《AI时代的生产与消费》 第四篇
AI让企业更有效率,为什么不一定更赚钱?(2)
(续前)
市场竞争可能将生产率收益转移给消费者
要理解为什么技术效率提高未必能够持续增加利润,我们需要进一步考察市场竞争。
设想一个由几家企业生产类似产品的行业。最初,各家企业都使用传统生产方式,成本相对较高。后来,其中一家率先采用 AI,大幅降低了成本。
在一段时间内,这家创新企业可能获得明显优势。它可以维持原有价格,从而提高利润率;也可以主动降低价格,从竞争者手中争取更多客户。
但这种优势未必能够持续。
如果 AI 技术容易获得,其他企业就会逐渐采用类似系统。当竞争者也实现成本下降以后,最初的创新企业便失去了原有的技术优势。市场竞争将越来越多地决定,企业究竟能够将多少成本节约保留为利润。
在完全竞争的极限情况下,经济理论认为,在满足相关假设时,市场价格趋向于边际成本。如果 AI 使整个行业的边际成本下降,竞争压力通常会推动市场价格下降。
我们可以用一个简单的供求模型说明这种关系。
假设市场需求函数为:
\[ P(Q)=a-bQ \]
其中,\(a,b>0\),所有企业最初的边际成本均为常数 \(c_0\)。
在理想化的完全竞争条件下:
\[ P_0=c_0,\qquad Q_0=\frac{a-c_0}{b} \]
现在假设 AI 将边际成本降低到 \(c_1\),其中 \(c_1<c_0\)。新的竞争均衡为:
\[ P_1=c_1,\qquad Q_1=\frac{a-c_1}{b} \]
市场价格下降,消费总量增加。
消费者因为支付更低的价格、能够购买更多产品而受益。消费者剩余的增加量为:
\[ \Delta CS = \frac{(a-c_1)^2-(a-c_0)^2}{2b} \]
只要 \(c_1<c_0<a\),这个增加量就是正的。
但在具有规模报酬不变、自由进入等条件的完全竞争市场中,企业并不一定能够长期获得超过资本正常回报的经济利润。
技术进步创造了经济价值,但竞争将其中相当一部分转移给消费者。
这也是为什么整个社会可以因为技术进步而变得更加富裕,却不意味着每一家企业都更加赚钱。
当然,这个模型高度简化。现实中的 AI 产业存在固定成本、产品差异、网络效应、转换成本、知识产权和市场力量。有些企业可能长期获得较高利润,另一些企业则可能面临激烈竞争。
但其中的基本机制仍然十分重要:当一项生产率改进能够被所有竞争者采用时,它往往不再构成持久的竞争优势。
因此,对于单个企业而言,采用 AI 可能逐渐成为维持竞争地位的必要条件,而不是获得超额利润的可靠途径。
商业发展史中,这是一种反复出现的现象。最初使创新企业脱颖而出的技术,随着普及,最终可能成为整个行业参与竞争的基本要求。
到了那个时候,采用新技术的主要财务意义,可能不再是获得优势,而是避免落后。
生产率悖论:为什么技术投资不会立即带来经济收益
技术投资与经济表现之间的关系,长期以来一直困扰着经济学家。
1987年,经济学家罗伯特·索洛(Robert Solow)曾经作出一个著名观察:计算机时代似乎已经无处不在,却难以在生产率统计中看到它的影响。这句话反映了当时的一个现实问题:企业已经大量投资信息技术,但宏观经济统计中尚未清楚显示相应的生产率增长。(Robert M. Solow, “We’d Better Watch Out,” The New York Times Book Review, 1987年7月12日。)
这一现象后来被称为生产率悖论:企业大量投资看起来具有变革意义的技术,但生产率的改善可能缓慢出现,或者在不同企业和行业之间表现得极不均衡。
后来的研究表明,信息技术确实对生产率增长作出了重要贡献,尤其是在企业重新组织业务流程、充分利用技术能力之后。但这些收益并不是仅仅购买计算机就能够实现的。
企业还需要重新设计工作流程、培训员工、改变管理方式、集成系统,有时甚至需要发展全新的商业模式。
经济学家埃里克·布林约尔松(Erik Brynjolfsson)、丹尼尔·罗克(Daniel Rock)和查德·西弗森(Chad Syverson)指出,AI 可能表现出类似的规律。通用目的技术通常需要配套投资和组织变革,才能充分体现其经济收益。早期投资成本可能很高,而生产率收益则需要经过较长时间才逐渐显现。(Brynjolfsson, Rock, and Syverson, “Artificial Intelligence and the Modern Productivity Paradox,” 2018。)
