六级阶梯画到第五级才有人买单？先把地基浇完再说

arXiv 上刚挂出来那篇《From Economic Agents to Agentic Economies》，九个人挂名搞了个六级能力阶梯——从固定规则的主体世界一路拔高到"仿真到现实经济孪生"。这故事讲得真好，账本上不这么写。作者自己在文献梳理里也承认了，现有工作全卡在最低的一两层，真正具备自进化能力、能跟现实对齐的系统"十分稀少"。这不就是典型的学术叙事套路——先把天花板画到第六层，然后告诉你目前连二楼的地板都没浇。

为什么现在搞 AI 的特别爱碰"经济模拟"？因为 agent 这波热度需要新故事，纯做工具调用和自动化测试在一级市场已经讲不出估值了。你以为一个大厂战略部或者宏观对冲基金敢把真金白银的下注逻辑押在一个"连跟现实观测都对不齐"的生成式沙盒上？没人敢。

咱们算一笔账。跑一个哪怕只有几千个 LLM agent 的微观经济仿真，单次推演的 token 消耗就是天量——这堆 agent 得在多轮博弈里不断更新信念、出价、交易。就算用最便宜的开源模型自己推，算力成本也是指数级的。更要命的是校准成本：跑出来的经济动态，怎么证明不是模型幻觉而是真实规律的涌现？真实市场里一个参数偏一点，出来的结果就是灾难性背离。现在多数团队的做法是什么？跑出个像样的曲线就发 paper 说自己验证了某种机制；跑不出来就调 prompt 直到曲线好看。这叫交认知税。

插一句不相干的，我翻这类蓝图总觉得似曾相识——十年前搞多智能体强化学习（MARL）那帮人也是差不多路数。画大饼、搞复杂系统，最后发现除了在游戏里打打牌，根本塞不进任何真实商业决策流程。现在不过把 RL 换成 LLM，故事更好讲了——但商业逻辑没变：没经过实证验证的机制就是玩具。

那怎么办？真能落地的路径极窄：去切那些规则明确、边界清晰、数据可对齐的细分场景。比如广告竞价机制的真实环境模拟，或者某个具体供需链条里的价格博弈——agent 数量可控，规则可验证，跑出来的 ROI 优化能直接换成钱。这跟论文里画的六级阶梯没半毛钱关系，但这是目前唯一能把开发成本收回来的路子。

你要是真打算基于这套蓝图去创业或做产品，先摸摸账本。学术圈的账按发表量算，你的账按存活率算。在 LLM agent 能真正做到"与现实经济持续对齐"之前——这个窗口期我目前不敢下死话，可能三年也可能五年——所有号称能做"经济孪生"的商业项目，大概率都是在拿投资人的钱替学术界的理想主义买单。

这笔账，你自己算。咱下篇见。