北京大學博雅特聘教授、北京大學經濟政策研究所所長、光華管理學院應用經濟學系陳玉宇資料圖。本文來源：北大光華管理學博士聯合培養項目

本賬號接受投稿，投稿郵箱：jingjixuejiaquan@126.com

價格理論的復歸：差異化、局部知識與需求發現

一、舊地基上的恐懼

每一個時代都有自己的地基。人們站在它上面生活、工作、判斷、恐懼，也站在它上面想象未來。

農業時代的人很難想象，一個人的一生可以不圍繞土地、季節和饑荒展開。蒸汽機出現時，許多人首先看到的是手工業者的失業，卻很難預見鐵路、城市、工廠制度、現代金融和新的中產階級。電力剛出現時，人們看到的是更明亮的夜晚，卻很難完整想象電冰箱、電影工業、現代醫院、城市夜生活、家用電器和電子計算機。互聯網剛出現時，許多人以為它不過是更快的郵件和更大的圖書館，卻沒有預見到移動支付、短視頻、云計算、外賣平臺、網約車、在線教育和全球實時協作。

新技術到來時，最大的障礙常常不是技術本身，而是舊地基上的想象力。

今天，人工智能也被放進了舊地基里理解。許多人的推理是這樣的：原來十個程序員、文案、翻譯、分析師、客服人員做的事，現在一個人加一個 AI 就能完成，于是剩下九個人失業。這個判斷看起來冷峻、現實、反烏托邦，實際上仍然是一種舊世界思維。它把未來理解為今天任務清單上的一次成本壓縮，把技術進步理解為既有崗位里的替代，把經濟生活理解為一張已經寫完的表格。

但真正偉大的技術革命，從來不是在舊表格里減少幾行，而是重新發明表格本身。

人工智能最重要的經濟含義，不是把舊工作做得更便宜，而是把大量過去不存在、不可行、太昂貴、太分散、太小眾、太難組織的產品和服務，推入人類的可行集合。它不是簡單地替代既有勞動，而是降低認知成本、溝通成本、試錯成本、匹配成本和組織成本，從而釋放過去被壓抑的需求，創造過去無法維持的交易，生成過去沒有名字的產業。

站在舊地基上看AI，人們看到的是崗位減少。站在新技術打開的邊界上看AI，人們看到的是產品空間和服務空間的爆炸。

這也正是價格理論在人工智能時代重新變得重要的原因。

AI降低的是生產、試錯和匹配成本，但它沒有消滅需求發現問題；相反，它擴大了未知需求的空間。越是有更多可能被生產出來的東西，社會就越需要知道哪些東西真正有價值；越是有更多個性化服務可以被提供，社會就越需要知道誰需要、何時需要、愿意支付多少、由誰承擔責任、如何形成持續交易。

未來的問題不是“機器能不能生產”，而是“人類如何發現值得生產什么”。

價格理論的復歸，正是從這個地方開始。

二、兩萬億美元營收的經濟學含義

讓我們從一個看似夸張、但在經濟學上并不荒唐的設想開始。

未來十五年內，OpenAI、Anthropic或類似的大模型基礎設施公司，有沒有可能成為年營收兩萬億美元的公司？注意，這里說的是營收，不是估值。估值可以來自資本市場的想象、折現率、風險偏好和泡沫；營收則必須來自真實購買、真實支付和真實交易。

這不是對某一家公司的股價預測，也不是對某一種商業模式的背書，而是一個價格理論練習：如果一個上游智能基礎設施公司能夠長期獲得兩萬億美元年營收，那么下游必須存在更大規模、更高支付意愿的新產品與新服務生態。

沒有經濟學常識的人會立刻說：這說明巨頭壟斷了世界，正在從所有行業抽租。這個判斷也許有一部分可能性，因為平臺壟斷當然值得警惕。但如果我們只用“抽租”理解兩萬億美元營收，就會錯過更重要的經濟學邏輯。

