新在线不卡免费视频|www国产精品久久麻豆|美女午夜福利网站|《福克斯号上空姐们》|关于秘书的电影|美少女的哀羞txt|日产国产一区二区三区

本文作者陳玉宇，系北京大學(xué)光華管理學(xué)院教授、北京大學(xué)經(jīng)濟(jì)政策研究所所長(zhǎng)

每一次重要的技術(shù)變革，最初都容易被誤讀為機(jī)器能力的勝利。蒸汽機(jī)被理解為力量的勝利，電力被理解為能源的勝利，計(jì)算機(jī)被理解為計(jì)算速度的勝利；到了人工智能時(shí)代，流行的說法是機(jī)器開始會(huì)寫、會(huì)畫、會(huì)編程、會(huì)回答問題，甚至開始會(huì)思考。這些說法都不算錯(cuò)，只是都不夠經(jīng)濟(jì)學(xué)。

經(jīng)濟(jì)學(xué)追問的，從來不止于技術(shù)能做什么。它真正要問的是：技術(shù)改變了哪些成本，整個(gè)系統(tǒng)中的相對(duì)價(jià)格如何因此重排。相對(duì)價(jià)格一旦改變，分工隨之改變，組織邊界隨之改變，價(jià)值捕獲與產(chǎn)權(quán)結(jié)構(gòu)也隨之改變。

從這個(gè)角度看，人工智能時(shí)代最重要的變化，是生成的邊際成本急劇下降，而不是機(jī)器學(xué)會(huì)了生成內(nèi)容本身。過去需要一位作者、一名律師、一個(gè)研究團(tuán)隊(duì)或一個(gè)咨詢小組才能產(chǎn)出的候選文本、候選方案、候選代碼與候選假說，如今可以由機(jī)器以極低成本批量產(chǎn)生。生成不再稀缺——至少，那些低階的、初步的、可枚舉的生成，正在迅速失去稀缺性。

稀缺由此轉(zhuǎn)移。當(dāng)候選方案越來越多，真正稀缺的便是判斷一個(gè)方案能否執(zhí)行、是否值得承擔(dān)的能力：合同是否藏著風(fēng)險(xiǎn)，代碼是否存在漏洞，藥物在人體中是否安全有效，一個(gè)研究設(shè)計(jì)是否真正具備外生性，一次戰(zhàn)略誤判的后果由誰(shuí)承擔(dān)。市場(chǎng)體系的瓶頸，正在從生成不足轉(zhuǎn)向驗(yàn)證不足。

這一判斷需要一個(gè)限定。這里所說的驗(yàn)證，并非所有驗(yàn)證。代碼能否編譯、賬目是否平衡、劑量是否越界、合同是否觸發(fā)某條明文規(guī)則，這些都屬于可以形式化的驗(yàn)證；它們同樣會(huì)被 AI 降價(jià)，甚至正是結(jié)構(gòu)化智能最適合進(jìn)入的領(lǐng)域。真正稀缺的是另一類驗(yàn)證：它無法完全形式化，又必須有人承擔(dān)后果。一個(gè)研究假說是否真正抓住了因果機(jī)制，一筆商業(yè)賭注是否值得押上資源，一份合同在未寫明的狀態(tài)下風(fēng)險(xiǎn)應(yīng)歸于誰(shuí)，一項(xiàng)政策建議能否穿越地方執(zhí)行的復(fù)雜摩擦——這些判斷無法被事前規(guī)則寫盡。它們稀缺，是因?yàn)槭澜绫旧頎顟B(tài)空間不完備、契約不完全、后果不可外包，而與“難不難算”無關(guān)。

這里要防一個(gè)反駁。有人會(huì)說，“不可形式化”只是暫時(shí)的。放射科讀片、自動(dòng)駕駛的路況判斷、合同盡職調(diào)查，十年前都被認(rèn)為必須由人來背書，如今正被算法大塊吃下。如果形式化的邊界一直在后退，那么“不可形式化”就只是“尚未被攻克”的同義詞，算不上穩(wěn)定的稀缺來源。

這個(gè)反駁成立，卻恰好指向真正的錨點(diǎn)。稀缺的根基不是“難以形式化”這一技術(shù)屬性——技術(shù)前線確實(shí)在不斷推進(jìn)——而是“后果不可讓渡”這一產(chǎn)權(quán)屬性。哪怕路況判斷被算法完全接管，一旦發(fā)生事故，賠償責(zé)任仍要落到某個(gè)能夠承擔(dān)它的主體頭上；預(yù)測(cè)精度再高，也消除不了“由誰(shuí)負(fù)責(zé)”這個(gè)問題�？尚问交�的是預(yù)測(cè)，不可讓渡的是后果。本文所說的驗(yàn)證稀缺，錨定的正是后者；至于后果為何不可讓渡，要留到第三節(jié)用不完全契約來回答。

這種稀缺并非技術(shù)落后的暫時(shí)現(xiàn)象，而是 AI 時(shí)代價(jià)格體系重排之后顯露出來的深層結(jié)構(gòu)。AI 能夠大幅壓縮搜索、重組與表達(dá)的成本，卻壓縮不了身體、制度、責(zé)任與時(shí)間本身；它能幫助我們更快生成候選答案，卻替代不了現(xiàn)實(shí)世界對(duì)答案的篩選。

