编者按
词元经济正在打开经济学中长期被视为“黑箱”的技术进步过程，使知识参与价值创造的方式首次变得可观测、可计量。当前，围绕词元经济涌现的一系列新问题，呼唤理论研究的前瞻回应。自本报有关词元经济研究系列报道及征稿启事发布后，我们得到广大读者的积极回应，已经收到大量高质量来稿。稿件研究视角多元，反映出词元经济作为智能经济新形态的核心议题，已引起学术界与产业界的广泛关注。鉴于报纸版面容量有限，同时为增强研究成果发布的时效性，中国经济时报在微信公众号推出“词元经济研究”栏目，选登部分优秀来稿及后续系列文章，旨在汇聚各方智慧，为智能时代的产业实践与政策治理提供分析框架与决策参考。敬请关注！
图片来源/摄图网
■钟时
要理解智能时代所带来的变革，我们需要一套新的“经济学语法”。在《词元经济研究的三个基础》中，我们论证了人工智能使知识变得“可见、可量、可联”，为经济学分析找到了“词元”这一新概念。在《传统理论对智能时代经济运行解释力如何》中，我们提出需要一种综合的经济学方法对智能时代的经济运行逻辑进行分析。在《基于词元的智能时代生产关系分析》中，我们深刻剖析了知识成为直接生产资料，同时又具有社会性所引发的一系列思考。
基于此，我们分别从企业生产、大模型供给、个体经济决策、大模型调用平台，这四类微观主体行为分析入手，以词元为载体，将其作为近似于知识的替代，分别建立模型对现实中的问题和现象进行解释，同时又基于模型推理对未来进行了预测，发现一些很有价值的结论。
但是，上述研究只适合在学术范围内进行讨论。可是，我们认为上述研究中的很多结果，对企业、个人、平台的经济决策行为很有启发，同时对政策研究者也提供了很好的工具和视角。为此，本文致力于将上述研究得到的一些有启发、有价值的结论呈现给大家。
特别想说明的是，作为智能时代四个核心角色——使用技术的企业、提供技术的厂商、生活中的个人、组织生态的平台，他们并非孤立存在，而是一个相互关联、相互增强的闭环，理解这个闭环，是看清智能时代经济走向的关键。
01
企业从“占有知识”到“调用知识”
长期以来，经济学面临一个难题：人人承认知识是增长的核心，却难以说清它具体如何推动生产。智能时代提供了新视角。企业通过大模型API调用的词元量，可以被视作一种新的、可计量的生产要素投入，就像用电一样。
但投入同样的词元，效果却天差地别。核心差异在于企业的“调用能力”。这不是指买了多少软件，而是一种综合的组织与人力资本，包括企业能否将模糊指令转化为精准任务、能否批判性地评估AI输出、能否将AI能力创造性融入现有流程。高性能的AI如同“良种”，充足的词元额度如同“灌溉”，但只有遇上肥沃的“土壤”(高调用能力)，才能获得最大“丰收”。
这解释了一些企业感受到的“AI悖论”现象——为何公司引入了先进工具却感觉用不起来，瓶颈往往不是技术，而是组织的调用能力不足。这也让我们看清了正在发生的“岗位重构”现象，AI并非简单地取代某个岗位，而是在系统性改变岗位内的任务组合，员工中善于提问、评估、决策、整合的人价值凸显，而只善于从事程式化操作的人则面临压力。我们认为，这并非简单的岗位消失，而是工作内容的重心迁移。
企业由此可能发生深刻变化。企业间调用能力的差异将被技术快速放大，导致“K型分化”。少数拥有超高调用能力的AI原生企业或成功转型的巨头，可能捕获绝大部分AI红利。而无法提升该能力的企业增长将停滞。结果可能是，许多行业中企业的分布从“橄榄型”(中型企业总份额大)变成“杠铃型”——两头分别是数量少份额大的行业龙头企业和数量多份额也大的拥有独特技能的微型团队，中间的企业将面临来自两头的挤压，生存变得困难。