任何一家上游基礎設施公司能夠持續獲得兩萬億美元營收，都必須有一個前提：下游愿意持續支付這筆錢。下游為什么愿意支付？因為AI作為中間投入，為下游創造了更大的產出、更高的質量、更低的成本、更多的新產品，或者更強的消費者支付意愿。沒有下游價值的巨大擴張，上游營收不可能長期維持。

這就是中間投入的基本經濟學。

一個下游企業購買模型調用、智能代理、算力和自動化能力，不是為了給上游做慈善，也不是為了單純分攤既有成本，而是因為這些投入與自己的場景、數據、流程、客戶、品牌、責任和組織能力結合之后，能夠創造更多價值。AI的邊際產值越高，下游企業愿意支付的價格就越高；下游應用越繁榮，上游基礎設施營收越可能擴大。

可以做一個簡單的賬本推演。若AI算力、模型調用和智能服務在下游最終產品中的成本占比為10%，那么兩萬億美元的上游營收，背后可能對應二十萬億美元級別的下游最終產品與服務市場。若成本占比為5%，則可能對應四十萬億美元級別的下游生態。不同產業成本份額當然不同，未來定價結構也會不斷變化，但這個推演揭示了一個基本邏輯：上游“數字電網”能夠收多少“電費”，取決于下游用這些電創造了多少新的價值。

電力公司有營收，是因為電力驅動了工廠、家庭、城市、醫院和娛樂系統。云計算公司有營收，是因為下游數字企業用云服務構建了搜索、社交、視頻、金融、物流和企業軟件。AI基礎設施如果有一天達到兩萬億美元營收，那不是因為世界平白無故給它交稅，而是因為無數下游企業、個人和組織，用它作為認知、推理、設計、匹配和自動化的基礎投入，創造出更大規模的新經濟活動。

這個事實反過來提醒我們：真正值得關注的，也許不是 OpenAI或Anthropic本身會有多大，而是它們背后可能出現怎樣的下游應用層。

未來十五年，應用層公司的總體規模很可能遠大于基礎設施層。基礎設施層提供通用智能，應用層完成需求發現。前者出售能力，后者出售被具體化的價值。基礎設施層像數字時代的電網、水網和道路；應用層則貼近消費者、組織場景、行業流程、信任關系和具體需求。

醫療、教育、法律、保險、金融、娛樂、心理服務、養老、企業管理、科研工具、城市服務、家庭服務、文化體驗、個人成長，都可能產生巨大的應用層公司。

消費者最終購買的不是“模型參數”，而是被治好的病、被理解的焦慮、被提升的學習能力、被節省的時間、被改善的生活、被重組的工作流、被創造出來的體驗和被解決的問題。

企業最終購買的不是“token”，而是更低的庫存、更高的轉化率、更好的風險控制、更快的研發、更細的客戶服務、更穩的供應鏈和更清晰的組織決策。

因此，應用層大于基礎設施層，并不是奇跡，而是通用目的技術擴散后的正常結果。電力很重要，但電力驅動的工業體系更大；云服務很重要，但云上生長的數字經濟更大；大模型很重要，但大模型支持的新產品、新服務、新組織和新生活方式，可能遠遠更大。

如果未來真的出現兩萬億美元營收的AI基礎設施公司，我們不應首先把它理解為末日，也不應把它簡單當作科技崇拜。我們應當首先問一個價格理論問題：如此巨大的支付意愿來自哪里？它支撐了什么樣的下游創新？它釋放了哪些過去無法交易的需求？它讓哪些過去不存在的產品和服務成為可能？

這才是經濟學常識。

三、稀缺不會消失，只會改變形態

許多人誤以為，技術進步的終點是稀缺消失。只要AI足夠強，機器人足夠多，算力足夠便宜，商品足夠豐富，價格機制就會退場，市場就會變得多余。

這是對稀缺的誤解。

稀缺不是簡單的物理數量不足。稀缺是相對于人的欲望、時間、知識、位置、關系、機會成本和未來不確定性而言的。只要人的欲望是異質的、變化的、情境化的，稀缺就不會消失。它只會從“有沒有”轉向“適不適合”，從“夠不夠”轉向“是不是此時此刻正好需要”，從物質短缺轉向結構性短缺。