討論這個(gè)問題，先要擺脫關(guān)于 AI 技術(shù)路線的兩種極端看法。

一種是大模型萬(wàn)能論：仿佛只要模型繼續(xù)變大、語(yǔ)料繼續(xù)擴(kuò)充、上下文窗口繼續(xù)變長(zhǎng)，所有認(rèn)知、商業(yè)、科學(xué)與組織問題都終將被同一套概率預(yù)測(cè)系統(tǒng)吸收。另一種是大模型貶低論：把概率大模型簡(jiǎn)化為“下一個(gè)詞元的預(yù)測(cè)”，視其為統(tǒng)計(jì)相關(guān)性的堆積、語(yǔ)言模仿的機(jī)器，既無真正的世界模型，也無因果結(jié)構(gòu)和可靠推理；照此看法，真正的智能只能來自另一條路線——世界模型、符號(hào)系統(tǒng)、結(jié)構(gòu)推理，或某種更深層的因果機(jī)器。兩種看法都失之片面。

概率大模型當(dāng)然會(huì)產(chǎn)生幻覺，會(huì)在長(zhǎng)尾處出錯(cuò)，會(huì)把流暢的語(yǔ)言誤裝成事實(shí)判斷；它也確實(shí)不能替代實(shí)驗(yàn)、臨床、審計(jì)、合規(guī)、因果識(shí)別與組織擔(dān)責(zé)。但這些缺陷恰恰說明它工作的世界是一個(gè)開放而不確定的世界，并不能證明它是低級(jí)智能。

人類社會(huì)本就不是一張邊界封閉的試卷。企業(yè)戰(zhàn)略沒有完整答案，消費(fèi)者偏好并不穩(wěn)定，政策環(huán)境充滿博弈，思想傳播依賴語(yǔ)境，科學(xué)探索常常不知道問題的正確形式。許多重要判斷面對(duì)的不是一個(gè)已經(jīng)定義好的問題，而是一個(gè)尚未完整展開的狀態(tài)空間。在這些場(chǎng)合，最關(guān)鍵的能力是在不完全信息下把可能性組織起來，而非把一道封閉題算到零誤差。

概率大模型的價(jià)值正在于此。它遠(yuǎn)不止復(fù)述事實(shí)：它在高維語(yǔ)義空間中壓縮人類已有的知識(shí)狀態(tài)，重組散落于文本中的關(guān)系，迅速形成候選解釋；它把沉睡在文獻(xiàn)、長(zhǎng)文、代碼、案例、制度文本與日常語(yǔ)言中的潛在聯(lián)系打撈出來，置于新的問題之前。它未必給出最終答案，卻極大地?cái)U(kuò)展了我們能夠考慮的答案集合。

借用科學(xué)哲學(xué)的語(yǔ)言，這一點(diǎn)會(huì)更清楚。概率并非只有頻率一種解釋。在凱恩斯1921年的《概率論》（A Treatise on Probability）中，概率被理解為命題之間的一種邏輯關(guān)系：給定一組證據(jù)，某個(gè)結(jié)論值得被賦予多大程度的合理相信。它刻畫的是理性主體在證據(jù)不完全時(shí)進(jìn)行推理的邏輯形式，而非事件頻率的統(tǒng)計(jì)。凱恩斯尤其強(qiáng)調(diào)，許多概率根本無法用數(shù)字表示，甚至無法彼此比較——在真正的不確定性面前，我們能做的不是算出一個(gè)精確的后驗(yàn)，而是在已有證據(jù)允許的范圍內(nèi)，盡可能一致地安排各種可能性的相對(duì)位置。這一邏輯解釋的傳統(tǒng)，經(jīng)由杰弗里斯與考克斯，在杰恩斯（E. T. Jaynes）那里被表述為“概率即擴(kuò)展邏輯”：概率是邏輯在不完全信息世界中唯一一致的延伸，而最大熵原則告訴我們，在給定約束下，理性的先驗(yàn)應(yīng)當(dāng)是最不武斷、把可能性鋪得最開的那一個(gè)。

這套邏輯的、或者說認(rèn)知的概率觀，恰好刻畫了概率大模型的工作方式及其比較優(yōu)勢(shì)。在一個(gè)狀態(tài)空間不完備的開放世界里，理性的操作不在于把誤差逼近到零——那屬于閉合世界、頻率解釋與結(jié)構(gòu)估計(jì)——而在于在已知信息的約束下，把可能性組織得盡可能一致、盡可能充分。概率大模型在巨大語(yǔ)料的條件分布中呈現(xiàn)“人類知識(shí)狀態(tài)下最值得考慮的語(yǔ)義延伸”，本質(zhì)上正是這種“在約束下鋪開可能性”的操作。它的核心美德因此是在開放不確定性中生成結(jié)構(gòu)良好的候選集，而非追求零錯(cuò)誤。

