思想市場的價格發現：當AI決定什么思想被調用

2026-06-15 11:15

本文作者陳玉宇，系北京大學光華管理學院教授、北京大學經濟政策研究所所長

最近發生了一件小事。

我在搜索一篇關于人工智能、翻譯、出版和經濟增長的文章時，發現搜索引擎已經不再只是返回一串藍色鏈接。它開始直接給出概括，提煉關鍵詞，標注作者，把一篇長文中的若干概念和判斷重新組織成一個可以被即時調用的解釋框架。

這當然不是第一次。過去幾年，人們已經習慣了這樣的變化：搜索引擎在變成問答機器，問答機器在變成解釋機器。用戶不再只是搜索"信息"，而是在追問"為什么"——為什么 AI 翻譯一本書可以只用半小時，而出版業沒有爆炸？為什么一個個局部任務的效率暴漲，宏觀增長率卻沒有隨之騰飛？為什么技術看上去越來越像魔法，而我們的生活仍然被教育、醫療、養老、家庭、組織和制度這些緩慢變量牽引？

這些問題并不簡單。它們不是事實查詢，而是解釋需求，要求回答者把技術、市場、組織、制度和人的再生產放在一個共同框架里理解。更有意思的是，今天的大模型已經開始把這類解釋框架從長文中打撈出來，壓縮成幾個概念，重新呈遞給用戶。

如果只從表面看，這像是一次"思想加冕"：算法似乎把一枚勛章掛在了某篇文章或某個作者的胸前，標記出這個概念是誰提出的、那個解釋來自哪里、這個框架如何理解當下的技術變革。這樣的時刻當然令人震動，因為在過去，一個思想要獲得這種可見性，往往要經過很長的社會過程——編輯認可，媒體轉載，同行引用，學生傳播，教材吸納——思想的歸屬和影響力，是在緩慢的共同體記憶中一點點形成的。

但如果停留在"AI 給學者加冕"，就把問題看淺了。算法沒有慷慨，也沒有榮譽感，它不會向人類思想家致敬，只是在特定的目標函數和約束條件下，尋找能夠降低自身回答成本、提高解釋質量、滿足用戶需求的知識結構。真正值得注意的，不是某個人被 AI 看見，而是思想市場的定價機制變了。

一次 AI 引用，不是表彰，而是一種價格。它告訴我們，在新的知識傳播體系里，什么樣的觀念更容易被發現，什么樣的解釋更容易被調用，什么樣的概念更容易從浩瀚文本中被提煉出來，成為機器和人共同使用的認知工具。所以，這不是一篇關于搜索引擎的文章，也不是一篇關于大模型能力的贊歌，它要討論的是一個經濟學問題：當知識傳播的交易成本急劇下降之后，思想市場會發生什么？

傳統知識傳播是一條很長的鏈條：學者寫作，編輯選擇，媒體傳播，讀者閱讀，同行引用，學生記憶，教科書沉淀。一個思想從產生到被廣泛識別，需要經過許多中介，而每個中介都有自己的判斷標準和約束條件——編輯關心版面和風險，媒體關心傳播和時效，同行關心規范和聲譽，讀者關心可讀性和有用性。

這條鏈條不是沒有價值。恰恰相反，許多中介承擔了篩選、編輯、翻譯和解釋的功能。但它同時是一個高交易成本的體系：大量有價值的思想沒有傳播開，并不是因為缺乏解釋力，而是因為發現成本太高。一個普通讀者若想理解"AI 為什么沒有讓出版業爆炸"，要先意識到這是一個問題、而不是想當然地相信"效率提高必然帶來產出爆發"，再找到相關文章、愿意讀完一篇上萬字的經濟學散文，最后還要能把其中的概念、機制和結論抽取出來，和自己的經驗連接起來。這套過程的成本極高，于是舊世界里的思想市場常陷入一種悖論：思想生產很多，思想發現很少。我們以為稀缺的是思想，其實很多時候，稀缺的是找到思想的機制。

