AI 時代的價格理論回歸，唯有開放市場才能催生新需求與新生態
文章作者：陳玉宇 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
文章來源：霞光智庫
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，也站在它上面想像未來。
農業時代的人很難想像，一個人的一生可以不圍繞土地、季節和飢荒展開。當蒸汽機出現時，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，卻很難完整想像電冰箱、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，卻沒有預見移動支付、短視頻、雲計算、外賣平台、網約車、在線教育和全球實時協作。
當新技術來臨時，最大的障礙往往不是技術本身，而是舊地基上的想像力。
今天，人工智能也被置於舊地基中來理解。許多人的推理如下：原本由十名程式設計師、文案、翻譯、分析師、客服人員完成的工作，現在一個人加一個 AI 就能完成，於是剩下九個人失業。這個判斷看似冷峻、現實、反烏托邦，實則仍是一種舊世界思維。它將未來理解為今日任務清單上的一次成本壓縮，將技術進步理解為既有職位的替代，將經濟生活理解為一張已填寫完畢的表格。
但真正偉大的技術革命，從來不是在舊表格裡減少幾行，而是重新發明表格本身。
人工智能最重要的經濟含義，不是讓舊工作變得更便宜，而是將大量過去不存在、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。
站在舊地基上看待 AI，人們看到的是崗位減少；站在新技術開拓的邊界上看待 AI，人們看到的是產品空間與服務空間的爆炸。
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，但它沒有消滅發現需求的問題；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、願意支付多少、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麼」。
價格理論的回歸，正是從這個地方開始。
兩萬億美元營收的經濟學含義
讓我們從一個看似誇張、但在經濟學上並不荒唐的設想開始。
在未來十五年內，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，這裡說的是營收，不是估值。估值可以來自資本市場的想像、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。
這不是對某家公司的股價預測，也不是對某種商業模式的背書，而是一項價格理論練習：如果一家上游智能基礎設施公司能夠長期獲得 2 萬億美元年營收，那麼下游必須存在規模更大、支付意願更高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，因為平台壟斷當然值得警惕。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若要持續獲得兩萬億美元的營收，都必須具備一個前提：下游願意持續支付這筆錢。下游為何願意支付？因為 AI 作為中間投入，為下游創造了更大的產出、更高的品質、更低的成本、更多的新產品，或更強的消費者支付意願。若沒有下游價值的大幅擴張，上游營收不可能長期維持。
這就是中間投入的基本經濟學。
下游企業購買模型調用、智能代理、算力和自動化能力，並非為了為上游提供慈善援助，也非單純分攤既有成本，而是因為這些投入與自身的場景、數據、流程、客戶、品牌、責任和組織能力結合後，能夠創造更多價值。AI 的邊際產值越高，下游企業願意支付的價格就越高；下游應用越繁榮，上游基礎設施的營收越有可能擴大。
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佔比為 10%，那麼兩萬億美元的上游營收，背後可能對應二十萬億美元級別的下游最終產品與服務市場。若成本佔比為 5%，則可能對應四十萬億美元級別的下游生態。不同產業的成本份額當然不同，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」，取決於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。雲計算公司有營收，是因為下游數字企業使用雲服務構建了搜索、社交、視頻、金融、物流和企業軟體。
如果 AI 基礎設施有一天達到兩萬億美元營收，那並非因為世界無緣無故向它徵稅，而是因為無數下游企業、個人和組織將其作為認知、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，而是它們背後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於基礎設施層。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，後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、信任關係和具體需求。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」，而是被治癒的疾病、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、被重組的工作流程、被創造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、更細緻的客戶服務、更穩固的供應鏈和更清晰的組織決策。
因此，應用層大於基礎設施層，並非奇蹟，而是通用目的技術擴散後的正常結果。電力很重要，但由電力驅動的工業體系更大；雲服務很重要，但雲上生長的數字經濟更大；大模型很重要，但由大模型支援的新產品、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，我們不應首先將其理解為末日，也不應簡單將其視為科技崇拜。我們應當首先提出一個價格理論問題：如此巨大的支付意願來自何處？它支撐了哪些下游創新？它釋放了哪些過去無法交易的需求？它使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。
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。
稀缺並非僅僅是物理數量的不足。稀缺是相對於人的慾望、時間、知識、位置、關係、機會成本和未來不確定性而言的。只要人的慾望是異質的、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，許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，是將這些基本產品和服務大量複製出來。
但在更富裕、更智能的時代，許多關鍵稀缺已不再是簡單的數量問題。一個人需要的不是任意一頓午餐，而是符合他今天身體狀況、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節數學課，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。一位長者需要的不是任意一條健康建議，而是能讓他真正相信、真正執行、真正堅持下去的服務關係。一家企業需要的不是任意一套 AI 系統，而是能嵌入其自身流程、激勵機制、組織結構和客戶關係的具體解決方案。
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複雜。因為人的身體、心理、關係、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 可以提供建議，但這些建議能否被相信、被採納、被執行，是另一回事。病人知道該吃藥，不等於他會長期服藥；學生知道該學習，不等於他會堅持；企業知道該轉型，不等於組織內部會接受；老人知道該控制飲食，不等於他願意改變幾十年的生活習慣。許多服務的價值，不在於資訊本身，而在於將資訊轉化為行動的信任關係。未來，信任、聲譽、責任和陪伴將成為重要的經濟資產。
The third category is directional scarcity.
