财富洗牌这套框架，拿去自己跑一遍（研究附录）
这篇是《前三次技术革命，红利最后都落到普通人头上》背后的那套框架。正文是写给人读的，把判断讲清楚就够了；这篇专门讲框架本身，比正文更底层，也更硬一点。它太像工具了，塞进正文会把文章压垮，所以单独拎出来放在这，你也可以直接拿去用，套到下一个技术上自己跑一遍。先说清楚，这是个工作框架，还在改，不是定论。
第一性原理：技术不是又一个生产要素
经济学讲增长，习惯把增长拆成资本、劳动、土地、能源、数据、制度这些要素。但聊财富洗牌的时候，我觉得不该把技术当成跟它们并列的又一个要素，因为它干的事不一样。它改的是这些要素之间的关系，把旧的生产函数改成另一个。或者这么说，别的要素是方程里的变量，技术是来改方程本身的。
所以一场够格的技术革命过完，什么资源重要，什么劳动值钱，什么资产升值，什么样的组织更高效，谁拥有入口，谁承担成本，谁握着定价权，这一整套都会重新定一遍。拿铁路举个例子。铁路通了以后，马车该多快还是多快，但一块地值不值钱，标准变了。以前挨着运河天然就占便宜，铁路一通，这个便宜直接没了。电力那轮我觉得更彻底一点，工厂建在哪，城市长成什么样，几点上工几点休息，全都围着电重新安排了一遍，虽然单看蒸汽机，它并没有变强。互联网就更近了，大家都经历过，信息和交易整个搬到了平台上。后面讲的六条机制，基本都是从这一条推出来的。
财富捕获公式
正文里用了石磊那把尺子，节点价值 = 流量 × 留存率。这把尺子我觉得很好用，还可以再展开成一个更完整的公式：
财富捕获 = 新流量 × 留存率 × 毛利率 × 持续时间 × 资本化倍数 − 转型成本
一项一项拆开看。新流量，就是技术把哪种经济活动引到了你这里，比如货流、能流、信息流、任务流、资金流、注意力流。留存率，是流量从你这儿过的时候，你能不能收到钱。准确点说，是你能不能留下点什么，数据、客户、品牌、标准、牌照都算。毛利率，看的是你到底是那个稀缺的瓶颈，还是随时能被换掉的二供三供。持续时间，看你的优势有没有东西撑着，比如网络效应、切换成本、规模、牌照、品牌信任。资本化倍数，是资本市场愿意为你的未来提前付多少钱；技术革命早期，市场买的往往不是利润，是「未来分配权的期权」。最后减掉转型成本，也就是旧资产折旧、旧技能贬值、组织改造，还有债务和各种摩擦。
这个公式里最提醒我的是留存率这一项。光是用上技术不值钱，因为人人都在用；钱最后流到谁手里，要看谁能把新流量留在自己这儿。留存率要是零，前面几项乘出花来也没用。
财富捕获公式：新流量乘以留存率等一串系数减去转型成本，留存率是那个决定钱最后归谁的关键项
六个传导机制
技术改变分配，我觉得是顺着六条线传下去的。先说成本曲线。每次革命都先暴力打掉某一项成本，然后旁边就冒出新的稀缺。铁路打掉的是远距离运输的成本，运输一便宜，枢纽的地马上金贵起来。电力那轮，打掉的是获取可控能源的成本，之后稀缺的就换成了组织和工程。能源本身不值钱了，值钱的是怎么围着它把工厂和流程重排一遍。互联网大家都有体感，信息复制和分发几乎不要钱，稀缺的变成了注意力和信任。到 AI 这轮，有经济学家干脆把它概括成「预测变便宜了」，我只能说概括得很准。预测和生成便宜下去以后，变稀缺的就是判断、目标和责任这几样。
成本曲线机制：一种成本被暴力打掉的同时，旁边一种新稀缺就冒出来，比如预测变便宜、判断就变贵
网络拓扑。技术改的是「谁连谁」。一场革命动的是整个经济网络的接线图，不是在某一个点上提提效率。城市以前为什么长在沿河沿海？因为货走水路。铁路一通，城市就挪到铁路节点上去了。互联网挪的是中心，从地理上的枢纽挪到了数字平台。轮到 AI，我觉得被改的是任务流，原来是人到组织再到流程，以后会改成人到模型、到工具、再到 agent。这么一想，就明白 AI 为什么天生会削弱中间层了。一个环节越是靠传信息、整理格式、照标准执行活着，重新接线的时候就越容易被直接绕过去。
瓶颈迁移。旧瓶颈失效以后，拿到定价权的是新瓶颈，分配其实就是给瓶颈定价。这条能解释一件挺反直觉的事，发明的人常常赚不到最多的钱。有个经典框架早就讲过，创新者能不能赚到钱，要看两件事，一是技术能不能保护住，二是互补资产在谁手里。很多时候，钱流向的是手里握着制造、分销、品牌、标准的那一方。所以看 AI，别只问谁的模型最好，要问谁有算力，谁有电，谁有客户入口，谁有专有数据，谁能承担责任，谁能让用户懒得换。
任务重组。劳动是先被拆成一项项任务，再一项项重新定价的。所以聊劳动别问「会不会被替代」，要把任务拆开。一个岗位其实是一堆任务捆在一起，判断、沟通、执行、文档、协调、背责、现场、创造都在里面。AI 先吃掉的，是能写成符号、能标准化的那几样。经济学的任务框架，就是拿「例行任务被自动化接管」来解释这些年工资结构为什么变了。这样一来，一个人身上值钱的东西也跟着换了，会定义问题，有判断，有真实经验，有信任关系，再加上会调度 AI。这几样我觉得是乘起来的，不是加起来的，哪一项是零，别的再强也乘不出东西。