這很像產品市場。世界上并不缺少生產者，也不缺少消費者，真正困難的是匹配——誰需要什么，誰能提供什么，什么價格可以成交，這些信息分散在無數人手中。價格體系最重要的功能，不只是讓買賣發生，而是讓分散的知識被壓縮成可行動的信號。思想市場也一樣：作者知道自己想解釋什么，讀者知道自己困惑于什么，但二者之間橫著巨大的搜尋、匹配和理解成本。傳統的編輯、媒體和學術共同體，就是舊世界的知識中介，它們降低了一部分成本，也制造了一部分摩擦。

AI 出現之后，這條長鏈條被壓縮了。新的鏈條變成"學者 → 語料系統 → 大模型 → 數億用戶"：中間環節并沒有完全消失，但它們的重要性被重新分配了。大模型把搜尋、篩選、摘要、翻譯、重組和解釋的一部分成本內化進來，它不只是一個工具，更像一個實時運行的思想清算中心——過去，讀者必須主動去尋找思想；現在，在用戶提出問題的瞬間，模型會主動去尋找能夠回答問題的思想。

這就是交易成本革命。AI 最重要的作用，未必是生產知識；至少在這個意義上，它首先是發現知識，把原本分散在論文、專著、演講、報刊和長文中的解釋框架重新組織起來，在用戶提問的當下即時調用。所以我們不該只問 AI 能不能寫文章，更要緊的問題是：AI 如何改變文章被發現、被壓縮、被引用、被傳播的方式？一旦這個問題被提出，我們就進入了價格理論的地盤。

AI 并不平均地對待所有文本。有些文章在社交媒體上很熱，情緒飽滿，句子整齊，判斷響亮，卻很難被大模型穩定調用；另一些文章未必在短時間里掀起輿論狂歡，卻因為概念清楚、機制明確、因果鏈條完整，被模型迅速吸收為解釋框架。這背后有一個簡單而重要的道理：大模型偏愛可壓縮的思想。可壓縮不是說簡單，也不是說淺薄；恰恰相反，真正可壓縮的思想往往高度凝練，能用一個概念組織許多現象，用一個機制解釋許多看似分散的事實。

"鮑莫爾成本病"就是這樣的概念，它告訴我們，為什么在某些服務部門，勞動生產率難以像制造業那樣快速提高、工資卻要跟隨整個經濟上升，于是教育、醫療、護理、藝術表演的成本會在現代經濟中越來越顯眼。"翻譯家悖論"也是如此：AI 可以讓翻譯的局部效率大幅提高，出版卻不會因此簡單爆炸，因為一本書從外文文本變成真實出版物，中間不只有翻譯，還有選題、版權、編輯、審校、市場判斷、渠道、讀者時間、文化需求和制度審批——瓶頸只會從一個環節轉移到另一個環節，局部效率的提高并不等于整體產出的爆發。"人類自身再生產"同樣如此：經濟增長不只是機器、軟件和算法的效率提高，一個社會還要再生產人的身體、知識、情感、信任、家庭、組織和下一代，AI 可以改變許多任務，卻不能取消人作為社會存在的基本約束。

這些概念之所以有價值，是因為它們有高解釋力——它們不是情緒，也不是口號，而是可以遷移的認知工具。從信息論的角度看，它們壓縮率高，用較少的信息解釋較大的現實變化；從價格理論的角度看，它們是一種稀缺資產，降低了人理解世界的成本。這也是 AI 偏愛它們的原因：并非因為 AI 尊重深度或具有審美，而是因為高解釋力的概念能降低模型輸出的組織成本。面對用戶的復雜問題，模型需要找到一條從問題到機制再到結論的路徑，而高壓縮率的概念，恰好提供了這樣一條路徑。

因此，當 AI 調用某個概念時，它實際上是在給這個概念出價。這個價格不是貨幣價格，而是語義市場里的調用價格，它表現為被摘要、被引用、被重組、被反復放進答案之中。過去，思想的價格主要通過引用、轉載、銷量、課堂傳播和公共討論體現；如今，思想多了一種新的價格——模型調用。這是一種新的價格發現機制。

但價格理論還會提醒我們：任何資產價格上升，都會刺激供給擴張。如果解釋力成了硬通貨，越來越多的人、越來越多的機器都會去生產解釋。于是問題隨之而來：當解釋越來越容易生產，解釋本身還會繼續稀缺嗎？

