社区

本文作者陈玉宇，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。此文来自陈玉宇教授人工智能课程中的宏观历史专题，将 AI 放置在更长的时间维度下展开分析。

编者按：一种技术能做什么，不决定人类会拿它做什么。中间隔着一个词：可计价的想象。资本并不缺想象力，但它更容易为有尺子的想象下注。爱迪生的电灯可以拿煤气照明来估值，很快拿到华尔街的钱；摩尔斯的电报找不到现成的市场参照，最后靠国会拨下三万美元。市场每天都在给未来定价，但最擅长的，仍是那些已经能写成一个数、拿去比较的未来。人工智能一出生，面前就摆着一张巨大的账单：程序员、律师、客服、教师、医生、分析师，以及整个现代经济中的认知劳动。这张账单太大了，大到它不需要向外找，也能活得很好。这是它的便利，也是它的危险。今天大量人工智能应用，仍是在给旧岗位装上“电机”：律师更快审合同，程序员更快写代码，医生更快写病历。电力史提醒我们，真正巨大的收益并不来自电机替换蒸汽机，而来自工厂最终拆掉天轴，围绕电重新设计生产形式。厂房会老，人会保卫自己的厂房。与此同时，几亿普通使用者正在底层试出大量没有名字的“电器”：一个医生的私人病历流程，一个老师自己的教学方法，一个小店主处理邮件的办法。生成越来越便宜，新的瓶颈开始变成筛选：谁能从海量私人试验里认出真正有一般价值的东西？这也引出一个政策建议。政府可以承认自己不知道新用途在哪里，于是不挑企业，不挑行业，不挑问题，只把一小笔探索权交给每个人。全民 Token，就是人工智能时代的公共插座。给每个居民一笔不可转让的模型使用额度，让更多人去试那些还没有名字、也还无法估值的用途。试错没有关系；一旦试对，一个私人流程就可能被验证、扩散，最后成为新的市场。人工智能的未来，不只取决于模型还能变得多强。它也取决于我们是否愿意在市场还无法定价的时候，先给未知的用途留下一点搜索空间。

第一部分　一种力量怎样找到用途

自然规律决定一种技术能做什么，却不决定人类会拿它做什么。

一、八十年的距离

1800年，伏打把锌片和铜片交替叠起来，中间垫上浸了盐水的布，第一次得到了持续的电流。1831年，法拉第把磁铁插进线圈再抽出来，得到了感应电流。这两件事隔了三十年。从法拉第到1882年爱迪生在纽约珍珠街建成那座具有示范意义的商业中央电站，又隔了五十年。

八十年里，电并没有闲着。戴维1808年前后就在英国皇家研究院当众表演过弧光灯。1805年已经有人用电流在金属表面沉积出另一种金属，到1840年前后，伯明翰的工艺改进让电镀成了一门可以赚钱的生意。1840年代电报开始铺线。灯塔用上了弧光灯。医生把电当作一种时髦的疗法，集市上把它当作一种把戏。用途是有的，一个接一个地出现。

但这些用途之间隔得很远，每一个都是孤立的。电报有电报的电池，电镀有电镀的电池，弧光灯有弧光灯的发电机。没有一个共同的基础，没有一种日常的、标准化的供给，让人可以随手取用。从发现持续电流，到电成为可以随手取用的日常供给，中间是八十年，再到电像水一样接进每一户人家，又是几十年。我说的空白，指的是这段距离。

这段历史提醒我们把两件事分开。一件是发现一种能力，另一件是发明围绕这种能力展开的活动。前者是自然界给的，后者不是。电磁感应写在物理定律里，电灯、电梯、冰箱、电车不写在物理定律里。它们是人发明的，而且发明得很慢。

我们今天回头看，容易觉得电的用途清单是现成的，只等技术成熟就一项一项兑现。当时的人没有这张清单。他们不知道家里为什么需要电，工厂为什么需要电，城市为什么需要电。电是一个强大的答案，摆在那里，问题却要一个一个地去找。

