过去三十年，数字经济的底层逻辑只有一句话：一次开发，无限复制。软件的边际成本趋零，平台靠网络效应赢者通吃，流量是唯一的硬通货。这套逻辑支撑了从微软到 Google 到 Meta 的全部估值体系。
2026 年 7 月 17 日，中金研究院发布长篇报告，给出了一个不同的判断：大模型驱动的 AI 革命正在翻转这个逻辑。每一次认知能力调用都消耗真实算力和电力，认知能力从“人脑里的隐性技能”变成“由固定资本持续生产的工业品”。数字经济不是变轻了，是变重了。
这不是一个隐喻，是一个成本结构的翻转。
四层产业结构：从轻到重
中金报告提出的框架是一个四层结构。最底层是物质底座：算力、能源、芯片。往上是智能供给层：模型训练和推理服务。再往上是组织中介层：Agent、RAG、MCP、工作流。最上层是场景兑现层：具体的应用和商业落地。
这个结构的本质变化在哪？传统互联网时代的产业结构只有两层：基础设施（服务器和带宽）加应用层（网站和 App）。应用层的边际成本几乎为零，所以“轻”是默认状态。AI 时代多出来的两层（智能供给层和组织中介层）都是重资产。智能供给层的每一次推理都消耗 GPU 算力和电力。组织中介层的每一个 Agent 执行都需要持续的模型调用。两层叠加，数字经济的边际成本从趋零变成了趋正。
这意味着“数字”不再是“虚拟”的同义词。数字经济开始具备传统工业的全部特征：固定资本投入、产能约束、能源依赖、规模效应、折旧周期。布莱恩·阿瑟在《复杂经济学》里有一个核心判断：经济不是从天上掉下来的，是从它的技术中涌现出来的。技术的结构变了，经济的结构就必须跟着变。当认知能力的生产从“依赖人的个体供给”切换到“依赖固定资本持续生产”，整个数字经济的成本曲线、资产形态和竞争规则都会重写。
麦克卢汉在《理解媒介》里提出过一个核心命题：媒介即讯息。技术改变的不是工具本身，是经济结构的形态。汽车改变的不是出行方式，是城市的形状、居住的密度、商业的分布。AI 改变的不是某个行业的效率，是数字经济从“轻资产平台”到“重资产工业”的形态切换。这个切换不是渐进的改善，是结构性的断裂。
麦克卢汉还有一个更锋利的判断：媒介在过热时会自我逆转。书面文化把人类的视觉推到极致时，电力的出现又把听觉和触觉拉了回来。把这个逻辑放到数字经济上：互联网把“轻”推到极致（一次开发、零边际成本、全球分发）时，AI 的出现把“重”重新拉了回来。数字经济的过热逆转，就是从零边际成本回到正边际成本。token 价格的暴跌看似是效率提升，实质是媒介形态的逆转信号：认知能力的生产重新需要物理资源，而不再只依赖代码复制。
Token 计价：认知能力的商品化拐点
报告里最硬的数据是 token 计价曲线。o1 水平模型的推理成本从 2024 年 12 月的 14.25 美元/百万 token 降至 2026 年 3 月的 0.042 美元/百万 token（中金研究院 2026 年 7 月报告），降幅超过 99%。这个速度意味着什么？意味着认知能力第一次有了可计价、可交易、可规模化的商品基础。
这个拐点的意义不在“便宜了”，在于“可以定价了”。当一单位的认知能力可以用 token 精确计量、用美元标价、用 API 调用时，它就从不可贸易的隐性技能变成了可贸易的标准化商品。这跟工业革命的本质是一样的：蒸汽机没有发明动力，是把动力的生产从“依赖人力和畜力”变成了“依赖固定资本持续生产”。AI 没有发明认知能力，是把认知能力的生产从“依赖人脑”变成了“依赖算力和模型”。