互聯網時代的關鍵詞是注意力。誰能抓住眼球，誰就獲得傳播——標題要尖銳，情緒要飽滿，立場要鮮明，沖突要劇烈。平臺算法強化了這一傾向：它并不直接判斷一個思想是否更有解釋力，只判斷它能否讓用戶停留、點擊、轉發和評論。于是思想市場被注意力的價格扭曲了，許多復雜問題被壓縮成站隊，許多需要長期思考的問題被改造成熱點，許多解釋力不強、情緒卻很強的觀點，拿到了遠高于其知識價值的傳播回報。這不是道德問題，而是價格問題：注意力市場給情緒付了高價，生產者自然增加情緒的供給；平臺給沖突更高的權重，內容生產者自然制造更多的沖突。

搜索引擎時代，思想往往要先成為熱點，才有機會被看見。大模型時代開始浮現另一種邏輯：用戶向模型提問，往往不是為了尋找刺激，而是為了獲得解釋，他們問的是為什么、該怎么理解、這意味著什么、還有什么是我沒看到的。在這樣的場景里，點擊率不再是唯一的計價單位，更要緊的是回答有沒有結構、解釋有沒有邏輯、機制能不能把現象串起來。

搜索時代爭奪的是流量，生成時代爭奪的是解釋權。

這并不意味著注意力經濟就此消失。人仍然會被情緒吸引，平臺仍然會獎勵沖突；何況我們隨后會看到，大模型本身也是帶著商業目標函數的企業產品，未必天然偏向真，也可能偏向"聽起來很對"。所以這里說的不是一場干凈的勝利，而是一個新增的層面：在大模型介入之后，解釋力第一次開始被機器系統直接定價。過去，一個思想若不進入媒體議程，就很難被大眾看見；現在，一個思想只要能解釋現實，就可能在用戶提問時被調用——它不必先成為熱點才獲得傳播，而可以先成為答案的一部分，再反過來獲得可見性。

這對知識生產者是一個不小的變化。過去寫作常常需要迎合傳播，如今寫作又重新被賦予一種古老的要求：解釋世界。當然，這并不意味著好思想一定會勝出——市場從來不是沒有摩擦的地方，價格發現既不是一次完成的，也不是永遠正確的。但方向變了，思想市場至少多出了一個獎勵解釋力的機制，這是一件值得認真對待的事。

不過，大模型并不是中立的裁判，這是理解 AI 時代思想市場時必須保持的一份清醒。過去的編輯是中介，他可以決定發表什么，卻通常不直接生產作者的思想；搜索引擎也是中介，它為鏈接排序，卻不直接寫出完整的答案；社交媒體同樣主要決定分發，而不是直接生成內容。大模型不同：它同時是搜索者、編輯者、摘要者、評論者、傳播者和生產者，在發現思想的同時重組思想，在引用解釋的同時生成解釋。思想市場上第一次出現了一個既負責價格發現、又親自參與內容生產的超級中介。

這會帶來深刻的變化。其一，大模型有自己的目標函數，它不是為追求真理而存在的哲學家，而是現實經濟體系中的企業產品，要權衡用戶滿意度、計算成本、商業模式、品牌聲譽、法律風險和監管邊界。其二，它有自己的風險約束，會避開某些爭議，傾向于安全的表達，在許多問題上采取折中與規避——圍繞版權與訓練數據的爭議就提醒我們，大模型不是超然于制度之外的真理機器，而是身處其中的企業主體。其三，它有自己的語義偏好，不同模型的訓練語料、對齊方式、安全策略和產品定位各不相同，因此對同一思想的吸收、壓縮和表達也不一樣。

因此，AI 給出的不是自由市場里的純粹價格，而更像一種影子價格——在約束條件下形成的價格。它既反映稀缺性，也反映約束；既包含解釋力，也包含商業利益、法律風險、監管邊界和算法設計者的價值判斷。所以我們既不能否認 AI 的價格發現功能，也不能把它神圣化：它不是上帝之眼，而是一個帶著約束的市場參與者。當我們說 AI 正在重新為思想定價時，就必須同時追問：誰設計了這個市場？誰擁有清算中心？哪些思想更容易被看見，哪些思想即便有解釋力也會被壓低權重？哪些表達會被鼓勵，哪些表達會被排除？這已經不只是價格理論的問題，也是制度經濟學和政治經濟學的問題。

