本文作者，系北京大学光华管理学院教授、北京大学经济政策研究所所长陈玉宇

朗读者，原中国中央电视台新闻播音员、主持人郎永淳

每一个时代都有自己的地基。人们站在它上面生活、工作、判断、恐惧，也站在它上面想象未来。

农业时代的人很难想象，一个人的一生可以不围绕土地、季节和饥荒展开。蒸汽机出现时，许多人首先看到的是手工业者的失业，却很难预见铁路、城市、工厂制度、现代金融和新的中产阶级。电力刚出现时，人们看到的是更明亮的夜晚，却很难完整想象电冰箱、电影工业、现代医院、城市夜生活、家用电器和电子计算机。互联网刚出现时，许多人以为它不过是更快的邮件和更大的图书馆，却没有预见到移动支付、短视频、云计算、外卖平台、网约车、在线教育和全球实时协作。

新技术到来时，最大的障碍常常不是技术本身，而是旧地基上的想象力。

今天，人工智能也被放进了旧地基里理解。许多人的推理是这样的：原来十个程序员、文案、翻译、分析师、客服人员做的事，现在一个人加一个 AI 就能完成，于是剩下九个人失业。这个判断看起来冷峻、现实、反乌托邦，实际上仍然是一种旧世界思维。它把未来理解为今天任务清单上的一次成本压缩，把技术进步理解为既有岗位里的替代，把经济生活理解为一张已经写完的表格。

但真正伟大的技术革命，从来不是在旧表格里减少几行，而是重新发明表格本身。

人工智能最重要的经济含义，不是把旧工作做得更便宜，而是把大量过去不存在、不可行、太昂贵、太分散、太小众、太难组织的产品和服务，推入人类的可行集合。它不是简单地替代既有劳动，而是降低认知成本、沟通成本、试错成本、匹配成本和组织成本，从而释放过去被压抑的需求，创造过去无法维持的交易，生成过去没有名字的产业。

站在旧地基上看 AI，人们看到的是岗位减少。站在新技术打开的边界上看 AI，人们看到的是产品空间和服务空间的爆炸。

这也正是价格理论在人工智能时代重新变得重要的原因。

AI 降低的是生产、试错和匹配成本，但它没有消灭需求发现问题；相反，它扩大了未知需求的空间。越是有更多可能被生产出来的东西，社会就越需要知道哪些东西真正有价值；越是有更多个性化服务可以被提供，社会就越需要知道谁需要、何时需要、愿意支付多少、由谁承担责任、如何形成持续交易。

未来的问题不是“机器能不能生产”，而是“人类如何发现值得生产什么”。

价格理论的复归，正是从这个地方开始。

让我们从一个看似夸张、但在经济学上并不荒唐的设想开始。

未来十五年内，OpenAI 、Anthropic 或类似的大模型基础设施公司，有没有可能成为年营 收两万亿美元的公司？注意，这里说的是营收，不是估值。估值可以来自资本市场的想象、折现率、风险偏好和泡沫；营收则必须来自真实购买、真实支付和真实交易。

这不是对某一家公司的股价预测，也不是对某一种商业模式的背书，而是一个价格理论练习：如果一个上游智能基础设施公司能够长期获得两万亿美元年营收，那么下游必须存在更大规模、更高支付意愿的新产品与新服务生态。

没有经济学常识的人会立刻说：这说明巨头垄断了世界，正在从所有行业抽租。这个判断也许有一部分可能性，因为平台垄断当然值得警惕。但如果我们只用“抽租”理解两万亿美元营收，就会错过更重要的经济学逻辑。

任何一家上游基础设施公司能够持续获得两万亿美元营收，都必须有一个前提：下游愿意持续支付这笔钱。下游为什么愿意支付？因为 AI 作为中间投入，为下游创造了更大的产出、更高的质量、更低的成本、更多的新产品，或者更强的消费者支付意愿。没有下游价值的巨大扩张，上游营收不可能长期维持。

这就是中间投入的基本经济学。

一个下游企业购买模型调用、智能代理、算力和自动化能力，不是为了给上游做慈善，也不是为了单纯分摊既有成本，而是因为这些投入与自己的场景、数据、流程、客户、品牌、责任和组织能力结合之后，能够创造更多价值。AI 的边际产值越高，下游企业愿意支付的价格就越高；下游应用越繁荣，上游基础设施营收越可能扩大。