同时，由于调用顶级AI服务的边际成本很低，一种“虚拟企业”的形态将蓬勃兴起。未来，一个位于三四线的小城、仅有几人的设计工作室，通过调用全球顶尖的图形AI，或许就能为国际品牌提供一流方案。商业的竞争，将更取决于核心创意与调用能力，而非资本规模与地理区位。
02
技术供给的多元博弈：不只为利润
企业所调用的“智慧”从何而来?是上游大模型厂商。但是，大模型厂商的行为看似令人费解，有的服务昂贵、有的模型免费开源;私营公司巨额投入研发，而国家的重视程度和投入强度甚至超越了单纯的商业逻辑。
传统经济学“厂商追求利润最大化”的假设在这里失效了。我们认为，大模型的供给者是在进行一场“多重目标游戏”，其目标是一个多元、动态的组合——既包括短期利润，也包括扩大用户和开发者规模、构建繁荣生态，以及对于国家行为体而言至关重要的战略安全。
不同的玩家，对这些目标的看重程度截然不同。私营商业巨头在开拓市场时，可能极度看重用户增长和生态建设;一旦确立领先，利润目标的分量就会加大。在国家战略机构的核心目标中，战略安全如保障技术自主可控、维护价值观与国家安全的权重始终极高，这使得其决策常常超越短期商业回报计算。开源社区的核心使命则是促进知识共享与生态繁荣，利润并非其主要目标。
这套框架可以帮助我们理解许多矛盾现象。某巨头为何开源其重要模型?是为了最大化生态影响力，争夺未来行业标准。某国为何推动大模型普惠服务?是为了实现技术普及和产业安全。国家为何不计成本投入?是因为在关乎长远国运的超级博弈中，技术领先带来的战略安全收益被视为至关重要。
研究发现，在这种多元动机与AI高固定成本、低边际成本特性共同作用下，市场不太会出现一家通吃的局面，而更可能形成“序列分层垄断”的格局。顶层是几个在绝对性能上领先的前沿模型，它们定义技术天花板;下层则是丰富的生态模型层，包括各种垂直领域、高性价比和开源模型，满足多样化需求。两者长期共存、相互制衡。
延伸到国际社会，全球趋势可能是“技术生态板块化”。当主要经济体都将战略安全置于高位，便会大力培育独立可控的本土技术体系。这可能使全球AI创新生态逐渐分裂为几个技术板块。虽然这增加了各自的安全感，但也会损耗全球创新的整体效率。此外，当基础大模型像水电一样成为社会基础设施，关于是否应将其视作公共事业进行特别监管的讨论，必将进入各国政策的中心。
03
个人的“认知资本”决定未来
经济和技术发展的终点还是为了人。我们提出“认知资本”这个概念来描述个体在智能时代的核心能力。认知资本可以被粗略地分为两个层面：一是操作熟练度，即使用具体AI工具的技能;二是更重要的AI协同能力，即提出真问题、精准评估AI输出、将AI能力创造性融入解决复杂问题过程的高阶思维。后者将成为未来人力资本投资的关键。
基于我们构建的模型，我们可以看到AI如何重塑生活。在消费中，人们用AI节省信息搜集时间，换取更多闲暇;在工作中，高AI协同能力者能将精力集中于AI难以替代的复杂创意和战略决策;在教育上，人们更倾向于投资那些培养批判性思维和复杂问题解决能力的课程。不同类型人群使用AI程度的不同也能够得到合理解释。例如，为何高收入专业人士更深度依赖AI?因为他们有极强动力，也有更高的AI协同能力，使他们能够用AI替代初级脑力劳动，以聚焦于价值最高的环节。我们还能够看到全球教育体系对批判性思维教育的空前重视，正是对这种变化的回应。