值得一提的是，持這種概率觀的凱恩斯，也正是把“根本不確定性”放在經(jīng)濟(jì)學(xué)中心的凱恩斯。他在1937年那句著名的“我們就是不知道”，說的正是這種狀態(tài)空間不完備、無法事前窮盡的世界。邏輯概率論與凱恩斯式的根本不確定性，是同一種哲學(xué)立場(chǎng)的兩面；而這種立場(chǎng)所描述的開放世界，恰恰是概率大模型擁有比較優(yōu)勢(shì)的地方。貶低概率大模型，其實(shí)是誤解了開放世界中智能應(yīng)有的形態(tài)。

另一條技術(shù)路線同樣重要。以世界模型、符號(hào)推理、規(guī)則約束系統(tǒng)和專門化小模型為代表的結(jié)構(gòu)化智能，追求的是另一種能力：在邊界明確、目標(biāo)清晰、反饋穩(wěn)定的環(huán)境中實(shí)現(xiàn)低錯(cuò)誤率與高可控性。代碼能否運(yùn)行，賬目是否平衡，流程是否合規(guī)，生產(chǎn)參數(shù)是否異常，藥物候選是否滿足既定約束——這些任務(wù)需要的是收斂、校驗(yàn)、執(zhí)行與風(fēng)險(xiǎn)控制，而非開放生成。若用經(jīng)濟(jì)學(xué)作比，結(jié)構(gòu)化智能更接近結(jié)構(gòu)模型估計(jì)：它要在定義良好的任務(wù)空間中找到更穩(wěn)定的約束、機(jī)制與參數(shù)，不止步于相關(guān)性的影子，其美德在于低方差、可復(fù)核、可審計(jì)、可重復(fù)。

不妨設(shè)想兩種處境。柜臺(tái)后的結(jié)算專員所面對(duì)的世界是閉合的，只有對(duì)錯(cuò)兩種答案，容不下半點(diǎn)含糊，他需要的是絕不出錯(cuò)的結(jié)構(gòu)化校驗(yàn)。而一位 CEO 所面對(duì)的世界從來不是非黑即白的試卷：戰(zhàn)略沒有標(biāo)準(zhǔn)答案，偏好并不穩(wěn)定，政策充滿博弈，許多判斷指向尚未完整展開的狀態(tài)空間；他需要的，是在不完全信息下把可能性組織起來——這正是概率大模型的形態(tài)。需要提醒的是，CEO 與柜臺(tái)之間的身份落差容易造成誤導(dǎo)：它們更多時(shí)候并非兩類人，而是同一件事先后經(jīng)過的兩道工序，下一節(jié)會(huì)看到這一點(diǎn)。

概率大模型與結(jié)構(gòu)化智能因此面對(duì)著不同的不確定性結(jié)構(gòu)，既無高低之分，也無簡(jiǎn)單替代之別。前者適合開放世界，在混沌中生成并擴(kuò)張可能性；后者適合閉合任務(wù)，在邊界內(nèi)收斂并保證執(zhí)行。真正要問的，是二者如何在經(jīng)濟(jì)系統(tǒng)中形成新的分工，而非哪條路線最終勝出。

很多關(guān)于 AI 應(yīng)用的討論喜歡把任務(wù)分成兩類：開放任務(wù)交給概率大模型，閉合任務(wù)交給結(jié)構(gòu)化系統(tǒng)。這種分類在分析上干凈，卻與企業(yè)的真實(shí)運(yùn)行并不吻合。現(xiàn)實(shí)中更常見的，是同一任務(wù)內(nèi)部的縱向接力，而非兩類任務(wù)的橫向分開。

不妨把整個(gè)經(jīng)濟(jì)體設(shè)想成一張矩陣。它的列，是經(jīng)濟(jì)活動(dòng)中的 N 種任務(wù)——起草一份合同、寫一段代碼、研發(fā)一種新藥、做一個(gè)戰(zhàn)略判斷、完成一篇論文。它的行，是幾乎每一種任務(wù)內(nèi)部都要走完的四個(gè)環(huán)節(jié)：生成（提出候選的文本、方案、代碼、假說），驗(yàn)證（判斷這些候選是否成立），執(zhí)行（把通過的方案落實(shí)到原子世界），以及背書擔(dān)責(zé)（為最終結(jié)果持有剩余索取權(quán)、承擔(dān)后果）。任何一種任務(wù)，都是這張矩陣中的一列，自上而下穿過這四個(gè)環(huán)節(jié)。

AI 壓低的，是這張矩陣中的一整行——生成行——在所有列上的成本，使之趨近于零。我把這稱為 AI 的行沖擊：沖擊落在一整行上，而非某幾列上。這一行的塌縮會(huì)順勢(shì)波及驗(yàn)證行中可形式化的那部分（代碼是否編譯、賬目是否平衡同樣被一并降價(jià)），卻觸不到驗(yàn)證中無法形式化的內(nèi)核，更觸不到執(zhí)行與背書。

經(jīng)濟(jì)學(xué)對(duì)自動(dòng)化的標(biāo)準(zhǔn)刻畫——阿西莫格魯與奧托爾（Acemoglu and Autor）的任務(wù)框架——是按列展開的。它把生產(chǎn)看成一系列任務(wù)的集合，追問哪些任務(wù)會(huì)從人移交給機(jī)器；用這張矩陣的語(yǔ)言說，它把每一種任務(wù)都?jí)撼闪藛为?dú)一行，于是自動(dòng)化成為一場(chǎng)列沖擊：沖擊挑選出某些列，把整列從人手中移走。流行的“哪些工作會(huì)被取代”之問，正是這一圖景的通俗版本。