可以做一个简单的账本推演。若 AI 算力、模型调用和智能服务在下游最终产品中的成本占比为 10%，那么两万亿美元的上游营收，背后可能对应二十万亿美元级别的下游最终产品与服务市场。若成本占比为 5%，则可能对应四十万亿美元级别的下游生态。不同产业成本份额当然不同，未来定价结构也会不断变化，但这个推演揭示了一个基本逻辑：上游“数字电网”能够收多少“电费”，取决于下游用这些电创造了多少新的价值。

电力公司有营收，是因为电力驱动了工厂、家庭、城市、医院和娱乐系统。云计算公司有营收，是因为下游数字企业用云服务构建了搜索、社交、视频、金融、物流和企业软件。

AI 基础设施如果有一天达到两万亿美元营收，那不是因为世界平白无故给它交税，而是因为无数下游企业、个人和组织，用它作为认知、推理、设计、匹配和自动化的基础投入，创造出更大规模的新经济活动。

这个事实反过来提醒我们：真正值得关注的，也许不是 OpenAI 或 Anthropic 本身会有多大，而是它们背后可能出现怎样的下游应用层。

未来十五年，应用层公司的总体规模很可能远大于基础设施层。基础设施层提供通用智能，应用层完成需求发现。前者出售能力，后者出售被具体化的价值。基础设施层像数字时代的电网、水网和道路；应用层则贴近消费者、组织场景、行业流程、信任关系和具体需求。医疗、教育、法律、保险、金融、娱乐、心理服务、养老、企业管理、科研工具、城市服务、家庭服务、文化体验、个人成长，都可能产生巨大的应用层公司。

消费者最终购买的不是“模型参数”，而是被治好的病、被理解的焦虑、被提升的学习能力、被节省的时间、被改善的生活、被重组的工作流、被创造出来的体验和被解决的问题。企业最终购买的不是“token”，而是更低的库存、更高的转化率、更好的风险控制、更 快的研发、更细的客户服务、更稳的供应链和更清晰的组织决策。

因此，应用层大于基础设施层，并不是奇迹，而是通用目的技术扩散后的正常结果。电力很重要，但电力驱动的工业体系更大；云服务很重要，但云上生长的数字经济更大；大模型很重要，但大模型支持的新产品、新服务、新组织和新生活方式，可能远远更大。

如果未来真的出现两万亿美元营收的 AI 基础设施公司，我们不应首先把它理解为末日，也不应把它简单当作科技崇拜。我们应当首先问一个价格理论问题：如此巨大的支付意愿来自哪里？它支撑了什么样的下游创新？它释放了哪些过去无法交易的需求？它让哪些过去不存在的产品和服务成为可能？

这才是经济学常识。

许多人误以为，技术进步的终点是稀缺消失。只要 AI 足够强，机器人足够多，算力足够便宜，商品足够丰富，价格机制就会退场，市场就会变得多余。

这是对稀缺的误解。

稀缺不是简单的物理数量不足。稀缺是相对于人的欲望、时间、知识、位置、关系、机会成本和未来不确定性而言的。只要人的欲望是异质的、变化的、情境化的，稀缺就不会消失。它只会从“有没有”转向“适不适合”，从“够不够”转向“是不是此时此刻正好需要”，从物质短缺转向结构性短缺。

在工业时代，很多稀缺表现为数量不足：粮食不够、衣服不够、住房不够、医生不够、学校不够、交通不够。大规模生产和现代组织的任务，是把这些基本产品和服务大量复制出来。

但在更富裕、更智能的时代，许多关键稀缺不再是简单数量问题。一个人需要的不是任意一份午餐，而是适合自己今天身体状态、血糖波动、运动消耗、情绪需求和审美偏好的午餐。一个孩子需要的不是任意一门数学课，而是适合他当前理解障碍、注意力状态、家庭环境和自尊结构的学习路径。一个老人需要的不是任意一条健康建议，而是能够让他真的相信、真的执行、真的坚持下去的服务关系。一个企业需要的不是任意一套 AI 系统，而是能够嵌入自身流程、激励、组织结构和客户关系的具体解决方案。

