云栖大会第一印象：机器智能的经济学-北京尧图网络

机器智能是一个全新的物种它正在把“思考”变成一种可以规模化供给的商品。作者 | 高飞今天2026 年云栖大会第一天的日程才结束从阿里巴巴集团 CEO 吴泳铭的演讲出发对主论坛写一下第一印象解读。虽然这是一个毫无疑问的技术峰会但我想用三个经济学框架来写倒不是因为经济学比技术分析更高级而是因为吴泳铭今年的演讲本身就在讲一个经济学问题。他讲的是一种新的生产要素如何被规模化供给以及这种供给将怎样改变整个经济系统的运行方式。吴泳铭演讲的第一段话就提纲挈领机器智能是一个全新的物种它正在把“思考”变成一种可以规模化供给的商品。而且这个过程才刚刚开始。虽然现在AI Coding编码和AI Wording办公已经爆火。但是他认为机器智能时代的代表性产品其实还没有出现。他把今天的 AI Coding 比作 1882 年爱迪生在珍珠街电站点亮的 400 盏电灯。电灯替代的是蜡烛和煤油灯的功能但电灯不等于电气时代。他还提到一个有意思的细节爱迪生最早卖灯泡的时候送半年的电“就像我们今天下载一个 Agent 软件就送一个月的 Token”。空调 1902 年才出现冰箱和洗衣机更晚第一台计算机要到 1946 年。所以结论就很清晰了仅仅替代现有工作负载不可能创造一个新时代。换言之产业存量的优化不等于经济增量的爆发。那么增量何在答案在机器智能本身。从阿里的角度看AI不是人类智能的替代品它是“完全不同的物种”。吴泳铭用之前的工业革命举例蒸汽机最初替代的是人和马的搬运工作但很快机器动力让人类做到了从未想象过的事情。火车、飞机、火箭不是“更强的马”。智能体Agent是现在大家讨论比较多的概念。Qwen LLM 项目负责人刘大一恒在主论坛完成了首次亮相。他在演讲中就讲到从 Chatbot 到 Reasoning 到 Agentic模型从回答问题变成闭环完成任务。不过我们可能还没有看到智能体的完全形态。通过对吴泳铭演讲中“机器智能”的理解我认为未来的智能体其实指向的是一种能够规模化供给思考、通过自我改进持续演化、正在获得身份和信用基础的独立能力实体。我们接下来所讲的“智能体”也是后面这个含义。而一个新物种的诞生必然带来新的经济学。思考变成商品之后吴泳铭在主论坛上有两个核心判断。第一个关于规模未来机器供给的思考总量将达到人类思考总量的 1000 倍以上。他给出的参照坐标是今天机器思考的总量大概不到人类的 3%。如果终局是 1000 倍中间的增长空间是几万倍。几万倍的增长空间直觉上让人觉得夸张不过一切有迹可循。1865 年英国经济学家威廉·斯坦利·杰文斯在《煤炭问题》一书中记录了一个类似的现象。瓦特改良蒸汽机之后每台蒸汽机消耗的煤炭减少了但英国的煤炭总消耗量却大幅增加。原因其实不复杂效率提升降低了动力的使用成本大量原本“用不起蒸汽机”的行业突然发现自己用得起了纺织厂、矿井、运输、供水全部涌入。新增的需求远远超过了效率节省的那部分。杰文斯写道“认为节约使用燃料等同于减少消耗是一种思维混乱。事实恰恰相反。”这个被后世称为“杰文斯悖论”的规律在吴泳铭的演讲中几乎被原样复现了。他用了一个罕见病的例子。新生儿早衰症全球每年新增病例可能只有几十例有记录的患者总共几百人。从现有医药产业的商业逻辑来看很少有公司愿意花几十年、耗费巨资为几百人研发一种新药。不是没人想研究是“思考成本”太高。培养一个能做这种研究的科学家需要几十年而这个领域的商业回报无法支撑这样的投入。但是当 AI 具备专业研究所需的智力水平只要算力足够多、足够便宜每个细分领域都可以组织上百万个智能体持续研究、模拟和验证。过去这些“思考供给不足”的方向将第一次获得大规模的智力投入。这正是杰文斯悖论的机制。需求爆发的来源不是现有市场的放大而是大量从未被满足过的需求在成本降低后涌现出来。当然杰文斯悖论需要一个触发条件单位成本的持续下降。这方面在主论坛上也有提及。刘大一恒介绍了千问新一代模型在训练和推理成本上的大幅下降。与此同时千问 3.8 Max 发布仅两个月真实用户的 Token 消耗量增长了 12 倍。