「下一个经济」的首篇作品。其中提出了一个引人深思的追问：倘若AI在推理、创意与科学发现等领域的能力与日俱进，进而演化为超级智能，那么文明面临的真正瓶颈究竟是什么？
作者们摒弃了将超级智能等同于众多「天才」汇聚的简单认知，转而从经济学中的「互补性」原理出发，重新审视聪慧程度与执行落地能力之间的深层关系。他们指出，想法从萌生走向现实，需要一整套完整的配套体系——实验器材、技术人员、资本、法律框架、官僚机制、供应网络乃至各类组织协调能力。随着科技不断向前推进，这些基础设施本身也变得日益庞大。
作者将这种支撑能力定义为「制度智能」（institutional intelligence），并主张前沿创新与执行能力始终互为补充。在他们看来，革新者负责提出新洞见，制度与具体劳动力则把洞见转化为成果。AI正在改变这个框架的某些方面：它已掌握编程、文献搜索、原型迭代等技能，让个体得以独立完成曾需整个机构协作的工作。随着执行成本下滑，变得稀缺的或许是「审美判断」——决策做什么、追问什么、在众多方向中如何取舍。
然而，执行效率的提升可能仅是前章。当AI自身开始源源不断地产生科学洞见与研究方向，局势就可能翻转：创新构想的涌现速度超越了实验室、工厂、能源等现实基础设施的处理能力。届时，文明的制约因素或将再度从「想不周」变为「做不完」。
对此，文章提出「深度文明」与「广度文明」两个想象。前者通过更精深的推理、模拟和现有证据，让思考在真正接触自然前走得更远，以更少实验换取更多知识；后者则被自然复杂性和物理律制约，大量问题终须经由实验、建造与漫长等待，文明需持续扩展实验设施、制造能力、能源系统与组织协调机制。
最后，作者们把话题拉回人类本身：即使AI在知识探索与资源统筹方面最终超越人，人类的求知欲、创意多样性以及持续探索的渴望依然可能具有价值。他们提及三个理由：人类对知识与启蒙仍有永恒责任；人类在前沿洞见与制度智能间可能拥有异于机器的相对优势；人类群体能带来机器难以复制的创意丰富性。
「智能时代」平台于2026年8月20日上线，由OpenAI「战略未来」部门成员迪恩·鲍尔（Dean Ball）发布介绍。该平台明确声明，所发布内容为作者个人观点，不代表OpenAI的官方立场。
以下为节选内容：
01 进步所依赖的整套体系
人类的理解力已触及宇宙肇始之刻。我们的数学模型大体还原了宇宙初期的完整图景。借助光学仪器，我们可远眺遥远宇宙的早期历史，观察恒星演化、星系形成的过程。但至今，没有任何人踏足月球外的世界。
我们搜寻的答案遍布整个宇宙，人类的躯体却几乎未曾离开过地表。思维可以越洋万里，身体却总是掉队。这份不对称指向两种完全不同的未来可能性。
其一是，广阔的探索其实非必需。宇宙的终极秘密，或许在单一星球上就能破解。只要掌握足够深刻的推理能力与高效的工具，我们就能认识宇宙，而无需亲身穿行其间。在这种设想下，文明依靠的是「深化」而非「扩张」。这或许也解释了为什么至今未发现外星高等生命：银河系可能存在许多高度文明，它们或许从未必要不断向外探索，所以也不曾留下明显痕迹。
其二则更令人不安：思想或许已超越了行动能力。每前进一步，都需要投入更多时间与资源。我们的想象力从不缺乏，缺的是让这些想象成真的人手与物力。
伽利略用两片透镜和一根管子扩展了人类的视野。今日，要进一步拓展这视野，人类建造了耗资百亿美元的詹姆斯·韦布天文台。这座太空观测站被折叠装入火箭，送往距地球约160万公里处。其18块巨大镜片需达到50纳米的制造精度，整个项目涉及来自14个国家的300多家机构。伽利略的工作仅需数十个人，而韦布背后是一支庞大的队伍，以及支撑其运作的全球经济体系。
看得更远，人类不仅需要更聪慧的头脑，更需要更庞大的组织。
我们能够提出的问题已远超所能实际研究的数量，设计的实验也已远超所能真正执行的实验数量。构想的速度在加快，而把构想付诸实践的能力却日渐捉襟见肘。科技向前推进的同时，制造我们所想象的事物也越来越复杂。
