xps

AI平台作为新经济范式的兴起

当代数字化环境正在被生成式人工智能（AI）的迅速普及所根本性重塑。这一技术变革催化了新一类数字平台的兴起，典型代表包括OpenAI的ChatGPT、Anthropic的Claude、Google的Gemini，以及围绕Llama和Mistral等模型蓬勃发展的开源生态系统（Bommasani et al., 2021; Chen et al., 2023）。

这些实体远不止是简单的工具或应用程序；它们代表了一种新的经济范式，作为复杂的社会技术系统，将核心生成模型与辅助服务、数据访问政策和货币化策略捆绑在一起。

每个平台在其独特的配置中，都体现了一个独特且往往是高风险的战略押注，即在新兴的AI驱动经济中创造、交付和获取价值的最有效架构。这些平台的快速演进——从OpenAI最初的仅API方式到ChatGPT的消费者界面，从Google的集成搜索体验到Meta的开源策略——展示了当前商业模式探索的实验性质（Eloundou et al., 2023; Korinek, 2023）。

平台架构师和投资者

面临关于构建哪些功能、如何定价以及保留用户生成数据的哪些权利等关键决策，而对这些投资的潜在回报缺乏实证指导。

政策制定者和监管者

在促进竞争市场、推动创新和保护用户权利方面面临困难，而缺乏这些平台如何在经济上运作的清晰模型。

这一困境的核心是对治理这一新市场的经济力量缺乏第一性原理的、基于证据的理解。当前的战略决策主要基于直觉、竞争模仿或有限的观察数据，而非严格的因果分析（Goldfarb et al., 2023; Brynjolfsson et al., 2023）。

平台战略中的因果识别问题

主要障碍： 阻止解决战略困境的根本方法论挑战是因果识别。

现实世界的AI平台是相互依赖的功能和政策的复杂捆绑。这产生了一个困扰平台经济学研究数十年的经典计量经济学问题：

捆绑问题

考虑研究人员试图理解平台性能时面临的实证挑战：

提供复杂集成工具（如代码解释器、网络浏览器、文档分析）的平台也可能是具有高级订阅定价的专有闭源系统
具有广泛定制功能的平台通常也实现持久记忆和学习能力
开源模型通常与社区驱动的开发捆绑，但可能缺乏专业支持服务

这种固有的捆绑使得仅使用观察数据在实证上很难甚至不可能将任何单一战略选择的个体因果效应与其相关对应物的效应分离开来（Parker et al., 2016; Rochet & Tirole, 2003）。

归因挑战

当分析师观察到特定平台上的更高性能时，他们无法明确地将成功归因于：

提供的特定工具和功能
底层模型的专有性质和质量
高级定价创造的质量期望和用户选择效应
这些因素之间未观察到的相互作用
平台特定的网络效应或用户社区特征

这是长期挑战产业组织和平台经济学实证研究的经典计量经济学问题——内生性和严重多重共线性的表现（Armstrong, 2006; Rysman, 2009; Cabral, 2019）。

AI平台研究的现状

因此，现有的AI平台战略分析大多仍然是：

描述性的： 编目功能和商业模式而不建立因果关系
轶事性的： 依赖案例研究和成功故事而没有系统比较
相关性的： 识别平台特征和结果之间的关联而不建立因果关系

虽然对理解当前格局有价值，但这一研究体系在我们预测战略变化效果或指导基于证据的决策制定能力方面留下了关键空白（Agrawal et al., 2019; Goldfarb et al., 2023）。

方法论创新：仿真优先的因果推断

核心洞察： 要理解平台功能解绑的效果，必须首先实验性地解绑平台本身。

使用真实世界数据的传统实证方法根本不适合这种因果识别任务。解决方案需要一种能够：

创造正交变异在自然相关的战略选择中
控制未观察的异质性这会混淆观察研究
扩展以分析复杂相互作用在多个战略维度之间
生成现实的行为反应对不同平台配置

为什么仿真是必要的

全因子实验——因果分析的黄金标准——需要创建数十个不同的平台变体并在标准化任务中与真实用户测试。这种方法面临不可克服的实际障碍：

后勤复杂性： 创建64+个功能性平台变体
成本约束： 为复杂任务补偿数千名参与者
时间限制： 进行多会话实验以观察动态效应
伦理考虑： 可能使用户暴露于故意次优的平台
竞争敏感性： 公司不愿参与比较研究