Token 是大模型处理和生成内容的基本计量单位这里我们可以理解为“机器思考”的最小货币。成本下降和需求爆发同步发生杰文斯悖论正在 AI 行业实时上演。吴泳铭对需求侧的推演也指向同一方向。他说工业时代人类能消费的商品取决于人口数量咖啡要有人喝车要有人开一个人一生能消费的物理商品总是有限的。但思考的消耗量不受这个约束。一个人提出“造一艘飞船去火星”这样的目标AI 可以将它分解成上千万个子任务由上百万个智能体不眠不休地持续工作。思考的消耗量不再与人口数量成正比而是与任务的复杂度和机器智能的供给规模成正比。我认为如果这个推演方向成立那么机器智能的市场规模上限取决于被压抑的潜在需求而不是现有市场的大小。所以增量就这样产生了。杰文斯在 1865 年面对的煤炭消耗增长和吴泳铭在 2026 年面对的 Token 消耗增长服从同样的经济学规律。需求的规模已经看见了。接下来我们讨论谁来组织这些需求和供给之间的关系智能体科斯定理与交易成本吴泳铭描述了一个场景未来可能出现超过全球人口数量的智能体与人类协同工作作用于物理世界。数量本身不构成市场。一个工厂里可以有一万台机器但如果它们只是被一个中控系统调度工厂仍然是工厂不是市场。智能体数量达到全球人口规模之后一个思考自然而然地到来这些智能体之间到底是上下级的管控关系还是独立主体之间的协作和交换关系1937 年罗纳德·科斯提出了一个在经济学史上影响深远的问题既然市场那么有效率为什么还需要企业他的回答是交易成本。通过市场完成一件事需要搜索对象、谈判条件、签订合约、监督执行每一步都有成本。当市场交易成本太高企业就会选择把活动纳入内部管理当内部协调成本超过市场交易成本企业就会把活动外包出去。企业边界的位置由两种成本的对比决定。阿里云 CTO 李飞飞在主论坛上的演讲几乎是在对科斯的理论做一次技术层面的回应。他讲的 Agentic Cloud核心工作就是降低智能体之间的交易成本。Agentic Cloud 覆盖了智能体从构建到运行再到治理的完整链路包括统一的身份认证、安全隔离、编排调度和监控评估。李飞飞在演讲中用了大量篇幅讲“治理”。他认为智能体进入真实的业务环境身份、信用和权限管理是前提条件。他还提出了一个对商业模式的远景预测AI SaaS 将从按资源消耗计费逐渐转向按任务结果付费。如果这个方向成立意味着智能体与客户之间的关系就从“工具使用”变成了“服务交易”。工具没有信用但服务提供方需要信用。工具按时间计费但服务按结果计价。身份体系、信用机制和结果定价这合在一起就是一套经济交易的基础设施。智能体虽然背后还是人的供给和需求但已经开始具备独立参与交易的能力了。刘大一恒在主论坛上展示的千问设计芯片案例从另一个角度说明了智能体正在获得“生产主体”的特征。千问进入真实的工业级芯片设计环境从一份总线模块规格书出发自主完成前端验证和后端全链路的迭代优化连续工作数十小时。这已经超出了“替人执行一个步骤”的工具范畴。他还介绍了千问的递归式自我改进系统行业通常简称 RSI让模型可以从真实反馈中自动定位缺陷、自主改进。一个能够自我改进的生产单元在经济学意义上和一个静态的工具有本质区别前者可以积累能力和信用后者只能被动贬值。所以科斯的逻辑在这里可以这样理解当 Agentic Cloud 把智能体之间的发现、认证、调用和结算成本系统性地降低大量原本只能在企业内部完成的智能工作就有可能溢出到市场上形成跨企业、跨平台的供需关系。未来我们会继续和人做生意和企业做生意也可能和一个智能体做生意。这种市场关系的出现不取决于技术能力有多强取决于交易成本有多低。一种新的增长规则但这种新的经济关系一旦形成它服从的规则和工业经济完全不同。经济学家保罗·罗默在 1990 年提出内生增长理论时区分了两种生产要素。一种是竞争性的比如资本和劳动力用了就被占用另一种是非竞争性的比如知识和创意用了不会减少反而越用越多。罗默的核心论点是当非竞争性要素成为增长的主要驱动力经济增长就不必依赖外部资源的持续投入而是可以内生地自我加速。刘大一恒在主论坛上展示的递归式自我改进系统我理解就是这个理论的产业版本。