AI时代的生产和消费：（1）软件已死？AI正在改变的，不只是软件(下)

（续前）

市场也在反过来改变技术

到目前为止，我们主要讨论 AI 如何改变生产，以及市场如何回应这些变化。但两者之间的关系并不是单向的。市场需求也会影响哪些技术得到开发、哪些能力获得投资，以及哪些应用能够形成可持续的商业模式。

计算机的发展史很好地说明了这种相互作用。早期计算机主要服务于科学研究、军事和大型机构。随着计算成本下降、新市场出现，制造商开始为企业和个人设计计算机。个人计算机市场的增长推动了软件开发，而软件的丰富又进一步提高了计算机的用途，刺激了新的需求。互联网和智能手机随后创造了更多市场，并反过来改变了硬件、软件和通信技术的发展方向。

技术能力打开了新的可能性，但消费者和企业的需求，帮助决定了哪些可能性最终成为真正的产业。

AI 的发展也可能呈现类似的反馈关系。如果企业发现 AI 生成的软件具有巨大价值，投资就会流向更容易开发、更可靠的软件系统。如果消费者对个性化教育、医疗辅助或创造性体验表现出强烈需求，开发者就有动力提高相关能力。如果某些 AI 服务虽然技术表现出色，却始终无法吸引足够的付费客户，资本最终也可能转向其他方向。

我们可以用一个简单的概念模型来表示这种关系。设 \(A(t)\) 表示时刻 \(t\) 的 AI 技术能力，\(P(t)\) 表示生产能力，\(D(t)\) 表示有效市场需求，\(Y(t)\) 表示收入及其分配结构，那么它们的演变可以用一组相互联系的关系来描述：

\[ \begin{aligned} P(t+1)&=f(P(t),A(t))\\ D(t+1)&=g(D(t),P(t),Y(t))\\ Y(t+1)&=h(Y(t),P(t),D(t))\\ A(t+1)&=k(A(t),D(t),I(t)) \end{aligned} \]

其中，\(I(t)\) 表示投资和制度条件。这些方程并不是经过实际数据校准的经济预测模型，而是为了明确系统中的反馈关系。AI 能力影响生产，生产和收入影响需求，需求与生产又影响收入，而市场预期和投资决策则影响下一阶段的 AI 技术发展。

一个更加完整的模型还需要考虑价格、资本积累、就业、国际贸易、政府政策、预期和时间延迟，也需要区分 AI 技术本身的能力边界与各个行业实际采用 AI 的程度。尽管如此，即使是这个简化模型，也足以说明为什么线性预测往往是不充分的。

如果一个预测只从 AI 能力出发，最后得出多少工作岗位将被自动化，却没有考虑经济体系如何回应，那么它就遗漏了许多重要机制。劳动者可能进入新的职业，企业可能降低价格，消费者可能购买更多服务，政府可能调整政策，投资者可能重新配置资本，新的产品可能出现，原有制度也可能逐步改变。

每一种回应，又会改变下一阶段技术发展的经济条件。

当然，这并不意味着市场是决定技术发展的唯一力量。科学探索、公共研究、国家安全和战略竞争，都可能在尚未形成盈利市场之前持续推动技术进步。但对于大规模商业技术而言，最终仍然需要回答一个经济问题：谁真正需要它的产出，以及这种需求如何支持持续投资？

软件争论真正揭示了什么

从这个更广阔的角度看，“软件已死”与其说是对一个行业消失的预测，不如说是 AI 如何重新组织经济活动的一个具体例子。

软件公司过去主要出售使用某种能力的权利，专业服务公司则主要出售人的劳动和专业知识。AI 可能使两类企业都越来越多地直接出售完成的任务和持续交付的结果。但当工具与服务之间的界限逐渐模糊时，另一种区别反而变得更加重要：能够高效率地生产某种东西，与能够为这种东西建立可持续的市场，并不是一回事。

一家能够以极低成本生成软件的企业，并不意味着已经找到了有利润的商业模式。它仍然需要找到客户，理解需求，建立信任，将产品融入客户的业务流程，保证质量，并制定客户愿意接受的价格。一家能够自动化专业服务的企业同样如此，而且还可能需要承担过去由人类专业人员承担的责任。

因此，未来成功的企业未必是自动化任务最多的企业，而可能是那些能够发现有价值的需求、建立可靠的交付体系，并随着技术与消费者预期变化不断调整的企业。

这一认识也使另一种流行判断变得不那么确定：出售稀缺资源的行业，一定比出售越来越丰富的数字能力的行业更有价值。稀缺性固然重要，却不足以保证长期利润。基础设施投资可能最终造成产能过剩，而拥有稳定客户关系、独有数据或深度嵌入企业流程的软件平台，仍然可能保持相当高的经济价值。

同样，软件与服务之间的界限也不应被视为永久不变。随着 AI 能力提高，某些专业服务可能逐渐变成标准化产品，而软件企业则可能越来越多地直接承担业务结果。真正重要的不是一个行业被称为软件还是服务，而是生产成本、客户需求、市场竞争和价值获取方式之间的关系正在如何变化。

这一逻辑可以延伸到许多行业。在教育领域，AI 可能大幅降低个性化教学的成本，但学校、教师、学历认证和人际互动的需求，将受到技术以外的多种因素影响。在医疗领域，AI 可能降低某些诊断和行政工作的成本，但医疗支出还受到人口结构、保险制度、医疗预期和治疗需求的影响。在制造业，自动化可能提高生产能力，同时改变就业、工资、价格和国际竞争。在文化创意产业，当内容可以以极低成本大量生产时，人类的注意力、文化差异和可信赖的解释能力反而可能变得更加珍贵。

