从经济学视角论述 AI 压低生成成本后，稀缺资源从生成环节转向验证、背书与担责环节，并提出「行冲击」与「生成—验证接力」…
人工智能时代真正的稀缺资源正在发生一次深层转移：当 AI 把文本、代码、方案与假说的生成成本压至接近零时，真正昂贵的环节，变成了「验证」——判断一份合同是否藏有风险、一段代码是否存在漏洞、一项研究假说是否真正抓住因果，以及由谁来为最终后果负责。本文以经济学视角审视这场转变，并提出「行冲击」与「生成—验证接力」两个分析框架。
每一轮重大技术变革，最初都容易被误读为机器能力的胜利：蒸汽机被理解为力量的胜利，电力被理解为能源的胜利，计算机被理解为计算速度的胜利；到了人工智能时代，流行的说法是机器开始会写、会画、会编程、会回答问题，甚至开始会思考。这些说法并不算错，但都不够经济学。
经济学追问的，从来不止于「技术能做什么」，而是「技术改变了哪些成本，整个系统中的相对价格如何因此重排」。相对价格一旦改变，分工随之改变，组织边界随之改变，价值捕获与产权结构也随之改变。
以此视角看，AI 时代最重要的变化，是生成的边际成本急剧下降。过去需要一位作者、一名律师、一个研究团队或一个咨询小组才能产出的候选文本、候选方案、候选代码与候选假说，如今可由机器以极低成本批量产生。低阶的、可枚举的生成正在迅速失去稀缺性，稀缺由此转向验证与担责。
需要强调的是，这里所说的「验证」，并非所有验证。代码能否编译、账目是否平衡、剂量是否越界、合同是否触发明文规则——这些属于可形式化的验证，同样会被 AI 降价。真正稀缺的，是另一类无法完全形式化、又必须有人承担后果的验证：研究假说是否抓住因果机制，一笔商业赌注是否值得押上，一份合同在未写明状态下的风险应归于谁，一项政策建议能否穿越地方执行的复杂摩擦。这类判断稀缺，是因为世界本身状态空间不完备、契约不完全、后果不可外包——与技术本身「难不难算」无关。
关于 AI 技术路线，常见两种极端看法：一是「大模型万能论」，仿佛只要模型继续变大、上下文窗口继续拉长，所有认知、商业与组织问题终将被同一套概率预测系统吸收；二是「大模型贬低论」，把概率大模型简化为「下一个词元的预测」，视其为统计相关性的堆积，既无世界模型，也无因果结构。
两种看法都失之片面。概率大模型会幻觉，会在长尾处出错，会把流畅误装成事实；但这只能说明它工作在开放而不确定的世界中，并不能证明它是低级智能。人类社会本就不是一张边界封闭的试卷：企业战略没有完整答案，消费者偏好并不稳定，政策环境充满博弈，科学探索常常不知道问题的正确形式。在这些场合，最关键的能力不是把一道封闭题算到零误差，而是在不完全信息下把可能性组织起来。
借用凯恩斯 1921 年《概率论》的逻辑解释——概率是命题之间的一种逻辑关系，刻画的是理性主体在证据不完全时进行推理的形式，而非事件频率；许多概率根本无法用数字表示，甚至无法彼此比较。概率大模型在巨大语料的条件分布中呈现「人类知识状态下最值得考虑的语义延伸」，本质上正是这种「在约束下铺开可能性」的操作。其核心美德因此是在开放不确定性中生成结构良好的候选集，而非追求零错误。
与此同时，以世界模型、符号推理、规则约束系统与专门化小模型为代表的结构化智能，追求的是另一类能力：在边界明确、目标清晰、反馈稳定的环境中实现低错误率与高可控性。二者面对不同的不确定性结构，既无高低之分，也无简单替代之别。
若把整个经济体视为一张矩阵：列是 N 种任务（起草合同、写代码、研发新药、做战略判断、完成论文等），行是几乎每一种任务内部都要走完的四个环节——
AI 压低的，是这张矩阵中一整行——生成行——在所有列上的成本，使之趋近于零。这是一场「行冲击」，冲击落在一整行上，而非某几列上。这一行的塌缩会顺势波及验证行中可形式化的部分（编译是否通过、账目是否平衡同样被一并降价），却触不到验证中无法形式化的内核，更触不到执行与背书。
经济学对自动化的标准刻画——阿西莫格鲁与奥托尔的任务框架——是按列展开的：自动化成为一场「列冲击」，挑选某些列把整列从人手中移走，这也是「哪些工作会被取代」这一问法的来源。
把任务纵向拆成四个环节之后，冲击的方向就变了：
把矩阵中的一列自上而下走完，就是一次「生成—验证接力」：前段面对开放的状态空间，把可能性铺开；后段面对不可让渡的后果，负责收敛、复核与背书。这一框架也解释了企业内部的真实变化——传统中间层中低信息含量的部分会被概率大模型挤压，而真正留存下来的中间管理者，将从信息的垄断者转变为现实摩擦的处理者，应对长尾异常、地方性知识、跨部门协调与承诺兑现。
科斯曾问：既然市场可以协调资源，为什么还需要企业？答案在于交易成本。当语义检索、信息重组、文本与代码生成的成本大幅下降，许多认知任务会被推向市场，企业可以购买 AI 服务、外包大量低后果、可标准化、可替代的生成环节。
但另一部分任务反而更需要内部化，原因落在后果归属与契约的可执行性上，而非信息处理能力：
在不完全契约下，剩余控制权与剩余索取权必须落在能够承担后果的人类委托人和组织主体手中：预测可以外包，后果不能；可形式化的复核可以让渡，剩余索取权不能。AI 可以压低生成与判断的成本，却无法持有剩余索取权，也无法承接资源配置失败、组织失灵与战略误判的完整责任链条；它至多充当参谋、工具与生成器，到不了最终产权主体的位置。
由此，企业边界移动的新逻辑浮现——
过去企业边界在很大程度上由信息处理与监督成本决定；AI 时代，企业边界将越来越由后果归属、契约的可执行性与制度嵌入的程度决定。生成越便宜，验证越昂贵；工具越强大，责任越稀缺——这正是 AI 行冲击之后，经济系统正在显露的深层结构。