这一点尤其重要,因为部署 AI 的成本并不只是模型订阅费用或计算资源费用。
企业可能需要重新组织数据系统、改造业务流程、建立评估机制、培训员工、加强信息安全,并发展处理错误和法律责任的方法。
这些投入可能既昂贵又耗时。
假设一家企业预计 AI 每年能够节省五百万美元的人工和运营费用,但实施这项技术需要一千五百万美元的初始投资,同时每年还需要支付二百万美元的计算、维护和监督成本。那么,每年实际获得的净运营节约只有三百万美元。
如果暂时不考虑折现和税收,简单投资回收期就是五年。
如果在这段时间里技术迅速过时、客户需求发生变化,或者竞争者降低市场价格,那么这项投资最终可能只能获得令人失望的财务回报。
这并不意味着 AI 在经济上没有生产力,而是说明技术收益实现的时间,以及收益如何分配,同样十分重要。
一种技术最终可以改变整个行业,却未必能够让转型期间投资它的每一家企业获得良好回报。
铁路、电信和互联网基础设施的发展历史,都提供了类似的经验:一些技术创造了巨大的社会和经济价值,却没有保证每一位投资者都获得理想的收益。
技术的重要性,与投资的盈利能力,并不是同一个概念。
当所有企业都更有效率,竞争优势可能反而消失
AI 提高效率却不一定增加利润,还有一个重要原因:竞争优势本质上是一种相对优势。
一家企业之所以具有竞争力,是因为它能够提供比竞争者更好、更便宜,或者更符合客户需求的产品。如果所有企业都以相同速度改善,彼此之间的相对地位可能变化不大。
设想一个由五家咨询公司组成的市场。每家公司都雇用分析人员,为客户编写研究报告、建立财务模型并提出战略建议。
其中一家率先采用 AI,将每个项目所需要的人工劳动减少60%。最初,它可以降低价格、加快交付速度,或者获得更高利润率。
但假设两年之内,另外四家公司也采用了类似的 AI 系统。各家企业的生产成本再次趋于接近,只不过现在都处于较低水平。
客户可能享受到更低的费用和更快的交付,但最初采用 AI 的企业已经不再拥有独特优势。
类似的情况可能发生在软件开发、市场营销、客户服务、财务分析,以及其他信息密集型行业。
这给企业带来一种战略上的两难。对于每一家企业而言,采用 AI 都可能是理性的选择,因为不采用就会在成本竞争中处于不利地位。但当所有企业都采用以后,整个行业的盈利能力却未必改善。
经济学中有一些类似的竞争性投资现象:每个参与者都有充分理由进行投资,但所有参与者同时投资的结果,并不一定使整体利润同比例增加。
AI 可能强化这种竞争,因为它的许多能力可以通过共同的平台和商业化模型获得。
一家企业利用广泛可用的 AI 系统加快常规工作,确实能够提高运营效率,却未必因此形成持久的竞争优势。
长期盈利能力可能更多地取决于竞争者难以复制的因素,例如专门化数据、客户关系、分销渠道、监管经验、可信赖的品牌,以及能够将 AI 深度融入独特业务流程的组织能力。
但即使这些优势,也需要谨慎判断。数据可能越来越容易获得,客户忠诚度可能下降,新技术也可能降低转换成本。今天看起来牢固的竞争优势,随着 AI 能力发展,可能逐渐失去重要性。
因此,真正的战略问题并不只是企业是否使用 AI,而是 AI 能否帮助企业创造或维持一种客户重视、竞争者又难以轻易复制的差异。
(未完待续)
我的其它文章
AI时代的生产和消费(四):AI让企业更有效率,为什么不一定更赚钱?(2)
AI时代的生产和消费(四):AI让企业更有效率,为什么不一定更赚钱?(1)
AI时代的生产和消费(三):从出售工具到交付结果:服务业的新经济学(4)
AI时代的生产和消费(三):从出售工具到交付结果:服务业的新经济学(3)
AI时代的生产和消费(三):从出售工具到交付结果:服务业的新经济学(2)
AI时代的生产和消费(三):从出售工具到交付结果:服务业的新经济学(1)
AI时代的生产和消费(二):当生产成本趋近于零,什么还有价值?(3)
AI时代的生产和消费(二):当生产成本趋近于零,什么还有价值?(2)
- AI时代的生产和消费(四):AI让企业更有效率,为什么不一定更赚钱?(2) - 11/22/26
- AI时代的生产和消费(四):AI让企业更有效率,为什么不一定更赚钱?(1) - 11/21/26
- AI时代的生产和消费(三):从出售工具到交付结果:服务业的新经济学(4) - 11/20/26