在工業時代，很多稀缺表現為數量不足：糧食不夠、衣服不夠、住房不夠、醫生不夠、學校不夠、交通不夠。大規模生產和現代組織的任務，是把這些基本產品和服務大量復制出來。

但在更富裕、更智能的時代，許多關鍵稀缺不再是簡單數量問題。一個人需要的不是任意一份午餐，而是適合自己今天身體狀態、血糖波動、運動消耗、情緒需求和審美偏好的午餐。一個孩子需要的不是任意一門數學課，而是適合他當前理解障礙、注意力狀態、家庭環境和自尊結構的學習路徑。一個老人需要的不是任意一條健康建議，而是能夠讓他真的相信、真的執行、真的堅持下去的服務關系。一個企業需要的不是任意一套 AI 系統，而是能夠嵌入自身流程、激勵、組織結構和客戶關系的具體解決方案。

這就是差異化時代的稀缺。

更具體地說，AI時代至少會強化三類稀缺。

第一類是適配性稀缺。

產品和服務是否適合某個人、某個組織、某個時刻、某種情境，將變得越來越重要。在標準化時代，重要問題是“有沒有足夠多的供給”。在差異化時代，重要問題是“這種供給是否恰好適合我”。AI讓個性化成為可能，但也讓適配問題變得更加復雜。因為人的身體、心理、關系、工作和偏好都在變化。真正稀缺的，不是任意供給，而是恰當供給。

第二類是信任性稀缺。

AI可以給出建議，但建議能否被相信、被采納、被執行，是另一件事。病人知道應該吃藥，不等于他會長期服藥；學生知道應該學習，不等于他會堅持；企業知道應該轉型，不等于組織內部會接受；老人知道應該控制飲食，不等于他愿意改變幾十年的生活習慣。很多服務的價值，不在于信息本身，而在于讓信息轉化為行動的信任關系。未來，信任、聲譽、責任和陪伴會成為重要的經濟資產。

第三類是方向性稀缺。

AI可以生成無數方案，但真實世界的資本、時間、組織注意力和試驗機會仍然有限。一個企業不可能同時執行一百種戰略，一個實驗室不可能同時建造一百個反應堆，一個醫院不可能同時重構所有流程，一個城市不可能同時試驗所有治理方案。當可能性爆炸時，真正稀缺的反而是方向選擇能力：選擇哪條路徑，承擔哪種風險，放棄哪些誘人的可能性。

因此，AI的力量不是把世界變成完全同質化的豐裕，而是讓規模化和個性化第一次有可能同時發生。過去只有少數富人才能享受的私人醫生、私人教師、私人顧問、私人助理、私人心理陪伴、私人設計師、私人研究團隊，未來可能以新的成本結構進入普通人的生活。

但一旦進入普通生活，問題就不再是“能不能生產”，而是“如何適配、如何信任、如何選擇方向”。

這意味著市場不會消失。恰恰相反，市場會變得更活躍、更細密、更深入生活的微觀層面。

因為當產品和服務越來越特異化，社會就越需要一種機制來發現不同人、不同時間、不同場景下的真實價值。

這個機制就是價格。

四、價格是發現機制，不只是分配機制

價格常被誤解為冷冰冰的分配工具。似乎只有在東西不夠的時候，才需要價格來決定誰得到、誰得不到；一旦技術足夠發達，價格就可以被取消，分配就可以交給算法。

但價格最深刻的功能，不是分配已知物品，而是發現未知信息。

一個人愿意為某項服務支付多少，包含許多別人無法事先知道的信息：他的偏好強度、時間成本、收入約束、緊迫程度、替代選擇、風險判斷、信任程度和情緒狀態。這些信息不是簡單寫在數據庫里的，也不是總能通過問卷獲得。許多時候，人們自己也不完全知道自己想要什么，直到某個產品出現、某個價格出現、某種比較出現、某次體驗發生。

