技术·网络·分配：一套财富洗牌的分析框架（研究附录）

这是《前三次技术革命，红利最后都落到普通人头上》背后的框架。正文是给人读的，把判断讲清楚就够了；这篇是给框架本身的。它太硬、太像工具，塞进正文会把文章压垮，但单独拎出来，能让你拿去套到下一个技术上，自己跑一遍。先说明：这是个还在改的工作框架，不是定论。

第一性原理：技术是生产关系的重布线器

经济学习惯把增长拆成资本、劳动、土地、能源、数据、制度这些要素。但讨论财富洗牌，技术不该被当成和它们并列的又一个要素。它更像一个算子，重写这些要素之间的关系，把旧的生产函数改写成另一个。

所以技术革命真正改变的，不是某个变量变大了，是整道方程换了：什么资源重要、什么劳动值钱、什么资产升值、什么组织形式高效、谁拥有入口、谁承担成本、谁握着定价权。铁路没让马车更快，是让靠运河的地方不再天然占优；电力没让蒸汽机更强，是让工厂、城市、工作时间重新组织；互联网没让报纸更快，是把信息和交易搬上平台。

记住这一条，下面所有机制都是它的展开。

财富捕获公式

正文用了石磊那把尺子：节点价值 = 流量 × 留存率。把它展开，能得到一个更完整的捕获公式：

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

逐项拆。新流量，是技术把哪种经济活动导到了你这里，货流、能流、信息流、任务流、资金流、注意力流。留存率，是流量经过时你能不能收费，能不能沉下数据、客户、品牌、标准、牌照。毛利率，是你到底是稀缺瓶颈，还是可替代的二供三供。持续时间，是你的优势有没有网络效应、切换成本、规模、牌照、品牌信任撑着。资本化倍数，是资本市场愿意为你的未来提前付多少，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"。转型成本，是旧资产折旧、旧技能贬值、组织改造、债务和摩擦。

串成一句：财富不流向用了技术的人，流向能把新流量留下来的人。

六个传导机制

技术改变分配，沿着六条线传导。

成本曲线：一种成本塌陷，另一种稀缺就浮现。每次革命都先暴力打掉某个成本。铁路打掉远距离运输成本，电力打掉可控能源的获取成本，互联网打掉信息复制和分发成本，AI 打掉预测、生成和部分决策成本（有经济学家干脆把 AI 抽象成"预测变便宜"）。规律是对称的：运输便宜了，枢纽土地稀缺；能源便宜了，组织和工程稀缺；信息便宜了，注意力和信任稀缺；预测便宜了，判断、目标和责任稀缺。

网络拓扑：技术改变"谁连谁"。革命不是单点提效，是改经济网络的接线图。铁路把城市从沿河沿海改成沿铁路节点，互联网把中心从地理枢纽改成数字平台，AI 会把任务流从"人到组织到流程"，改道到"人到模型到工具到 agent"。所以 AI 削弱的天然是中间层：越靠信息传递、格式整理、标准执行存在的环节，越容易被重新接线绕过。

瓶颈迁移：旧瓶颈失效，新瓶颈定价。分配的本质是瓶颈定价。这条能解释一个反直觉的现象，发明者常常赚不到最多的钱。有个经典框架早讲过，创新者能不能赚到钱，取决于技术可不可保护、以及互补资产在谁手里，收益很多时候流向掌握制造、分销、品牌、标准的那一方。所以对 AI 别只问谁模型最好，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、谁能让用户不切换。

任务重组：劳动被拆成任务，重新定价。讨论劳动别问会不会被替代，要拆任务。一个岗位是判断、沟通、执行、文档、协调、背责、现场、创造的捆绑。AI 先吃可符号化、可标准化的那几样（经济学的任务框架，正是用"例行任务被自动化接管"来解释这些年的工资结构变化）。于是个人价值的公式变了：个人价值 = 问题定义 × 判断 × 真实经验 × 信任关系 × 调度 AI 的能力。

结账方：没有最终买单者，产业繁荣也可能是金融亏损。要分清产业繁荣和资产繁荣。产业能高速发展，买它的人却未必赚钱，新能源就是例子，产能建出来没有稳定结账方，最后金融资本接盘。AI 的结账方有五类：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，以及最危险的金融市场。判断标准很硬：结账方能不能从资本市场，挪到真实客户预算，决定一场革命能不能穿越泡沫。

制度反馈：技术先冲击分配，制度再修正。技术扩散比制度更新快，所以早期一定失衡。但通用技术真正释放生产率，往往要等互补的组织、技能、制度跟上，研究 AI"生产率悖论"的人就指出，预期和数据之间的落差，很大一块来自实施滞后。铁路逼出公司法和证券监管，电力逼出电网标准和劳动法，互联网逼出平台反垄断和数据权。第一次分配的形状由技术写，第二次修正由制度写。

AI 的四层结构

把六条机制落到 AI 上，价值大致分四层，每层各问一个问题。

基建层（芯片、HBM、电力、数据中心、冷却）：订单是不是真实，现金流能不能留下，资本开支会不会反噬利润。模型层：能力差距持续不持续，开闭源成本差缩不缩，用户有没有强切换成本，模型层强，但王座很滑。应用层（workflow）：能不能进客户预算，能不能替代真实成本，能不能承担业务结果，只"提升体验"价值有限，能"省 30% 人力、提 20% 转化"才有真结账方。制度信任层：版权、数据权益、责任归属、认证、保险、合规，当答案变便宜，背书变贵。

九问研究法

把这套东西压成一张清单，套到任何一次技术革命上，依次问清楚九件事。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。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，就是泡沫）。劳动任务怎么拆，哪些被替代、哪些被增强、哪些更稀缺；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估；以及制度什么时候介入，怎么做第二次分配。九件事过一遍，这场革命会怎么洗牌，大致就有数了。

几条可验证假说

最后是几条能拿数据去证伪的判断。高固定成本、低边际成本、强网络效应的技术，天然抬高财富集中度，铁路、互联网、AI 基建都是。技术若只降了工具门槛、没降分发门槛，财富仍会卡在入口：自媒体工具人人能用，流量还在平台；AI 工具人人能用，客户、品牌、分发、信任仍稀缺。模型能力一旦快速商品化，价值会从模型层迁到数据、工作流和分发层。

还有三条更扎人。AI 会压低标准答案劳动的价格，抬高非标准责任劳动的价格。生产率红利越晚体现在宏观数据里，资本市场越容易提前透支，电力和计算机时代都这样。而最该盯的一条是：AI 时代的新中产数量，可能少于互联网时代，互联网虽集中，却造出海量运营、电商、主播、网约车岗位，AI 越前沿，组织越小。

这套框架的用法只有一条：别光读，拿去套到你正盯着的那个技术上，自己跑一遍九问，看看新流量往哪走、新瓶颈立在哪、谁来结账。剩下的判断，自然会浮出来。

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。