负和的强制投入：生成式人工智能采纳中的租金耗散与问题空间的所有权

一、问题的提出

一个正在被观察、却尚未获得解释的事实是：企业对生成式人工智能的采纳率在快速上升，而采纳与利润率之间迄今没有出现稳定的正向关联。

这个事实的两半都需要被认真对待。

采纳是真实的、且是有效的。方案产出周期从三周压到两天，文案、分析、代码的单位成本大幅下降，产出质量的均值上升。这些不是宣传，它们在企业内部的指标上是可见的。

利润率没有跟着上来。这一点在行业层面尤其明显：采纳最深的那些行业——广告、咨询、软件外包、内容生产——其利润率没有相应改善，部分反而承压。

标准的处置是把它归入"生产率悖论"的新一轮重演，等待时间与互补性投资来解决（Brynjolfsson, 1993; Brynjolfsson & Hitt, 1998）。这个处置有历史依据：索洛悖论最终被证明主要是滞后与测量问题，IT 的生产率效应在九十年代后期显现了。

本文论证：这一次不是滞后。这一次的结构不同，而且它的结局是负和的。

二、既有解释及其共同遗漏

（一）资源基础观：它不是优势来源

巴尼（Barney, 1991）的资源基础观给出了一个清晰的判据：只有同时满足有价值、稀缺、难以模仿、不可替代的资源，才构成持续竞争优势的来源。

按这个判据，一个人人可以按月订阅、由同一家厂商提供、且升级同步推送给所有人的模型，显然不满足稀缺与难以模仿。因此它不是优势来源。

这个结论是正确的，也是无争议的。但它只说了"不是优势"，它没有说"是什么"。 资源基础观的框架里，一个不构成优势的投入，默认是一项中性的成本——它不改变竞争格局，只是每个人的成本表上多了一行。

（二）卡尔的基础设施论：它变成了电力

卡尔（Carr, 2003）在一篇引发长期争论的文章中把这个逻辑推到了尽头：信息技术已经完成了从专有技术到基础设施的转变，正如铁路、电力、电话曾经走过的路。当一项技术普遍可得且价格低廉，它就不再是战略差异的来源，而是一项必须支付的入场费。 他因此建议企业降低 IT 支出、跟随而非领先。

这个论证是有力的，其历史类比也是恰当的——对于电力、对于铁路、对于此前的信息技术，它基本正确。

（三）共同遗漏：产出标准的内生上移

两个框架共享一个隐含假设：一项普遍可得的投入，只是改变了成本，不改变市场对产出的评判标准。

这个假设对电力是成立的。电力改变的是生产函数——同样的产品，用更少的投入造出来。它不改变客户对产品本身的期待：一件用电动机床加工的家具，客户评判它的标准仍然是那些老标准。

这个假设对生成式人工智能不成立，而这正是全部差别所在。

原因在于这项技术的位置：它的产出直接就是客户看见的那个交付物。 一份提案、一份分析报告、一段文案、一版设计、一块代码——这些不是生产过程的中间品，它们就是客户拿到手上的产品本身。

于是发生了一件电力时代没有发生过的事：

当所有竞争者都能在两天内产出一份此前需要三周才能产出的、且质量更高的提案，客户对"一份合格提案"的定义就上移到那个新水平。

这不是客户变刁了，这是市场标准的正常形成机制：合格线由可得的最好水平决定，而可得的最好水平刚刚被整体抬高了。

这一步是本文全部论证的支点，它把当前情形与电力的类比彻底分开：

电力改变生产函数，产出标准外生；

生成式人工智能改变产出本身，产出标准内生——它在被采纳的同时，改写了评判它自己产出的那把尺子。

三、机制：为什么是负和

（一）三个环节的租金流向

设想一个由三方构成的链条：模型厂商 → 采纳企业 → 客户。技术进步创造了真实的价值（同样的投入产出更多更好），问题是这份价值最终落在谁的账上。

模型厂商：其市场结构是寡头——训练前沿模型的固定成本极高，玩家数量个位数。寡头有定价权，因此它能够以订阅费的形式截取一部分价值，且这部分是确定的、预先支付的、与采纳企业是否盈利无关。