二、电报：第一个大用途，也是最陌生的一个

电的第一个大用途是电报。这件事值得多说几句，因为它和后来的电灯很不一样。

摩尔斯是画家，不是电学家。1832年他在从欧洲回美国的船上听人聊电磁铁，动了念头。到1838年，他和合作者已经证明编码信号能够沿相当长的电线传送。接下来的五年他在找钱。他找过私人投资者，也去欧洲寻找专利和支持，仍然没有筹到修建长距离示范线路的钱。1843年美国国会拨了三万美元，第二年华盛顿到巴尔的摩的第一条线路建成。线路一通，私人资本很快就涌进了电报业。

为什么头五年找不到私人的钱？并非没有人想要更快的消息。商人一直想更早知道价格，报馆一直想更早拿到新闻，政府一直想更快传递命令。需求在，只是没有人能说出这个需求有多大。当时能拿来比较的只有邮政和驿马。如果拿邮费去乘，电报几乎不值钱，一封信几分钱，谁会为快几天付大钱。可是电报后来做成的事情，邮政从来没有做过。它催生了通讯社，让各地的粮价和棉花价在同一天对齐，让铁路可以按分钟调度列车，铁路和电报后来还共同推动了统一时区。这些东西在1843年都不存在，也没有人能替它们算一笔账。

当然，摩尔斯的困难还有别的解释。技术还没有在长距离上证明过自己，第一条示范线路有公共品的性质，谁建谁吃亏，专利也不确定，摩尔斯本人在商界没有名声。这些都可能是原因，我不打算把融资困难归结为单一原因。这个故事的用处在于它显示了一个问题，而非证明了一个答案：一个没有现成市场尺度的未来，更难拿到第一笔验证的钱。第一笔钱到了，示范做成了，尺度出现了，私人资本就来了。

摩尔斯的故事把两件事分开了：一个用途没有需求，和一个用途的需求没法估值。电报属于后者。想象是有的，摩尔斯自己就想象了一张覆盖全国的网。资本不缺信心，缺一把尺子。你让我拿什么去估它值多少钱？没有参照物，投资者就没法把它和别的机会放在一起比较。不能比较的东西，市场就很难给它定价。

三、爱迪生：想象有了尺度

四十年后，爱迪生做的是另一种事。

1878年他宣布要做电灯的时候，目标从第一天起就很清楚：取代煤气灯。他设计的不只是一个灯泡，而是一整套系统：发电机、电线、电表、灯座。整套系统都参照煤气照明的价格来设计。灯泡的亮度要和煤气灯差不多，电费要和煤气费差不多，接线的方式要像接煤气管一样方便。摩根和范德比尔特的钱很快就到了。

爱迪生当然也在想未来。他想的是每一户人家都点上电灯以后的世界，那个世界比当时的煤气照明市场大得多。但他的想象有一个锚。煤气公司每年收多少钱是可以查到的，一个城市有多少户人家是可以数的，照明在家庭开支里占多大比例是有数字的。他可以说，如果我的灯比煤气便宜一点，这些钱就会流到我这里来。这句话投资者听得懂。

把摩尔斯和爱迪生放在一起，差别就出来了。两个人都在想象一个还不存在的未来。摩尔斯的未来没有东西可以拿来乘，爱迪生的未来有。前者花了五年才筹到国会的三万美元，后者几个月就拿到了华尔街的钱。

我把爱迪生这种想象叫作“可计价的想象”。它仍然是想象，仍然可能错，爱迪生在直流和交流上就错了。但它是一种可以融资的错误。资本可以拿它和别的错误比较，可以给它一个估值，可以分摊它的风险。摩尔斯的想象做不到这些。

四、既有品类是想象的定价参照

从这两个故事里可以抽出一个一般的说法。

资本市场并不缺乏想象力。它每天都在给未来估值，给还没投产的矿、还没上市的药、还没建成的铁路估值。市场从来不只看现状。真正的差别在于，不同的未来，可估值的程度不一样。

一个已经存在的品类给想象提供了三样东西。第一，一个可以观察的支出规模，今年煤气公司收了多少钱。第二，一群已经存在的顾客，他们已经在为这件事付钱，你不用说服他们需要照明。第三，一套现成的语言，可以说“这个市场的百分之十”。有了这三样，想象就有了参照。一个人可以说：现在的市场是这么大，我拿到其中一部分，再假设市场还会长，于是未来值这么多。这个算式可能错得离谱，但它是一个算式，可以写在纸上，可以在会议室里和别的算式比。

