Ngày 1/10/2026, nền tảng Intelligence Age của OpenAI đăng tải bài luận 'The eternal complement' của hai tác giả Hemanth Asirvatham và Elliott Mokski, lập luận rằng giá trị lớn nhất của các hệ thống siêu trí tuệ trong tương lai có thể không nằm ở những phát kiến đột phá, mà ở năng lực gánh vác các công việc vận hành và điều phối quy mô lớn. Nhóm tác giả lưu ý đây là quan điểm cá nhân độc lập chứ không đại diện cho tổ chức OpenAI.
Bài viết dẫn chứng nghiên cứu của nhà kinh tế học Nick Bloom để chỉ ra rằng chi phí cho sự tiến bộ khoa học đang tăng nhanh: việc duy trì định luật Moore hiện đòi hỏi lượng nhà nghiên cứu gấp hơn 18 lần so với đầu thập niên 1970. Trên toàn nền kinh tế Mỹ, nỗ lực nghiên cứu hiệu dụng đã tăng 23 lần kể từ thập niên 1930 nhưng năng suất nghiên cứu thực tế lại giảm 41 lần. Bên cạnh đó, chi phí xây dựng một nhà máy sản xuất bán dẫn hiện đắt gấp 5 lần so với 30 năm trước, và lực lượng kỹ thuật viên hỗ trợ đang tăng trưởng nhanh gấp đôi đội ngũ nhà khoa học. Để minh họa cho sự phức tạp của khâu thực thi, các tác giả so sánh kính viễn vọng cầm tay của Galileo với kính viễn vọng không gian James Webb trị giá 10 tỷ USD, vốn cần 18 phân đoạn gương độ chính xác 50 nanomet và sự phối hợp của 300 tổ chức từ 14 quốc gia.
Từ những dữ liệu này, bài luận chia tương lai phát triển của văn minh nhân loại thành hai hướng đi: 'nền văn minh chiều sâu' (civilization of depth) và 'nền văn minh chiều rộng' (civilization of width). Ở kịch bản chiều sâu, trí tuệ vượt trội giúp tối ưu hóa suy luận và mô phỏng trên máy tính, giảm thiểu tối đa các thử nghiệm vật lý tốn kém. Ngược lại, ở kịch bản chiều rộng—tương tự lĩnh vực sinh học khi thuốc mới bắt buộc phải thử nghiệm lâm sàng trên người—nhu cầu kiểm chứng thực tế sẽ bùng nổ vượt quá khả năng suy luận thuần túy.
Trong bối cảnh đó, Asirvatham và Mokski cho rằng nút thắt lớn nhất của khoa học không phải là thiếu hụt ý tưởng mà là sự khan hiếm nguồn lực thực thi ('institutional intelligence'). Do đó, phần lớn năng lực tính toán của các mô hình AI tiên tiến nhiều khả năng sẽ được huy động để xử lý các tác vụ điều phối, vận hành chuỗi cung ứng và quản trị logistics—những công việc tẻ nhạt nhưng bắt buộc để biến các lý thuyết khoa học thành hiện thực.