客户：其面对的供给侧是竞争性的。当所有供应商的成本同时下降、产能同时上升，竞争会把价格压下来。这是完全竞争市场的经典结果：技术进步的收益归消费者。 这个结果不需要任何人心怀恶意，它只需要有人愿意降价接单——而在竞争市场里，总会有。

采纳企业：它是这个链条上唯一一个既支付了新增成本，又无法提价的环节。

它上游面对的是寡头（价格由对方定），下游面对的是完全竞争（价格由市场定）。它被夹在中间，两头都不掌握定价权。

这个夹层位置不是运气不好，它是结构。而它的后果是精确的：技术进步创造的价值，经由订阅费流向上游，经由降价流向下游，采纳企业所得为零。

（二）为什么是负而不只是零

若只是这样，结论就是"中性成本"——即卡尔的结论。本文主张它是负的，理由在二·（三）的那个支点：产出标准内生上移。

一项中性的成本，其性质是：你付了，你回到原来的位置；你不付，你也回到原来的位置（只是没有那项便利）。

产出标准上移之后，"不付"这个选项消失了。

因为合格线已经移动了。一家不采纳的公司，其提案在两天内交不出来，且质量低于对手——它不是"保持原样"，它是跌破了合格线。它不能靠"不参与这场军备竞赛"来省下这笔钱，因为不参与的代价不是原地不动，是出局。

于是：

采纳成为一项强制投入：付了，你回到原来的相对位置；不付，你出局。这在博弈论上是一个囚徒困境的完整形态——所有人的最优反应是采纳，而所有人都采纳的结果是所有人的相对位置不变，行业整体多支付一笔订阅费。

这就是负和：行业整体的支出上升，相对格局不变，而多出来的那笔钱流出了这个行业。

（三）红皇后：跑步以维持原地

巴尼特与汉森（Barnett & Hansen, 1996）用红皇后效应描述过一个类似的结构：竞争者的相互改进使每一方都必须持续改进，而相对位置不变。

本文所论证的是这个效应的一个纯粹形态，且比一般的红皇后更严峻。一般的红皇后竞赛中，跑步的能力本身是异质的——有的企业跑得更好，从而积累起真实的能力差异，这些差异是难以模仿的（因为它们是内生积累的）。

而这一次，跑鞋是同一家店卖的，型号一样，价格公开。 采纳这个动作本身没有异质性可言：它不需要多年积累，不需要组织变革，不需要专有知识。一个没有任何能力的企业，与一个能力很强的企业，购买的是同一个模型的同一个版本。

因此这场竞赛甚至不产生能力差异的副产品。它只产生支出。

（四）一个必要的限定

上述机制依赖两个条件，两个都必须成立：

条件一：产出直接构成客户所见的交付物。 若人工智能只用在内部流程（如财务对账、库存优化），产出标准不会上移，则它确实是中性成本，卡尔的结论适用。

条件二：下游是竞争性的。 若企业在下游拥有市场势力（垄断、强品牌、高转换成本、受管制的特许），它可以留住降本的收益不传递给客户，此时采纳是正和的。

这两个条件划出了本文的适用边界，也直接给出了一个可检验的推论（见第五节推论一）：同样的采纳，在下游竞争强度不同的行业，其对利润率的影响符号应当不同。 这一条既是本文的核心预测，也是本文最容易被证伪的地方。

四、那么优势在哪里：问题空间的所有权

（一）一切可购买的输入都不构成优势

若上述成立，一个自然的追问是：优势还剩下什么？

按资源基础观的判据逐项排查当前被广泛主张的候选：

模型——可购买，人人同版本。不构成。

算力——可购买。不构成。

人才——可雇佣，且"会用模型"的技能门槛正在快速下降。不构成。

数据——这是最常被主张的一条，也是最需要拆开的一条。通用数据可购买、可爬取、可合成，不构成。 而专有数据（企业自己的客户记录、生产日志）确实稀缺——但稀缺不等于有价值：一家企业的十年客户记录，若它不知道该拿这些记录问什么，那些记录就是仓库里的重量。数据的价值不是数据的属性，它是数据与问题之间的关系的属性。