把任務(wù)縱向拆成生成、驗(yàn)證、執(zhí)行、背書四行之后，沖擊的方向就變了。AI 不再挑選某些列，而是壓低一整行在所有列上的成本——這是一場(chǎng)行沖擊。列沖擊刪除任務(wù)，行沖擊重排任務(wù)；前者問哪些列會(huì)消失，后者問每一列內(nèi)部四個(gè)環(huán)節(jié)的相對(duì)價(jià)格如何被重新拉開。生成成本塌縮之后，約束從生成轉(zhuǎn)移到下游的驗(yàn)證、執(zhí)行與背書，資源、人力與租金于是在任務(wù)內(nèi)部由生成環(huán)節(jié)流向下游環(huán)節(jié)。我相信，這種任務(wù)內(nèi)的再配置，比任務(wù)間的整列替代更普遍，也更深刻。

生成環(huán)節(jié)在不同任務(wù)中的權(quán)重并不相同——在某些任務(wù)里它本就是主要成本，在另一些任務(wù)里只占很小一塊——同一場(chǎng)行沖擊在不同列上引起的重排幅度因而各異。生成權(quán)重越高的任務(wù)，內(nèi)部相對(duì)價(jià)格的變動(dòng)越劇烈；生成本就不是瓶頸的任務(wù)，所受擾動(dòng)則相對(duì)有限。AI 沒有把世界整齊地切成“被替代”與“不被替代”兩半，它以不同力度重排了每一種任務(wù)的內(nèi)部結(jié)構(gòu)。

把矩陣中的一列自上而下走完，就是一次接力：開放狀態(tài)空間中的生成，交棒給面對(duì)可問責(zé)后果的驗(yàn)證、執(zhí)行與背書。我把這條縱向鏈條稱為生成—驗(yàn)證接力，并以“驗(yàn)證”統(tǒng)稱生成之后那些必須有人負(fù)責(zé)的環(huán)節(jié)。它與普通流水線的差別，在于不確定性結(jié)構(gòu)的轉(zhuǎn)換，而不只在工序的先后：前段面對(duì)開放的狀態(tài)空間，負(fù)責(zé)把可能性鋪開；后段面對(duì)不可讓渡的后果，負(fù)責(zé)收斂、復(fù)核與背書。

這一框架有助于理解 AI 時(shí)代真實(shí)的商業(yè)組織。AI 不會(huì)只是讓企業(yè)少雇幾個(gè)人，更深的變化在于企業(yè)內(nèi)部的生產(chǎn)函數(shù)被重新排列。過去，許多中間層承擔(dān)的是信息的搬運(yùn)、匯總、翻譯與格式轉(zhuǎn)換：上層提出模糊的戰(zhàn)略，中層將其分解為報(bào)告與任務(wù)，下層執(zhí)行后再逐級(jí)匯總，中層再翻譯給上層，組織中由此積累了大量承擔(dān)轉(zhuǎn)譯職能的中間環(huán)節(jié)。概率大模型壓縮了這部分成本——它能夠直接理解復(fù)雜語(yǔ)境，生成任務(wù)拆解，起草材料，整合信息，提出選項(xiàng)；結(jié)構(gòu)化系統(tǒng)又能在后臺(tái)完成大量標(biāo)準(zhǔn)化的復(fù)核與流程控制。于是，傳統(tǒng)中間層中低信息含量的部分會(huì)被擠壓。

但中間層不會(huì)消失。真正留存下來的中間管理者，會(huì)從信息的壟斷者轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)摩擦的處理者：他們要應(yīng)對(duì) AI 難以覆蓋的長(zhǎng)尾異常、地方性知識(shí)、組織內(nèi)部信任、跨部門協(xié)調(diào)與承諾的兌現(xiàn)。企業(yè)將從多層級(jí)的信息傳遞結(jié)構(gòu)，轉(zhuǎn)向更扁平的、圍繞生成—驗(yàn)證—現(xiàn)實(shí)協(xié)調(diào)展開的體系。

這里存在一個(gè)值得注意的同構(gòu)。思想市場(chǎng)中的瓶頸正在從解釋不足轉(zhuǎn)向驗(yàn)證不足，企業(yè)組織中的瓶頸也在從執(zhí)行不足轉(zhuǎn)向背書不足：候選方案不再稀缺，能為方案背書、并為后果負(fù)責(zé)的環(huán)節(jié)才稀缺。風(fēng)控、合規(guī)、測(cè)試、臨床、審計(jì)、簽字與監(jiān)管接口，這些原先看似后臺(tái)的職能，會(huì)成為價(jià)值鏈上的承重節(jié)點(diǎn)。這正是價(jià)格理論一再提醒的事——當(dāng)一個(gè)環(huán)節(jié)的成本下降，與之互補(bǔ)的環(huán)節(jié)相對(duì)價(jià)值便會(huì)上升：生成越便宜，驗(yàn)證越昂貴；工具越強(qiáng)大，責(zé)任越稀缺。