價格不是在需求已經完全給定之后才發揮作用。價格參與需求的形成和發現。

這點在AI時代尤其重要。因為AI會顯著擴大可生產的產品集合，也會顯著降低新產品原型的生成成本。過去，許多產品設想還沒有機會接受市場檢驗，就已經死于研發成本、組織成本和溝通成本。現在，更多人可以快速做出原型，更多小團隊可以進入市場，更多小眾需求可以被嘗試滿足。

問題隨之改變：不是缺少想法，而是缺少篩選想法的機制；不是缺少可能性，而是缺少判斷哪些可能性值得投入真實資源的機制。

價格正是這種篩選機制的核心。

企業家提出一個新產品，其實是在提出一個關于未來需求的猜想。消費者購買或拒絕，是對這個猜想的檢驗。價格太高賣不出去，說明價值不足、定位錯誤、成本太高或目標人群不對。價格較高仍然有人購買，說明某種需求比旁觀者想象得更強。利潤吸引模仿和擴張，虧損迫使退出和修正。這個過程不是簡單交易，而是社會在不確定條件下進行的大規模分布式實驗。

沒有價格，社會就失去了這種實驗反饋。

差異化時代尤其如此。假設AI可以生成一千種新的教育服務、一萬種新的健康管理模式、一百萬種個性化娛樂體驗。哪些是真需求，哪些只是技術炫耀？哪些消費者愿意持續付費，哪些只會嘗鮮一次？哪些服務可以規模化，哪些服務只能停留在小眾市場？哪些需要人類參與，哪些可以完全自動化？哪些值得資本投入，哪些應該迅速放棄？

這些問題無法僅靠專家判斷解決，也無法靠中央算法一次性決定。它們需要價格、交易、利潤、虧損和競爭來不斷篩選。

價格還是一種壓縮局部知識的機制。

一個消費者在某一刻是否愿意支付，并不只是收入和價格的機械函數。它可能包含他今天的身體感受、昨天的經歷、家庭關系、職業壓力、未來預期、社會身份和審美偏好。一個企業是否愿意為某種AI系統付費，也不只是技術指標問題，而是它內部流程、員工能力、客戶結構、監管風險和競爭壓力的綜合反映。這些局部知識通常無法完整傳遞給一個中心。市場價格則把這些分散判斷轉化為可觀察的行動信號。

所以，價格機制不是舊時代的殘余，而是開放未來中的發現裝置。

AI越強，可能性越多；可能性越多，篩選越重要；篩選越重要，價格機制就越重要。

五、激勵：為什么新產品不會自動出現

僅僅有技術，并不會自動產生新產品和新服務。

從實驗室里的能力，到市場中的產品，中間隔著漫長而復雜的過程：誰來識別場景？誰來承擔風險？誰來組織團隊？誰來改造流程？誰來教育消費者？誰來處理責任？誰來面對失敗？誰來把一個技術可能性變成穩定的服務交付？

這就需要激勵。

價格理論不是只講價格水平，也講激勵結構。人們為什么投入時間、資本、聲譽和組織能力去探索新產品？因為他們相信，如果探索成功，能夠獲得回報。如果所有新服務一旦出現就被立即無償復制，如果所有利潤都被視為不正當，如果所有差異化嘗試都被監管按回標準品，如果所有失敗都由創業者承擔而成功收益被剝奪，那么再強的AI也不會自動帶來繁榮的應用層。

創新不是技術函數的自然結果，而是激勵結構下的經濟行為。

人工智能降低了試錯成本，但沒有取消風險。一個創業者仍然要判斷方向，一個企業仍然要重組流程，一個醫生仍然要承擔責任，一個教育機構仍然要建立信任，一個應用層公司仍然要找到消費者真正愿意支付的場景。AI可以生成方案，但不能替代市場對方案價值的檢驗。AI可以降低開發成本，但不能保證需求存在。AI可以擴大想象空間，但不能自動完成商業化。