如果没有认知资本的提升，模型推演出的社会图景需要我们严肃对待。劳动力市场可能加速固化：顶层是从事战略创新、拥有卓越协同能力的少数群体;底层是从事AI难以替代的体力或情感性服务的群体;而中间庞大的人机协同层，内部竞争会因AI降低门槛而空前激烈，收入增长可能放缓。还有更令人忧虑的“数字鸿沟”的风险，例如，父代使用AI的初始优势极易通过言传身教影响子代，且被放大。此外，当个人价值与工作深度绑定，而工作又被AI重构，可能引发“工具依赖”与“存在空虚”并存的心理问题。
04
平台是新生态的“架构师”与“看门人”
个体、企业、模型需要被有效组织，平台因此成为关键枢纽。现代智能平台已远非简单的中介，它扮演着能动的“生态架构师”角色，其核心权力来源于掌控“数据反馈循环”和培育“开发者生态”。
平台连接模型与开发者。它的策略，如如何定价、推荐哪些模型、投入什么工具，直接影响哪些模型被更多、更优质的开发者使用。这些使用产生的数据又能反过来持续训练和改进模型，形成“用得多→模型更好→吸引更多人用”的增强循环。同时，平台对开发工具和社区的建设投资，能直接提升开发者技能，这种长期积累的人才资源是其重要的护城河。
采用一种比较的视角，能让我们看得更清。一个理想中的、中立的第三方平台会致力于高效匹配。而现实中既开发大模型又运营服务平台的自营公司，在利益驱动下，其理性策略往往包含自我优待，即对自有模型进行流量倾斜、价格补贴和数据反哺。这为全球反垄断监管提供了新的焦点，需要从关注价格垄断转向关注生态垄断。另一方面，国家平台可能以普惠和安全为目标，推动低价服务、优先接入国产技术、投资基础性公共资源。
于是，我们将看到平台在竞争中分化。通过封闭API、独家工具链深度绑定客户的自营平台，成为服务大企业的“企业级堡垒”;倡导开放标准、提供兼容工具的开放平台，则成为服务广大开发者和创业者的“开发者乐园”。
展望未来，平台竞争将持续升维。主权平台可能作为数字领土的治理者，通过强制认证和合规要求，在事实上分隔全球应用生态。专业的算法审计师或将出现，对平台和模型的合规性进行审查。竞争的终极形态或许是争夺“初始设定权”，即通过影响教育、学术和竞赛，塑造下一代开发者和创造者的思维和操作习惯。
05
用系统观念思考未来综合图景
将上述四重变革合并审视，智能经济是一个由数据反馈和网络效应驱动、不断自我增强的复杂系统。其核心闭环是，用更优的模型吸引更多用户和数据，获得丰富的数据反馈驱动模型更快进化，进化的模型进一步提升企业和个人的生产效率，企业和个人创造的成功产出带来更多资源，并形成对更先进模型和更繁荣生态的投资。这是一个强大的增长飞轮，也是锁定效应的根源。
这个飞轮可能也同步制造并放大着系统性风险。例如，经济权力的超级集中带来经济的脆弱性，社会机会的固化带来社会共识的分裂，全球创新体系倒退带来创新效率的降低。这些预期风险给智能时代的政策制定者也提出了极大挑战。其一是要考虑重构竞争政策，要发展出审查算法歧视、评估生态封锁性的能力。其二是要变革社会与教育政策，每个公民都应该有平等机会进行技能更新。其三是根据风险等级分类管理AI的研发和应用，构建AI及平台企业作为重要一方共同参与治理的体制机制。其四是引领全球治理正确方向，促进全球知识协作并提供平等的服务。
研究结果告诉我们，智能革命是一场正在重塑生产力、生产关系乃至全球力量格局的大变局。决策者、企业家、教育家、每一位劳动者和终身学习者，都站在选择的前沿。我们需要认识到，智能时代是一个运行逻辑不同于以往的新系统，这个新系统刚刚启动，而公平、开放、普惠与安全就是这个新系统应有的“初始设定”。