斯坦福大学尼克·布鲁姆（Nick Bloom）及其团队研究了美国经济的科研生产力。他们发现，今天维系摩尔定律所需的科研人员数已是70年代初的18倍有余。从经济整体看，自20世纪30年代起，科研投入增加23倍，但科研产出反而下降41倍。
技术人员增速是科学家增速的两倍。过去四十年，科研中专业设备的使用强度翻了一番。现代芯片厂的建造成本是30年前的5倍，规模也大得多。
这些数据表明，推动进步的成本在上升。经济得以继续发展，是因为科研体系持续扩大，以更多的投入来补偿单位产出的下滑。
这提醒我们，理解「天才」不能只看天才本身。再好的假设也需要证据、工具以及执行条件。想法唯有进入现实世界，才能真正成为进步。
作者声明：该图片由AI生成
经济学用「互补性」来描述这种关系：一种投入增加时，另一种投入的价值也会随之提高。前沿思想与执行落地的能力，正是这样的互补对。更精良的望远镜提升了优秀天文问题的价值，而更深刻的问题也让望远镜的价值得到提升。
某些互补关系在物理层面显而易见。理论需粒子加速器来验证，技术设计需能源与机器才能制造。但有些互补关系不那么直观。想法本身脆弱，需众多制度来扶持。法律、官僚体系、融资通道、供应链等各环节，都须各司其职，方能让想法真正落地。
伟大的洞见必须通过一条漫长的链条，链条上每个环节都需正常运转。我们可将这种能力名为「制度智能」——那些不为人所注意、却负责落实的智慧。天才构想记念碑，制度把石块一块块垒起来。两者看似差异巨大，实则同等重要。
超级智能有时被想象成10亿个爱因斯坦。但纵然有10亿个爱因斯坦，他们中绝大多数仍需有人去采矿、管账、修设备。前沿创新只在周边日常世界顺畅运行时才可能出现。从拧紧望远镜螺丝的工人，到为护士培训校提供保险的职员，所有这些工作都是进步的组成部分。
讲述伟大发明时，人们往往只记得闪耀的部分，而忽视那支撑成就运转的经济基础。
AI也将承担这两类工作：提出富有洞见的新发现，以及完成大量执行层面的工作。真正的问题在于，未来的AI绝大多数时间会花在哪一类。
02 崭新的瓶颈在浮现
AI已在让执行能力变得不那么稀缺。它能写代码、搜索陌生领域的文献，也能把草图变为可用的原型。昨日需整个机构推进的想法，今日越来越可能由一个有才能的个人独力完成。
大多数有抱负的导演，一生都没机会获得2亿美元去拍自己的作品。许多游戏设计师整个职生涯都在为他人实现创意。我们会努力识别顶尖人才并提拔他们，但无论如何，仍难以发掘所有天分。
从此角度看，智能时代起始阶段的变化，是让更多人的创造力得以释放，让更多人拥有过去仅大型机构才能提供的能力。
这将催生大量具独特风格的作品。曾需机构才能完成的工作，将来可能更多地在机构外进行。因此，稀缺资源就从执行转向「品味」——什么值得做，什么值得问，面对纷繁方向时应选哪一条。
但这可能不是故事的末尾。随着AI越来越能独立提出重要的新洞见，数学等领域或许已初露端倪。AI将不仅输出劳动，还可能开始供给研究议程。它不再仅仅执行他人的计划，而能自己设计成千上万个研究课题。
AI可能一口气提出大量值得拍摄的电影题材，也可能提出大量值得验证的科学假说。这样一来，问题就会再次反转。如今的AI让许多好主意能被付诸实施。到了将来，也许好主意之多超过我们的执行承载，我们再次面临「想得出来、做不完」的困境。
03 文明的两条可能之路
我们不知道，把洞见化为成果所需的互补因素，未来到底是增多、减少，还是持平。一个人仅靠思考能推动知识前进多远？天才需要多少制度来配合？
在作者看来，答案取决于思想在必须再次触及现实之前，能走多远。
他们设想了两条不同的路线。
其一是「深度文明」（civilization of depth）。在这样的文明里，超级智能可能逐渐摆脱对更多物质资本和复杂制度协调的依赖。
其二是「宽度文明」（civilization of width）。在这样的文明里，自然的复杂性最终超越任何智能，无论人还是机器，都无法仅凭思考继续前进，必须依赖日益庞大的现实实验。
作者声明：该图片由AI生成