這里還藏著一個更古老的經濟學問題：產權與租金的分配。如果大模型正在變成思想市場的語義結算中心，那么它就不只是在降低交易成本，也在重新分配交易剩余。過去，出版商、大學、期刊、同行評議和媒體機構分享著思想傳播中的租金，它們當然有門檻、有偏見、有尋租，但至少構成了一套可見的聲譽與收益分配機制。大模型帶來的變化在于，它可以把人類長期沉淀在互聯網上的高解釋力資產吸收進自己的回答系統，用來壓低輸出成本、抬高產品質量，卻未必把這種調用轉化為知識生產者的實際回報：一個概念可能被反復使用，一個機制可能被不斷重組，一個作者的解釋框架可能進入無數答案，而它的出處、貢獻和收益都在悄悄被稀釋。

于是，AI 時代的思想市場出現了一種新的激勵斷裂——解釋力被定價了，價格卻未必支付給解釋力的生產者。這不是簡單的版權問題，版權只是最表層的制度形式；更深的問題在于，如果高解釋力的觀念可以被無限調用、去出處化地重組，而生產者無法從中獲得貨幣、聲譽或學術信用，那么長期來看，思想生產的整個激勵結構都會被改寫。市場能夠發現價值，并不等于市場會自動獎勵價值的創造者；價格信號一旦不能轉化為產權收益，就可能誘發一種典型的公共品供給困境——解釋是非競爭性的，問題不在它被用得太多，而在創造它的人收不到回報：所有模型都需要高質量的解釋，卻沒有足夠的機制持續獎勵那些創造解釋的人。

交易成本下降，并不必然帶來分散化。這是許多人對技術進步的誤解：他們以為互聯網降低了傳播成本，世界就會隨之變得更平等。事實并不總是如此——很多時候，交易成本下降反而強化了規模經濟，帶來更強的集中。搜索引擎如此，社交媒體如此，電商平臺如此，大模型大概也不例外。當越來越多人通過少數幾個模型來理解世界，解釋權就開始集中：一個模型如何概括問題、如何選擇框架、如何組織答案，會影響數以億計的人對現實的理解。過去，媒體機構爭奪的是公共議程的設置權；今天，大模型爭奪的是解釋框架的設置權。

但這只是問題的一面。另一面是，解釋的供給正在急劇擴張。過去，要生產一個聽起來嚴密、結構完整、概念清晰的解釋框架，成本并不低，一個人需要閱讀、訓練、思考、寫作，還需要一定的理論素養；今天，大模型可以在幾秒鐘之內生成大量"看起來很有道理"的解釋，它們有層次、有概念、有機制、有結論，甚至比許多人類寫作者更工整、更流暢、更像一篇成熟的文章。于是思想市場冒出一個新現象：解釋，開始通貨膨脹。

這并不是說解釋不再重要。恰恰因為解釋重要，AI 才會大量地生產它。但當一種產品的生產成本驟降，它的相對價格就會改變：曾經稀缺的東西逐漸變得尋常，曾經能帶來高回報的能力，會因供給擴張而邊際報酬遞減——這正是價格理論最基本的直覺。當 AI 壓低了概念重組與邏輯推演的成本，單純提供一個自洽解釋的價值就會下降，一個沒有證據支撐、沒有現實摩擦、沒有可檢驗含義的框架，哪怕語言再漂亮，也越來越容易被替代。

這就是新的稀缺性漂移。思想市場的瓶頸開始轉移：過去，瓶頸也許是解釋不足；如今，瓶頸越來越是檢驗不足。過去，缺的是能把現象講清楚的人；未來，缺的將是能判斷哪些解釋經得起現實的人。

AI 并沒有消滅思想生產，它改變的是思想生產函數中各要素的相對價格。過去，概念能力、理論能力、寫作能力和邏輯重組能力非常稀缺，能把復雜現實組織成一個有解釋力的框架，是學者、思想家和優秀寫作者的重要比較優勢。如今這種優勢仍在，邊際價格卻在松動：AI 可以幫人快速搭建框架、推演邏輯、尋找相似理論、組織語言、提出若干機制，它讓許多人看起來更聰明，也讓許多文本看起來更成熟。

