AI生成白菜价，为何验证成最高贵资产？透视价格重构
每一次重大的技术革命，在初期往往被简化为单一维度的能力胜利。蒸汽机被视为力量的延伸，电力被视为能源的胜利，计算机被视为算力的突破。而在人工智能时代，大众叙事倾向于聚焦于机器“生成”能力的爆发：它能写诗、作画、编程，甚至模拟推理。然而，若仅停留在技术能做什么的层面，便忽略了经济学最核心的追问：技术如何改变相对价格？当生成内容的边际成本急剧下降，整个经济系统的分工、组织边界及价值捕获逻辑必然发生剧烈重排。
在当前语境下，人工智能带来的最大结构性变化，并非机器学会了生成，而是生成的稀缺性消失。过去需要资深作者、律师、研发或咨询团队才能产出的候选方案，如今可由算法以极低代价批量生成。当候选答案无限丰富时，真正的瓶颈不再是“有没有答案”，而是“哪个答案可行”、“谁为后果负责”。市场体系的约束条件，正从生成不足转向验证不足。这一转变定义了AI时代新的稀缺性来源与价值高地。
概率大模型：开放世界中的逻辑扩展
在讨论AI的价值之前，必须破除两种极端的认知偏差。一种是“大模型万能论”，认为随着参数规模和语料库的扩张，所有认知问题终将被概率预测所吸收；另一种是“大模型贬低论”，将其视为缺乏因果推理能力的统计机器，认为真正的智能必须依赖世界模型或符号系统。这两种观点均失之片面，因为它们忽略了智能适用的世界类型。
人类社会本质上是一个状态空间不完备的开放系统。企业战略、消费者偏好、政策环境充满了根本性的不确定性，不存在封闭的试卷与标准答案。在这种语境下，概率大模型的核心价值不在于提供零误差的确定性，而在于处理不完全信息下的逻辑推理。借用凯恩斯在《概率论》中的观点，概率并非单纯的频率统计，而是命题在不完全证据下的逻辑关系。
概率大模型的工作机制，正是在高维语义空间中，将人类已有的知识状态进行压缩与重组，在已知约束下铺开尽可能充分的可能性集合。它并非低级智能，而是应对开放不确定性的基础智能形态。它的优势在于生成结构良好的候选集，而非消除不确定性。相比之下，以世界模型、符号推理为代表的结构化智能，则更适合边界明确、目标清晰的闭合任务，追求低方差与高可控性。二者并非替代关系，而是互补分工：前者负责在混沌中扩展可能性，后者负责在边界内收敛执行。
行冲击与生成-验证接力
为了更清晰地理解AI对经济系统的影响，我们可以构建一个四维任务矩阵。任何经济任务均可拆解为四个纵向环节：生成（提出候选）、验证（判断真伪）、执行（落实方案）与背书担责（承担后果）。传统的自动化讨论多关注“列冲击”，即机器取代人类完成特定任务列。然而，AI带来的实质是一场“行冲击”——它压低了“生成”这一行在所有任务中的成本。
这种行冲击导致任务内部相对价格的重排。当生成成本趋近于零，资源与人力不再向生成环节倾斜，而是流向下游的验证与背书环节。这种纵向的“生成-验证接力”取代了传统的横向替代。在接力过程中，前端面对开放的不确定性，负责发散思维；后端面对不可让渡的后果，负责收敛与问责。
这一变化深刻重塑了企业组织形态。传统中间层承担的大量信息搬运、格式转换与转译职能，因AI的介入而被大幅压缩。企业将从多层级的信息传递结构，转向扁平化的、围绕现实摩擦处理的体系。真正留存下来的中间管理者，不再是信息的垄断者，而是现实协调者、信任构建者与异常处理者。同样，在思想市场中，瓶颈也从“解释不足”转向“验证不足”。AI提高了知识流通的效率，但也导致了“解释通胀”。此时，因果识别、实证检验与制度理解成为筛选有效信息的关键质检机制。
科斯边界移动与后果不可让渡
AI如何改变企业的存在边界？科斯定理指出，企业的存在是为了降低交易成本。在AI时代，语义检索、方案生成等认知任务的成本大幅下降，推动许多低后果、可标准化的生成环节外包化。然而，并非所有任务都能被推向市场。
这里触及了经济学的一个核心锚点：后果的不可让渡性。在不完全契约下，剩余控制权与剩余索取权必须归属于能够承担后果的主体。AI可以优化预测精度，但无法持有法律责任，无法承接组织失灵的战略风险，更无法替代人类在制度环境中的信任背书。例如，算法可以筛选药物分子，但无法承担临床试验失败的伦理与法律后果；AI可以起草合同条款，但无法替代律师在具体法域下的风险判断与担责。
因此，“AI辅助决策而不替代决策”并非道德口号，而是不完全契约下的必然产权安排。预测可以外包，后果不能。这导致企业边界的移动逻辑发生根本转变：过去由信息处理成本决定边界，现在由后果归属、契约可执行性与制度嵌入程度决定。凡是涉及责任承担、长期承诺与现实摩擦处理的环节，更倾向于内部化；而低后果的生成环节则加速市场化。
价值捕获：从基础设施到责任节点
随着概率大模型走向基础设施化，其自身面临巨大的租金压缩压力。虽然前沿技术可能暂时形成壁垒，但从长期看，通用模型层的垄断租金必然向下游迁移。这类似于电力或芯片产业，基础设施变得重要但利润率受限，价值捕获点转移至应用层的关键节点。
在AI时代，租金将流向那些占据不可形式化验证关键节点的环节。这包括：具备深厚地方性知识的监管接口、能够绑定法律责任的背书机构、以及掌握制度细节的合规专家。例如，大模型可以生成通用的法律文本，但真正稀缺的是在具体司法管辖区内为合同背书的法律服务；它可以生成医疗建议，但稀缺的是通过伦理审查与长期风险承担的医疗体系。
这种价值转移也引发了思想市场的产权危机。AI的去出处化调用可能导致概念生产者失去声誉回报，进而削弱深层概念生产的激励。因此，重建概念产权、声誉收益与可检验贡献之间的匹配机制，成为维持思想市场活力的关键。
不能压缩的世界：原子与时间
最后，必须清醒认识到AI能力的边界。AI压缩的是比特世界中的搜索、重组与表达，却无法压缩原子世界中的身体、制度、责任与时间。
以医药研发为例，AI虽能加速分子筛选，但无法跨越人体代谢的时间窗口与伦理审查的制度约束。以组织管理为例，AI可优化流程图，但无法瞬间生成基于长期互动沉淀的组织信任。信任、权威与声誉，是时间与承诺的函数，具有不可压缩性。
技术进步不会消灭稀缺，只会转移稀缺。在AI时代，市场体系的瓶颈从生成不足转向验证不足，更准确地说是转向那种无法完全形式化、必须有人承担后果的验证不足。未来的竞争优势，不再仅仅取决于生成能力的大小，而取决于验证能力的强弱、背书权的重置、责任链条的清晰度以及对现实制度摩擦的驾驭能力。
这不仅是技术的演进，更是人类社会在面临巨大不确定性时，重新定义责任、产权与组织协作方式的深刻变革。当机器能够生成无限的可能性，人类的核心价值，将愈发集中于那些能够穿越不确定性、锚定现实、并为最终结果负责的环节。