AI生成边际成本趋零，为何验证与背书成为新稀缺资源？
技术表象下的经济学重排
每一次重大的技术迭代，往往在初期被赋予某种单一维度的神话色彩。蒸汽机时代被视为力量解放的象征，电力时代被定义为能源的胜利，而计算机时代则被简化为计算速度的飞跃。当下，人工智能的兴起同样伴随着类似的误读：人们惊叹于机器能写诗、能画画、能编程，甚至能进行逻辑推理。然而，若从经济学的深层逻辑审视，技术本身的“能力”并非核心变量，真正决定系统演化的，是技术如何重构成本结构，进而引发相对价格的重排。
在人工智能时代，最显著的经济特征是生成内容的边际成本急剧趋近于零。过去需要资深律师审阅一份合同、需要研发团队构建一个代码原型、需要科学团队提出一个实验假说，如今这些初步的候选方案可以由算法以极低的成本批量产生。当“生成”不再稀缺，经济系统的瓶颈便自然转移。稀缺性从“提出多少可能性”转向了“判断哪种可能性值得执行”。这种从生成到验证的转移，不仅是效率的提升，更是社会分工与产权结构的深刻重塑。
概率大模型的认知定位与局限
要理解这一重排，首先需破除对概率大模型的两种极端认知。一种观点过度神话其能力，认为随着参数量的增加，模型将吸收所有人类知识并解决所有问题；另一种观点则极度贬低，将其视为纯粹的统计拟合，认为其缺乏真正的世界模型与因果推理能力，无法替代结构化智能。
事实上，概率大模型的价值在于其在高维语义空间中组织可能性的能力。在开放且充满不确定性的世界中，人类面临的状态空间往往是不完备的。凯恩斯在《概率论》中提出的逻辑概率观指出，概率不仅是频率统计，更是不完全信息下理性主体对命题合理相信程度的度量。概率大模型的核心优势，正是在这种“根本不确定性”下，快速梳理已有证据，生成结构良好、逻辑自洽的候选解释集合。它不是要给出唯一的正确答案，而是极大地扩展了我们可考虑的解空间。
然而，这种生成能力有其边界。它擅长处理开放任务中的流动性与连接性，却难以应对闭合任务中的精准校验。例如，代码编译是否通过、账目是否平衡、药理实验是否满足既定约束，这些任务需要的是低方差、可复核、高确定性的结构化智能。因此，概率大模型与结构化智能并非替代关系，而是互补关系：前者负责在混沌中发散可能性，后者负责在边界内收敛与执行。
“行冲击”下的任务内部重组
传统经济学常关注自动化对特定职业或任务的替代，即“列冲击”——某类任务完全从人转移到机器。但在AI时代，更深刻的变化是一场“行冲击”：AI压降的是所有任务中“生成”这一环节的成本，而非某一项具体任务。
我们可以将经济活动中的任务拆解为四个纵向环节：生成（提出候选）、验证（判断真伪）、执行（落实操作）与背书（承担后果）。AI主要冲击的是“生成”这一行。这一冲击导致的结果是，在每个任务内部，生成环节的相对价格大幅下降，而下游的验证、执行与背书环节的相对价值急剧上升。
这种重排导致了企业内部组织的扁平化与职能转型。过去，中层管理大量承担着信息搬运、格式转换与初步翻译的职能，这些本质上是低信息含量的生成工作。随着AI介入，这部分职能被大幅压缩。然而，中间层不会消失，而是转型为处理现实摩擦的角色：协调跨部门信任、应对长尾异常、处理地方性知识以及确保承诺的兑现。企业从多层级的信息传递结构，转向围绕生成-验证-执行的高效协同体系。
科斯边界与后果的可让渡性
既然生成如此廉价，为何企业不将所有决策都外包给AI？这触及了科斯定理的核心：企业的存在是为了节约交易成本。而在AI时代，决定企业边界的不再是信息处理能力，而是后果归属与契约的可执行性。
关键在于“后果不可让渡”。即便AI能做出极高精度的预测，一旦发生事故或战略失误，赔偿责任与法律后果仍必须由能够承担它的主体（人或组织）来背负。这就是“不完全契约”下的产权安排。由于现实世界的状态空间不完备，许多风险无法在事前写入合同，剩余控制权与剩余索取权必须保留在人类委托人手中。
因此，“AI辅助决策，人类承担责任”不只是一句道德口号，而是基于产权逻辑的必然选择。可形式化、低后果的生成环节可以被推向市场外包，但涉及责任背书、制度嵌入与现实协调的环节，必须保持内部化。AI可以成为最强大的参谋，但它无法成为最终的风险承担者，也无法持有剩余索取权。
价值捕获的新锚点：从解释到验证
随着生成成本的崩塌，思想市场与商业市场的价值捕获逻辑也随之改变。过去，学术与商业竞争的核心壁垒在于“解释力”——提出新颖的概念、模型或叙事。AI极大地降低了这一门槛，导致“解释通胀”：大量逻辑自洽但缺乏现实根基的理论涌现。
此时，真正的稀缺资源转移到了“验证能力”上。这包括因果识别的严谨性、对制度细节的深刻理解、以及将理论置于现实摩擦中进行证伪的能力。在医药研发中，AI可以筛选出数亿种分子，但药物的安全性与有效性仍需漫长的临床验证与伦理审查，因为身体的反应无法被完全模拟。在法律服务中，AI可以起草标准合同，但特定法域下的风险规避与责任界定，仍需资深律师的制度性背书。
未来，价值链上的租金将流向那些掌握“不可形式化验证”节点的环节。这包括：具备因果识别能力的研究者、拥有地方性制度知识的合规专家、以及能够承担最终责任的组织主体。概率大模型将成为类似电力或互联网的基础设施，其本身可能因竞争而趋于商品化，但基于模型之上的验证、背书与责任链条，将形成新的护城河。
不能压缩的原子世界与时间
最后，必须区分“比特世界”与“原子世界”。AI能够压缩的是比特世界中的搜索、重组与表达成本。然而，原子世界中的物理约束、制度摩擦、人际信任与时间维度，是AI无法压缩的。
信任不是通过一次生成就能建立的，它依赖于长期的互动、承诺的兑现与声誉的沉淀。组织不是流程图，而是由真实的人在约束下形成的合作秩序。AI可以优化管理方案的逻辑，但无法自动生成团队内部的凝聚力。同样，科学信用也不是由算法生成的，而是由同行在时间中通过反复检验与批评累积而成的。
因此，AI时代的核心竞争力，不在于谁拥有更快的生成速度，而在于谁拥有更深厚的验证能力、更稳固的责任背书体系，以及更有效地处理原子世界中现实摩擦的能力。技术改变了成本结构，但并未消除稀缺；它只是将稀缺从“信息的匮乏”转移到了“判断的责任”与“现实的锚定”之上。人类社会将如何为这些被重新定价的环节构建激励机制，将是决定未来经济版图的关键。