本文来自微信公众号： 清华管理评论 ，编辑：排版|尚慧林，作者：鲍勇剑 等
范式转移：
从“规模标准化”到“现场适配”
现场可编程门阵列（FPGA）的隐喻意义可帮助我们理解人工智能引发的经济范式跃迁的本质。与架构固化的专用芯片（ASIC）不同，FPGA的核心优势在于可定制、可重构与并行计算，可在部署现场按需求动态编程。无论是工程师远程修复火星极端环境下探测设备的逻辑缺陷，还是高频交易系统以毫秒级响应捕捉瞬时机会，本质都指向同一种能力：在动态变化的情境中实现“现场适配”。
本文借FPGA的设计逻辑提出一个判断：AI时代正在形成一种可称作“深度经济”的新型价值－能力结构，其关键并非单纯的效率提升，而是供给系统以可重构、可迭代的方式，持续匹配不断演化的个体需求。换言之，算力与速度提升最终服务于对用户深层需求的理解与快速响应。
这一范式转移已在两类看似无关的企业中显现。帕兰提尔（Palantir）与希音（Shein），两者分属数据技术与时尚零售，却共享同一商业内核：以可重构的供给系统，持续匹配“情境化单一主体”。
帕兰提尔通过“前向部署工程”（Forward-Deployed Engineering,FDE）机制，将通用算法嵌入客户的具体业务情境，构建具有“情境语法”的商业本体（Ontology）与数字孪生。在这一过程中，企业获得两类收益：第一，面向特定情境的专属价值（Value of particularity），即单点价值密度显著提升；第二，围绕客户情境持续叠加模块与服务的集栈能力（Capacity of stacking），即将一次性交付转化为可复用、可扩展的持续运营结构。由此，客户关系从“买卖软件”转向“共同运营商业情境系统”。
希音以“小单快反”重构供应链，但其决定性竞争力并不在于效率，而在于对消费者深层心理需求的捕捉。汉娜·阿伦特（Hannah Arendt）提出过一个概念——“启新”（Natality），即人具有打破惯常、开启新历程的内在冲动。当AI以低成本满足大量标准化需求后，消费偏好将不可避免地向启新渴望（Desire of Commencement）迁移——对持续刷新、不断开始的体验的需求。在快时尚市场，希音的超快迭代可理解为对这种启新渴望的系统性响应。
因此，深度经济的核心不只是“更微小的细分”，更是“更深的耦合”：供给侧以可重构能力形成敏捷响应，需求侧呈现更强的情境特异性与启新偏好。下文首先从市场结构层面描述这种变化：从传统细分走向长尾微细分（long tail micro-segments），并在极限处趋近单一主体市场（market-of-one）。
现象：从细分市场到微细分区间，
再到单一主体
深度经济在行业层面的直接表现，是市场结构从粗颗粒度细分走向高分辨率的微细分，并在极限处趋近“单一主体市场”。其关键不是“更多类别”，而是“更高分辨率的情境识别”：需求单位从稳定的人口统计群体转向随时间变化的“情境中的个体”。这一趋势已在多个领域显现出来，其主要推动力是人工智能的亿万级参数算法。
在医疗领域，精准医疗已开始基于基因组、生活方式与个体风险档案定制疗法，数字孪生与AI辅助诊断使治疗反应模拟成为可能。以糖尿病管理为例，治疗方案不能仅依赖单一指标，而是要综合生理特征、生活习惯与家庭支持系统，形成针对“某一个人”的长期干预路径。医疗机构必须把数据、孪生体与疗效轨迹模型叠加为可持续运营的服务，这正体现了在患者侧形成集栈能力的必要性。更重要的是，个体处于持续变化之中。年龄、身体、家庭结构与经济状态的变化会带来心理与行为模式的转变，每一次改变都意味着某种“重新开始”。因此，未来医疗不仅提供“治病方案”，也提供面向人生阶段迁移的启新价值：帮助个体在变化中重建有意义的生活目标、重塑日常活动。
在教育领域，随着AI接管越来越多基于标准能力的生产活动，教育的目的与方法必然会被重新定义。在AI支持下，个人按自身需要与愿望规划专属学习路径已具备现实可行性。与此同时，人们对自我更新的渴望增强，“苟日新、日日新”成为一种更普遍的价值取向。教育因而同时承载两类任务：提供专属价值（与个体约束条件、资源与偏好高度匹配的路径），满足启新渴望（支持个体在不同阶段启动新生活）。借用FPGA思维，可以把人脑视为“可重构硬件”，教育则是针对阶段性目标、约束与偏好进行“认知再编程”。美国深泉学院（Deep Springs College，1917年创立）强调认知能力、身体技能与自治能力的综合训练，其培养方式接近“可编程系统”的迭代塑形。随着AI对传统高等教育的冲击增强，这类小众但高强度的个性化模式可能增多，并更倾向于通过模块化叠加课程、实践、评估与生涯支持来形成教育侧的集栈能力，构建可持续迭代的“教育操作系统”。