一个真正的新活动常常连“这个市场”是什么都说不出来。它没有支出规模，因为还没有人在这上面花钱。它没有顾客，因为顾客还不知道自己会要这个。它没有语言，因为描述需求的词还没有被发明出来。它只能靠一个人的信念。信念不能相加，不能比较，不能分摊。

所以既有品类的作用比“它已经在那里”要大。它是想象的估值参照。凡是能借它来想的未来，都比较容易拿到钱。凡是借不上的，都要靠国会，靠赞助者，靠发明者自己的积蓄，或者干脆等，靠时间。

这比通常说的市场失灵要精确一些。市场并没有失败。它擅长在可以比较的未来之间配置资本，这件事它做得极好。它只是不擅长给没有估值锚点的未来定价。这两件事经常被混在一起说成“市场发现需求”。市场发现的是“可估值的需求”。

五、用途生用途

电力后来的历史可以按这个逻辑重讲一遍。

电灯之所以先来，因为煤气照明给了它尺子。电动机进工厂之所以顺理成章，因为蒸汽机给了它尺子，一台电机可以按它替换掉的蒸汽马力来定价。电车之所以很快铺开，因为马拉的有轨车已经在城市里跑了几十年。每一个早期用途都靠一个旧品类站住脚。

真正新的东西要晚得多，而且它们的出现方式和电灯不一样。电梯在蒸汽和液压时代就有了，纽约和芝加哥在1880年代已经借助它们盖起了十层上下的高楼。电动机成熟以后，电梯变得更快，更可靠，楼层再多也不难，高楼的经济账因此好算得多。制冷也是这样。它先在啤酒厂、肉库和冷藏运输中站住脚，那里本来就在为冰和保鲜付钱。制冷继续变便宜，家用冰箱才成为一个可以想的东西；家用冰箱普及以后，超市和更完整的冷链又获得了新的扩张空间，最后改变了今天人们吃东西的整个方式。

这里有三种不同的机制，需要分开。第一种是替代锚。煤气灯之于电灯，旧品类给新技术提供了可以观察的市场规模，让它容易融资。第二种是可行性扩张。制冷之于冷链，一种关键投入降价，让原来不经济的活动变得经济。冷链的价值不能拿制冷的市场规模去乘，制冷只是让它变得可能。第三种是用途累积。已有的应用留下设备、标准、技能和供应链，下一种应用的成本就低了。三种都重要，但只有第一种是既有品类给想象提供估值参照。后两种给的不是尺子，是可能。

所以新品类很少凭空出现。早期用途先借旧品类获得估值，站住以后，又通过降价、标准化和配套发明，为下一批用途打开空间。电力时代最大的一批新活动，都是这样一层一层搭上去的。每一层都要先站稳，先有价格，先有设备，下一层才有东西可借力。

这也解释了为什么电力革命这么慢。八十年没有一张总的账单列表可看，是因为没有一个足够大的旧市场能一下子把电吸进去。照明市场当时不算小，但和整个经济比很有限。工业动力市场有蒸汽机占着，电机要一台一台去替换。没有一个统一的、巨大的旧品类能给电力提供一把总的尺子。电只能一项一项地找用途，每找到一项，就多一把尺子，再用这把尺子去想下一项。

六、走向人工智能之前

到这里可以把话说回来了。

一种通用技术出现的时候，它面对的不只是自己的能力，还有一个已经存在的经济。这个经济里有些东西有价格，有些东西没有。技术的搜索方向，很大程度上由它出生时能借到什么尺子决定。电力出生时几乎借不到尺子，所以它被迫向外找，找了八十年。

人工智能出生时的情况完全不同。它最像的东西，恰好是现代经济里最昂贵、最普遍、账目最清楚的一种投入：人的认知劳动。律师、程序员、会计、客服、设计师、医生、教师、分析师，每一种都有工资，有行业规模，有利润率，有统计表。人工智能一出生，面前就摆着一张全世界最大的账单，而且这张账单上的每一项，都可以直接拿来乘。