這就是為什么價格、產權、利潤和競爭仍然重要。

利潤不是罪惡的殘余，而是發現正確方向的獎勵。虧損不是殘酷的懲罰，而是錯誤方向的信號。競爭不是資源浪費，而是不同猜想之間的試驗。進入自由不是抽象原則，而是讓未知產品有機會出現的制度條件。

在人工智能時代，真正稀缺的可能不是生成能力，而是發現值得生成什么的能力；不是回答問題的能力，而是提出有價值問題的能力；不是優化給定目標的能力，而是選擇目標、承擔風險并組織現實世界行動的能力。

這些能力需要市場激勵來調動。

這也是為什么應用層不會自動繁榮。一個國家可以擁有強大的模型、充足的算力、豐富的數據和龐大的工程師隊伍，卻仍然可能缺乏真正繁榮的應用生態。如果創業者不能獲得回報，如果用戶選擇受到限制，如果監管過早把新服務按進舊分類，如果平臺巨頭控制入口，如果失敗成本過高，如果社會輿論把利潤等同于掠奪，那么許多潛在產品會在出現之前就死去。

AI時代的競爭，不只是模型能力的競爭，也是制度激勵的競爭。

誰能讓更多人嘗試，誰能讓錯誤迅速暴露，誰能讓正確方向獲得回報，誰能讓小眾需求也有機會被服務，誰能讓年輕企業挑戰舊企業，誰就更可能發現未來的產品和服務。

六、新產品與新服務的涌現

我們今天很難命名十五年后的主要AI應用，就像十九世紀的人很難命名二十世紀的電力生活，二十世紀末的人很難完整命名移動互聯網生活。

這不是因為我們缺乏想象力，而是因為新產品和新服務往往不是從已有詞匯中線性推出的。它們是在技術、成本、組織、偏好和制度相互作用中涌現出來的。

在人工智能時代，最重要的新產品可能不只是“更好的搜索引擎”“更便宜的程序員”“更智能的客服”。這些只是舊地基上的延長線。更重要的可能是新型健康管理、新型教育陪伴、新型科研組織、新型法律服務、新型個人代理、新型文化體驗、新型養老系統、新型家庭生產、新型企業流程、新型城市治理服務、新型心理支持和新型創造性協作。

許多服務過去并不是沒有需求，而是成本太高。

一個普通家庭過去不可能擁有全天候私人醫生、營養師、心理顧問、學習教練、法律顧問、職業規劃師和家庭財務顧問。一個小企業過去不可能擁有世界級戰略團隊、數據分析團隊、法律合規團隊、多語言營銷團隊和自動化運營系統。一個縣城醫院過去不可能實時接入頂級醫學知識、病人管理系統和連續健康監測。一個普通孩子過去不可能擁有真正個性化、持續反饋、跨學科聯動的學習系統。

AI使這些服務的智能部分變得廉價。但廉價智能只是開始。真正的產品化需要把智能嵌入場景，把場景變成流程，把流程變成服務，把服務變成信任關系，把信任關系變成可持續交易。

這就是應用層的巨大機會。

未來最大的公司，也許不只是擁有最強模型的公司，而是最能理解具體場景、最能組織互補資產、最能建立信任、最能把AI能力轉化為生活服務和生產流程的公司。基礎設施層出售通用能力，應用層出售解決方案、體驗、責任和關系。通用能力可以很大，但貼近最終需求的創新空間可能更大。

以健康管理為例。AI可以閱讀醫學文獻、分析指標、生成建議、提醒服藥、預測風險。但真正的產品不是“醫學建議文本”，而是一個能夠讓人長期改變行為的服務系統。它可能包括家庭醫生、社區人員、可穿戴設備、飲食服務、保險激勵、親屬溝通、心理支持和緊急響應。這里面有算法，也有組織；有數據，也有責任；有自動化，也有人類信任。消費者支付的不是一段文字，而是更健康、更安全、更有尊嚴的生活。

