用薛兆丰的经济学看懂AI时代

四十年技术史与你的职业选择 —— 基于巴斯夏、科斯、李嘉图的理论工具

引子：2026年6月22日

2026年6月22日，智谱AI（02513.HK）盘中一度涨超42%，最高触及2980港元，对应市值1.27万亿港元；收盘报2410港元，市值1.07万亿港元——港股首只股价站稳2000港元以上的个股，也是中国AI发展史上的一个标志性时刻。上市不到半年，从528亿到万亿，涨幅近20倍。

同一天，美团市值约4400亿港元，京东约2940亿，小米约6140亿。一家2019年才成立、年营收仅7.24亿元、年亏损47亿元的AI公司，市值接近小米+美团之和，是美团的2.4倍，京东的3.6倍。

把时间拉长看：腾讯从成立到市值破1万亿港元用了约16年，美团用了约10年，快手用了约10年——智谱只用了约7年。16年→10年→7年，速度在加速。

这件事本身不是本文的重点。重点是：为什么资本愿意用万亿港元押注一家亏损47亿的公司？这个问题的答案，藏在过去四十年的技术史里。

前言：本文在讨论什么

本文不讨论智谱值不值万亿港元，不讨论该不该买AI股票，不讨论哪家AI公司会赢。

本文讨论一个问题：每一次技术革命，降低的是什么门槛？这个门槛降低，如何改变"谁被允许参与生产"？你作为个体，应该如何回应？

回答这个问题，本文使用的分析框架来自经济学家薛兆丰（北京大学）反复强调的六个经济学工具：

• 价格机制
  ——市值是价格信号，传递的是市场对未来的预期
• 交易成本
  （科斯，诺贝尔经济学奖）——技术进步的本质是降低交易成本
• 边际思考
  ——不问"要不要"，问"多一点少一点"
• 看得见的与看不见的
  （巴斯夏，《看得见与看不见的》）——好经济学家不只看到看得见的，还看到看不见的
• 机会成本
  ——成本不是你付出了什么，而是你放弃了什么
• 稀缺性与比较优势
  （李嘉图）——价值由稀缺性决定；做你机会成本最低的事

这些不是鸡汤口号，是经济学经过两百年验证的分析工具。用它们看技术史，你能看到直觉看不到的东西。本文的每一个判断，都可以追溯到上述某个理论工具——文中有绿色理论框逐一标注。

第一章　客观事实：四十年技术史一览

1.1 四个时代，四次门槛降低

1.2 市值增长速度

【理论工具：价格机制】

市值是价格信号。价格传递信息——智谱万亿港元的市值，传递的不是"这家公司今天值多少钱"，而是"市场愿意为'降低认知劳动门槛'这个预期付多少钱"。年营收7.24亿、年亏损47亿的公司撑起万亿市值，说明市场在赌一件事：认知劳动门槛的降低，将释放的生产力远大于现在的数字。

你可以不认同这个赌注，但你需要读懂这个信号：资本在用真金白银投票，投的是"认知门槛会被降低"。

1.3 赢家远少于输家——但这对你意味着什么？

每次浪潮中，活下来的公司是少数。互联网时代，8848、瀛海威已消失；移动互联网时代，千团大战中99%的团购网站死亡；VR、元宇宙、区块链都曾被热炒，最终没有形成不可逆的门槛降低。

趋势是确定的，赢家是不确定的。市值增长速度告诉你方向，不告诉你终点。

那么问题来了：既然99%的公司会死，你为什么还要参与？

答案是：你赌的不是公司，是方向。公司会死，方向不会。

这里要区分两种技能：

2011年加入一家团购网站的人，公司可能在千团大战中倒闭了。但他学到的是什么？是移动端获客、地推运营、数据驱动决策——这些能力在2013年的O2O、2015年的外卖、2017年的新零售里全都用得上。公司死了，技能活着。

同样，2024年加入一家AI创业公司的人，公司可能在2027年倒闭了。但他学到的是什么？是用大模型解决实际问题的能力、Prompt工程、AI产品迭代节奏——这些能力在2028年的任何一家用AI的公司里都用得上。

【理论工具：机会成本——非对称赌注】

从机会成本的角度看，这是一个非对称赌注（纳西姆·塔勒布提出的概念，薛兆丰在分析职业选择时多次引用）：你的下行风险是有限的（公司倒闭，你换一份工作，但技能带走），上行收益是不确定的（如果公司活下来，你获得期权收益+职业加速）。你失去的最大值是"这段时间的工资差额"，你得到的最小值是"一套可迁移的技能"。

关键条件只有一个：你学到的是"方向可迁移技能"，不是"公司专属技能"。如果你的工作内容只是操作某家公司的内部系统，那公司死了你确实归零。如果你的工作内容是用新技术解决实际问题，那公司死了你的技能仍然值钱。