科斯曾提出一個(gè)樸素而深刻的問題：既然市場(chǎng)可以協(xié)調(diào)資源，為什么還需要企業(yè)？答案在于交易成本。市場(chǎng)交易需要搜尋、談判、監(jiān)督與執(zhí)行契約，企業(yè)之所以將一些交易內(nèi)部化，是因?yàn)閮?nèi)部協(xié)調(diào)在某些情形下更為便宜。AI 改變的，正是這些交易成本。

當(dāng)語(yǔ)義檢索、信息重組、文本與代碼生成、方案生成和初步分析的成本大幅下降，許多認(rèn)知任務(wù)會(huì)被推向市場(chǎng)。企業(yè)可以購(gòu)買 AI 服務(wù)，外包大量低后果、可標(biāo)準(zhǔn)化、可替代的生成環(huán)節(jié)；過去需要內(nèi)部團(tuán)隊(duì)完成的許多初步工作，會(huì)被外部工具、平臺(tái)與模型服務(wù)取代。

但并非所有事情都會(huì)被推向市場(chǎng)，另一部分任務(wù)反而更需要內(nèi)部化。這一次的原因，落在后果歸屬與契約的可執(zhí)行性上，而非信息處理能力。凡是需要承擔(dān)后果、需要難以明言的協(xié)調(diào)、需要嵌入特定制度環(huán)境、需要組織內(nèi)部信任與長(zhǎng)期承諾的環(huán)節(jié)，都很難簡(jiǎn)單外包：一次戰(zhàn)略判斷失敗，不能由模型服務(wù)商承擔(dān)企業(yè)的損失；一場(chǎng)臨床失敗，不能由候選分子的生成器承擔(dān)全部后果；一份合規(guī)判斷出錯(cuò)，不能由自動(dòng)摘要系統(tǒng)承接法律責(zé)任。

正因如此，“AI 輔助判斷、不替代決策”就不只是一句道德口號(hào)，而是不完全契約下的產(chǎn)權(quán)安排——這也正是前面留下的那個(gè)錨（后果為何不可讓渡）的答案。開放的不確定性意味著狀態(tài)空間不完備：許多重要事件無法在事前完整描述，許多責(zé)任無法寫進(jìn)可執(zhí)行的契約，許多結(jié)果只能在事后被解釋與承擔(dān)。在不完全契約下，剩余控制權(quán)與剩余索取權(quán)必須落在能夠承擔(dān)后果的人類委托人和組織主體手中。預(yù)測(cè)可以外包，后果不能；可形式化的復(fù)核可以讓渡，剩余索取權(quán)不能。AI 可以壓低生成與判斷的成本，卻無法持有剩余索取權(quán)，也無法承接資源配置失敗、組織失靈與戰(zhàn)略誤判的完整責(zé)任鏈條；它至多充當(dāng)參謀、工具與生成器，到不了最終產(chǎn)權(quán)主體的位置。用四環(huán)節(jié)的語(yǔ)言說，本節(jié)談的正是背書擔(dān)責(zé)那一行——它是 AI 的行沖擊唯一觸不到的環(huán)節(jié)，因?yàn)檫@一行要求持有剩余索取權(quán)，而 AI 無從持有。

這正是企業(yè)邊界移動(dòng)的新邏輯。可外包的，是低后果、可標(biāo)準(zhǔn)化、可形式化復(fù)核的生成環(huán)節(jié)；不可外包的，是責(zé)任、背書與現(xiàn)實(shí)摩擦的處理。過去企業(yè)邊界在很大程度上由信息處理與監(jiān)督成本決定；AI 時(shí)代，企業(yè)邊界將越來越由后果歸屬、契約的可執(zhí)行性與制度嵌入的程度決定。

既然討論價(jià)格理論，就必須討論價(jià)值捕獲。

先確定一點(diǎn)：概率大模型走向基礎(chǔ)設(shè)施，是結(jié)構(gòu)性的，而非或然的。任何一個(gè)固定成本極高、邊際成本趨近于零、接口可標(biāo)準(zhǔn)化、進(jìn)入又可競(jìng)爭(zhēng)的環(huán)節(jié)，都必然承受持續(xù)的價(jià)格壓力——這由成本結(jié)構(gòu)本身決定，與具體行業(yè)無關(guān)。道路、電網(wǎng)、自來水、TCP/IP 協(xié)議、標(biāo)準(zhǔn)化物流，無不服從這條規(guī)律。在這個(gè)意義上，“概率大模型是基礎(chǔ)設(shè)施”是一條普遍命題，并非一種猜測(cè)。

但接下來要防一個(gè)跳步：基礎(chǔ)設(shè)施不等于低租金。被普遍壓低的，是商品化的壓力，而非最終的結(jié)局。最有力的反例就在芯片業(yè)：臺(tái)積電是所有人的代工廠，是再純粹不過的基礎(chǔ)設(shè)施，卻攫取了產(chǎn)業(yè)鏈上驚人的剩余；ASML作為EUV光刻機(jī)的唯一供應(yīng)商，同樣如此。原因只有一個(gè)——它們所處的前沿不可競(jìng)爭(zhēng)：天文數(shù)字的資本門檻，疊加難以轉(zhuǎn)移的工藝積累，構(gòu)成了真實(shí)的護(hù)城河，商品化的壓力撞上去便被擋了回來�？梢�，當(dāng)前沿不可復(fù)制時(shí)，基礎(chǔ)設(shè)施與高租金完全可以并存。