不同产业会出现不同的结果，因为它们各自具有不同的生产与消费关系。

因此，我们不能简单地把 AI 可能自动化的所有工作成本相加，就把这个数字当作 AI 未来的市场规模。那些成本描述的是今天的经济结构，而不是自动化改变价格、收入、消费者偏好和社会制度之后将会出现的经济结构。

超越“软件已死”

历史上最重要的技术革命，从来不只是提高原有产业的生产效率。它们最终还会改变人们生产什么、消费什么、如何获得收入，以及整个社会如何组织经济活动。

工业机械化不仅使纺织品更加便宜，也推动了新的生产方式、就业结构、贸易关系和消费习惯。电气化不仅替代了蒸汽动力，还使新的工厂组织方式、产品和生活方式成为可能。计算机和互联网不仅加快了计算和通信，还创造了此前几乎不存在的市场、职业、制度和日常活动。

AI 可能带来同样广泛的变化，尽管其最终发展路径仍然存在很大的不确定性。它执行认知任务的能力，可能改变专业劳动的经济结构、企业的组织方式和社会收入的分配。它生成和个性化产品的能力，可能创造新的消费形式。它对就业和资本所有权的影响，可能重新塑造社会购买力。而市场和制度如何回应这些变化，又将反过来影响哪些技术能够继续发展。

当前围绕 AI 的兴奋情绪，主要集中在生产端，这是可以理解的。我们能够直接看到 AI 写代码、生成图像、分析文件，以及完成过去需要大量人类劳动才能完成的任务。这些成就可以测量，而且往往令人惊讶。

相比之下，消费端的变化没有那么容易观察。它通过习惯、价格、收入、预期和社会关系的改变逐渐展开。某些全新的需求，可能需要数年才能真正形成市场。一些行业可能因为成本下降，使数百万新客户能够获得原来负担不起的服务，从而迅速扩大；另一些行业则可能因为同样的需求能够以更少的支出得到满足，而出现市场收入下降；还有一些行业可能经历彻底的重组，以至于原有的产业边界逐渐失去意义。

AI 的长期经济意义，将从这些变化的相互作用中逐渐显现，而不是单纯由技术能力决定。

软件是一个很好的研究起点，因为它正在发生的经济变化，已经暴露出单纯从供给侧思考问题的局限。能够以更低成本开发软件当然重要，能够自动完成过去需要人操作软件才能完成的工作，可能更加重要。但这两种能力本身，都不能决定社会未来会在软件、专业服务以及由它们演变而来的新产业上花费多少钱。

一个能够持续发展的生产体系，也必须有与之相适应的消费体系。生产产品和服务的人与购买这些产品和服务的人，通过收入和市场紧密联系在一起。如果 AI 改变生产的速度，超过了需求、收入分配和社会制度能够调整的速度，由此产生的矛盾就可能像计算能力的进步一样，深刻影响 AI 自身的发展。

软件并没有死亡。但过去使软件成为一种特殊商业模式的经济条件，正在发生变化。而类似的问题，也将逐渐出现在其他许多行业之中。

更深层的问题已经不再只是 AI 使我们能够生产什么，而是人们将需要什么、能够负担什么，生产效率提高所创造的收益将如何分配，以及当智能本身逐渐成为一种容易获得的生产资源时，市场将如何回应。

AI 的未来不会仅仅由生产能力决定。它将在技术使什么成为可能，与社会认为什么具有持续价值之间的相互作用中逐渐形成。

参考文献与延伸阅读

1. Julien Bek, “Services: The New Software,” Sequoia Capital, March 5, 2026. 原文。本文讨论 AI 原生服务以及从出售工具转向交付结果的起点。

2. Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review, Vol. 80, No. 2, 1990, pp. 355–361。通过电气化与计算机发展的历史比较，解释重大技术进步为什么可能延迟转化为生产率增长。

3. David Ricardo, On the Principles of Political Economy and Taxation, third edition, 1821, Chapter 31, “On Machinery”。早期关于机械化提高生产能力却可能损害劳动者利益的经济学讨论。

4. John Maynard Keynes, “Economic Possibilities for Our Grandchildren,” 1930, reprinted in Essays in Persuasion, 1931。讨论技术性失业、经济增长以及未来人类劳动时间可能减少的问题。

5. John Maynard Keynes, The General Theory of Employment, Interest and Money, 1936。有效需求理论的经典著作，分析生产、收入、就业与支出之间的关系。

6. Joseph A. Schumpeter, Capitalism, Socialism and Democracy, 1942。提出具有深远影响的“创造性破坏”理论，讨论创新如何改变既有产业与经济结构。

7. Daron Acemoglu and Pascual Restrepo, “Automation and New Tasks: How Technology Displaces and Reinstates Labor,” Journal of Economic Perspectives, Vol. 33, No. 2, 2019, pp. 3–30。研究自动化如何替代劳动，以及新任务如何重新创造劳动需求。

8. Erik Brynjolfsson, Daniel Rock, and Chad Syverson, “Artificial Intelligence and the Modern Productivity Paradox: A Clash of Expectations and Statistics,” in The Economics of Artificial Intelligence: An Agenda, University of Chicago Press, 2018。讨论 AI 投资、配套创新和生产率增长之间可能存在的时间差。

（本篇完）

---

我的其它文章