知识卡片：对话兰小欢：置身 AI 事内，不要拿旧理论硬套新现实

英文标题： Dialogue with Lan Xiaohuan: Inside AI, Don’t Force Old Theories onto New Reality | AI Lens Research Series
英文关键词： AI industry; AI economics; organizational theory; accountability; risk; token; AGI; employment verification; AI-assisted research
原始来源： 腾讯研究院“AI透镜”研究系列，经搜狐转载
URL: https://m.sohu.com/a/1071029769_455313

一句话结论

AI 把信息和执行变得越来越便宜，但“能不能做完”不等于“出了事找谁”。责任、风险、判断、验证和真实人际关系仍是 AI 难以外包的部分；公司/法人存在的意义不只是做事，更是兜底、扛风险。只要 AI 不能当被告，组织就不会消失。分析 AI 产业也不能拿旧理论硬套，应从业务、合同、现金流、签字、赔偿等微观事实出发，看权力和利润被“卡”在哪个不可替代的位置。

事件概述或研究问题

这是腾讯研究院“AI透镜”系列的一期行业观察，调研嘉宾是中欧国际工商学院经济学教授、《置身事内》作者兰小欢。对谈围绕 AI 时代的权力结构、商业模式和组织逻辑展开，具体问题包括：

AI 时代的经济学分析框架如何锚定？
AI 时代的利润到底卡在哪个位置？
组织为什么因为风险而存续？
“超级个体”是否会消灭传统公司？
大模型公司的商业模式张力在哪里？
Token 适不适合作为分析单元？
初级岗位不断消失，新工作机会转向哪里？
大学的价值是否会被 AI 改变？

方法/产品要点

先搞清楚底下的事情，而不是拿理论硬套。 兰小欢主张先看业务怎样做、合同怎样签、钱从哪里来、流到哪里、谁占据不可替代的位置、最后一个字由谁签、出了问题由谁赔偿。
用“位置/替代性”理解利润。 技术复杂不等于一定赚钱；要顺着付款链看利润流向哪里，再判断该位置有没有替代品。
个人知识管理工作流： 兰小欢长期积累电子书、读书笔记、运动与体检等数据；使用 AI 后，让 AI 把内容整理成 Markdown，放入按主题组织的个人 Wiki，供以后设计课程、修改讲义、企业调研时调用。
让 AI 写“只给自己看的书”： 他会先告诉 AI 自己的知识基础、兴趣和生活经验，再与 AI 一起确定框架，生成脑科学、生理学等主题的个性化读物；不一定从学科开头讲起，而是围绕自己的年龄、日常习惯、已有知识和真正关心的问题展开。
严肃研究的验证设置： 至少有两套反驳，一套专门反驳观点，一套专门核查事实；对外发表还要过“自己是否有表达欲”和“署上名字后，每句话能否经得起检验”两道门。
AI 使用中的“减法”： 初期曾因 AI 能做很多事而变得很忙；后来发现若 AI 仍只是生产信息，所有东西还要再过一遍自己的脑子，于是把项目做得更精细，也主动要求 AI 少生产信息。

主要结果或产业意义

组织不会轻易消失，但形态可能改变。 一个人带一群 Agent 可以完成小规模闭环；但进入金融、法律或真实后果场景后，需要有人能上被告席、有资产可赔偿。法人的重要功能是隔离自然人的风险；人会生病、出意外、死亡，这些限制不是调用更多 Agent 就能撬动的。
公司不一定是“人数变少”，可能是“责任变重”。 大模型公司的护城河可能来自巨额固定成本、算力中心和持续资本投入；未来公司可能员工更少，却背着更重的系统、资本和责任。
利润更易向“卡位”环节集中。 互联网时代“离用户近的人挣钱”；AI 时代应用向模型付费、模型向云和算力付费，利润更容易向英伟达、台积电、ASML 等暂时难以替代的环节集中。但能力领先不一定等于定价权，若客户面对十倍、二十倍成本差，可能转向更便宜模型或开源方案。
就业结构从“生产答案”转向“验证答案”。 初级岗位正在从搜索与生产内容转向验证 AI 产出；验证岗位会扩张，但所需人数很可能少于从头生产的人数。
AI 不会自动消灭大学。 大学的核心社会功能之一是“批量验证”；如果拆掉旧体系，社会必须先回答新的、大规模、可信的认证机制是什么。
“信息平权”不等于“权力平权”。 AI 会抽走一部分人的信息优势，但权力会往剩下的关键环节集中——谁能决定、谁签字、谁承担责任，谁暂时无法被替代。