這是定位，無關(guān)褒貶。概率大模型可能像電力一樣重要，卻未必像電力公司一樣把價(jià)值留在自己手中——“重要”與“賺錢”從來是兩件事。

因此，概率大模型這一層會(huì)不會(huì)真的讓出租金，并不取決于它是不是基礎(chǔ)設(shè)施（它就是），而取決于一個(gè)經(jīng)驗(yàn)問題：前沿能力的差距，究竟會(huì)隨開源追趕而收窄，走向電網(wǎng)式的商品化；還是會(huì)因資本與數(shù)據(jù)的壁壘而維持，走向臺(tái)積電式的護(hù)城河。眼下兩股力量同時(shí)存在——開源權(quán)重模型不斷逼近閉源前沿，指向商品化；前沿訓(xùn)練的資本投入持續(xù)抬升，指向壁壘。

本文真正押注的，是這個(gè)經(jīng)驗(yàn)問題本身，而非那條結(jié)構(gòu)性規(guī)律：規(guī)律告訴我們壓力一定存在，而判斷在于壓力終將取勝。本文的判斷是，未來五到十年，前沿差距會(huì)被追趕到不足以支撐模型層的壟斷租金，價(jià)值鏈上的剩余因此向下游遷移——流向驗(yàn)證、背書、監(jiān)管接口與責(zé)任承擔(dān)環(huán)節(jié)。倘若事實(shí)恰恰相反，某一兩家公司憑借不可追趕的前沿，把從生成到驗(yàn)證、從應(yīng)用到監(jiān)管的剩余縱向吃下（這正是臺(tái)積電式的結(jié)局），那么本文的框架就會(huì)被推翻。說得更明確些：本文押注的是智能的基礎(chǔ)設(shè)施化與租金的下游遷移，而不是贏家通吃的縱向一體化。

那么價(jià)值會(huì)流向哪里？它會(huì)流向驗(yàn)證鏈上的關(guān)鍵節(jié)點(diǎn)，流向背書權(quán)，流向監(jiān)管接口與責(zé)任鏈條，流向不可移植的地方性知識(shí)與制度細(xì)節(jié)。一個(gè)通用大模型可以生成法律文本，但真正稀缺的是能在具體法域、具體行業(yè)、具體責(zé)任結(jié)構(gòu)中為合同背書的法律服務(wù)；它可以生成醫(yī)療建議，但真正稀缺的是醫(yī)生、醫(yī)院、臨床路徑、監(jiān)管許可與責(zé)任體系；它可以提出藥物候選，但真正稀缺的是臨床驗(yàn)證、試驗(yàn)組織、審批能力與長(zhǎng)期風(fēng)險(xiǎn)承擔(dān)。AI 時(shí)代的租金，不會(huì)平均地落在生成或驗(yàn)證之上，而會(huì)流向那些占據(jù)著不可形式化驗(yàn)證關(guān)鍵節(jié)點(diǎn)的環(huán)節(jié)：誰(shuí)掌握背書權(quán)，誰(shuí)綁定監(jiān)管與責(zé)任，誰(shuí)擁有地方性的制度知識(shí)，誰(shuí)就更可能捕獲價(jià)值，市場(chǎng)分工的產(chǎn)權(quán)也因此被重新估值。

思想市場(chǎng)是這一變化表現(xiàn)得最清楚的場(chǎng)景之一。

過去，學(xué)者的一個(gè)重要比較優(yōu)勢(shì)是提出解釋。構(gòu)建一個(gè)新模型，命名一個(gè)新概念，組織一套機(jī)制，連接幾條文獻(xiàn)，本身就是高成本的工作；一個(gè)好的解釋框架，往往需要多年的閱讀、思考、寫作與對(duì)現(xiàn)實(shí)材料的反復(fù)咀嚼。AI 降低了這部分成本：它可以快速生成大量解釋，連接多個(gè)領(lǐng)域，給出機(jī)制猜想，組織文獻(xiàn)，提出研究設(shè)計(jì)，從而顯著提高思想市場(chǎng)的流動(dòng)性。許多過去沉睡在長(zhǎng)文、舊書與邊緣文獻(xiàn)中的概念，可能被重新發(fā)現(xiàn)、重新調(diào)用、重新組合。

這未必是壞事。概率大模型并非思想市場(chǎng)的敵人，而是它的流動(dòng)性提供者：它降低了知識(shí)匹配的摩擦，提高了概念流通的速度，使讀者與思想之間的距離變短。一個(gè)從前需要偶然閱讀才能遇見的概念，如今可能在一次查詢中被打撈出來；一個(gè)原本散落于不同學(xué)科的問題，如今可能在一次生成中被放上同一張桌子。