于是，思想生產中真正稀缺的要素，開始向另一個方向移動——證據，識別，數據，實驗，田野，制度變遷中的自然變異，以及現實世界里那些粗糙的摩擦。當解釋變得廉價，證據就變得昂貴；當模型能批量生產自洽的解釋，真正稀缺的便不再是邏輯閉環，而是現實世界給出的反駁。這并不是說理論會變得不重要，相反，真正好的理論會更重要——解釋泛濫之后，只有那些能提出可檢驗含義、能被證據約束、能經受現實反駁的理論，才會脫穎而出。它真正壓低的，是"軟解釋"的回報：那些只在概念之間游走、在語言里自我循環，沒有事實約束、沒有識別策略、沒有可證偽含義的思想，會越來越容易被 AI 復制和替代。

人類學者新的比較優勢，將越來越落在他們與現實世界的接觸能力上——誰能發現新的事實，誰能走進新的現場，誰能取得別人沒有的數據，誰能捕捉制度變革帶來的外生變異，誰能設計實驗、區分相關與因果，誰能讓一個漂亮的解釋經受住真實世界的反駁。這并不是簡單的"實證壓倒理論"，經濟學從不該這樣理解自己：好的經濟學永遠是概念、機制與證據的結合，只是 AI 改變了三者之間的相對稀缺性。理論還在，概念還在，解釋也還在，只是證據的影子價格上升了。

這對經濟學尤其意味深長。過去幾十年，經濟學已經走過一場實證革命，從自然實驗到隨機實驗，從斷點回歸到雙重差分，從行政數據到企業微觀數據，越來越看重因果識別。很多人把這理解為學科內部的方法論變遷，但在 AI 時代，它獲得了更深的歷史含義：當機器越來越擅長語言推演與概念重組，人類學者就更不能停留在語言內部，而必須回到世界——回到企業，回到醫院，回到學校，回到法院，回到家庭，回到平臺，回到地方政府，回到那些制度摩擦真正發生的現場。

不過，"證據"這個詞還需要再拆開一層。現實并不只是已經被整理進數據表的事實。很多實證經濟學處理的，是那些可以被數據化、被識別、被放進回歸方程的現實——行政記錄、企業數據、實驗結果、政策斷點、制度變遷，它們當然重要，在 AI 時代會更重要。但現實世界還有另一種更堅硬、更難壓縮的東西：經驗。

經驗不是信息。信息可以被傳輸、被復制、被壓縮、被模型重新組合，經驗卻總是嵌在具體的時間、地點、關系和制度之中——組織里的信任如何積累，地方政府之間如何彼此試探，醫生如何在規范與習慣之間落筆開方，員工如何在正式規則之外完成協作，家庭如何在教育焦慮中作出選擇，法院如何在成文法律與地方壓力之間作出裁判。這些東西常常不是沒有因果性，而是還沒有被變量化；不是沒有知識含量，而是尚未變成機器能夠穩定抓取的結構化信息。哈耶克早就說過，社會中最重要的許多知識，是關于特定時間和地點的具體知識；它們不完整，不優雅，不容易被集中處理，卻恰恰決定著真實世界如何運轉。AI 能在已有文本中重組這些知識的影子，卻很難替人走進現場、讀懂語境、聽出沉默、掂量風險，判斷哪些細節才是真正起作用的約束。

因此，人類學者在 AI 時代的比較優勢，不只是充當因果識別的質檢員，也不只是替機器尋找更干凈的數據，更在于人始終是經驗的攜帶者和發現者。當解釋變得廉價，昂貴的就不只是證據，還有經驗；不只是回歸表里的識別，還有現實中那些尚未被命名的摩擦。因為 AI 可以壓縮語言，卻不能壓縮現實；可以壓縮信息，卻不能壓縮經驗。它可以模擬一場爭論，卻替代不了一次真實制度變化所打開的識別機會；它可以生成假說，卻替代不了一個醫生在病床前的處方選擇，替代不了一個孩子在圖書館里究竟借走哪一本書，替代不了一場真實訴訟、一段真實直播、一份真實判決所呈現的制度摩擦。