所以，"赢家远少于输家"这个事实，对你的意义不是"别参与"，而是：

• 选方向，不选公司。
  方向是门槛降低的方向，公司只是载体。载体可以换，方向不能错。
• 确保你每天在积累"可迁移技能"。
  问自己一个问题：如果明天公司倒闭，我这周学到的东西，在别的公司还值钱吗？如果答案是"是"，你就在正确的轨道上。
• 不要把全部赌注押在一家公司的期权上。
  期权是上行彩蛋，不是下行保障。你的核心收益是技能积累，不是期权变现。

这就是为什么"99%的公司会死"不构成"不参与"的理由——因为你不持有公司，你持有的是自己的人力资本。公司是会死的，门槛降低的方向不会死。

第二章　门槛降低的经济学逻辑

2.1 每次革命降低了什么门槛

PC时代——降低计算能力的门槛。PC之前，计算能力集中在机构手中，个人要用计算机需要通过机构。PC让个人拥有计算工具，计算能力从垄断走向分散。

互联网时代——降低信息获取的门槛。互联网之前，信息被中介垄断——报纸决定你看什么新闻，旅行社决定你能订什么酒店。互联网把信息获取成本降到接近零，任何人可以发布和获取信息。腾讯、阿里、百度本质上都在做同一件事：把信息中介的利润拿走。

移动互联网时代——降低时效和参与的门槛。移动互联网之前，数字能力被绑定在桌面PC上，响应时间是"小时级"的。移动互联网把三个门槛同时降低：时效（从小时级到秒级）、参与（不需要会打字，会划手机就行）、信任（评价体系降低了陌生人交易成本）。外卖骑手、网约车司机、直播主播——这些职业在PC互联网时代不存在，因为PC把人绑在桌前。移动互联网让人可以"移动着生产"。

AI时代——降低认知劳动的门槛。AI之前，认知劳动（编程、翻译、设计、法律分析）需要长期专业训练。一个律师学7年，一个程序员学4年。这个训练成本就是门槛——它决定了谁能参与"专业生产"。AI把这个门槛降低了：不需要学5年编程，AI能写基础代码；不需要精通两门语言，AI能翻译。人的价值从"执行"转向"判断和创造"。

2.2 交易成本：技术进步的本质

【理论工具：交易成本】

科斯说，市场的运行是有成本的——搜寻信息的成本、谈判的成本、执行合约的成本。这些"交易成本"决定了经济活动的组织方式。技术进步的本质，就是不断降低交易成本。

这里的关键是边际成本。互联网之前，每多获取一条信息，成本是正的——你要买报纸、打电话、跑一趟。互联网之后，每多获取一条信息的边际成本趋近于零。AI的冲击同样如此：互联网之前，每多写一份合同、翻译一页文档、分析一个案例，都需要一个专业的人花时间。AI之后，边际成本趋近于零。

【理论工具：边际思考】

经济学不问"要不要"，问"多一点还是少一点"。不要问"AI会不会替代我"，要问"每多一个AI能力，我的哪部分工作边际价值在下降"。答案就是：你的工作中"标准化、可重复"的部分，边际价值正在趋零。你工作中"需要判断、创造、人际"的部分，边际价值在上升。

2.3 门槛降低的连锁反应

门槛降低 → 参与成本下降 → 新参与者涌入 → 供给增加 → 旧生产者的溢价消失 → 生产关系重组

这不是观点，是经济学常识。当获取某种东西的成本下降，参与的人就会增多，供给就会增加，价格就会下降。这个规律每次都应验：

• 计算成本下降 → 所有人有了计算能力 → 机构的信息处理垄断被打破
• 信息成本下降 → 所有人有了信息获取能力 → 信息中介的溢价消失
• 交易时间成本下降 → 全时段交易 → 传统线下中介被替代
• 认知成本下降 → 所有人有了智能杠杆 → 标准化脑力劳动者的溢价消失

第三章　看得见的与看不见的

【理论工具：看得见的与看不见的】

经济学家巴斯夏说过：好经济学家和坏经济学家的区别在于，前者不只看到看得见的，还看到看不见的。薛兆丰反复强调这个分析框架——每一次选择都有两面：你看到的代价，和你没看到的代价。

3.1 AI的"看得见"与"看不见"

看得见的：AI替代了翻译、基础编程、客服、数据录入。某些岗位的人失业了。这是新闻会报道的，是父母会担心的。

看不见的：

• AI让一个刚毕业的律师能完成过去需要5年经验才能做的案例检索——经验门槛被降低了
• AI让一个不懂编程的产品经理能自己搭原型——技能门槛被降低了
• AI让一个小团队可以服务过去需要百人团队才能服务的客户——规模门槛被降低了
• AI让很多过去"不值得做"的事变得"值得做"了——新需求被创造了

看得见的是"替代"，看不见的是"赋能"。如果你只看"替代"，你会恐惧；如果你看到"赋能"，你会找到机会。但真正的经济学分析，是同时看到两面，然后算总账。

3.2 选择的"看得见"与"看不见"