但流動(dòng)性提高之后，價(jià)格發(fā)現(xiàn)也會(huì)更加殘酷。解釋、概念、敘事與可能性都會(huì)變多，思想市場(chǎng)會(huì)出現(xiàn)某種解釋通脹：許多框架聽起來都合理，許多機(jī)制看起來都順滑，許多敘事都裹著漂亮的語(yǔ)言外殼。此時(shí)真正有價(jià)值的，是判斷解釋能否穿過現(xiàn)實(shí)世界，而不再是單純提出解釋。

因果識(shí)別因此不會(huì)過時(shí)，反而會(huì)變得更重要。斷點(diǎn)回歸、雙重差分、工具變量、隨機(jī)控制實(shí)驗(yàn)、自然實(shí)驗(yàn)與機(jī)制檢驗(yàn)，這些方法不只是技術(shù)工具，更是 AI 時(shí)代知識(shí)生產(chǎn)函數(shù)中的質(zhì)檢機(jī)制，負(fù)責(zé)對(duì)機(jī)器批量生成的概率假說進(jìn)行篩選、校準(zhǔn)、去噪與證偽。AI 可以模擬相關(guān)性的影子，卻不能憑空創(chuàng)造外生變異；它可以建議一個(gè)研究設(shè)計(jì)，卻替代不了研究者對(duì)制度細(xì)節(jié)、數(shù)據(jù)生成過程、樣本邊界與反事實(shí)結(jié)構(gòu)的理解；它可以生成一個(gè)故事，卻替代不了現(xiàn)實(shí)世界對(duì)故事的審判。未來真正有價(jià)值的學(xué)者，既不是拒絕 AI 的人，也不是只讓 AI 生成解釋的人，而是能夠把 AI 生成的解釋帶回現(xiàn)實(shí)摩擦中進(jìn)行因果檢驗(yàn)的人。

這里還牽涉一個(gè)產(chǎn)權(quán)問題。AI 對(duì)概念的調(diào)用常常是去出處化的：一個(gè)概念被打撈、壓縮、重組、嵌入回答，讀者獲得了工具，卻未必知道它來自何處。短期看，這提高了傳播效率；長(zhǎng)期看，如果概念的生產(chǎn)者無法獲得聲譽(yù)回報(bào)、產(chǎn)權(quán)承認(rèn)與可檢驗(yàn)的貢獻(xiàn)記錄，深層概念生產(chǎn)的激勵(lì)就可能被削弱。思想市場(chǎng)不只是表達(dá)的市場(chǎng)，也是激勵(lì)的市場(chǎng)：只有當(dāng)好的概念能夠獲得歸屬，好的判斷能夠積累信用，好的研究能夠形成聲譽(yù)，思想生產(chǎn)才會(huì)持續(xù)。AI 提高思想流動(dòng)性之后，必須重建概念產(chǎn)權(quán)、聲譽(yù)收益與可檢驗(yàn)貢獻(xiàn)之間的匹配機(jī)制，否則我們可能擁有越來越多流暢的解釋，卻失去生產(chǎn)深層解釋的激勵(lì)。

AI 能夠壓縮的，是比特世界中的搜索、重組與表達(dá)；它不能壓縮的，是原子世界中的身體、制度、責(zé)任與時(shí)間。用四環(huán)節(jié)的語(yǔ)言說，這一節(jié)談的主要是執(zhí)行環(huán)節(jié)，以及背書所依賴的時(shí)間。

醫(yī)藥研發(fā)是最清楚的例子。計(jì)算模型可以在臨床試驗(yàn)之前篩選數(shù)億種分子結(jié)構(gòu)，縮小候選空間，提高研發(fā)效率，這是巨大的進(jìn)步。但一種藥物是否安全有效，最終仍要進(jìn)入人體，要經(jīng)歷代謝，要觀察副作用，要通過倫理審查與監(jiān)管審批。三期臨床之所以昂貴而緩慢，不是因?yàn)槿祟惒粔蚵斆�，而是因�(yàn)樯眢w有自己的時(shí)鐘，風(fēng)險(xiǎn)有自己的責(zé)任鏈，制度有自己的審查過程。AI 可以改變研發(fā)函數(shù)的前端，卻取消不了現(xiàn)實(shí)驗(yàn)證的后端。

組織世界同樣如此。AI 可以生成管理方案，預(yù)測(cè)績(jī)效，優(yōu)化流程，設(shè)計(jì)激勵(lì)，但組織并不是一張流程圖，而是一群真實(shí)的人在真實(shí)約束下形成的承諾、信任、權(quán)威、聲譽(yù)與合作秩序。管理的難處，在于讓人相信它、接受它、執(zhí)行它，并在遇到異常時(shí)繼續(xù)合作，而不止于把最優(yōu)方案寫出來。信任無法被一次生成出來——它要通過時(shí)間積累，通過承諾的兌現(xiàn)，通過多次互動(dòng)沉淀；AI 可以降低信息處理成本，卻生成不出組織內(nèi)部的信任。

思想世界也不例外。一個(gè)概念可以被 AI 更快地發(fā)現(xiàn)、調(diào)用與傳播，卻不能自動(dòng)獲得學(xué)術(shù)信用。信用來自長(zhǎng)期一致的判斷與同行批評(píng)，來自經(jīng)驗(yàn)支持與反復(fù)檢驗(yàn)，來自一個(gè)人或一個(gè)共同體在時(shí)間中的聲譽(yù)沉淀。凡是瓶頸落在比特一側(cè)的，AI 都能大幅壓縮；凡是瓶頸落在原子一側(cè)的，AI 只能改變前端，取消不了后端。

