陈玉宇
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费，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（词元）”，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体量更大；云服务很重要，但云上生长的数字经济规模更大；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，影响可能远超想象。
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。
（作者系北京大学光华管理学院应用经济系教授）
|