模型从真实反馈中定位缺陷自动构造训练数据产出更强的模型更强的模型又在下一轮产出更好的训练数据。知识在循环中增长每一轮的投入不需要从零开始。刘大一恒还提到了一句话“模型设计芯片而更强的芯片又将反哺更强的模型。”这个飞轮能够运转正是因为模型生产的知识是非竞争性的。芯片设计方案可以被制造环节复用可以被下一代模型训练复用不会因为被使用而消耗掉。这个飞轮不只是理论推演。平头哥副总裁高慧在主论坛上发布了新一代 AI 芯片真武 V900算力达到上一代 M890 的3 倍基于它构建的单一集群可以扩展到 50 万卡。平头哥已经完成了 AI 芯片、CPU、互联芯片、智能网卡、存储主控的全栈自研布局。吴泳铭在演讲中把芯片定义为“机器智能时代的发电机”Token 是电芯片负责把电生产出来。模型让芯片变得更好芯片让模型跑得更快这个循环正在从论文走向量产。淘天集团首席科学家郑波在主论坛上讲全模态生成时也用了一句经济学色彩浓厚的表述“体验的供给将指数级增长体验的边际成本将趋近于零。”这正是非竞争性商品的特征产出可以被无限复用模型本身不会因为被使用而减少任何东西。所以工业经济的增长曲线最终会撞上资源的天花板而智能体经济的增长虽然伴随着Token的大规模消耗背后也是电力和资源。但至少在理论上约束机制是不同的消耗结构也不同。因为Token供给和物理资源供给并非是线性对应关系前者对于后者呈现一个极大的倍数关系。所以这两种经济形态运行在不同的规则上。一吨煤烧了就没有了一度电用了就消失了动力是竞争性商品。多生产一吨钢就要多消耗一吨铁矿石。但一个算法、一套解决方案、一段推理链条用了之后并不消失。它可以被下一个智能体复用被一万个智能体复用被改进之后变成更好的版本继续复用边际成本等于零或一个相对较小的数字。不过如果机器真的成为了思考的主力人做什么吴泳铭在演讲结尾说的一个细节可以作为一个答案。他说300 年前一个在田间劳作的农夫很难想象未来有人会走进一个叫“健身房”的地方付费进行体力劳动。讲到这儿台下一片笑声。工业革命让机器承担了繁重的体力工作人类从中解放出来之后反而创造了足球、篮球、奥运会、世界杯这些事物。照相机出现之后绘画也没有消失反而诞生了印象派和抽象艺术。留声机出现之后歌手没有失业音乐反而成为了最广泛的大众艺术。甚至黑胶唱片正在重新成为音乐爱好者的宠儿。虽然机器智能释放的空间里会长出什么现在没有人能够预见。但三个经济学框架可以帮助我们对一件事做出判断围绕这种新的思考供给所形成的生产、分配和交换关系将服从和工业经济不同的增长规则运行在不同的成本结构上并且依托一套正在被快速搭建的制度基础设施。这也许就是机器智能的经济学。创新就会在其中涌现。

云栖大会第一印象：机器智能的经济学

相关推荐

Java工资管理系统课设：数据库设计与事务实战

Mac访达缩略图不显示？从缓存到QuickLook的完整修复指南

轻量级CRM自建实战：Node.js+Electron+SQLite完整指南

更多资讯

STC单片机ARM转型困局：8051生态惯性与STAR-MC1非标陷阱

滚珠丝杆系统电机驱动器参数匹配实战指南

双向可编程交流电源在新能源并网测试中的实战解析——以DH18600系列为例

开放式Code Review实操指南：让代码审查不再走过场

Notepad++配置Markdown编辑环境全指南

用 Metaflow Client API 搭建流程监控仪表盘：07-worldview 教程全解

今日更新

AI元人文：从工具使用到思维重构的深度探索

Python+CNN车牌识别实战：从数据预处理到模型训练与部署

Vim基础操作全攻略：保存退出、模式切换与高频命令实战

本周精选

深入解析Transformer多头注意力机制与工程优化

OpenClaw 的 Skills 跑学习任务，模型通道改到 TaoToken 通道行不行？

ChatGPT报错Oops, an error occurred! 全链路排查指南

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？