這正是人類知識生產重新贏得尊嚴的地方。不是因為人比機器更會堆砌概念，而是因為人仍然活在現實之中：我們有肉身，有組織，有制度，有責任，也有成本；我們會被拒絕，會被誤解，會走進現場，會面對雜亂的數據，會看見模型看不見的細節。正是這些摩擦，讓人類學者還能創造增量的知識。未來真正有價值的學者，不只是能提出解釋的人，更是能把解釋帶回證據、經驗與現實摩擦中去檢驗的人。

寫到這里，我必須把自己也當作一份證據交出來，并且按上一節立下的規矩，先盤問它的資格。最近這幾個概念——"翻譯家悖論""人類自身再生產"——確實在幾天之內被幾個模型點名，掛上了我的名字。文章若就此打住，會是一個很誘人的結尾：看，解釋力被機器認出來了。

但停在這里并不誠實。換一個無名作者，把一字不差的同一個概念貼在某個無人問津的角落，它還會在幾天內被幾家"清算中心"端上臺面嗎？我沒有把握，而且永遠跑不掉這個反事實。我的名字早已躺在百科詞條里，文章發在高權重的渠道上——處理變量是解釋力，混淆變量是既有的聲譽與渠道權重，而在這份數據里，二者幾乎完全共線。這正是前面所擔心的內生性，如今長在了作者自己身上。

然而，這份證據并非完全沉默，它在兩個地方泄了底。其一，模型替我的出版論點墊了一句"正如某部作品所言"，可那本書我從未引用，它要的似乎不是一個正確的來源，而是一個夠分量、夠順手的名字。其二，它把我借自經濟學的"可行集"，徑直焊到機器學習的可行域與梯度投影上，反過來問我究竟是在談價值觀對齊，還是在談數學優化。這兩處誤差很有意思：它們追蹤的不是內容的準確，而是表面的可調用性——一個響亮的命名，一個能被一句話端走的把手，一個看上去嚴絲合縫的接口。于是這份證據并沒有讓我停在"無法判斷"，反而把秤砣壓向一個不那么討喜的假說：被定價的，或許不只是我講得多深，也包括我取的名字多好端、我這個人多好認、文章所在的位置多容易被機器抓住。

確權與保真，就此分了家：名分落到我頭上，內容卻已經走樣。這其實回應了上一節的擔心——那里怕的是價格收不到，這里的麻煩恰好相反：價格支付了，卻是一張軟的、可撤銷、會被篡改的地契。把這件事放大，它說明當下這套思想定價機制還沒學會把深度和顯赫徹底分開。它仍然年輕，信號與回聲尚未分離；一個還處在嬰兒期的價格發現機制，既可能在獎勵解釋力，也可能只是在放大它早已記住的名字，而今天我們還沒有足夠的數據，把這兩件事干凈地拆開。

不過，這只是一張快照，不是一紙判決。真正要緊的，不是靜態地問"AI 是否在為解釋力定價"，而是動態地問：隨著模型變強，這個價格信號會朝解釋力收斂，還是把馬太效應鎖得更死？這里要分清兩種回聲。一種來自保真不足——虛構的來源、強行的嫁接——如果未來的清算中心在溯源和事實約束上變得可靠，這類回聲會逐漸消退。另一種更頑固，它來自顯赫本身：誰更容易被檢索出來，誰更容易被擺上臺面；它未必隨保真的改善而減弱，甚至可能因為檢索更精準而加重。于是會出現一種尷尬的前景——模型越進化，內容越忠實，入選的門檻卻越被名聲把持。

所以，誠實的位置既不是"AI 在獎勵深度"的提前慶功，也不是"它只是在復讀名聲"的徹底泄氣，而是承認：我們正在見證一套價格發現機制的嬰兒期，它的信號此刻仍與回聲纏繞在一起；它將來究竟收斂于解釋，還是固化于顯赫，本身就是關于思想市場未來形態最值得追問的問題之一。我把自己交出來，不是為了證明"AI 多么識貨"，而是想給出一個更冷的演示：當解釋開始變得廉價，連一位經濟學家最容易為之得意的時刻，也得先交給反事實，再交給時間。