这就是下一部分要讲的事。

第二部分　人工智能一出生，就看见了一个巨大的已有世界

七、人工智能第一次看见的世界

2022年底，人们第一次大规模地使用一个能用自然语言对话的模型。几个月内，用途清单就出来了。程序员写代码，于是有了写代码的助手。客服回答问题，于是有了客服机器人。律师审合同，医生写病历，会计做账，老师备课，分析师做报表，每一种职业后面都很快跟上一个产品。

这张清单有一个共同点：上面的每一项都是现有经济中已经存在的活动，而且每一项都有工资。这不是巧合。做这些产品的人先看到的是一张工资单。他们问的问题是：这张单子上哪些昂贵的人工成本可以让机器接过去？

有人说这是想象力不够。我不这样看。做代码助手的人想的是一个软件多到今天无法想象的世界，替程序员写几行代码只是入口。这些想象都很大。它们的共同之处在另一个地方：它们都可以用一个现成的数来估值。

现有软件开发的工资成本乘以可以替代的比例。现有客服成本乘以自动化率。现有法律服务支出乘以可以交给机器的份额。每一个算式都有一个可以查到的乘数。这就是爱迪生式的想象。

八、人工智能出生时借到的尺子

把这件事和电力放在一起看，差别就清楚了。

电出生时没有一把总的尺子。它像什么？它谁也不像。它不像马，不像蒸汽机，不像煤气。人们要花几十年，才一项一项地弄明白它可以替代什么。

人工智能出生时的情况相反。它像一样东西，而且像得非常具体：它像一个在工作的人。它写的东西像人写的，它答的问题像人答的，它做的判断像人做的。而人的认知劳动恰好是现代经济里账目最清楚的一种投入。

所以人工智能一出生，就有了一张全世界最大的账单可以借。不需要八十年去一项一项地找，账单已经摆在那里，上面每一项都标好了价。发明者不用问“这个东西能干什么”，只需要问“这张单子上的哪一项它能干”。

市场发现的是可估值的需求。人工智能出生时，可估值的需求多到可以任意取用。这就是它和电力最初的差别。它的能力可能是通用的，它寻找用途的方式从第一天起就是有方向的，方向由那张可节省的人工成本清单给定。

九、数太大了

接下来是一个有些反常识的判断。

现有市场太大，反而可能减少寻找新品类的必要激励。

想一想爱迪生的处境。煤气照明是一个可观的市场，但和整个经济比很有限。做完电灯，他的公司还得去找下一个用途，电机、电车、留声机。每一个新用途都要重新找尺子。电力时代的发明家是被逼着向外走的。做完一项，下一项不在账单上，只能去找。

人工智能的账单大到完全不同的程度。全世界白领的工资，加上驾驶，加上医疗，加上教育，加上法律，加上设计，加上管理，是几十万亿美元的量级。随便取一个替代率，得出来的数就足够写一份商业计划，足够融一轮资，足够撑起一家公司的十年。做完一项，账单上还有一百项。一家公司可以在这张账单上工作很久，从来不需要问“这个东西还有什么别的用”。

于是出现一个奇怪的局面。电力早期的人不得不想象一个没有价格的未来。人工智能早期的人面前摆着一个大到惊人的、可以直接估值的现在。前者向外找，是因为向内没有什么可挖。后者向内挖，是因为向内的东西太多了。

我不认为这是短视。在一个几十万亿的账单面前，不去挖它才是奇怪的。问题在于，挖它的时候，别处就没有人去尝试了，人工智能外拓经济的潜力就埋没了。

十、方向为什么会自我加强

到这里为止，人工智能和电力的差别还只是起点不同。下面这个差别更深。

电的物理性质不会因为某一种用途的市场很大而改变。煤气照明市场再大，电灯用得再多，电子不会变得更适合发光。人们选择用电做什么，是一回事；电是什么，是另一回事。

人工智能不存在这种分离。模型的能力来自数据，来自奖励，来自训练者的选择，来自工程师的时间。人们的使用方向通过三条路影响下一代模型。使用带来收入，收入决定训练者把资源投向哪里。使用产生反馈，其中一部分经过收集、清洗和评价，进入下一轮训练。训练者根据收入和反馈，决定优化什么、验证什么、发布什么。用户的每一次使用并不直接改变模型，但使用的领域和方向最终会改变能力的分布。

