OpenAI两位员工Hemanth Asirvatham与Elliott Mokski于10月1日发布长文《The eternal complement》，提出一个关于超级智能落地方向的判断：机器智能最大的用武之地可能并非生产洞见，而是承担那些枯燥、庞大、重复的执行工作。该文是OpenAI新平台Intelligence Age“下一经济”系列的开篇，文末注明观点仅代表作者本人。
文章以经济学中的互补品概念为分析起点：当一种投入的增多会抬升另一种投入的价值，两者即互为互补品。两位作者认为，前沿智能与“把想法变成现实的能力”正是这样一对互补品，并将后者命名为institutional intelligence（机构智能），定义为一种不被称颂的、执行层面的智能。文中写道：“天才设计纪念碑，机构砌石头。”伽利略的望远镜只需两片镜片加一根管子，几十双手即可造出；而韦布太空望远镜耗资约100亿美元，18面镜段的磨制精度达到50纳米，由14个国家的300个机构协作完成。作者据此概括：看得更远，不仅需要更聪明的头脑，还需要一个更庞大的执行体系。
文章引用了四组可核查的实证数据支撑这一判断。斯坦福大学经济学家Nick Bloom及其合作者在“想法是否越来越难找”系列研究中测算，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；自1930年代以来，全经济范围的有效研究投入增长了23倍，衡量的研究生产率却下降了41倍。美国国家科学与工程统计中心的统计显示，技术员队伍的增速是科学家的两倍；另有论文统计，科学研究中专用设备的使用在四十年间翻了一番；美国国会研究服务处的报告则显示，如今一座芯片工厂的造价是三十年前的5倍。这些数字指向同一方向：想法并不稀缺，稀缺的是把想法落实所需的组织、设备与人力。
文章在“两种文明”一节展开核心推演，设问仅靠思考能走多远、天才需要多大的执行体系，并分出两条路径。一条路通向深度文明：超级智能把推理能力用到极致，从既有证据中榨取新洞见，把必须诉诸现实的实验压缩到最少。门捷列夫能在观测之前描述尚未发现的元素，物理学家在看见希格斯玻色子之前几十年就有理由期待它。走这条路，文明的实体足迹可以保持很小。另一条路通向宽度文明：自然的复杂性超出任何智能的纯思辨能力，进步必须依赖越来越庞大的真实实验。生物学是现成的先兆——机器可以模拟药物分子，但新药仍要在大量人体上测试，“机器产出的候选药物越多，经验验证反而成为越大的瓶颈”。走这条路，物理扩张成为知识引擎，实验室自动化、工厂数量、能源生产同步攀升。
在宽度文明的推演中，文章给出一个被广泛引用的判断：“我们有时把超级智能想象成十亿个爱因斯坦。但一个由十亿个爱因斯坦组成的文明，仍需要其中大多数人去开采石矿和管理账目。”作者由此得出结论：超级智能的“超能力”，在于它愿意接手那套庞大的执行体系。“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。”机器智能大半时间做枯燥的事，是智能足够成功的后果。
文章同时承认了一个正在发生的中间状态。AI已经在降低执行的稀缺性：写代码、检索陌生文献、把草图变成可运行的原型，过去需要一个组织才能追逐的想法，如今一个人也能推进。稀缺要素随之从执行力转向“品味”，即判断什么值得制造、哪一个问题值得追问。但两位作者随即指出，这种缓解可能只是暂时的。AI同样会产出洞见，当机器同时供给“议题”和“劳动力”，好想法的数量会激增，快到执行层消化不了。“明天，好想法可能多到让我们比以往任何时候都更缺执行。”
公开资料显示，Intelligence Age是OpenAI今年8月20日上线的平台，定位为该公司新设战略未来团队（Strategic Futures Team）的博客，首篇文章由Dean Ball署名。该团队的既定问题只有一个：当变革性AI出现时，自由社会应如何重构，才能保住个人的权利与能动性。平台与奥特曼2024年那篇个人博文《The Intelligence Age》同名，发布说明中解释，改名是为了与非营利组织AI Futures Project区分开。
过去两年公开讨论中，机器智能的角色几乎都是洞见的生产者——写论文、破解数学猜想、给出商业判断。这篇文章把镜头转向了另一半：机器智能的大部分工时，可能花在人类文明里那些从不被写进发布稿的环节上。文章没有新的实验数据，推演本身无法验证，但给出了一个可检验的预言：若宽度文明的路径成立，执行将取代想法成为最稀缺的资源。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