结账方。产业繁荣了，资产不一定跟着繁荣。如果没有人最终买单，产业再热闹，落到金融上也可能是亏的。产业可以发展得很快，买它的人却不一定赚钱，新能源就是现成的例子。产能建出来了，没有稳定的结账方，最后是金融资本接的盘。AI 的结账方数下来有五类，云厂商自己交叉补贴，企业客户省人力，消费者订阅，政府和主权资本，还有最危险的一类，金融市场。判断标准很硬，一场革命能不能穿过泡沫，要看结账方能不能从资本市场挪到真实的客户预算上。
制度反馈。技术先冲击分配，制度再来修正。技术扩散永远比制度更新快，所以早期一定是失衡的。但通用技术要把生产率放出来，往往得等组织、技能、制度这些配套跟上。研究 AI「生产率悖论」的人就指出过，预期和实际数据对不上，很大一块是因为实施有滞后。历史上每一轮都能找到对应的制度补课，公司法和证券监管是铁路时代逼出来的，电网标准、劳动法是跟着电力那轮来的，互联网这轮的补课我们正看着，平台反垄断和数据权都是。所以看分配，不能只看技术刚落地那几年的样子，制度会回来再修一轮，只是一般要晚很多年。
AI 的四层结构
把这六条机制放到 AI 上，价值大致能分四层，每层都有一个要问的问题。最底下是基建层，芯片、HBM、电力、数据中心、冷却，要问的是订单是不是真的，现金流能不能留下来，资本开支会不会反过来把利润吃掉。然后是模型层，要问能力差距能不能一直保持，开源和闭源的成本差会不会缩小，用户换一家的成本高不高。模型层很强，但这个位置不好坐稳。再往上是应用层，也就是 workflow 这一层，要问能不能进客户的预算，能不能替掉真实的成本，能不能对业务结果负责。只「提升体验」的东西价值有限，能做到「省 30% 人力、提 20% 转化」的，才有真的结账方。最后是制度信任层，版权、数据权益、责任归属、认证、保险、合规。这层平时容易被忽略，但 AI 把生成答案的成本压得越低，谁来给答案背书、出了问题谁负责，这件事就越值钱。
AI 价值的四层结构：从下到上是基建层、模型层、应用层、制度信任层，每往上一层价值越靠谁为答案背书
九问研究法
把这套东西压成一张清单，不管套到哪次技术革命上，都是按顺序问清楚九件事。它打掉了哪个成本；创造了什么新流量；新流量经过哪些节点；哪些节点能把价值留下来。旧瓶颈和新瓶颈各是什么；谁是最终结账方，没有真实结账方的，就是泡沫。劳动任务怎么拆，哪些被替代、哪些被增强、哪些变得更稀缺；土地、股票、债券、房产、人力、数据、算力、能源这些资产，各自怎么重新估值；最后是制度什么时候介入、怎么做第二次分配。九件事过一遍，这场革命大概会怎么洗牌，心里就有数了。
几条可验证假说
最后是几条能拿数据去证伪的判断。一项技术如果固定成本高、边际成本低、网络效应强，天然就会让财富更集中，铁路、互联网、AI 基建都是这一类。技术如果只把用工具的门槛降了，分发的门槛没降，财富还是会卡在入口上。自媒体工具人人能用，流量还是在平台手里；AI 工具人人能用，客户、品牌、分发、信任照样稀缺。模型能力一旦很快商品化，价值就会从模型层挪到数据、工作流和分发这几层去。
还有三条我觉得更值得盯。AI 会把「标准答案」型劳动的价格压下去，把不标准、要背责任的劳动的价格抬上来。生产率红利越晚在宏观数据里露出来，资本市场越容易提前透支，电力和计算机时代都是这么过来的。最后一条是我最在意的，AI 时代的新中产，人数可能比互联网时代少。互联网虽然集中，但它造出了海量的运营、电商、主播、网约车岗位；AI 越往前沿走，组织就越小。
最后说下怎么用。找一个你正盯着的技术，把九问挨个过一遍，看看新流量往哪走，新瓶颈卡在哪，谁来结账。我自己就是这么用的，边用边改。开头说了，这个框架还在改，不是定论，哪条跑不通，我就回来修哪条。
参考（理论）：Brian Arthur（递增收益与锁定）、David Teece《从技术创新中获利》（互补资产）、Rochet 与 Tirole（双边市场）、Autor 与 Acemoglu/Restrepo（任务框架与自动化）、Agrawal/Gans/Goldfarb《Prediction Machines》（AI 即更便宜的预测）、Bresnahan 与 Trajtenberg（通用目的技术）、Brynjolfsson/Rock/Syverson（AI 生产率悖论）。实证数据见正文脚注：Donaldson-Hornbeck、Paul David、IMF、IEA。