以教育為例。AI可以解釋知識點、生成練習、批改作文、調整路徑。但真正的教育產品不是“答案生成器”，而是一個幫助學生形成能力、信心、興趣和長期習慣的系統。它需要理解孩子的認知狀態，也需要理解家庭背景、同伴環境、考試制度和心理壓力。這里的價值來自智能，也來自陪伴、激勵、評價和社會認可。

以企業管理為例。AI可以生成報表、寫代碼、做預測、提出戰略建議。但真正的企業應用不是把每個任務自動化，而是重組信息流、決策權、激勵機制和責任邊界。一個企業購買AI，不只是購買工具，而是在重構自己的生產函數和組織結構。這個過程高度場景化，無法由基礎模型公司獨自完成。

這些例子說明，AI時代的應用層不是基礎設施層的簡單附屬。它是需求發現、場景組織、信任建設和責任承擔的前線。

因此，十五年內，應用層公司的總體規模遠大于基礎設施層，并不是違背經濟學常識，而是符合經濟學常識。上游投入越強大，越可能催生更龐大的下游生態。電力公司很重要，但電力驅動的工業體系更大；云服務很重要，但云上生長的數字經濟更大；大模型很重要，但大模型支持的新產品、新服務、新組織和新生活方式，可能遠遠更大。

七、反對智能時代的計劃幻覺

每一次通用技術的興起，都會誘發一種計劃幻覺。既然新技術如此強大，為什么不由少數中心機構統一規劃？既然AI可以處理海量數據，為什么還需要市場？既然算法可以預測需求，為什么還需要價格？既然機器人可以生產，為什么不直接按需分配？

這種想象的誘惑在于，它把經濟問題簡化為計算問題。

但經濟生活的核心，從來不只是計算。它還包括發現、激勵、信任、責任和選擇。

計劃系統可以優化已知目標，卻很難發現未知目標。它可以在產品標準、偏好穩定、數據完整的環境里提高效率，卻很難在產品空間開放、偏好不斷變化、需求尚未形成的環境里進行探索。它可以根據過去行為預測未來的一部分，卻不能替代人們在新產品出現后重新理解自己的欲望。

AI可以讓計劃者更聰明，但不能取消局部知識。

一個消費者此時此地為什么需要某種服務，一個醫生如何讓病人相信，一個孩子為什么突然對某種學習方式產生興趣，一個企業內部為什么某套系統會遭遇抵抗，一個老人為什么不愿意服藥，一個用戶為什么愿意為某種體驗支付溢價，這些知識高度情境化，常常隱含在關系、習慣、文化、語言、身體和情緒之中。

越是差異化的時代，越不能把經濟生活交給中心化配置。因為中心越強，越容易把復雜需求重新壓扁成標準類別；越追求可管理，越可能犧牲新產品的野蠻生長；越偏好確定性，越會壓制市場探索中最珍貴的未知可能性。

人工智能不會消滅哈耶克的問題。人工智能會把哈耶克的問題推向更精細的層面。

未來真正重要的，不是讓一個中心知道一切，而是讓無數局部知識能夠通過價格、交易、契約、競爭和創業進入社會實驗過程。市場不是因為計算能力不足才存在。市場是因為未來開放、知識分散、偏好異質、激勵必要而存在。

智能時代的計劃幻覺還有一個更深的錯誤：它把“需求”當作已經存在、等待滿足的清單。但大量需求并不是預先寫好的。人們在新產品出現之后才理解自己的欲望，在社會模仿中重新排序自己的偏好，在價格比較中發現自己的支付意愿，在消費體驗中學習什么值得繼續購買。未來很多重要需求，今天甚至沒有名字。既然沒有名字，就無法被中央計劃提前登記；既然無法登記，就無法被一次性優化。