商品化有两个后果。第一，价格会持续下降直到触及边际成本（算力折旧加能源消耗）。第二，当价格足够低时，新的应用场景会以指数级速度涌现。组织中介层的数据印证了这一点：OpenAI Codex 企业用户从 2025 年 8 月到 2026 年 6 月增长了 189 倍（中金研究院报告数据）。Agent Token 周调用量从 2026 年 3 月的约 191 亿增长到 6 月的约 5.63 万亿，增长 295 倍。这不是线性增长，是正反馈引爆。
阿瑟在讨论收益递增时有一个关键观察：当一项技术的采用达到临界规模，正反馈会使其加速锁定主导地位，即使存在更优的替代方案也会被路径依赖锁定。token 价格跌破某个阈值后，整个组织中介层的爆发不是概率事件，是确定性事件。因为每一次调用都在降低下一次调用的边际成本，每一个 Agent 的成功部署都在降低下一个 Agent 的部署门槛。
中美路径分化：供给驱动 vs 工程扩散
报告对中美 AI 路径的二分法是清晰的。美国走的是“前端供给驱动”：资本、超大规模算力、前沿模型、云平台和全球客户。集中建设，全球分发。中国走的是“工程扩散驱动”：有限算力、开源模型、产业场景和工程交付能力。2025 年美国私人 AI 投资是中国的 23 倍以上（斯坦福 AI Index 2026）。
这个分化的底层逻辑不是谁更有钱，是两国的比较优势结构不同。美国的比较优势在资本密度和前沿研发。中国的比较优势在产业场景的丰富度和工程交付的执行力。用一个不精确但有用的类比：美国在造发动机，中国在造底盘。发动机的技术壁垒更高，但底盘决定了车能不能跑起来。
但中国路径有一个被低估的优势：组织中介层。Agent、RAG、MCP 这一层连接通用模型和具体场景，需要的是系统集成能力、工业软件生态和工程交付经验。中国在这三个维度上都有结构性优势。丰富的系统集成商、完整的工业软件产业链、以及全球最密集的制造场景，让中国在组织中介层有机会形成差异化竞争力。
中国路径也有一个结构性短板。阿瑟在《复杂经济学》里强调：技术进化的速度取决于“组合”的频率和多样性。美国的前沿模型生态聚集了全球最优秀的研究者、最大的算力集群和最密集的风险资本，这个组合密度让技术变异的速度极快。中国的工程扩散路径擅长“已有技术的组合应用”，但在“根本性技术变异”上处于劣势。组织中介层的竞争力可以带来收入，但不一定能带来定价权。定价权在最底层的技术标准手里。
代理经济：从注意力到任务执行权
报告提出的最后一个框架性判断值得单独拿出来说：数字经济的入口正在从“注意力经济”迁移到“代理经济”。
注意力经济的逻辑是争夺用户的点击和停留时间。广告是这个逻辑的终极变现方式。代理经济的逻辑是争夺任务执行权：用户的决策从“看什么”变成了“做什么”，从“选择信息”变成了“委托任务”。当 Agent 开始代替用户搜索、比价、下单、支付时，入口的定义就从“屏幕”变成了“意图”。
这个迁移的冲击波会打到谁？搜索引擎首当其冲。当用户通过 Agent 完成搜索时，传统搜索广告的展示位消失了。电商平台的角色也会改变。当 Agent 替用户比价和下单时，平台的流量分发权被削弱。社交平台的广告模式受到的冲击相对滞后，因为社交互动的“人味”还没有被 Agent 替代。但方向是确定的：凡是可以被 Agent 代理的环节，都面临中介价值被压缩的风险。
麦克卢汉说媒介即讯息。Agent 这个“媒介”的“讯息”是什么？是“从展示到执行”。传统数字经济的核心动作是展示信息让用户决策。Agent 经济的核心动作是直接执行用户的目标。这个转变不是渐进的，是断裂性的。适应它的公司会拿到下一波红利，不适应的会在注意力经济的惯性里慢慢失血。
能源约束：不是软约束是硬约束
报告给出了能源约束的具体数字。全球数据中心用电量预计从 2024 年的 415 TWh 增至 2030 年的 945 TWh（IEA/中金研究院），年复合增长率 15%。美国发电项目并网的中位等待时间超过 5 年（Berkeley Lab 2025）。美国五大云厂商 2027 年资本开支预计达 9130 亿美元（公司财报/中金估算）。