这就是差异化时代的稀缺。

更具体地说，AI 时代至少会强化三类稀缺。

第一类是适配性稀缺。

产品和服务是否适合某个人、某个组织、某个时刻、某种情境，将变得越来越重要。在标准化时代，重要问题是“有没有足够多的供给”。在差异化时代，重要问题是“这种供给是否恰好适合我”。AI 让个性化成为可能，但也让适配问题变得更加复杂。因为人的身体、心理、关系、工作和偏好都在变化。真正稀缺的，不是任意供给，而是恰当供给。

第二类是信任性稀缺。

AI 可以给出建议，但建议能否被相信、被采纳、被执行，是另一件事。病人知道应该吃药，不等于他会长期服药；学生知道应该学习，不等于他会坚持；企业知道应该转型，不等于组织内部会接受；老人知道应该控制饮食，不等于他愿意改变几十年的生活习惯。很多服务的价值，不在于信息本身，而在于让信息转化为行动的信任关系。未来，信任、声誉、责任和陪伴会成为重要的经济资产。

第三类是方向性稀缺。

AI 可以生成无数方案，但真实世界的资本、时间、组织注意力和试验机会仍然有限。一个企业不可能同时执行一百种战略，一个实验室不可能同时建造一百个反应堆，一个医院不可能同时重构所有流程，一个城市不可能同时试验所有治理方案。当可能性爆炸时，真正稀缺的反而是方向选择能力：选择哪条路径，承担哪种风险，放弃哪些诱人的可能性。

因此，AI 的力量不是把世界变成完全同质化的丰裕，而是让规模化和个性化第一次有可能同时发生。过去只有少数富人才能享受的私人医生、私人教师、私人顾问、私人助理、私人心理陪伴、私人设计师、私人研究团队，未来可能以新的成本结构进入普通人的生活。但一旦进入普通生活，问题就不再是“能不能生产”，而是“如何适配、如何信任、如何选择方向”。

这意味着市场不会消失。恰恰相反，市场会变得更活跃、更细密、更深入生活的微观层面。因为当产品和服务越来越特异化，社会就越需要一种机制来发现不同人、不同时间、不同场景下的真实价值。

这个机制就是价格。

价格常被误解为冷冰冰的分配工具。似乎只有在东西不够的时候，才需要价格来决定谁得到、谁得不到；一旦技术足够发达，价格就可以被取消，分配就可以交给算法。

但价格最深刻的功能，不是分配已知物品，而是发现未知信息。

一个人愿意为某项服务支付多少，包含许多别人无法事先知道的信息：他的偏好强度、时间成本、收入约束、紧迫程度、替代选择、风险判断、信任程度和情绪状态。这些信息不是简单写在数据库里的，也不是总能通过问卷获得。许多时候，人们自己也不完全知道自己想要什么，直到某个产品出现、某个价格出现、某种比较出现、某次体验发生。

价格不是在需求已经完全给定之后才发挥作用。价格参与需求的形成和发现。

这点在 AI 时代尤其重要。因为 AI 会显著扩大可生产的产品集合，也会显著降低新产品原型的生成成本。过去，许多产品设想还没有机会接受市场检验，就已经死于研发成本、组织成本和沟通成本。现在，更多人可以快速做出原型，更多小团队可以进入市场，更多小众需求可以被尝试满足。问题随之改变：不是缺少想法，而是缺少筛选想法的机制；不是缺少可能性，而是缺少判断哪些可能性值得投入真实资源的机制。

价格正是这种筛选机制的核心。

企业家提出一个新产品，其实是在提出一个关于未来需求的猜想。消费者购买或拒绝，是对这个猜想的检验。价格太高卖不出去，说明价值不足、定位错误、成本太高或目标人群不对。价格较高仍然有人购买，说明某种需求比旁观者想象得更强。利润吸引模仿和扩张，亏损迫使退出和修正。这个过程不是简单交易，而是社会在不确定条件下进行的大规模分布式实验。

没有价格，社会就失去了这种实验反馈。

差异化时代尤其如此。假设 AI 可以生成一千种新的教育服务、一万种新的健康管理模式、一百万种个性化娱乐体验。哪些是真需求，哪些只是技术炫耀？哪些消费者愿意持续付费，哪些只会尝鲜一次？哪些服务可以规模化，哪些服务只能停留在小众市场？哪些需要人类参与，哪些可以完全自动化？哪些值得资本投入，哪些应该迅速放弃？

