AI时代的技术变革误读

每一次重要的技术变革，最初都易被误读为机器能力的胜利。蒸汽机被理解为力量的胜利，电力被理解为能源的胜利，计算机被理解为计算速度的胜利；到人工智能时代，流行说法是机器会写、会画、会编程、会回答问题，甚至会思考。不过，这些说法都不够经济学。

经济学视角下的AI变革

经济学追问的不止于技术能做什么，而是技术改变了哪些成本，整个系统中的相对价格如何重排。相对价格改变，分工、组织边界、价值捕获与产权结构也会随之改变。

从这个角度看，人工智能时代最重要的变化是生成的边际成本急剧下降，而非机器学会生成内容本身。过去需作者、律师、研究团队或咨询小组才能产出的候选文本、方案、代码与假说，如今机器可低成本批量产生，低阶生成正迅速失去稀缺性。

稀缺由此转移，当候选方案增多，真正稀缺的是判断方案能否执行、是否值得承担的能力。市场体系的瓶颈正从生成不足转向验证不足。

这里所说的验证并非所有验证，可形式化的验证会被AI降价，真正稀缺的是无法完全形式化、又必须有人承担后果的验证。

有人反驳“不可形式化”只是暂时的，但稀缺的根基是“后果不可让渡”这一产权属性，哪怕技术不断推进，“由谁负责”的问题仍存在。本文所说的验证稀缺锚定的正是后果不可让渡，至于原因留到第三节用不完全契约回答。

这种稀缺并非技术落后的暂时现象，而是AI时代价格体系重排后的深层结构。AI能压缩搜索、重组与表达成本，却压缩不了身体、制度、责任与时间，也替代不了现实世界对答案的筛选。

概率大模型与结构化智能

讨论概率大模型，要摆脱关于AI技术路线的两种极端看法：大模型万能论和大模型贬低论，两种看法都失之片面。

概率大模型会产生幻觉、出错，但这些缺陷说明它工作的世界是开放而不确定的，并不能证明它是低级智能。

人类社会本就不是边界封闭的，许多重要判断面对的是未完整展开的状态空间，关键能力是在不完全信息下组织可能性。概率大模型的价值正在于此，它能扩展我们考虑的答案集合。

借用科学哲学的语言，概率大模型的工作方式符合逻辑的、认知的概率观，其核心美德是在开放不确定性中生成结构良好的候选集。

持这种概率观的凯恩斯，也把“根本不确定性”放在经济学中心，逻辑概率论与凯恩斯式的根本不确定性描述的开放世界，正是概率大模型有比较优势的地方。贬低概率大模型，是误解了开放世界中智能应有的形态。

以世界模型、符号推理等为代表的结构化智能，追求在边界明确的环境中实现低错误率与高可控性，适合闭合任务。

概率大模型与结构化智能面对不同的不确定性结构，无高低之分和简单替代之别，应关注二者在经济系统中如何形成新的分工。

四个环节与AI的行冲击

很多关于AI应用的讨论把任务分成开放和闭合两类，但现实中更常见的是同一任务内部的纵向接力。

把经济体设想成矩阵，列是经济活动中的任务，行是任务内部的四个环节：生成、验证、执行、背书担责。AI压低的是生成行在所有列上的成本，这是AI的行冲击。

经济学对自动化的标准刻画是按列展开的列冲击，而AI的行冲击重排任务，使资源、人力与租金从生成环节流向下游环节。

生成环节在不同任务中的权重不同，行冲击引起的重排幅度也各异。AI以不同力度重排了每一种任务的内部结构。

生成—验证接力是纵向链条，前段铺开可能性，后段负责收敛、复核与背书。这一框架有助于理解AI时代的商业组织，企业将从多层级信息传递结构转向更扁平的体系。

思想市场和企业组织中的瓶颈都在发生转移，候选方案不再稀缺，能为方案背书、承担后果的环节才稀缺。

科斯边界的移动

科斯提出企业存在是因为交易成本，AI改变了这些交易成本，许多认知任务会被推向市场，企业可外包低后果、可标准化的生成环节。

但需要承担后果、难以明言协调等的环节很难外包，“AI辅助判断、不替代决策”是不完全契约下的产权安排，AI无法持有剩余索取权和承接完整责任链条。

企业边界在AI时代将由后果归属、契约可执行性与制度嵌入程度决定。

重要性与租金的分离

概率大模型走向基础设施是结构性的，但基础设施不等于低租金，如芯片业的台积电和ASML。

概率大模型是否让出租金取决于前沿能力差距能否被追窄，未来五到十年，前沿差距可能被追赶到不足以支撑模型层的垄断租金，价值链上的剩余将向下游迁移。

价值会流向验证链上的关键节点、背书权、监管接口与责任链条等。

思想市场：从解释不足到验证不足

过去学者的重要比较优势是提出解释，AI降低了这部分成本，提高了思想市场的流动性。

但流动性提高后，思想市场会出现解释通胀，真正有价值的是判断解释能否穿过现实世界，因果识别会更重要。

AI对概念的调用去出处化，可能削弱深层概念生产的激励，思想市场需重建概念产权、声誉收益与可检验贡献的匹配机制。

不能压缩的世界

AI能压缩比特世界中的搜索、重组与表达，却不能压缩原子世界中的身体、制度、责任与时间。

以医药研发、组织世界和思想世界为例，AI可改变前端，但取消不了后端的现实验证、信任积累和学术信用沉淀。

我们要尊重世界约束，看清AI无法压缩的部分，技术进步只会让稀缺转移。

AI时代的价格理论

AI时代的市场分工正在重新定价，被贬值的是低信息含量的工作和可形式化验证的生成环节，被重新定价的是深层概念、因果识别等能力。

AI是行冲击，重排任务内部四个环节的相对价格，资源与租金从生成流向下游。

概率大模型和结构化智能在生产链上完成生成—验证接力，AI压缩不了原子世界。市场体系的瓶颈转向不可形式化的验证不足，未来价值捕获将转向验证能力等环节。

这背后是价格理论的逻辑，AI让经济学老问题以新形式出现。更重要的问题是人类社会如何验证机器生成的可能性、定价、分配责任和重建产权与激励。AI时代是市场分工的重新定价。那么，人类该如何更好地适应这一变化呢？