排到最后，剩下一个东西：问题。

同一个模型，同一批数据，两个人去问，输出的价值可以差几个数量级。这不是一句励志的话，它是这项技术的运作方式的直接后果：模型的输出是问题的函数。 一个平庸的问题得到一个平庸的答案——不是因为模型不行，是因为答案的上限被问题锁死了。

（二）问题为什么不可购买：阿罗悖论

那么，为什么不能把问题也买来？咨询公司不就是卖问题的吗？

因为问题在原理上不可交易。

阿罗（Arrow, 1962）指出了一个关于信息的根本悖论：信息的价值，买方只有在获知它之后才能评估；而一旦获知，他就不再需要购买。 这个悖论使信息市场天然失灵，它是专利制度存在的理论基础之一。

问题是这个悖论最纯粹的实例：

若我告诉你"这是个价值一亿的问题：为什么我们的复购率在第三个月掉？"——你听到了，你不用付钱。

若我不告诉你，你无法判断它值不值一亿。

因此问题不能有市场价格。咨询公司卖的从来不是问题，是分析、是流程、是一份可以拿去开会的报告——即那些可以在披露前被描述、因而可以被定价的东西。 而这些，恰恰是现在可以被模型以近乎零成本产出的那一类。

这里出现了一个尖锐的推论：生成式人工智能所摧毁的，恰好是那些"可以在披露前被定价"的知识服务——因为可被定价意味着可被规格化，可被规格化意味着可被生成。而它无法触及的，正是那些因为不可定价而从来没有市场的东西。

（三）问题空间的所有权及其来源

据此给出本文的第二个概念：

问题空间的所有权：一家企业能够提出、而其竞争者提不出的那些问题的集合。它是当前条件下唯一不可购买、因而唯一可能构成持续优势的输入。

它从哪里来？只能来自不可购买的接触面——即那些必须由这家企业自己在场、自己花时间、自己挨过打才能形成的东西：

其一，独特的客户交界。不是客户数据，是与客户之间那些没有被记录下来的交互：客户在电话里那个犹豫的停顿、他抱怨时说的那句不在满意度问卷任何一个选项里的话。它之所以不可购买，是因为它不曾以可交易的形式存在过。

其二，独特的生产现场。一条产线上那个"每到梅雨季就得多留两丝"的东西。它不在任何工艺文件里，因为写下来就成了通用知识。

其三，独特的失败史。这家企业自己踩过的坑，且是别人没踩过的。这是三者中最有价值的一项，因为失败史是唯一在原理上不可复制的资产——你不能购买别人的失败，你只能购买他对失败的复盘，而复盘是失败的显性残留，不是失败本身。

三者的共同结构是：它们都是这家企业在场的时间的沉淀，而时间不可购买。

五、一个历史先例：质量认证的普及

本文的核心机制——产出标准内生上移导致的负和强制投入——若为真，它不应当是历史上的第一次。一个只在当下成立的机制，通常说明它是被当下的叙事塑造出来的。 因此必须去找一个先例，且必须找一个可以反过来杀死本文的先例。

质量认证的普及是这样一个先例。

上世纪八十年代末至九十年代，ISO 9000 系列认证在制造业与服务业迅速扩散。它的历史轨迹与本文的机制高度吻合：

第一阶段（先行者的优势）：早期获证企业确实获得了优势——认证稀缺，它是一个可信的质量信号，因而能带来订单与溢价。这一阶段与资源基础观完全一致：稀缺者得租金。

第二阶段（标准内生上移）：这是关键的一步，也是它区别于一般技术扩散的地方。 随着获证企业增多，采购方开始把认证写进招标资格条款——不是因为采购方变苛刻了，而是因为当大多数供应商都有证时，"有证"就成了筛选的自然起点。 合格线上移了，且这次上移不是任何人决定的，它是可得的最好水平被整体抬高的自动结果。

第三阶段（负和均衡）：认证从优势变为入场券。没有它出局，有了它不赚钱。而认证的成本（咨询费、审核费、年度监督审核、文件体系的维护）是持续的、真实的，且它流向了一个新兴的产业：认证机构与咨询公司。

对照本文第三节的三个环节：认证机构与咨询公司 = 模型厂商（截取租金的上游）；采购方 = 客户（经由竞争获得更好的供应商而不加价）；获证企业 = 采纳者（既付成本又不能提价的夹层）。 结构完全同构。