这里要把三个环节分开，它们常常被压成一句“账单决定一切”，经济学家说的市场规模。第一个环节是资本往哪里去，这由可估值的活动决定，账单大的领域钱多。第二个环节是能力在哪里长得快，这由数据和可验证性决定。代码和数学是模型进步最容易被观察到的领域之一，除了客户愿意付钱，还因为答案对错容易自动检查，对AI模型的奖励信号干净。医疗和法律的工资成本同样巨大，模型在考试和文本任务上未必进步慢，慢的是可靠性的验证和实际部署，因为对错难以自动判定，错了又要有人负责。第三个环节是能力能不能真正进入生产，这由责任、许可和组织的互补性决定。模型能力够了，谁对错误负责仍然没有解决，部署就不会发生。

三个环节合起来是一个圈。可估值的用途拿到钱，钱变成数据和奖励，在可验证的地方变成能力，能力让替代率的估计更可信，估值再拿到更多的钱。电力时代只有第一个箭头，市场决定资本去哪里。人工智能时代每个箭头都有，而且首尾相接。

今天已经能看到这个闭环的痕迹。模型进步最显眼的地方是代码和数学，最弱的地方是那些没有人打分、没有人付钱、也没有办法自动验证的任务。人工智能对各种用途的适用性由账单和验证条件共同决定，很不均匀。

于是那个反常识的判断又往前走了一步。数太大，不只是让人不去别处，还让模型本身变得更适合账单上的活。方向锁定了资本，也部分锁定了能力。开辟前所未有的未来活动，投入不足，能力不够。

十一、人工智能读过已有的世界

还有一点。电没有记忆。它对人类的历史一无所知。人们拿它照明，它不会因此觉得照明理所当然。人们拿它驱动电机，它也不会因此对工厂有什么成见。它对用途是完全空白的。

人工智能是从人类的记录里长出来的。它读过的东西，就是人类过去做过的事情。这些记录里有职业的分类，有行业的划分，有问题的提法，有需求的说法，有制度的样子。它继承了这一切。所以它并非面对一个空白的世界。它先读了已有世界的地图，然后才出发。

这带来一个电力没有的效果。资本把人工智能拉向已有的品类，人工智能自己的先验也指向已有的品类。你问它能干什么，它会告诉你一张清单，那张清单来自它读过的世界。它对“合同”“病历”“代码”“报表”有极为丰富的理解，因为人类写了无数这样的东西。它对那些还没有名字的活动所知很少，因为没有多少人写过。

一种通用技术带着已有世界的先验知识出生，这在以前没有先例。

十二、转译成本的坍塌

到这里，人工智能看起来只会向内卷。如果就此停住，这篇文章就写错了。因为它同时有一个电力从来没有过的向外的力量。

电从能力到用途，中间需要转译者。摩尔斯要把电磁铁变成一套编码和一根电线。爱迪生要把电流变成一个能亮几百小时的灯丝，再变成一整套发电和配电的系统。每一个用途都要有人把物理力量做成一个装置。这需要工程师，需要工厂，需要材料，需要资本。翻译很贵，所以试一个用途很贵，所以试的人很少。

人工智能的接口是自然语言。一个人可以直接说：我想做这件事，你能不能帮我。不需要懂原理，不需要造装置，不需要工厂。一个患者可以拿自己的化验单问它，一个老师可以拿自己班上的作业问它，一个小店主可以拿自己的账问它。试一个用途的成本降得很低。

电力时代，从能力到用途要经过少数转译者。人工智能时代，几亿人可以直接对着能力说话。这是一股向外的力量，而且规模是电力时代没有过的。

十三、两股力量

这两股力量在往相反的方向拉。向内的力量在上层，在训练模型的公司，在投资的基金，在部署它的企业，账单在那里起作用。向外的力量在底层，在个人，在小团队，在那些奇怪的、没有名字的需求里，翻译成本的坍塌在那里起作用。

“人工智能有没有创造力”这个问法把事情放错了地方。该问的是：当尝试各用途的成本降到很低，而想象的起点又深深地继承了已有的世界，人工智能最后会让用途越来越集中，还是越来越分散？