这些问题无法仅靠专家判断解决，也无法靠中央算法一次性决定。它们需要价格、交易、利润、亏损和竞争来不断筛选。

价格还是一种压缩局部知识的机制。

一个消费者在某一刻是否愿意支付，并不只是收入和价格的机械函数。它可能包含他今天的身体感受、昨天的经历、家庭关系、职业压力、未来预期、社会身份和审美偏好。一个企业是否愿意为某种 AI 系统付费，也不只是技术指标问题，而是它内部流程、员工能力、客户结构、监管风险和竞争压力的综合反映。这些局部知识通常无法完整传递给一个中心。市场价格则把这些分散判断转化为可观察的行动信号。

所以，价格机制不是旧时代的残余，而是开放未来中的发现装置。

AI 越强，可能性越多；可能性越多，筛选越重要；筛选越重要，价格机制就越重要。

仅仅有技术，并不会自动产生新产品和新服务。

从实验室里的能力，到市场中的产品，中间隔着漫长而复杂的过程：谁来识别场景？谁来承担风险？谁来组织团队？谁来改造流程？谁来教育消费者？谁来处理责任？谁来面对失败？谁来把一个技术可能性变成稳定的服务交付？

这就需要激励。

价格理论不是只讲价格水平，也讲激励结构。人们为什么投入时间、资本、声誉和组织能力去探索新产品？因为他们相信，如果探索成功，能够获得回报。如果所有新服务一旦出现就被立即无偿复制，如果所有利润都被视为不正当，如果所有差异化尝试都被监管按回标准品，如果所有失败都由创业者承担而成功收益被剥夺，那么再强的 AI 也不会自动带来繁荣的应用层。

创新不是技术函数的自然结果，而是激励结构下的经济行为。

人工智能降低了试错成本，但没有取消风险。一个创业者仍然要判断方向，一个企业仍然要重组流程，一个医生仍然要承担责任，一个教育机构仍然要建立信任，一个应用层公司仍然要找到消费者真正愿意支付的场景。AI 可以生成方案，但不能替代市场对方案价值的检验。AI 可以降低开发成本，但不能保证需求存在。AI 可以扩大想象空间，但不能自动完成商业化。

这就是为什么价格、产权、利润和竞争仍然重要。

利润不是罪恶的残余，而是发现正确方向的奖励。亏损不是残酷的惩罚，而是错误方向的信号。竞争不是资源浪费，而是不同猜想之间的试验。进入自由不是抽象原则，而是让未知产品有机会出现的制度条件。

在人工智能时代，真正稀缺的可能不是生成能力，而是发现值得生成什么的能力；不是回答问题的能力，而是提出有价值问题的能力；不是优化给定目标的能力，而是选择目标、承担风险并组织现实世界行动的能力。

这些能力需要市场激励来调动。

这也是为什么应用层不会自动繁荣。一个国家可以拥有强大的模型、充足的算力、丰富的数据和庞大的工程师队伍，却仍然可能缺乏真正繁荣的应用生态。如果创业者不能获得回报，如果用户选择受到限制，如果监管过早把新服务按进旧分类，如果平台巨头控制入口，如果失败成本过高，如果社会舆论把利润等同于掠夺，那么许多潜在产品会在出现之前就死去。

AI 时代的竞争，不只是模型能力的竞争，也是制度激励的竞争。

谁能让更多人尝试，谁能让错误迅速暴露，谁能让正确方向获得回报，谁能让小众需求也有机会被服务，谁能让年轻企业挑战旧企业，谁就更可能发现未来的产品和服务。

我们今天很难命名十五年后的主要 AI 应用，就像十九世纪的人很难命名二十世纪的电力生活，二十世纪末的人很难完整命名移动互联网生活。

这不是因为我们缺乏想象力，而是因为新产品和新服务往往不是从已有词汇中线性推出的。它们是在技术、成本、组织、偏好和制度相互作用中涌现出来的。

在人工智能时代，最重要的新产品可能不只是“更好的搜索引擎”“更便宜的程序员”“更智能的客服”。这些只是旧地基上的延长线。更重要的可能是新型健康管理、新型教育陪伴、新型科研组织、新型法律服务、新型个人代理、新型文化体验、新型养老系统、新型家庭生产、新型企业流程、新型城市治理服务、新型心理支持和新型创造性协作。