而这个先例给出的最有价值的东西，是它已经有了经验答案：ISO 9000 认证与企业财务绩效之间的关系，在三十年的实证文献中始终是混杂的。 大量研究未能发现认证对财务绩效的稳定正向影响；发现正向影响的研究，其效应往往集中在早期获证者——即第一阶段的先行者，而非扩散之后的跟随者。

这个经验分布恰好是本文机制的预测：先行者得租金（稀缺阶段），跟随者不得（普及阶段），而所有人都必须付费（强制阶段）。

这个先例同时提供了本文最需要的两样东西：

其一，它是一次对本文的检验，而且本文本可以在这里死掉。 如果 ISO 9000 的实证文献显示认证稳定地提高了财务绩效，本文的整个机制就会失去它唯一的历史支撑，因为那将意味着"标准内生上移"并不导致租金耗散。它没有显示这一点。

其二，它给出了一条本文自己不曾看见的推论：先行者与跟随者的收益是不同的。 这修正了本文第三节的表述——负和不是对所有采纳者一视同仁的，它有一个时间结构：早期采纳者可以在稀缺窗口内截取一段真实的租金，而这段窗口的长度由扩散速度决定。 生成式人工智能的扩散速度远快于 ISO 9000（后者用了十余年，前者用了不到两年），因而它的稀缺窗口短到几乎不存在——这使当前情形比它的历史先例更严峻，而不是更轻。

必须指出这个类比的两处不对称，否则它会被过度使用：

其一，认证是一个信号，不是一项生产能力。ISO 9000 认证本身不使产品变好（这正是它长期被批评的地方——认证的是体系文件，不是质量）。而生成式人工智能确实使产出变好。这一点对本文不利：它意味着技术进步创造的价值是真实的，问题只在于分配。 但分配恰恰是本文的论题——价值真实存在，而它不落在采纳者账上，这不是一个更弱的主张，这是一个更精确的主张。

其二，认证有明确的边界，模型没有。ISO 9000 的要求是有限的、可以完成的；模型能力在持续上升，因而"跟上"这件事没有终点。这一点使当前情形比先例更接近纯粹的红皇后——先例里你可以拿到证然后停下，这里你不能停。

六、四项可证伪推论

推论一（边界条件，本文最要害的一条）：采纳强度与利润率变化的关系，随下游竞争强度（以行业集中度、需求价格弹性、转换成本操作化）的上升而由正转负。即两者存在显著的交互作用，且交互项符号为负。

证伪：若采纳与利润率的关系不随下游竞争强度变化，则本文的核心机制（租金经由降价传递）失效，剩下的只是卡尔的中性结论。

推论二（标准内生上移）：在产出直接构成客户交付物的行业，采纳普及后客户对交付物的验收标准（以合同条款的明确度、交付周期要求、返工率阈值操作化）显著收紧；而在人工智能仅用于内部流程的行业，无此变化。

证伪：若两类行业的验收标准变化无差异，则二·（三）的支点崩塌，本文全文失效。

推论三（租金去向）：在采纳深度高的行业，模型厂商的毛利率与该行业客户获得的实际价格降幅之和，应约等于该行业因采纳而节省的成本；采纳企业的留存份额显著不为正。

证伪：若采纳企业留存了显著为正的份额，负和命题失效。

推论四（问题空间）：在控制采纳强度后，具备不可购买接触面的企业（以直接客户交互密度、自有生产现场、可追溯的失败复盘存量操作化），其采纳与利润率的关系显著更优。

证伪：若无差异，则第四节的整个建构没有经验支撑，问题空间的所有权只是一个说法。

推论五（稀缺窗口，由第五节的先例导出）：采纳与利润率的正向关系仅在扩散早期存在，且其持续时长与扩散速度负相关。以行业采纳率的时间序列切分，早期采纳者的超额收益应随行业采纳率上升而单调衰减至零。