我不打算在这里回答。第三部分先去看底层正在发生什么。

第三部分　人工智能的“电器时代”可能已经开始，只是我们还看不见

十四、电网

人们从来没有感受过“电力革命”。他们感受到的是一盏灯，一台电机，一部电梯，一部电话，一台冰箱，一台收音机。革命这个词是后人加的。当时的人接触到的都是具体的东西，每一样都有名字，有价格，有厂家。

这些东西背后有一个共同的基础，就是电网。电网的重要性不只在输送电。它更要紧的作用，是把“发明一种新用途”变成“发明一个新电器”。有了插座，一个想试新用途的人不需要自己发电，不需要架线，不需要懂发电机。他只需要做一个能插上插座的东西。

这改变了谁能参与用途探索。爱迪生时代，试一个用途要建整套系统。电网普及以后，试一个用途只要做一个装置。做装置的门槛比建系统低得多。于是发明电器的人从几十个变成几万个。收音机、电熨斗、电风扇、吸尘器、洗衣机、电动工具，很多是小作坊做出来的，做的人并不是电学家。

通用性住在电网里，用途住在电器里。电网把用途探索从少数工程师的大工程，变成了分散、便宜而且大量重复的实验。电力时代许多新用途，是在这个阶段找到的。

十五、人工智能的电网

人工智能已经有了电网的雏形：云端模型，统一接口，按用量计费。

模型放在云端，通过接口调用，按用量计费。任何人可以用一个账号接上去，写几行代码，或者根本不写代码，直接在对话框里说话。这和插座是同一件事。使用者不需要训练模型，不需要买芯片，不需要懂它的原理。他只需要接上去。

但人工智能的电网比电力的电网走得更远。做一个电器仍然要设计机械结构，选材料，找工厂，建供应链，找渠道。这些都要钱，要时间，要专门的技能。做一个人工智能的“电器”，有时只需要一段提示词，一个小脚本，一套固定的工作流程。一个人一个下午就能做出来，做出来就能用，不满意可以扔掉重做。

所以人工智能“电器”的发明成本，比电力时代低了几个数量级。而且能做的人多得多。电力时代能做电器的是有工程技能的人，人工智能时代许多不会编程的人也能做。转译成本的坍塌，在这里落到了实处。电网让用途探索分散化，人工智能的电网让它分散到更多的人。

但它还不是电网。电网稳定，统一，中性，插座不会在夜里换掉电器所依赖的物理规律。模型接口由少数公司控制，价格、规则、能力和访问权都可以改，模型一更新，接在上面的电器就可能变样。今天接上去的人，接的是一个会动的插座。这一点限制了后面几节的判断，先记在这里。

十六、看不见的电器

有一件很重要的事：这些“电器”大多数没有名字。

一个医生每天早上把前一天的病历交给模型整理成一种他自己设计的格式。一个中学老师用一套自己摸索出来的提示词，给每个学生的作文写不一样的评语。一个做外贸的小老板让模型替他读所有的英文邮件，按他自己定的规矩分类。一个退休的人用它整理家谱。一个研究者用它把几百篇论文按一种谁也没用过的标准重新分类。一对父母把三岁孩子看的小猪佩奇配上自己的声音。

这些用法有几个共同点。没有成立公司，没有变成产品，没有行业代码，没有单独的收入。做的人自己也不觉得这是创新。它只是一套私人的流程，在一个人的电脑里运行，别人看不见。

但它已经改变了经济行为。那个医生每天多看几个病人，那个老师批改作业的方式变了，那个小老板不再雇人读邮件，那个小孩感受到与父母的亲近。这些变化加起来是什么规模，没有人知道，因为没有人统计。

这造成一种认识上的偏差。宏观统计看到的是大模型公司的收入、芯片的销量、企业软件支出、哪些岗位在减少。这些都是账单上的事。真正的用途创新可能先以无名的、私人的方式扩散，等它被看见的时候，已经过去很久了。电力时代也是这样。1900年的统计里能看到发电量和电灯数，看不到千家万户正在用电做的那些琐碎的事，而后来的大产业有不少是从那些琐碎的事里生长出来的。

未完结转下篇

$阿里巴巴(BABA)$ $腾讯控股(00700)$ $京东(JD)$