2026年10月1日，OpenAI在其探讨AGI经济未来的专栏刊发署名文章《The eternal complement》（永恒的互补品）。在这篇罕见的自省式长文中，机构研究员将审视焦点从无限膨胀的模型参数，转向了极度现实的物理世界阻力。文章提出，当数字智能可以让灵感和理论推导变得极其廉价时，推动文明前行的真正瓶颈将全面倒向沉闷、复杂且代价高昂的实体执行系统。
这一判断戳破了硅谷长久以来的算力乌托邦。科技行业习惯兜售数字智能即可带来全能繁荣的假象，但真实世界的科技迭代从来不是纯粹的脑力推演。当灵巧的大脑撞上笨重的现实，算力边际收益递减的定律并没有被豁免。
耗资100亿美元的太空镜，照出超级智能的物理短板
文章开篇使用了一个反差强烈的工业事实：伽利略当年仅凭两块镜片与一根导管就将人类视线推入星空，而在四百年后的今天，人类为了看清宇宙边缘，建造了耗资100亿美元的詹姆斯·韦伯太空望远镜。
这架望远镜需要14个国家的300家机构协同制造，其18个巨大的六边形镜面必须保持在50纳米级的微观精度之内。伽利略的发现只需要数十名工匠协助，而韦伯望远镜调动的是一整个全球化工业官僚体系。
这种对比揭示了一个被算法狂热掩盖的物理规律：人类探索未知的能力正在遭遇执行力赤字。正如文章所指出的，前沿智能与制度执行能力在经济学上属于严格的互补品。无论计算机生成的新药分子式或物理假说有多么精妙，如果缺乏能够合成化合物的洁净实验室、难以支撑精密仪器的电网，以及运转顺畅的供应链官僚网络，超级智能最终只能在本地内存里空转。
暴跌41倍的科研效率，以及涨幅60%的跨代流片成本
文章的核心论据建立在经济学家Nicholas Bloom发表于《美国经济评论》的经典实证之上。研究显示，自1930年代至2000年代，美国在全经济范围内的有效研发投入增长了23倍，但整体科研生产力却暴跌了41倍，年均衰退略超5%。
微观芯片行业的阻力更加直观。从1971年至2014年，为了维持摩尔定律的历史增速，行业所需投入的科研人员规模增长了约18倍，对应的单位产出效率下滑同样约为18倍。若只看维持芯片晶体管密度的单一目标，半导体领域所耗费的研究投入自1971年以来更飙升了约78倍。
这些枯竭的数学算式，直接映射在半导体制造业的资产负债表上。经通胀调整后，一座尖端芯片晶圆厂的建设成本从1992年的约5亿美元攀升至2022年的5倍以上。从一代技术工艺跨入下一代时，晶圆制造厂商必须承受约35%的成本增幅；而处于产业链上游的无晶圆芯片设计公司，其跨代工艺研发与流片成本的增幅更是达到约60%。
决定算力最终价值的不是模型参数有多大，而是现实世界愿意掏出多少资金来试错。
这意味着，就算算法能够在一秒之内筛选出千万种新型材料晶体结构，如果物理光刻、化学试剂提纯与精密机械封装的边际成本居高不下，科技前沿的实际推进速度就不会加快，甚至可能因为庞杂的候选方案过多而加剧实体资源的挤兑。
永恒互补论的公关修辞，以及难以回避的岗位挤压
在学术界与工业竞争对手眼中，OpenAI极力强调的互补属性，带有浓厚的公关防御色彩。工会组织与劳动经济学者早已指出，在任务层面表现出的互补，最终在岗位层面往往演化为裁撤。
当1名工程师借助自动化工具完成过去10名员工的代码产出时，技术确实成为了那名留任工程师的互补品，但对其余9名被优化出局的技术人员而言，它就是赤裸裸的替代品。通过将技术描绘为激发人类品味的辅助工具，机构试图在监管机构与公众面前稀释其对就业市场的冲击。
竞对机构的立场则更为分化。Anthropic研究员Chris Olah等人直言不讳地指出大规模劳动力被排挤的风险，批评所谓互补论掩盖了AI消除人类劳动力经济必要性的长期目标。Google DeepMind则倾向于从系统能力、复杂发现框架及治理约束切入，尽量回避围绕劳动力替代展开的公关争论。
同期的关联研究显示出更为激进的时间压缩：在OpenAI利用GABRIEL系统测试超1,000个任务与37,000项技术的评估中，一项新技术从发明走向普及的应用滞后期，已经从工业革命时期的约50年大幅压缩至5年左右。这种极度缩短的转化周期，正在逼迫各类组织在更短的时间内消化高密度产出，同时也让劳动者的技能淘汰周期以倍数加快。
- 风险.当算法抹平任务门槛后，职场留给普通开发者的生存空间将急速收缩，决定劳动者报酬的不再是写代码的效率，而是调动物理基建与工业资源的组织权限。
文明的发展从来不是只要堆叠脑力就能通关。如果物理世界中的晶圆代工厂、高压输电网和临床人体试验不能同等扩容，即使在数字空间里培育出十亿个爱因斯坦，他们也只能受困于缺乏算力支撑与实验条件的泥潭。这场前沿竞赛真正的决胜点，远在纯粹的模型算法之外。