证伪：若早期采纳者的超额收益持久存在，则本文的租金耗散机制只适用于跟随者，负和命题需大幅限定。

推论二是全文的存亡所系，且它最便宜——它只需要合同文本的纵向比较，不需要任何私有财务数据。它应当被最先做。

七、战略含义

其一，把采纳的理由说对。对于处在竞争性下游的企业，采纳的正确理由不是"它带来优势"——它不带来优势，这一点资源基础观八十年代就说清楚了。正确的理由是：不采纳会更快出局。 这是一项防御性支出，它的正确类比不是研发投入，是保险费或合规成本。

把一项防御性支出叙述成一项战略投资，是当前企业决策中最昂贵的一次范畴错误。 它的代价不在那笔钱上——那笔钱反正得付——代价在于期待：把它当战略投资，就会期待回报，就会在回报不出现时加码，就会把本该投向问题空间的资源，继续投进那场谁也赢不了的赛跑。加码是这个陷阱最深的一层：它看起来是坚持，实际上是把仅有的余粮送进同一个漏斗。

其二，投入应当转向不可购买的接触面。若第四节成立，那么在采纳已经饱和之后，边际上最有价值的投入不是更多的模型、更多的数据、更多的提示词培训，而是那些看起来"落后"的东西：让人去见客户、去现场、去把失败复盘留下来。这些投入的共同特征是它们不能被加速——它们要的是在场的时间，而时间是这场竞赛里唯一没有变便宜的东西。

其三，一条识别自欺的判据。一家企业可以问自己一个问题来检验它是否落在本文的陷阱里：过去一年，我们用模型产出的那些东西，有多少是我们的竞争对手用同一个模型也能产出的？ 若答案接近全部，那么这些产出无论质量多高、速度多快，都不构成任何优势——它们只是这家企业为了留在牌桌上而支付的入场费，而把入场费当成筹码，是所有输法里最体面的一种。

八、结论与限度

本文论证：生成式人工智能的企业采纳，在产出直接构成客户交付物、且下游竞争性的条件下，是一项负和的强制投入。其机制在于该技术改变的不是生产函数而是产出本身，因而内生地抬高了合格线；采纳企业被夹在寡头供应商与竞争性下游之间，成为价值链上唯一既支付成本又无法提价的环节。

本文与卡尔的基础设施论方向一致而结论不同：他说它变成了中性的成本，本文说它是负的——差别全部落在"产出标准是否内生"这一点上，而这一点是可检验的（推论二）。

本文进而主张：当一切可购买的输入趋于普遍可得，唯一剩下的优势来源是问题空间的所有权；而它之所以不可购买，是因为问题受阿罗悖论约束，在原理上不可交易。

限度：

其一，无经验数据。四项推论全部未检验。本文是理论论证。

其二，边界条件可能吃掉大部分现实。第三节（四）的两个条件——产出即交付物、下游竞争性——若在现实中只覆盖少数行业，本文的适用范围将远小于它的口气。研究者认为它覆盖面很广（专业服务、内容、软件外包、广告、设计），但这是一个印象，不是一个测量。

其三，历史先例的类比不严格。第五节已列出两处不对称（认证是信号而非能力；认证有终点而模型没有）。若批评者认为这两处不对称足以使类比失效，本文将失去它唯一的历史支撑，退回为一个纯粹的理论推演。

其四，寡头结构可能不稳定。本文的租金流向论证依赖模型厂商的寡头地位。若开源模型使供给侧充分竞争，订阅费趋零，则负和的一半（上游截取）消失，结论需要重写为"零和"而非"负和"。这是本文最可能因外部条件变化而失效的一处，且它正在变化。

其五，问题空间的所有权无法被操作化到令人满意。推论四的三个操作化指标（客户交互密度、自有现场、失败复盘存量）都是代理变量，且都可能测的是别的东西——例如"失败复盘存量"很可能只是在测企业规模或管理成熟度。若这个概念无法与"管理水平高"区分开，它就不是一个新概念。

最后留一个本文无力回答的问题：

若优势的唯一来源是问题空间，而问题空间来自在场的时间，那么一个行业里那些最先用人工智能替换掉"在场"的企业——裁掉跑客户的、驻现场的、写复盘的——它们正在用自己唯一的优势来源，去支付那场谁也赢不了的赛跑的入场费。

这不是一个可以靠说服来阻止的事。因为在每一个决策的当下，裁掉那个在场的人，账面上都是对的。

参考文献