市場的價值，正在于它允許這些無名需求通過試驗浮出水面。

八、壟斷風險與市場條件

捍衛價格理論，并不是對現實市場的天真贊美。

人工智能時代完全可能出現新的壟斷。基礎模型、算力、數據、芯片、云平臺、分發入口和操作系統，都可能形成規模經濟和進入壁壘。上游平臺可能通過定價、接口、數據控制和垂直整合，壓縮應用層利潤，把下游創新者變成依附者。所謂兩萬億美元營收，既可能來自巨大價值創造，也可能部分包含平臺租金。

這正是為什么我們需要更嚴肅的價格理論，而不是更少的價格理論。

價格機制要有效，必須有制度條件：進入自由、產權保護、契約執行、競爭秩序、反壟斷規則、數據可攜帶、接口開放和責任清晰。沒有這些條件，價格會被權力扭曲，利潤會變成租金，平臺會從市場的基礎設施變成市場的封建領主。

因此，人工智能時代的制度任務，不是用計劃替代市場，而是保護市場作為探索機制的開放性。

我們需要讓基礎設施層足夠強大，但不能讓它封死應用層。我們需要讓模型公司獲得創新回報，但不能讓它們隨意吞噬所有下游場景。我們需要讓創業者接入通用智能能力，保留對用戶、數據、品牌和服務關系的控制。我們需要讓消費者擁有選擇權，讓勞動者擁有轉型機會，讓新企業可以挑戰舊企業。

市場不是自然存在的真空。市場是一套制度成就。

價格理論的復歸，不是說現實中的每個價格都公正，也不是說每個利潤都來自創造價值。它說的是，在一個開放、競爭、可進入的制度環境中，價格、利潤和虧損仍然是人類發現新需求、篩選新產品、組織新服務的最好機制。

這一點尤其重要。因為如果基礎設施層過度集中，AI時代的應用層繁榮可能被扼殺。上游巨頭既提供模型，又控制入口，又觀察下游數據，還可以隨時復制表現最好的應用，應用層創業者就會缺乏投資激勵。用戶看似面對很多應用，實際上可能只是幾個平臺花園里的不同界面。價格仍然存在，但價格背后的進入自由和競爭壓力被削弱了。

所以，捍衛價格理論不是為巨頭辯護，而是為開放市場辯護。真正需要保護的，不是某一家模型公司，而是讓無數應用層實驗能夠發生的制度環境。

九、人的位置

人工智能會改變人的位置。

許多標準化腦力勞動會被壓縮。許多過去依靠信息不對稱、專業壁壘和重復經驗獲得收入的崗位，會失去價值。轉型不會輕松。一個中年程序員不會自動變成心理教練，一個傳統教師不會自動變成AI教育設計師，一個基層醫生不會自動適應人機協作系統。社會必須正視這種痛苦，必須重建教育、培訓、社會保險和職業流動機制。

但不能因為轉型痛苦，就誤以為人的經濟價值正在消失。

AI越強，人類越需要在非標準化部分發揮作用。未來人的價值，可能更多來自判斷、信任、責任、審美、情緒、溝通、組織和風險承擔。AI 可以給出醫學建議，但病人是否相信并執行，仍需要人類關系。AI可以設計課程，但孩子是否堅持和重建自信，仍需要人類陪伴。AI可以生成方案，但組織是否采納，員工是否配合，客戶是否信任，監管是否接受，仍需要人類協調。AI可以提出無數創新方向，但企業家必須選擇方向，把資本、聲譽和人生押上去。

人的位置不是從所有任務中退出，而是從標準化執行轉向方向選擇和現實落地。

這不是說所有人都會輕松升級，也不是說每個新工作都會體面。市場本身不會自動解決全部分配問題。政策、教育、社會保障和競爭規則都不可或缺。但從生產組織的深層邏輯看，AI不會只留下一個人類無事可做的真空。它會改變什么樣的人類能力有價值。

