2020年春节去拉萨是带了Elias M.Stein & Rami Shakarchi的《Real Analysis》和加缪的《鼠疫》；有生之年第一次来乌鲁木齐，周末在库车看石窟，鱼鱼带了几篇论文和杨小凯的《基于专业化递增报酬的分工理论》。
专业化递增报酬被AI极致放大，每个人都能在更窄的领域深耕，同时借助AI把边际生产率拉到指数级，roundabout production和learning by doing被AI直接具象化了；交易成本是制约分工深化的最大瓶颈，自动化工作流把原本需要层层汇报的复杂分工变得像流水线一样顺滑，这意味着最优分工水平会向更高阶跃迁？分工重构被吵得最凶，AI在重塑分工网络，但各职业间的交易成本降低是不对称的。
AI降低的是标准化交易的成本，分工的跃迁可能是结构性偏斜的。而且，替代人类认知劳动的AI可以直接降低成本、提高短期效率并迅速定价，当高精度的外部建议可得，主动学习的边际收益下降，理性个体会减少学习努力，普遍认知外包的结果就是认知生态的稳定生产被改变。知识崩溃一旦成为稳定均衡，反弹路径与下行路径不是对称的。技术不断优化决策，人类逐渐退出解释世界？
AI革命的速度可能比工业革命快几个数量级，工业革命替代的是体力劳动，人类向认知劳动迁移有明确的方向。AI替代的是认知劳动，人类该向哪里迁移尚不清晰。向更高创造性环节迁移的市场规模未必能容纳被替代的劳动力，AI时代的就业容量也未必那么大，再或者这部分需求本身也被AI扩展？短期的阵痛与欣喜交织，长期是经济必然增长，但分配的结构性问题越来越突出。
分工深化的收益理论上应该通过市场扩散，但前提是分工网络是竞争性的。AI时代的专业化报酬递增的外部性更容易被平台生态捕获，不论是调用API 或订阅服务的按需纳税，还是劳动力议价能力的下降，都将生产剩余从劳动力逆流向资本与数据端。拥有数据与算力优势的平台，不仅吸引更多的分工参与者，还可以通过调整跨生态的交易成本，把最优分工水平锁定在平台最优的超边际阈值。
还有，平台与模型能力的提升是指数级的，但组织惯例、监管框架、劳动力技能结构的调整是线性的甚至阻力重重的。福利差距本就带有路径依赖与网络效应，AI圈地进一步固化这种分工网络与分配结构。所谓个体解放其实是深度依附平台，保就业的目标是不是得转向保认知接入权、促分工红利的社会化分享？是数字主权下的分工异化，还是AI铺开后基础设施与个人能力的升级，这是一个正在发生的故事……