AI 可以生成無數方案，但現實世界中的資本、時間、組織注意力和試驗機會仍然有限。一家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，一家醫院不可能同時重構所有流程，一座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 的力量不是將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。
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。
但價格最深刻的功用，不是分配已知物品，而是發現未知資訊。
一個人願意為某項服務支付多少，包含了許多他人無法事先得知的資訊：他的偏好強度、時間成本、收入限制、緊迫程度、替代選擇、風險判斷、信任程度和情緒狀態。這些資訊並非簡單地存於資料庫中，也並非總能透過問卷獲得。在許多情況下，人們自己也並不完全清楚自己想要什麼，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。
價格並非在需求已完全確定後才發揮作用。價格參與需求的形成與發現。
這一點在 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，許多產品構想還未有機會接受市場檢驗，就已因研發成本、組織成本和溝通成本而夭折。現在，更多人可以快速製作原型，更多小型團隊可以進入市場，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於未來需求的猜測。消費者購買或拒絕，就是對這個猜測的檢驗。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。價格較高仍有人購買，說明某種需求比旁觀者想像得更強。利潤吸引模仿與擴張，虧損迫使退出與修正。這個過程不是簡單的交易，而是社會在不確定條件下進行的大規模分佈式實驗。
沒有價格，社會就失去了這種實驗反饋。
在差異化時代，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。哪些是真實需求，哪些只是技術炫耀？哪些消費者願意持續付費，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。
價格仍是一種壓縮局部知識的機制。
消費者在某一刻是否願意支付，並不只是收入與價格的機械函數。它可能包含他當下的身體感受、昨日的經歷、家庭關係、職業壓力、未來預期、社會身份與審美偏好。企業是否願意為某種 AI 系統付費，也不僅是技術指標的問題，而是其內部流程、員工能力、客戶結構、監管風險與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；市場價格則將這些分散的判斷轉化為可觀察的行動訊號。
因此，價格機制並非舊時代的殘餘，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。
激勵：為何新產品不會自動出現
僅有技術，並不會自動產生新產品和新服務。
從實驗室中的能力，到市場中的產品，中間隔著漫長而複雜的過程：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。
價格理論不僅講述價格水平，也講述激勵結構。人們為何投入時間、資本、聲譽和組織能力去探索新產品？因為他們相信，若探索成功，便能獲得回報。若所有新服務一出現便被立即無償複製，若所有利潤都被視為不正當，若所有差異化嘗試都被監管壓回標準品，若所有失敗由創業者承擔而成功收益被剝奪，那麼再強大的 AI 也不會自動帶來繁榮的應用層。
創新並非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願意支付的場景。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 可以擴大想像空間，但不能自動完成商業化。
這就是為什麼價格、產權、利潤和競爭仍然重要。
利潤不是罪惡的殘餘，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，而是不同猜測之間的試驗。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麼的能力；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、承擔風險並組織現實世界行動的能力。
這些能力需要市場激勵來調動。
這也是為什麼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，如果用戶的選擇受到限制，如果監管過早將新服務強行歸入舊分類，如果平台巨頭控制入口，如果失敗成本過高，如果社會輿論將利潤等同於掠奪，那麼許多潛在產品還未出現便已死亡。
在人工智能時代的競爭中，不僅是模型能力的競爭，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。
新產品與新服務的湧現
我們今天很難命名十五年後的主要 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像力，而是因為新產品和新服務往往並非從現有詞彙中線性推出。它們是在技術、成本、組織、偏好和制度相互作用中湧現出來的。
在人工智能時代，最重要的新產品可能不只是「更好的搜尋引擎」、「更便宜的程式設計師」、「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。
許多服務過去並非沒有需求，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、多語言行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 讓這些服務的智能部分變得廉價。但廉價智能只是開始。
True productization requires embedding intelligence into scenarios, turning scenarios into processes, processes into services, services into trust relationships, and trust relationships into sustainable transactions.