仿真作为解决方案

基于生成代理的建模能够创建一个"虚拟实验室"，其中平台可以在受控条件下系统地变化和测试。

研究问题和目标

为了解决战略困境并克服因果识别问题，本研究追求三个相互关联的问题：

研究问题1：因果架构

核心架构选择——涵盖市场结构、服务捆绑、包范围、货币化、知识分发和数据提取——对AI平台性能和经济价值的独立和交互因果效应是什么？

这个问题通过提供特定平台设计决策的投资回报定量估计，直接解决了战略困境。

研究问题2：潜在功能

如何在生成式AI的特定背景下，将数字平台的基础经济功能——Brousseau & Penard (2007)定义的匹配、组装和知识管理——操作化并测量为潜在构念？

这个问题通过将AI平台分析与既定的平台经济学理论联系起来，建立了理论基础。

研究问题3：结构关系

将可观察的战略设计选择与潜在平台功能联系起来，并最终与用户感知价值（通过客观任务质量和主观支付意愿测量）联系起来的潜在因果结构是什么？

这个问题能够开发预测模型，可以指导超越所测试的特定配置的平台战略。

贡献和结构

本研究对平台经济学和AI战略做出了三个基本贡献：

方法论创新

引入仿真优先方法用于平台经济学，为在传统实验方法不可行的复杂数字生态系统中进行因果推断提供可复制的方法论。

理论验证

首次在AI领域对Brousseau & Penard (2007)框架进行全面实证测试，确立其对理解现代平台动态的持续相关性和预测力。

战略证据基础

生成AI平台设计中量化的权衡和互补性，将战略决策制定从基于直觉的艺术转变为基于证据的科学。

本文的其余部分如下进行：我们首先通过为AI平台操作化Brousseau & Penard框架来建立理论基础。然后我们详述我们的方法论方法，结合基于生成代理的仿真与结构方程建模。我们的实证分析呈现了跨64个平台配置的系统实验结果。最后，我们讨论我们发现的战略、投资和政策含义，并以未来研究方向作结。

参考文献

Agrawal, A., Gans, J., & Goldfarb, A. (2019). The economics of artificial intelligence: An agenda. University of Chicago Press.

Armstrong, M. (2006). Competition in two-sided markets. RAND Journal of Economics, 37(3), 668-691.

Bommasani, R., Hudson, D. A., Adeli, E., et al. (2021). On the opportunities and risks of foundation models. arXiv preprint arXiv:2108.07258.

Brousseau, E., & Pénard, T. (2007). The economics of digital business models: A framework for analyzing the economics of platforms. Review of Network Economics, 6(2), 81-110.

Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. Science, 381(6654), eadh2586.

Cabral, L. (2019). Standing on the shoulders of dwarfs: Dominant firms and innovation incentives. RAND Journal of Economics, 50(1), 70-88.

Chen, M., Tworek, J., Jun, H., et al. (2023). Evaluating large language models trained on code. arXiv preprint arXiv:2107.03374.

Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An early look at the labor market impact potential of large language models. arXiv preprint arXiv:2303.10130.

Goldfarb, A., Taska, B., & Teodoridis, F. (2023). Could machine learning be a general purpose technology? A comparison of emerging technologies using data from online job postings. Research Policy, 52(1), 79-95.

Korinek, A. (2023). Generative AI for economic research: Use cases and implications for economists. Journal of Economic Literature, 61(4), 1281-1317.

Parker, G. G., Van Alstyne, M. W., & Choudary, S. P. (2016). Platform revolution: How networked markets are transforming the economy and how to make them work for you. WW Norton & Company.

Rochet, J. C., & Tirole, J. (2003). Platform competition in two‐sided markets. Journal of the European Economic Association, 1(4), 990-1029.

Rysman, M. (2009). The economics of two-sided markets. Journal of Economic Perspectives, 23(3), 125-143.

引言：AI平台的战略困境