许多服务过去并不是没有需求，而是成本太高。

一个普通家庭过去不可能拥有全天候私人医生、营养师、心理顾问、学习教练、法律顾问、职业规划师和家庭财务顾问。一个小企业过去不可能拥有世界级战略团队、数据分析团队、法律合规团队、多语言营销团队和自动化运营系统。一个县城医院过去不可能实时接入顶级医学知识、病人管理系统和连续健康监测。一个普通孩子过去不可能拥有真正个性化、持续反馈、跨学科联动的学习系统。

AI 使这些服务的智能部分变得廉价。但廉价智能只是开始。真正的产品化需要把智能嵌入场景，把场景变成流程，把流程变成服务，把服务变成信任关系，把信任关系变成可持续交易。

这就是应用层的巨大机会。

未来最大的公司，也许不只是拥有最强模型的公司，而是最能理解具体场景、最能组织互补资产、最能建立信任、最能把 AI 能力转化为生活服务和生产流程的公司。基础设施层出售通用能力，应用层出售解决方案、体验、责任和关系。通用能力可以很大，但贴近最终需求的创新空间可能更大。

以健康管理为例。AI 可以阅读医学文献、分析指标、生成建议、提醒服药、预测风险。

但真正的产品不是“医学建议文本”，而是一个能够让人长期改变行为的服务系统。它可能包括家庭医生、社区人员、可穿戴设备、饮食服务、保险激励、亲属沟通、心理支持和紧急响应。这里面有算法，也有组织；有数据，也有责任；有自动化，也有人类信任。消费者支付的不是一段文字，而是更健康、更安全、更有尊严的生活。

以教育为例。AI 可以解释知识点、生成练习、批改作文、调整路径。但真正的教育产品不是“答案生成器”，而是一个帮助学生形成能力、信心、兴趣和长期习惯的系统。它需要理解孩子的认知状态，也需要理解家庭背景、同伴环境、考试制度和心理压力。这里的价值来自智能，也来自陪伴、激励、评价和社会认可。

以企业管理为例。AI 可以生成报表、写代码、做预测、提出战略建议。但真正的企业应用不是把每个任务自动化，而是重组信息流、决策权、激励机制和责任边界。一个企业购买AI，不只是购买工具，而是在重构自己的生产函数和组织结构。这个过程高度场景化，无法由基础模型公司独自完成。

这些例子说明，AI 时代的应用层不是基础设施层的简单附属。它是需求发现、场景组织、信任建设和责任承担的前线。

因此，十五年内，应用层公司的总体规模远大于基础设施层，并不是违背经济学常识，而是符合经济学常识。上游投入越强大，越可能催生更庞大的下游生态。电力公司很重要，但电力驱动的工业体系更大；云服务很重要，但云上生长的数字经济更大；大模型很重要，但大模型支持的新产品、新服务、新组织和新生活方式，可能远远更大。

每一次通用技术的兴起，都会诱发一种计划幻觉。既然新技术如此强大，为什么不由少数中心机构统一规划？既然AI 可以处理海量数据，为什么还需要市场？既然算法可以预测需求，为什么还需要价格？既然机器人可以生产，为什么不直接按需分配？

这种想象的诱惑在于，它把经济问题简化为计算问题。

但经济生活的核心，从来不只是计算。它还包括发现、激励、信任、责任和选择。

计划系统可以优化已知目标，却很难发现未知目标。它可以在产品标准、偏好稳定、数据完整的环境里提高效率，却很难在产品空间开放、偏好不断变化、需求尚未形成的环境里进行探索。它可以根据过去行为预测未来的一部分，却不能替代人们在新产品出现后重新理解自己的欲望。

AI 可以让计划者更聪明，但不能取消局部知识。

一个消费者此时此地为什么需要某种服务，一个医生如何让病人相信，一个孩子为什么突然对某种学习方式产生兴趣，一个企业内部为什么某套系统会遭遇抵抗，一个老人为什么不愿意服药，一个用户为什么愿意为某种体验支付溢价，这些知识高度情境化，常常隐含在关系、习惯、文化、语言、身体和情绪之中。