當機器承擔越來越多可復制的認知勞動，人類不可復制的局部知識、關系能力、判斷能力和責任能力，反而會變得更加重要。

這也意味著，我們不能用今天的職業名稱來判斷人的未來。許多未來工作還沒有名字。十九世紀的人不會把“軟件工程師”“用戶體驗設計師”“直播運營”“數據科學家”“云架構師”“短視頻創作者”寫進職業想象，今天的人也無法完整列出AI 時代的職業結構。

未來的人類工作，可能更多圍繞服務關系、場景組織、風險承擔、需求解釋、行為改變、體驗設計和信任生產展開。

舊職業會消失，新職業會出現。但更深的變化，是人的勞動從“執行既定任務”轉向“組織開放可能性”。

十、結語：給新世界留下市場

歷史從不按照舊時代的職業分類前進。

當機器織布時，人們為織工哭泣；當鐵路穿過大陸時，人們為馬車夫焦慮；當電燈點亮城市時，人們為點燈人惋惜；當互聯網吞噬紙媒和柜臺時，人們為舊行業寫下悼詞。這些痛苦都是真實的。但如果歷史只由這些痛苦構成，人類早已停在過去。

真正改變世界的，不只是舊工作消失，而是新需求被看見，新產品被發明，新服務被組織，新生活方式被創造。

人工智能也將如此。

我們今天站在舊地基上，很容易把未來想象成一場崗位清算。我們看得見被替代的文案、程序員、客服、翻譯、分析師，卻看不見尚未出現的健康服務、教育形態、科研組織、文化體驗、家庭生產、企業流程和個人生活方式。被摧毀的東西有名字，被創造的東西常常還沒有名字。于是恐懼總是比想象力更早到達。

經濟學的責任，不是販賣廉價樂觀，也不是迎合防御性悲觀。經濟學的責任，是提醒人們：技術革命的核心，不是舊世界里的替代算術，而是新世界里的可行集合擴張。

當AI把智能變成廉價投入，社會真正需要的不是把所有可能性交給少數中心去規劃，而是給無數人探索未知需求的自由。我們需要價格，因為人們的偏好異質而變化；我們需要市場，因為知識分散在具體時間和地點；我們需要利潤，因為創新需要激勵；我們需要虧損，因為錯誤方向需要被淘汰；我們需要競爭，因為沒有人事先知道未來屬于哪一種產品、哪一種服務、哪一種組織形式。

每一個舊時代都會把自己的職業、組織和產業誤認為文明的自然形態。農業時代如此，工業時代如此，互聯網時代也如此。人們以為自己是在保護生活，其實常常是在保護過去的分類；人們以為自己是在捍衛人類，其實常常是在捍衛舊技術條件下形成的職業身份。

但歷史真正保護的，從來不是馬車夫、點燈人或打字員這些具體身份，而是人類在新技術面前重新發現需求、重新組織生產、重新創造生活的能力。

AI時代最值得捍衛的，正是這種能力。而它的制度形式，仍然是開放市場中的價格、利潤、虧損、競爭與進入自由。

價格理論的復歸，不是回到過去，而是為未來辯護。

未來不會因為AI強大而變成一個沒有稀缺、沒有選擇、沒有交易、沒有市場的靜態天堂。未來會更豐富，也更復雜；更豐裕，也更差異化；更智能，也更依賴局部知識和人類判斷。

人工智能擴展了可能性，但價格機制幫助我們發現哪些可能性真正有價值。

給新世界留下市場，就是給未知需求留下道路，給新產品留下試驗，給年輕人留下冒險，給人類想象力留下出口。

舊地基終將松動。真正的問題不是我們能否保住每一輛馬車，而是我們是否允許鐵路、汽車、飛機和那些尚未命名的事物出現。

人工智能時代最值得捍衛的，不是某一種舊職業、舊產業或舊組織形式，而是人類在開放未來中發現價值的制度能力。

這不是舊經濟學的殘余。

這是新世界的入口。

這就是價格理論的復歸。■

掃描下方二維碼，參加至少全年12場直播加