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；这篇是给框架本身的，比正文更底层、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，好处是你可以直接拿去用，套到下一个技术上自己跑一遍。先说清楚：这是个还在改的工作框架，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，习惯把它拆成资本、劳动、土地、能源、数据、制度这些要素。但讨论财富洗牌的时候，我觉得技术不该被当成和它们并列的又一个要素。它干的事情不一样：它是重写这些要素之间关系的那个东西，把旧的生产函数改写成另一个。或者说，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、什么组织形式高效、谁拥有入口、谁承担成本、谁握着定价权，这一整套都会被重新定一遍。拿铁路举例子。铁路通了之后，马车该多快还是多快，但一块地值不值钱的标准变了：以前靠着运河就天然占优，铁路一通，这个优势直接没了。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，全都围绕电重新组织了一遍，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，但还可以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，是流量经过的时候你能不能收费。准确点说，是能不能沉淀下点什么，数据、客户、品牌、标准、牌照都算。毛利率，是你到底是那个稀缺的瓶颈，还是随时可以被换掉的二供三供。持续时间，是你的优势有没有东西撑着，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：旧资产折旧、旧技能贬值、组织改造、债务和摩擦。
这个公式对我自己最大的提醒在留存率那一项。用技术这个动作本身不值钱，因为人人都在用；能不能把新流量留在自己手里，才是决定钱最后流到谁那里的那一项。留存率是零的话，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，我觉得是沿着六条线传导的。
成本曲线。每次革命都先暴力打掉某个成本，然后新的稀缺就从旁边冒出来。铁路打掉的是远距离运输的成本，运输一便宜，枢纽的土地马上变金贵。电力那轮，被打掉的是可控能源的获取成本，之后稀缺的东西换成了组织和工程——能源本身不值钱了，怎么围绕它把工厂和流程重排一遍才值钱。互联网大家都有体感，信息的复制和分发几乎免费，稀缺的变成注意力和信任。到 AI 这轮，有经济学家干脆把它抽象成「预测变便宜了」，我只能说这个抽象很准；预测和生成便宜下去之后，往稀缺那头走的就是判断、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」。革命不是单点提效，是把整个经济网络的接线图改掉。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，从地理枢纽挪到数字平台。轮到 AI，我觉得被改的是任务流：原来是人到组织到流程，以后会改道成人到模型到工具到 agent。这样一想就明白 AI 为什么天然削弱中间层——一个环节越是靠传信息、整理格式、执行标准活着，重新接线的时候越容易被直接绕过去。
瓶颈迁移。旧瓶颈失效之后，是新瓶颈拿到定价权，分配的本质就是瓶颈定价。这条能解释一个挺反直觉的现象：发明者常常赚不到最多的钱。有个经典框架早就讲过这个事：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；收益很多时候是流向掌握制造、分销、品牌、标准的那一方的。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、谁能让用户懒得切换。
任务重组。劳动是被拆成任务、一项项重新定价的。讨论劳动别问「会不会被替代」，要拆任务：一个岗位其实是判断、沟通、执行、文档、协调、背责、现场、创造这一堆任务的捆绑。AI 先吃的是可符号化、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」来解释这些年工资结构的变化的。于是个人这边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。这几样在我看来是相乘的关系，不是相加，哪一项是零，别的再强也乘不出来。
结账方。产业繁荣和资产繁荣是两回事：没有最终买单的人，产业再热闹，落到金融上也可能是亏损。产业可以高速发展，买它的人却未必赚钱，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，以及最危险的一类，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的客户预算上，决定一场革命能不能穿越泡沫。
制度反馈。技术先冲击分配，制度再来修正。技术扩散永远比制度更新快，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。历史上每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、劳动法跟着电力那轮走，互联网这轮的补课我们正在看，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，制度晚一点会回来再修一轮，虽然一般要迟到很多年。
AI 的四层结构
把这六条机制落到 AI 上，价值大致分四层，每层各有一个要问的问题。
基建层，芯片、HBM、电力、数据中心、冷却：要问的是订单是不是真实的，现金流能不能留下来，资本开支会不会反过来吃掉利润。模型层：能力差距能不能持续，开源和闭源的成本差会不会缩，用户有没有强切换成本——模型层很强，但这个位置不好坐稳。应用层，也就是 workflow 这一层：能不能进客户预算，能不能替代真实成本，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，谁来为答案背书、出了问题谁负责，这个环节就越值钱。
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，套到任何一次技术革命上，就是依次问清楚九件事。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。高固定成本、低边际成本、强网络效应的技术，天然会抬高财富集中度，铁路、互联网、AI 基建都是这一类。技术如果只降了工具门槛、没降分发门槛，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。模型能力一旦快速商品化，价值会从模型层迁到数据、工作流和分发这几层去。
还有三条我觉得更值得盯。AI 会压低「标准答案」型劳动的价格，抬高非标准、要背责任的劳动的价格。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是这么过来的。最后一条是我最在意的：AI 时代的新中产数量，可能会少于互联网时代——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 越前沿，组织越小。
最后说下用法。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、新瓶颈立在哪、谁来结账。我自己就是这么用的，用的过程里也一直在改。开头说了，这是个工作框架不是定论，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。