越是差异化的时代，越不能把经济生活交给中心化配置。因为中心越强，越容易把复杂需求重新压扁成标准类别；越追求可管理，越可能牺牲新产品的野蛮生长；越偏好确定性，越会压制市场探索中最珍贵的未知可能性。

人工智能不会消灭哈耶克的问题。人工智能会把哈耶克的问题推向更精细的层面。

未来真正重要的，不是让一个中心知道一切，而是让无数局部知识能够通过价格、交易、契约、竞争和创业进入社会实验过程。市场不是因为计算能力不足才存在。市场是因为未来开放、知识分散、偏好异质、激励必要而存在。

智能时代的计划幻觉还有一个更深的错误：它把“需求”当作已经存在、等待满足的清单。

但大量需求并不是预先写好的。人们在新产品出现之后才理解自己的欲望，在社会模仿中重新排序自己的偏好，在价格比较中发现自己的支付意愿，在消费体验中学习什么值得继续购买。未来很多重要需求，今天甚至没有名字。既然没有名字，就无法被中央计划提前登记；既然无法登记，就无法被一次性优化。

市场的价值，正在于它允许这些无名需求通过试验浮出水面。

捍卫价格理论，并不是对现实市场的天真赞美。

人工智能时代完全可能出现新的垄断。基础模型、算力、数据、芯片、云平台、分发入口和操作系统，都可能形成规模经济和进入壁垒。上游平台可能通过定价、接口、数据控制和垂直整合，压缩应用层利润，把下游创新者变成依附者。所谓两万亿美元营收，既可能来自巨大价值创造，也可能部分包含平台租金。

这正是为什么我们需要更严肃的价格理论，而不是更少的价格理论。

价格机制要有效，必须有制度条件：进入自由、产权保护、契约执行、竞争秩序、反垄断规则、数据可携带、接口开放和责任清晰。没有这些条件，价格会被权力扭曲，利润会变成租金，平台会从市场的基础设施变成市场的封建领主。

因此，人工智能时代的制度任务，不是用计划替代市场，而是保护市场作为探索机制的开放性。

我们需要让基础设施层足够强大，但不能让它封死应用层。我们需要让模型公司获得创新回报，但不能让它们随意吞噬所有下游场景。我们需要让创业者接入通用智能能力，保留对用户、数据、品牌和服务关系的控制。我们需要让消费者拥有选择权，让劳动者拥有转型机会，让新企业可以挑战旧企业。

市场不是自然存在的真空。市场是一套制度成就。

价格理论的复归，不是说现实中的每个价格都公正，也不是说每个利润都来自创造价值。它说的是，在一个开放、竞争、可进入的制度环境中，价格、利润和亏损仍然是人类发现新需求、筛选新产品、组织新服务的最好机制。

这一点尤其重要。因为如果基础设施层过度集中，AI 时代的应用层繁荣可能被扼杀。上游巨头既提供模型，又控制入口，又观察下游数据，还可以随时复制表现最好的应用，应用层创业者就会缺乏投资激励。用户看似面对很多应用，实际上可能只是几个平台花园里的不同界面。价格仍然存在，但价格背后的进入自由和竞争压力被削弱了。

所以，捍卫价格理论不是为巨头辩护，而是为开放市场辩护。真正需要保护的，不是某一家模型公司，而是让无数应用层实验能够发生的制度环境。

人工智能会改变人的位置。

许多标准化脑力劳动会被压缩。许多过去依靠信息不对称、专业壁垒和重复经验获得收入的岗位，会失去价值。转型不会轻松。一个中年程序员不会自动变成心理教练，一个传统教师不会自动变成 AI 教育设计师，一个基层医生不会自动适应人机协作系统。社会必须正视这种痛苦，必须重建教育、培训、社会保险和职业流动机制。

但不能因为转型痛苦，就误以为人的经济价值正在消失。

AI 越强，人类越需要在非标准化部分发挥作用。未来人的价值，可能更多来自判断、信任、责任、审美、情绪、沟通、组织和风险承担。AI 可以给出医学建议，但病人是否相信并执行，仍需要人类关系。AI 可以设计课程，但孩子是否坚持和重建自信，仍需要人类陪伴。AI 可以生成方案，但组织是否采纳，员工是否配合，客户是否信任，监管是否接受，仍需要人类协调。AI 可以提出无数创新方向，但企业家必须选择方向，把资本、声誉和人生押上去。