迄今为止，人类历史似乎指向对互补能力的持续增长需求。伽利略的望远镜握在手心，而韦布望远镜需整个文明来建造。贝尔实验室（Bell Labs）一支不大的团队曾在工作台组装出首枚晶体管。如今，芯片突破的身后是一条错综复杂的全球供应网络。人类每进一步，都越来越需要更多社会资源参与其中。
但过去未必决定未来。更聪慧的头脑可以设计更高效的互补条件。若能源成为新粒子加速器的瓶颈，更强的智能或许能设计更轻巧的加速器，或找到更优的能源途径。
天才也能在某些方面替代辅助条件。爱因斯坦能从极少的实验证据推导相对论，而我们多数人需更多资料。有人能记住全部日程，多数人依赖谷歌日历。
智能还可提高决策精确度，挑出最值得验证的假设，避免资源投向错误方向。倘若每增一个天才都能提高计划质量，那即使执行所需官僚体系越来越庞大，增加天才的回报仍很高，因为执行成本愈高，错误选择造成的浪费就愈大。
将来不会完全贴合这两条路中的任何一条，但它们可视为文明可能的两个方向。
04 深度文明：思想走得更远
推进知识的手段大致有三：从基本原理推导，从既有证据获取新洞见，以及通过观察与干预现实世界获得新证据。
第一种方式可仅凭思考走很远。数学是典范。在证明或研究工作的多个关键点，足够强大的头脑可持续做出正确抉择，把原本需多年探索的历程变成一条更短、更清晰的推理链。
第二种方式也蕴含巨大空间。人类采集的证据远超已理解的内容。天文图像、显微图、网络评论等大量资料，都被人类智能的局限所束缚。科学档案里保存着为回答某一问题而记录的海量数据，这些数据可能藏着其他问题的答案。若拥有足够的智能，我们甚至无需采集新数据，就可能从既有资料中发现新规律。我们也许能发现新宇宙，而不必再收集新的光子。
第三种方式就难多了，因为它需与物质世界直接互动。物理过程耗时，许多时候无法加速。化学反应需发生，生物需生长，机器需制造，航天器需穿越真实距离，受宇宙速度极限约束。纵有完美智能，也无法预先观察一个尚未发生的实验结果。
但超级智能可最小化与现实的接触。「深度文明」并未摆脱对现实的需求，而是尽力节省这种需求。更精深的推理可找出真正值得进行的少数实验，模拟则可处理大部分问题，并精确定位必须由现实回答的疑问。超级智能可围绕有限资源设计，让每次现实实验都获最大收益。
作者声明：该图片由AI生成
比如，一支研究暗物质的天体物理实验室，可能先把一系列假设交给高保真计算机模型来测试，看它们能否与既有数据相符。仅在完成这些步骤后，研究人员才会针对最有前景的理论，对天空进行少量新观测。
这样的文明仍需扶持天才的各项条件，但单位资源的产出会更高。
「深度文明」也可能如一幅拼图。进度在早期相对容易，临近完成时也可能容易，最难的是中段。起初，我们能找到明显的边缘和简单的拼接点，等这些渐次完成，剩下的图案还不够清晰，却已没那么多容易确定的位置。到了最后，剩余的空缺反而会逐步揭示应该填入什么。
科学史上已有类似例证。门捷列夫可根据周期表中既有元素的位置，推测当时未发现的元素。标准模型也让物理学家在希格斯玻色子被观测到几十年前，就有理由预期它的存在。许多时候，实验本身是为既有理论与数据所指向的结果而设计的。
若超级智能能足够深入地理解自然规律，它或许能精确判断下一步需什么数据。文明的进步因此可更多依靠深入思考，而不必不停扩大现实世界的实验规模。
作者声明：该图片由AI生成
若这种效率最终占主导，文明或能以较小的物质规模持续深化对自然的理解，同时降低管理庞大实验设施所需的制度智能。
人类已在不离开地球的情况下理解了大量宇宙规律。「深度文明」就是沿这条道路继续前进。
05 广度文明：当想法赶不上现实
另一种可能是，对新证据的需求最终超过这些效率提升的收益。
智能可降低每次接触现实的成本，但也可能让我们发现更多需通过现实验证的问题。更好的仪器可开启更细的研究前沿，更快的实验也会让更多实验变得值得进行。倘若爱因斯坦几乎完全靠思考建立相对论代表「深度文明」，那生物学可能更近似「广度文明」。
