本世纪初，当人们谈论人工智能时，重心还在算法和论文上。十几年过去，AI 已经变成一门生意。不仅云厂商在卖模型接口，咨询公司在卖落地方案，甚至一些传统企业也开始将内部训练的模型授权给同行。这个新兴的智能交易市场引起了经济学家的注意。
最近，顶级经济学期刊《Journal of Economic Perspectives》发表了名为 "The Emerging Market for Intelligence: How Firms Buy and Sell AI" 的研究文章。它试图把 AI 产业放进经济学的分析框架里，回答一个看似简单实则复杂的问题: 企业到底是怎么买 AI 和卖 AI 的？
从技术竞赛到商品交易
过去几年，AI 领域的焦点往往是最新模型的性能排行榜。但论文指出，真正的商业变革发生在交易层：越来越多的公司不是自己训练基础模型，而是从市场上购买调用权限；同时，拥有算力和数据的公司，也在把智能打包成标准化产品对外出售。这种买卖关系里，出现了模型批发商、细分行业中间商、以及专门做数据标注和微调的服务商。
论文中讨论了一个很有意思的现象: 同一类智能服务在市场上的价格差异可能非常大。有的按 token 计费，有的按调用次数，还有的按订阅席位。这在传统软件行业里也有，但 AI 模型的边际成本结构让定价变得异常复杂——训练成本是沉没的，推理成本却不是。这种经济特性使得卖方有天然的规模优势，而买方则需要对供应商锁定保持警惕。
对不同角色的实际影响
如果你是技术决策者，这篇研究能帮你跳出"选哪个模型"这种短期问题，转而思考长期的采购策略和成本结构。如果你在投资领域工作，它提供了评估 AI 公司商业模式的分析工具——比如判断一家 AI 初创企业到底有护城河，还是只是个中间商。
- 对于甲方企业：明确需求边界，别为不必要的"通用智能"买单，按量付费的 API 和私有化部署的成本差异极大。
- 对于乙方供应商：理解自己究竟在卖模型、卖服务还是卖结果，定价逻辑会完全不同。
- 对于行业观察者：AI 交易市场的成熟度，是衡量整个行业是否健康的关键指标。
值得关注的几个信号
论文提到，AI 交易市场中竞争和垄断并存，头部玩家控制着底层算力，而应用层则高度分散。上游集中、下游分散的格局，和十年前的云计算市场有些相似。
另一个看点是数据的地位。模型可以复制，数据却很难。许多企业出售的其实不是模型本身，而是经过清洗和标注的行业数据。这种资产的价值评估，目前并没有公认的标准。
当智能成为一种可交易的商品，市场需要的不仅是有多少程序员能调 API，而是更成熟的商业规则。
作为一个长期关注 AI 行业的人，我认为这类经济学研究的出现本身就是个信号：AI 已经从实验室走进市场，并且市场开始自己产生规则。无论你是在采购 AI 服务的甲方，还是在提供 AI 能力的乙方，都值得花点时间读完这篇论文。它会让你对"智能买卖"这件事建立更扎实的坐标系。
评论
暂无评论
成为第一个评论的人