人的位置不是从所有任务中退出，而是从标准化执行转向方向选择和现实落地。

这不是说所有人都会轻松升级，也不是说每个新工作都会体面。市场本身不会自动解决全部分配问题。政策、教育、社会保障和竞争规则都不可或缺。但从生产组织的深层逻辑看， AI 不会只留下一个人类无事可做的真空。它会改变什么样的人类能力有价值。

当机器承担越来越多可复制的认知劳动，人类不可复制的局部知识、关系能力、判断能力和责任能力，反而会变得更加重要。

这也意味着，我们不能用今天的职业名称来判断人的未来。许多未来工作还没有名字。十九世纪的人不会把“软件工程师”“用户体验设计师”“直播运营”“数据科学家”“云架构师”“短视频创作者”写进职业想象，今天的人也无法完整列出 AI 时代的职业结构。未来的人类工作，可能更多围绕服务关系、场景组织、风险承担、需求解释、行为改变、体验设计和信任生产展开。旧职业会消失，新职业会出现。

但更深的变化，是人的劳动从“执行既定任务”转向“组织开放可能性”。

历史从不按照旧时代的职业分类前进。

当机器织布时，人们为织工哭泣；当铁路穿过大陆时，人们为马车夫焦虑；当电灯点亮城市时，人们为点灯人惋惜；当互联网吞噬纸媒和柜台时，人们为旧行业写下悼词。这些痛苦都是真实的。但如果历史只由这些痛苦构成，人类早已停在过去。

真正改变世界的，不只是旧工作消失，而是新需求被看见，新产品被发明，新服务被组织，新生活方式被创造。

人工智能也将如此。

我们今天站在旧地基上，很容易把未来想象成一场岗位清算。我们看得见被替代的文案、程序员、客服、翻译、分析师，却看不见尚未出现的健康服务、教育形态、科研组织、文化体验、家庭生产、企业流程和个人生活方式。被摧毁的东西有名字，被创造的东西常常还没有名字。于是恐惧总是比想象力更早到达。

经济学的责任，不是贩卖廉价乐观，也不是迎合防御性悲观。经济学的责任，是提醒人们：技术革命的核心，不是旧世界里的替代算术，而是新世界里的可行集合扩张。

当 AI 把智能变成廉价投入，社会真正需要的不是把所有可能性交给少数中心去规划，而是给无数人探索未知需求的自由。我们需要价格，因为人们的偏好异质而变化；我们需要市场，因为知识分散在具体时间和地点；我们需要利润，因为创新需要激励；我们需要亏损，因为错误方向需要被淘汰；我们需要竞争，因为没有人事先知道未来属于哪一种产品、哪一种服务、哪一种组织形式。

每一个旧时代都会把自己的职业、组织和产业误认为文明的自然形态。农业时代如此，工业时代如此，互联网时代也如此。人们以为自己是在保护生活，其实常常是在保护过去的分类；人们以为自己是在捍卫人类，其实常常是在捍卫旧技术条件下形成的职业身份。

但历史真正保护的，从来不是马车夫、点灯人或打字员这些具体身份，而是人类在新技术面前重新发现需求、重新组织生产、重新创造生活的能力。

AI 时代最值得捍卫的，正是这种能力。而它的制度形式，仍然是开放市场中的价格、利润、亏损、竞争与进入自由。

价格理论的复归，不是回到过去，而是为未来辩护。

未来不会因为 AI 强大而变成一个没有稀缺、没有选择、没有交易、没有市场的静态天堂。未来会更丰富，也更复杂；更丰裕，也更差异化；更智能，也更依赖局部知识和人类判断。人工智能扩展了可能性，但价格机制帮助我们发现哪些可能性真正有价值。

给新世界留下市场，就是给未知需求留下道路，给新产品留下试验，给年轻人留下冒险，给人类想象力留下出口。

旧地基终将松动。真正的问题不是我们能否保住每一辆马车，而是我们是否允许铁路、汽车、飞机和那些尚未命名的事物出现。

人工智能时代最值得捍卫的，不是某一种旧职业、旧产业或旧组织形式，而是人类在开放未来中发现价值的制度能力。

这不是旧经济学的残余。

这是新世界的入口。

这就是价格理论的复归。