這就是應用層的巨大機遇。
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、責任和關係。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。
但真正的产品並非「醫學建議文本」，而是一個能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、心理支持和緊急回應。當中既有演算法，也有組織；既有數據，也有責任；既有自動化，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。這裡的價值來自智能，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。
但真正的企業應用並非將每個任務自動化，而是重組資訊流、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。這個過程高度情境化，無法由基礎模型公司單獨完成。
這些例子說明，AI 時代的應用層並非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，在十五年內，應用層公司的總體規模遠大於基礎設施層，這並非違背經濟學常識，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，但由電力驅動的工業體系更大；雲服務很重要，但雲上生長的數字經濟更大；大模型很重要，但由大模型支援的新產品、新服務、新組織和新生活方式，可能遠遠更大。
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，為何不由少數中心機構統一規劃？既然 AI 可以處理海量數據，為何還需要市場？既然算法可以預測需求，為何還需要價格？既然機器人可以生產，為何不直接按需分配？
這種想像的誘惑在於，它將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、數據完整的環境裡提高效率，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裡進行探索。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後重新理解自己的慾望。
AI 可以讓規劃者更聰明，但不能取代局部知識。
為什麼一個消費者此時此地需要某種服務，醫生如何讓病人相信，孩子為何突然對某種學習方式產生興趣，企業內部為何某套系統會遭遇抵抗，老人為何不願意服藥，用戶為何願意為某種體驗支付溢價，這些知識高度情境化，常隱含於關係、習慣、文化、語言、身體與情緒之中。
在越是差異化的時代，越不能將經濟生活交給中心化配置。因為中心越強，越容易將複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。
人工智慧不會消滅哈耶克的問題。人工智慧會把哈耶克的問題推向更細緻的層面。
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。
但大量需求並非預先寫好的。人們在新產品出現後才理解自己的慾望，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願，在消費體驗中學習什麼值得繼續購買。未來許多重要需求，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，在於它允許這些無名需求透過試驗浮出水面。
壟斷風險與市場條件
捍衛價格理論，並不是對現實市場的天真讚美。
在人工智能時代，完全可能出現新的壟斷。基礎模型、算力、數據、晶片、雲平台、分發入口和作業系統，都可能形成規模經濟和進入壁壘。上游平台可能透過定價、介面、數據控制和垂直整合，壓縮應用層利潤，將下游創新者變為附屬者。所謂兩萬億美元營收，既可能來自巨大的價值創造，也可能部分包含平台租金。
這正是為什麼我們需要更嚴謹的價格理論，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，平台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、品牌和服務關係的控制。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。
價格理論的回歸，並非意味著現實中的每個價格都公正，也並非意味著每個利潤都來自創造價值。它所要表達的是：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、組織新服務的最佳機制。
這一點尤其重要，因為如果基礎設施層過於集中，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，還可隨時複製表現最佳的應用，應用層創業者便會缺乏投資激勵。用戶看似面對眾多應用，實際上可能只是幾個平台花園中的不同介面。價格依然存在，但價格背後的進入自由與競爭壓力已被削弱。
因此，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。
人的位置
人工智能會改變人的位置。
許多標準化的腦力勞動將被壓縮。許多過去依賴資訊不對稱、專業壁壘和重複經驗獲取收入的職位，將失去價值。轉型不會輕鬆。一名中年程式設計師不會自動變成心理顧問，一名傳統教師不會自動成為 AI 教育設計師，一名基層醫生也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，但病人是否相信並執行，仍需要人類關係。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，但組織是否採納，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。
人的角色並非從所有任務中退出，而是從標準化執行轉向方向選擇與現實落實。
這並不代表所有人都能輕鬆升級，也不代表每份新工作都會體面。市場本身不會自動解決所有分配問題。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來看，AI 不會只留下一個人類無事可做的真空；它會改變哪些人類能力具有價值。
當機器承擔越來越多可複製的認知勞動時，人類不可複製的局部知識、關係能力、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。許多未來的工作還沒有名字。十九世紀的人不會把「軟體工程師」「用戶體驗設計師」「直播運營」「數據科學家」「雲架構師」「短視頻創作者」寫進職業想像，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係、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。
但更深層的變化，是人的勞動從「執行既定任務」轉向「組織開放可能性」。
結語：為新世界留下市場
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；當鐵路橫跨大陸時，人們為馬車夫焦慮；當電燈點亮城市時，人們為點燈人惋惜；當互聯網吞噬紙媒與櫃檯時，人們為舊行業寫下悼詞。這些痛苦都是真實的。但如果歷史僅由這些痛苦構成，人類早已停滯於過去。
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。
人工智能也會如此。
我們今天站在舊的地基上，很容易把未來想像成一場崗位清算。我們看得見被取代的文案、程式設計師、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。於是恐懼總比想像力更早到達。
經濟學的責任，不是販賣廉價樂觀，也不是迎合防禦性悲觀。經濟學的責任，是提醒人們：技術革命的核心，不是舊世界裡的替代算術，而是新世界裡的可行集合擴張。
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於哪一種產品、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职业身份。
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。
在 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，也更複雜；更豐裕，也更差異化；更智能，也更依賴局部知識和人類判斷。人工智慧擴展了可能性，但價格機制幫助我們發現哪些可能性真正有價值。
為新世界留下市場，就是為未知需求開闢道路，為新產品提供試驗場，為年輕人保留冒險空間，為人類的想像力開啟出口。
舊地基終將鬆動。真正的问题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。
在人工智能時代，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餘。
這是新世界的入口。
這就是價格理論的回歸。