这个框架不只用于分析技术，也用于分析你自己的选择。

【理论工具：机会成本】

经济学里，成本不是你为某个选择"付出"了什么，而是你为这个选择"放弃"了什么。你选了A，放弃的B就是你的成本。这个成本叫"机会成本"。

"进体制内很安全"——这句话只说了看得见的一面。看不见的一面是：你放弃了在外面积累可迁移技能的2-3年，而这些技能在门槛降低后的市场里越来越值钱。你的"安全"是有价格的，价格就是你放弃的成长机会。

同样，"去AI创业公司很冒险"——看得见的是可能倒闭、可能白干。看不见的是：即使公司倒闭，你积累的AI技能在市场上仍然有价——因为方向是对的，只是选错了公司。方向正确的失败，比方向错误的成功更有价值。

3.3 最容易被忽略的"看不见"

所有选择中，最危险的"看不见"是这一条：你以为你在积累经验，实际上你在积累贬值。

一个在行政审批岗工作了5年的人，认为自己"积累了5年工作经验"。但从经济学的角度看，他积累的是什么？是"按固定流程处理信息"的能力——而这个能力正在被AI降低门槛。5年后，他的"经验"在市场上的定价会趋近于零，因为AI可以做得更快更准。

一个在AI公司工作了2年的人，即使公司倒闭了，他积累的是什么？是"用新工具解决新问题"的能力——这个能力在门槛降低后的市场上越来越稀缺。

关键区别：你积累的是"门槛内的经验"还是"跨门槛的能力"。前者会贬值，后者会升值。

第四章　稀缺性与比较优势

4.1 门槛降低后，什么变得不稀缺，什么变得稀缺

【理论工具：稀缺性】

经济学的起点是稀缺——资源有限，欲望无限。价值由稀缺性决定。门槛降低改变了稀缺格局：原来稀缺的东西变充裕了，原来充裕的东西变稀缺了。谁掌握了新的稀缺，谁就掌握了新的溢价。

AI降低认知门槛后，变得不稀缺的是："会写代码""会翻译""会做PPT""会写报告"——这些能力过去稀缺，因为学习成本高；现在门槛降低了，供给增加，溢价下降。

变得稀缺的是：

• 判断力
  ——AI能给你10个方案，选哪个？这个选择需要判断力
• 创造力
  ——AI擅长在已有空间内优化，不擅长创造新空间
• 人际共情力
  ——AI能模拟对话，但不能真正理解一个人的恐惧和渴望
• 系统设计能力
  ——AI能写代码，但不知道该写什么系统

你的职业选择，应该押在"变得稀缺"的能力上，而不是"变得充裕"的能力上。

4.2 比较优势：你不需要什么都擅长

【理论工具：比较优势】

大卫·李嘉图提出、薛兆丰反复讲的一个概念：比较优势。你不需要在所有方面都比别人强，你只需要做你"机会成本最低"的事。即使AI编程比你强，你也不应该放弃自己的专业去做编程——如果你的法律能力值100分、编程能力值30分，而AI编程值90分，你的比较优势仍然是法律，不是编程。

这意味着：

• 法学毕业生
  不需要转行做AI工程师。你的比较优势是法律知识+判断力，AI是你的放大器，不是你的替代者。"律师+AI"比"纯AI工程师做法律"更有优势，因为你的法律积累是AI没有的。
• 医学毕业生
  不需要学编程。你的比较优势是临床判断+患者沟通，AI是辅助诊断工具。"医生+AI"比"纯AI工程师做诊断"更有优势。
• 财务管理毕业生
  不需要去AI公司做算法。你的比较优势是财务分析+商业判断+对规则的理解，AI是你的数据处理放大器。过去一个财务毕业生要花3年学会的报表合并、税务筹划、预算建模，AI能在几分钟内完成初稿——这意味着入门门槛被降低了，但"读懂数字背后的业务逻辑"这个判断力反而更稀缺了。"财务+AI"比"纯AI工程师做财务"更有优势，因为你理解的是商业本身，不是数字本身。具体路径：用AI自动化报表和数据处理，把省下的时间用于业务分析、战略财务、投资决策——这些是AI替代不了的。
• 师范生
  不需要去做大模型。你的比较优势是理解学生+设计教学，AI是内容生成工具。"教师+AI"比"纯AI工程师做教育"更有优势。

比较优势告诉你：不是所有人都要进AI公司。你要做的是你机会成本最低的事，然后用AI放大它。

4.3 一个反直觉的结论

结合稀缺性和比较优势，得出一个反直觉的结论：门槛降低后，"纯技术"的溢价在下降，"技术+领域"的溢价在上升。

过去，会编程本身就是稀缺的，所以程序员薪资高。AI降低编程门槛后，"会编程"不再稀缺。但"懂医疗+会用AI工具"的人稀缺，"懂法律+会用AI工具"的人稀缺，"懂教育+会用AI工具"的人稀缺。

纯技术岗位（写代码、做翻译）的边际价值在趋零。复合岗位（专业判断+AI执行）的边际价值在上升。你的护城河不是技术本身，而是技术+你独特的领域知识。