說這些，是出于對(duì)世界約束的尊重，而非對(duì) AI 能力的輕視。恰恰因?yàn)楦怕蚀竽Ｐ腿绱藦?qiáng)大，我們才更需要看清它無法壓縮的部分；否則便會(huì)把生成的繁榮誤認(rèn)作現(xiàn)實(shí)的完成，把解釋的流暢誤認(rèn)作驗(yàn)證的通過，把可能性的擴(kuò)張誤認(rèn)作世界已被改變。價(jià)格理論的好處，正在于不斷把我們拉回約束：技術(shù)進(jìn)步不會(huì)讓稀缺消失，只會(huì)讓稀缺轉(zhuǎn)移。

AI 時(shí)代的市場(chǎng)分工，正在經(jīng)歷一次深刻的重新定價(jià)。

被貶值的，是低信息含量的整理、搬運(yùn)、格式轉(zhuǎn)換與常規(guī)綜合，以及那些低后果、可標(biāo)準(zhǔn)化、可形式化驗(yàn)證的生成環(huán)節(jié)。被重新定價(jià)的，是深層概念的命名、地方性的微觀數(shù)據(jù)、干凈的因果識(shí)別、對(duì)現(xiàn)實(shí)制度的理解、組織中的背書能力，以及愿意承擔(dān)判斷后果的責(zé)任能力。這是一個(gè)市場(chǎng)分工重組的故事，而非機(jī)器替代人的簡(jiǎn)單故事。

回到那張矩陣。AI 是一場(chǎng)行沖擊，它壓低了生成那一行在所有任務(wù)上的成本，卻觸不到驗(yàn)證的內(nèi)核、執(zhí)行與背書。它的主要后果，是重排了每一種任務(wù)內(nèi)部四個(gè)環(huán)節(jié)的相對(duì)價(jià)格，而非把某些任務(wù)整列刪除。把任務(wù)壓成單獨(dú)一行、按列發(fā)問“哪些工作會(huì)被取代”，看到的是列的消失；把任務(wù)拆成四行、按行追蹤沖擊，看到的是更主要的現(xiàn)象——在每一種任務(wù)里，資源與租金都從生成流向下游。

概率大模型是開放不確定性世界中的基礎(chǔ)智能形態(tài)，并非低級(jí)智能；結(jié)構(gòu)化智能是閉合任務(wù)中的低方差工具，并非前者的替代者。二者的關(guān)系，是在同一條生產(chǎn)鏈上完成生成—驗(yàn)證接力，而非誰(shuí)消滅誰(shuí)。AI 可以壓縮比特世界中的搜索、重組與表達(dá)，卻壓縮不了原子世界中的身體、制度、責(zé)任與時(shí)間。市場(chǎng)體系的瓶頸，正在從生成不足轉(zhuǎn)向驗(yàn)證不足，更準(zhǔn)確地說，轉(zhuǎn)向那種不可形式化、需要問責(zé)的驗(yàn)證不足；未來的價(jià)值捕獲，也將從單純的生成能力，轉(zhuǎn)向驗(yàn)證能力、背書權(quán)、責(zé)任鏈條與制度節(jié)點(diǎn)。

這背后仍然是價(jià)格理論的邏輯：技術(shù)改變成本結(jié)構(gòu)，成本結(jié)構(gòu)改變分工，分工改變組織邊界，組織邊界改變產(chǎn)權(quán)與價(jià)值捕獲。AI 并沒有取消經(jīng)濟(jì)學(xué)，它只是讓經(jīng)濟(jì)學(xué)的老問題以新的形式重新出現(xiàn)——什么變便宜了，什么變貴了？什么可以外包，什么必須內(nèi)部化？誰(shuí)承擔(dān)后果，誰(shuí)擁有剩余控制權(quán)？

很多人以為 AI 時(shí)代最重要的問題是機(jī)器會(huì)不會(huì)思考。也許這并不是最重要的問題。更重要的是：當(dāng)機(jī)器能夠生成無數(shù)可能性之后，人類社會(huì)將如何驗(yàn)證這些可能性，如何為它們定價(jià)，如何分配責(zé)任，如何重建產(chǎn)權(quán)與激勵(lì)。概率大模型的價(jià)值，在于在開放不確定性中組織可能性，而非消滅不確定性；結(jié)構(gòu)化智能的價(jià)值，在閉合任務(wù)中降低錯(cuò)誤率與執(zhí)行成本；而人類與組織的價(jià)值，將越來越集中于那些不能被完全形式化、不能被輕易外包、必須承擔(dān)后果的環(huán)節(jié)。

AI 時(shí)代既不是思想的終結(jié)，也不是商業(yè)組織的簡(jiǎn)單自動(dòng)化，而是市場(chǎng)分工的一次重新定價(jià)。

       原文標(biāo)題 : AI 生成越來越便宜，真正變貴的是驗(yàn)證