把這張快照交給時間之后，我們可以回過頭來，重新理解最初那個搜索現象。一篇文章被 AI 概括、命名、引用，并不只是一次傳播事件，而是思想市場發出的一個價格信號：它說明，在大模型時代，解釋力開始獲得新的回報，那些能把現實困惑組織成機制的思想，可能更快被發現、被調用，更快進入公共的知識系統。

但這個價格信號并不完美。它來自一個有商業目標、有監管邊界、有訓練偏好、有安全約束的超級中介——它發現價值，也塑造價值；它降低交易成本，也可能集中解釋權；它獎勵高壓縮率的思想，也會推動解釋供給的膨脹。因此，我們既不必把 AI 當作敵人，也不必把它供作神明，它只是思想市場中的一項新制度。而像所有制度一樣，它會改變激勵，改變價格，改變比較優勢，改變誰被看見、誰被忽略、誰獲得回報、誰被替代——這正是價格理論在今天依然要緊的原因。

價格理論并不主張市場永遠正確，也不承諾技術必然帶來自由。它首先是一種觀察世界的方法：當約束改變、交易成本改變、相對價格改變，人的行為和社會的結構就會隨之改變。在產品市場上，價格發現的是未來的需求——沒有人能事先知道 AI 時代會長出什么樣的新產品、新服務、新生活方式，所以我們需要市場的分散試錯，需要企業家的想象力，需要產權與激勵，需要開放的競爭。在思想市場上，價格發現的是未來的觀念——同樣沒有人能事先知道哪種思想會解釋未來、哪個概念會穿透時代、哪條理論會在新的現實里重新活過來，所以我們同樣需要開放的競爭，需要分散的寫作，需要不同學科之間的碰撞，需要不被單一權威壟斷的公共討論。

這也正是本文與《價格理論的復歸》之間的聯系所在：那篇文章講的是，AI 時代為什么仍然需要市場去發現未來的需求；本文講的是，AI 時代為什么更需要思想市場去發現未來的解釋。而另一篇關于摩擦力、重力與人類自身再生產的文章則提醒我們，技術革命并不會取消現實世界的硬約束——無論 AI 多么強大，社會仍然由人、制度、組織、時間、空間、信任與責任所構成。三者合起來，或許能拼出一個更完整的判斷：市場發現未來的需求，現實世界保留堅硬的摩擦，而思想市場則在技術變革之中，重新發現什么樣的解釋才真正有價值。

AI 可以加速這個過程，卻不能替代這個過程。它可以發現價值，可以為觀念重新定價，可以把那些長期埋在長文與論文里的解釋框架重新推到臺前；但它無法憑空制造現實的摩擦力，也無法替代科學的檢驗。當解釋越來越廉價，思想市場最終會把更高的價格，付給那些能把解釋帶回證據、經驗與現實摩擦中去的人。AI 可以壓縮語言，卻壓縮不了現實；可以重組解釋，卻替代不了檢驗；可以壓縮信息，卻壓縮不了經驗。市場能夠發現思想的價值，但價值本身，仍要先由人在真實世界中創造出來。

這也許正是 AI 時代對人類思想最深的提醒：機器越會說，人就越要重新學習如何看；機器越會解釋，人就越要回到現實中去檢驗；機器越能生成知識的外形，我們就越要珍惜那些來自摩擦、證據與真實經驗的知識內核。未來的思想市場不會更簡單，它會更大、更快、更集中，也更殘酷——解釋力會獲得前所未有的回報，解釋權也會以前所未有的速度集中。而人類思想家的任務，既不是跪在算法面前等待加冕，也不是拒絕機器帶來的這場知識發現革命，而是在新的思想市場里，繼續創造那些能夠穿透現實、經受檢驗、被未來反復調用的觀念。

價格機制不僅配置商品，也配置注意力；不僅發現需求，也發現思想。AI 時代的價格理論，不該只關心機器如何改變生產函數，更該關心機器如何改變思想本身的生產、傳播與檢驗。這不是一則技術烏托邦，而是一門新的知識經濟學。

原文標題 : 思想市場的價格發現：當AI決定什么思想被調用