AI产业的规模效应与垄断风险

"Concentrating intelligence: scaling and market structure in artificial intelligence." 2025. Economic Policy.

作者： Anton Korinek, Jai Vipra

内容推送：Anton Korinek与Jai Vipra发表在Economic Policy的最新论文Concentrating intelligence: scaling and market structure in artificial intelligence考察了当前人工智能竞争的市场结构问题。基础模型市场展现出显著的规模经济与范围经济，可能导致智能的高度集中乃至天然垄断。

AI模型开发伴随极高的固定成本，主要来源于算力、大规模数据集和顶尖人才的投入。随着模型参数量指数级增长，训练先进大语言模型所需资源已超出绝大多数中小企业的承受范围。这种高门槛使智能生产逐渐集中在少数拥有雄厚资本和基础设施的科技巨头手中。

论文还考察了AI产业链中的纵向一体化趋势。大型科技公司不仅控制下游应用层，还通过自研芯片和云基础设施掌握上游算力供应，跨层级掌控进一步巩固了市场地位并产生引爆点风险。一旦某家公司在数据获取或算法优化上取得绝对领先，优势将通过正向反馈循环迅速放大，使后来者难以通过竞争实现超越。

针对市场失灵，作者认为鉴于AI技术的天然垄断属性，传统事后反垄断调查可能不足以应对。有效干预应侧重于关键要素的可及性，包括确保算力和高质量数据的公平分配。促进模型互操作性和支持开源生态的发展也是制衡闭源寡头的重要手段。只有通过前瞻性政策设计才能在保持创新动力的同时防止智能资源被极少数实体垄断。

作者指出AI产业正处于决定未来权力的关键节点。智能的集中不仅是经济学议题，更涉及社会治理与权力的再分配。论文呼吁监管机构正视规模经济带来的垄断压力，通过制度创新确保AI技术红利被更广泛的社会群体分享。本推送内容仅供参考，以原文为准。更多内容，请点击左下角"阅读原文"。

Anton Korinek 弗吉尼亚大学经济系及达登商学院教授，Transformative AI 经济学计划（EconTAI）主任。2025年入选《时代》周刊全球 AI 领域百大影响力人物（TIME100 AI）。主要研究 AI 的宏观经济影响、国际金融及不平等问题。研究致力于确保 AI 技术的发展符合人类长期利益。

Jai Vipra 康奈尔大学科学与技术研究系博士生，AI 政策研究员。曾任职于 AI Now 研究所、全球 AI 治理中心（GovAI）。研究集中于 AI 政治经济学、市场集中度、竞争政策及公共替代方案。她关注数字基础设施的公共性，探讨如何在资源被垄断的背景下建立公平秩序。

《非此即彼：社会科学研究指南》是陈硕教授研究方法系列的第一部。感兴趣的读者可扫描以下二维码购买。现在下单，享每本立减30元新年特惠。

淘宝

微店

小红书

“出新意于法度之中”是苏轼观赏吴道子画后的评价。学术评价与画作欣赏有相似之处：创新总是孕育于严格训练。训练的意思是把一套技能在结构视野中分解，然后针对不同分解部分加以简单重复。简单重复意味着可以不需要知道背后的原因，不断练习即可。书名《非此即彼》来源于此，本书试图为读者提供社科研究训练的基础操作指南。

在这本书中，作者会依次讨论价值观、学术世界、学术习惯、论文撰写、论文拓展及研究技能。同时，每节后附有复习和练习题，旨在读者巩固。

活动预告｜研究经验分享 不定期举行线下研究经验分享讨论，每次一小时左右。主题涵盖研究选题、研究设计、写作、文献综述、审稿意见回应及学术陈述等语境。有意参加者可写信至 yq_yuan@outlook.com 报名。随信请附：1. 个人简历；2. 最新研究成果或工作稿；3. 参加说明（介绍研究中的思考或面临的挑战，并简述希望获得的理解/视角）。