人类已积累了大量生物学知识与数据，但一种新药要证明安全、有效，仍需在许多人身上进行测试。现在，机器可模拟生物过程，让研究人员先在虚拟中测试候选药物，但这些数字模拟仍不足完全重现现实，无法替代大规模人体试验。
机器提出的方案越多，现实验证就越容易成为掣肘。在「广度文明」中，聪慧的头脑本身不足以推动前进。对物质资源的需求，以及管理这些资源所需的制度，可能以更快速度增长，超越智能节省资源的能力。
即使未来的AI远超人类，这种情况也可能发生。超级智能或能在下午设计出将来百年的实验，然后花百年等待自然与机器完成这些实验。在那样的世界，把更多智能投向实验、生产与制度执行，可能比继续增加提洞见的能力更重要。
倘若每步新进展都需更多基础设施，这种趋势还会持续积累。届时，文明中的思考会相对减少，建造会越来越多。实验室实现自动化，工厂不断增加，能源生产扩大，越来越多制度智能被投入这些体系，以确保其正常运转。
物质世界的扩张会成为知识推进的动力。文明之所以持续向外扩展，是因为它提出的问题已超过现有条件能回答的范围，需更多材料、更多能源与更多数据才能继续前进。
作者声明：该图片由AI生成
戴森球可作为这种未来的极端想象。建造它需极其重要的科学突破，但整个项目的大部分工作可能不在突破性思考上，而在天文尺度的建造与物流。它既需天才来设计，也需一支规模巨大、重复而复杂的组织来完成建设。
这并非智能不足的表现，反倒可能是智能成功的结果。头脑越聪慧就能发现越多值得做的项目，而项目越复杂就越需更多物质资源来执行。
若未来确实如此，那超级智能真正强大的地方可能不在它有多聪慧，而在它能承担大量协调工作，管理庞大的技术与制度体系，把想法变成现实，并不断扩大规模。绝大多数机器智能最终可能都被用于这些「乏味」的工作，而非最富创意的工作。
作者声明：该图片由AI生成
物质世界本身的速度限制，也可能成为进一步扩张的掣肘。建造一套汲取恒星能源的机器，本质仍是物质工程，无论设计方案能多快完成，真实建设都需时间。恒星之外还有其他恒星，星系之外还有其他星系。据我们所知，距离本身就是约束：无飞船能超越光速，也无信息能以超光速返回。
因此，「广度文明」会是个缓慢的文明。其真正发生的大变化可能相隔数千年，甚至数百万年，每一步都需更长时间。
农业革命与工业革命，在这样的历史尺度下，可能仅是漫长文明史中相对短暂的序章。
06 人类好奇心仍有其价值
未来的AI可能同时在人类最看重的两方面超越我们：提出前沿洞见，以及协调资源把这些洞见化为成果。但这未必会贬低人类求知欲的价值。
首先，即使机器在认识世界上比我们更强，人类仍有持续学习世界的责任。宇宙中可能存在比我们聪慧得多的心智，它们或许掌握人类无法理解的科学与伦理真理。但我们仍会尝试自己去理解这世界。即使另一种智能出现，即使这是我们自己造就的，也改变不了这点。
作者声明：该图片由AI生成
在我们确定人类已无任何独特贡献之前，停止探索就是放弃我们仍能为世界做的事。我们仍有责任不断发问，并尝试寻找答案。
其次，人类在前沿洞见方面可能拥有相对于制度智能的比较优势。即使机器在两方面都比人更强，我们或许相对更擅长前者，因此可把精力集中在创造与探索。人类倾向选择创意工作而非重复劳动。机器则无此倾向。
第三，多样性本身蕴含价值。纵使机器能仿真大部分人类思维，只要人类仍保留独特性，就能继续贡献不同的创意方式。
未来，大部分机器智能可能运行在自己的系统中，但其中一小部分仍可按人类的创意意愿被调用。相对于整个机器智能体系，这只是个小部分；但对人类而言，这已可能远超我们今天所获资源。
作者声明：该图片由AI生成
创造力从不孤立存在。它需现实世界作支撑，天才也需建造者来实现想法。当下，人类的大量智能都用于那些鲜受瞩目的工作：把想法逐步变成现实。未来的机器智能也会继承这种依赖。它们不可能全是天才，也必须承担官僚、协调与执行的任务。
人类未来的进步速度，最终取决于一个问题：杰出的头脑是否能用更少现实资源做成更多事，还是每前进一步都需更庞大的现实世界来支撑。