拜因霍克在《财富的起源》里讨论过一个关键概念：经济系统的演化受制于物理约束。当一种经济模式的资源消耗增速远超其供给能力的增速时，系统不会平滑过渡，会产生结构性的瓶颈和价格冲击。AI 的能源需求增速（15% 年化）在全球电力供给增速（约 3%）面前，制造的不是“紧张”，是“断层”。
这个断层解释了一个表面上矛盾的现象：为什么 token 价格在暴跌，但 AI 基建的投资还在飙升？因为 token 的边际成本由推理算力决定（在快速下降），但 AI 基建的固定成本由训练算力和能源基础设施决定（在快速上升）。边际成本和固定成本走出了相反的曲线。投资者的赌注是：固定资本的投入会在未来几年通过规模效应摊薄。但如果能源供给跟不上，这个赌注的回报公式会被物理约束打破。
投资含义：三层机会，一层风险
把以上分析落到投资层面，可以归纳为三层机会和一层风险。需要分情景看。
基准情景（概率约 50%）：token 价格持续下降，组织中介层按预期爆发，能源供给通过电网扩容和储能技术基本跟上。第一层机会在算力基建的工程和能源环节（电网工程、备用电源、液冷散热、先进封装）还有窗口。第二层机会在组织中介层，中国系统集成商和工业软件企业有差异化空间。第三层机会在代理经济入口迁移，垂直场景 Agent 落地速度快于通用平台。
上行情景（概率约 25%）：能源技术突破（小型核电商业化、电网柔性化）解除物理约束，token 价格跌破 0.01 美元/百万 token，组织中介层进入指数级增长。全行业进入“工业化数字经济”的黄金期，算力基建、Agent 平台、垂直场景全线爆发。中国路径在工程扩散中的优势被放大，组织中介层出现全球级企业。
下行情景（概率约 25%）：能源供给缺口在 2027 到 2028 年间显性化，数据中心建设被迫放缓，token 价格的下降曲线遇到物理底板。组织中介层的增长因推理成本未达临界点而低于预期。美国云厂商资本开支回报公式被打破，行业进入估值修正。中国路径的工程优势在总需求放缓时也难以独善其身。
一层贯穿性风险：能源约束可能在中期打断算力投资的回报曲线。这个风险不是概率性的，是物理性的。全球电力供给增速约 3%，数据中心需求增速 15%。这个剪刀差不靠金融杠杆解决，只能靠能源技术的突破速度（小型核电、储能、电网柔性化）和需求侧的效率提升（端侧推理分流、模型压缩）。
需要承认的是，以上框架有解释力的边界。四层产业结构是一个静态描述，实际的技术演化路径是非线性的，可能被一次突破性进展（比如全新架构的芯片、或者全新的训练范式）完全重构。中美的路径分化也不是固定的，跨路径整合已经开始。投资判断需要在结构框架给出方向后，用季度数据（资本开支增速、token 价格曲线、能源供给缺口、Agent 调用量）不断修正。
数字经济的重资产化是一个已经发生的趋势，不是一个预测。token 计价让认知能力第一次有了商品化的基础，中美路径分化让组织中介层成为中国最具比较优势的竞争场，代理经济的崛起正在重写数字经济的入口规则。这不是下一波浪潮的前奏，是浪潮本身。
Sources
- 中金研究院（周子彭/彭文生等），2026-07-17，《工业化数字经济：智能供给的经济分析》
- 斯坦福 AI Index 2026，中美 AI 私人投资对比
- IEA 全球能源展望 2025，数据中心用电量预测
- Berkeley Lab 2025，美国发电项目并网等待时间
- 布莱恩·阿瑟《复杂经济学》
- 马歇尔·麦克卢汉《理解媒介》
- 埃里克·拜因霍克《财富的起源》