为什么重要

这一访谈提供了一个少见的“经济学家视角”：讨论 AI 产业时不从“技术是否厉害”或“AGI 何时到来”切入，而是从合同法、现金流、责任、赔偿和替代性等微观事实出发。
提醒人们不要拿旧理论硬套新现实。兰小欢指出，科斯没见过今天的 AI 产业；“交易成本”可以装进太多东西，概念越能自洽，有时离具体世界越远。
对“股东、供应商、客户、竞争者同时叠加在同一组主体之间”的新型关系，他指出任何单一标签（如“投资”或“供应链”）都不够，需要观察这类复杂绑定想锁住什么、在资本市场下行时是否仍能维持。
它为“个人如何与 AI 协作”提供了一个反向边界：AI 可以扩大信息、补齐证据、展开反方意见，但人要决定什么值得留下、什么可以不说，以及是否愿意把自己的名字放在这些句子后面。
与既有脉络的关系：本条不是 NIST AI RMF 式的治理框架，也不是 Epoch AI 的趋势数据研究，更不是 Windsurf 的企业采用案例；它是关于 AI 产业组织与责任逻辑的学者访谈和思想梳理，可视为与上述 AI 治理、AI 趋势、企业实践并列的一种“经济学透镜”。

局限与不确定性

文中内容是对话中的个人观点与经验总结，不是同行评议的学术研究结论。
“只要 AI 不能当被告，组织就不会消失”是兰小欢分析组织存续的法律前提；关于 AI 能否成为法律上“被告”或责任主体的规则，仍需以现行法及未来立法为准，本文未提供法律分析。
利润“卡位”并非永久规律，兰小欢明确表示今天的卡点以后可能变化；关于英伟达、台积电、ASML 等环节的具体可替代性，访谈未提供系统论证。
“一个下午可以生成二百篇论文”属于夸张说法，不是精确统计。
金融历史社会模拟实验是“满足好奇心”的探索，人物博弈细节可能为模型编造；它不是经过验证的社会模型，也未被称为研究成果。
访谈中没有提供具体合同文本、企业财务数据或岗位数量统计；凡需量化证据支撑的细节，均待核实。
原始来源页面未显示发布日期，具体发布时间待核实。

可用于图书/PPT/简报的角度

“AI 能完成任务，但不能当被告”：解释组织为什么不会消失。
从“离用户近”到“卡位”：AI 时代利润到底流到哪一环？
Token 之问：模型换一代、分词器换一次，Token 数就可能变，“谁在定义秤，谁在定义度量”？
旧理论都能沾边，但没法完全套上：如何分析 AI 产业中股权、云采购、收入分成与竞争关系同时叠加的“复合绑定”。
初级岗位减少之后：验证岗位扩张，但人数少于生产岗位。
大学的价值：知识平权后，大规模批量验证机制如何重建？
给 AI 做“减法”：信息无限供给时，如何决定让什么进入生活、让什么停在哪里。
模拟一个世界不只靠材料和事件，还要模拟人与人的关系。

原始材料

中文标题：对话兰小欢：置身 AI 事内，不要拿旧理论硬套新现实｜AI透镜研究系列
来源栏目：腾讯研究院“AI透镜”研究系列
调研嘉宾：兰小欢（中欧国际工商学院经济学教授、《置身事内》作者）；袁晓辉（腾讯研究院高级顾问）；余一（腾讯研究院高级研究员）
发布时间：待核实
URL: https://m.sohu.com/a/1071029769_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334