在时尚行业，企业开始利用知识图谱、模块化版型库、参数化尺寸系统与本地化设计约束条件，实现对小众偏好的快速学习；同时，智能系统推送的“试探性设计”也会反向塑造消费者的偏好形成机制。企业软件与数据服务行业同样呈现情境异质性增强的趋势：用户价值不再来自“通用功能”，而来自“嵌入具体情境的可操作系统”。帕兰提尔的模式因此具有代表性——它把项目交付转化为可持续叠加的服务体系。
微细分市场区间的上升意味着作为“碎片化边缘”的传统长尾可能通过技术与组织机制实现累积效应。要解释这一结构性变化，需要从长尾逻辑出发，并进一步提出单一主体市场的制度化运营条件。
结构性跃迁：
从长尾累积到制度化的“单一主体生产”
在规模经济与范围经济主导的标准化市场中，多数企业面向大众市场生产标准化产品，少数企业进入长尾细分，但由于需求碎片化与难扩张，这些企业长期处于市场边缘。深度经济可改变这一结构，其关键在于微细分区间的累积经济效应开始变得可实现。
随着大模型、增材制造、生态平台、数字孪生与密码学信任等技术的日渐成熟，搜索与分发成本下降，更重要的是，“方案生成与迭代”能力显著增强，价值挖掘的深度与广度得以拓展。厂商与用户通过持续互动共同塑造“高度个性化的价值－能力匹配”，这种匹配支撑高利润与高满意度，并使长尾需求以累积形式形成可观市场规模（见图1）。
微细分市场区间逻辑上的极限是单一主体生产，但不是对“一个需求主体”的静态定制，而是对“情境中的个体”的动态运营。需求是由消费目标、约束条件与情境线索构成的状态，而非固定偏好标签。于是，价值更接近“现场使用价值”，即价值并非由产品静态属性决定，而是在嵌入特定生活与工作情境的过程中涌现出来的。
由此可以推导出一个组织新规模经济的命题：只有当组织能把特定情境下的互动沉淀为可复用的服务模块，并在未来相似但不完全相同的情境中复用与改写，单一主体市场的规模化运营才可能成立。集栈能力的核心正在于此：把一次性定制转化为可叠加、可迁移、可演化的运营结构。这只有在虚拟平台、数据化、人工智能大模型相应能力和增材制造（3D打印）技术的支持下才能以极低的成本实现。
结构性跃迁提出了一个问题：是什么让“可复用的定制”成为可能？回答这一问题，需要识别支撑微细分市场区间与单一主体市场的技术条件。对此，下文将从六类“瓶颈消除机制”展开讨论。
技术条件：
支撑微细分长尾的“叠加式成熟”
深度经济并非单点技术驱动，而是多项技术叠加成熟后形成系统性条件。这些技术是“新质生产力”的一部分，其作用可理解为对六类瓶颈的消除。
第一，商业生态平台作为数据基础设施，通过自动撮合协调解决数据碎片化问题并消除交易摩擦。平台通过降低交易成本、匹配供需并生成数据，使企业能够将用户理解为动态情境而非静态的人群。基于对客户数据与身份的解析，将碎片化行为、痕迹统一为连续档案，从而提升情境识别分辨率。平台同时是规则制定者和基础设施，准入、API、数据权利与边界资源治理会塑造创新速度与价值获取结构。生态系统战略把平台构建为相互依存的网络，标准制定者与互补者共同决定绩效与竞争优势。
第二，生成式AI消除“设计瓶颈”。定制设计往往需要专业的知识与大量时间，生成式AI推动“生成式工程”的发展，解决了这一问题。用户给定约束条件，系统生成多样化、可优化方案组合，从而降低生产变异制成品的边际成本，并加速对深层需求的感知与编码。
第三，增材制造消除“模具瓶颈”，重写变异制造的经济学。传统规模生产依赖模具，定制意味着重新开模与高切换成本。增材制造如3D打印等，显著降低了切换成本，使“单一批量”（batch-of-one）在合适品类中具备经济可行性。其战略意义在于使得生产更贴近需求，库存风险更低，并能在尺寸、人体工学与功能形式上实现更精确契合。
第四，数字孪生用模拟替代标准化，消除“风险瓶颈”。一次性方案风险高，故障成本难以摊销。数字孪生通过虚拟原型在物理部署前模拟情境下的表现，把风险降低方式从“依赖标准化”转为“依赖模拟”。孪生体基于遥测数据持续更新，并用于反事实实验（配置变更、故障识别、阈值验证）时价值最大。更重要的是，孪生体会沉淀可复用评估制品（测试套件、基线场景、性能阈值），可跨项目迁移并适配新情境，从而构成集栈能力的一部分。
第五，平台化预测消除“控制/协调瓶颈”。平台不仅降低交易成本，也提供用于情境建模的预测数据。身份解析与数据集成使企业从“周期性猜测”转向“持续监测与学习”，预测可用于监控情境漂移、诊断不匹配并评估干预效果。在产品个性化且条件持续变化的环境中，这一点尤为关键。平台治理因此成为重要经济杠杆：准入、API与数据可移植性决定互补模块的构建权与价值分配。
第六，密码学信任与去中心化验证消除“治理瓶颈”。深度耦合带来信任收益，也放大依赖风险。智能合约、零知识证明、安全多方计算等机制，原则上可在不完全暴露敏感数据的情况下完成合规或绩效验证，为跨组织协作提供契约信任补充。这类技术即使尚未全面部署，其设计逻辑仍值得高度关注。深度耦合提高关系专用性投资，抬升“敲竹杠”与侵占风险，因此治理架构必须包含可验证的承诺与可信的退出选项。密码学信任与数据最小化、审计机制、制度保障共同形成可扩展的深度协作机制，也可视作集栈能力的治理侧组件。
技术条件解释了“可复用的定制”如何可能，但仍不足以回答深度经济的价值内核：为什么在AI带来丰饶后，企业与个体会把稀缺性重新定位到专属情境与启新渴望？这需要在价值理论层面作出进一步解释。
价值演变：
从“溢价叙事”到“双重稀缺经济”
深度经济的常见叙事强调，AI让企业更懂客户、更能实现差异化，从而通过溢价提取价值。这一解释主要基于新古典主义经济学框架，把AI视为提升预测准确性与效率的技术，默认需求稳定且清晰，价值仍是边际效用的变体。问题在于，它把深度经济简化为“细分粒度的提高”，忽略了价值评估本身的定性转变。
我们认为，AI改变了价值构建的社会条件，从而使经济主体体验到的稀缺性与意义发生了改变。当AI成为“通用性产出”（广泛适用、可无限复制的平均化解决方案）的近零边际成本引擎时，丰饶的性质发生变化：更多的产出与选项不一定被体验为财富，反而可能被体验为噪音、熵与无差别冗余，甚至社会浪费和工业垃圾。在此背景下，优质价值转变为丰饶世界中仍然稀缺的东西：情境特异性、关系契合度，以及人类对有意义新事物的开创。
社会学中关于“流动现代性”（Liquid modernity）的讨论已经为此做了理论准备。在政治哲学领域，汉娜·阿伦特详细阐述了“启新”概念。人类本身就有不断创造的心理冲动，有通过启动新事物来体验生命的渴望。这一概念与《礼记·大学》所表达的“苟日新、日日新、又日新”的弃旧图新的社会愿望如出一辙。当新质生产力去除了物质稀缺性的束缚后，启新的渴望开始主导社会价值偏好。
AI作为通用技术具有广泛适用性，可以支持性能快速提升，而且能随应用情境调度适配资源。随着复制信息产品的边际成本趋近于零，新技术的价值越来越体现在新技能、新实践与新流程之中。标准化商品与服务的供给效率上升，使稀缺性从生产端迁移到注意力与信任端。面对海量低成本选项，人们关注的焦点转变为识别高质量、适配情境且可信的解决方案。深度经济可理解为对此类后现代“稀缺摩擦”的组织响应：通过生产与情境适配的产品并支持有意义的开创，而非生成更多通用产出来创造价值。
为刻画这一转变，本文提出“双重稀缺经济”这一概念，其由两个核心维度构成：专属价值与启新渴望。
专属价值指产品或服务通过功能契合、文化共鸣与身份一致性而获得使用者认同的价值形态，并随情境条件与个体需求动态变化。过去，特异时空事件常被视作不可规模化的长尾极端；在AI条件下，它成为优质价值来源。例如，“发生”“刹那间感受”的价值过去只在消费者内心深处完成，外部产品和服务只能是静态的触媒。这一现象正在改变。现场活动的即时呈现效果与临场“蒙太奇”式的体验相较于制成品物件更稀缺。作为触媒的物件可被低成本生产，产品更像道具与信物，价值在情境嵌入中动态涌现。“刹那间”“稍纵即逝”的专属价值越来越宝贵。因此，产业链上下游供应商和中间商的生产思维也在改变。他们开始倾向于提供支持配套专属价值的中间产品，以满足终端情境需要。专属价值至少表现为三类契合：一是功能契合（满足生物、技术、操作约束条件），二是审美契合（满足身份、品位、文化代码条件），三是心理与伦理契合（满足价值观、规范与信任预期条件）。
启新渴望引导发起并完成有限、有意义项目的价值体验，强调新颖性、行动与更新，而非静态商品的持久积累。借用阿伦特对“劳动/工作/行动”的区分：当维系生理生存的劳动可被替代时，开启新历程的人类活动更具价值。AI带来的丰饶削弱多余的耐用品的边际价值，同时强化了“开始、发生、更新”的体验价值；虚拟技术进一步增强了时间与空间的重组能力，推动更新体验成为一种可被系统性供给与运营的价值形态。启新渴望常通过五种机制体现：第一，例行与身份的周期性刷新，突破生理条件无聊重复，实现心理感受阶段性解放与升华；第二，创造性破坏，抛弃积累耐用品的执念，欣赏生命“成住坏空”的过程；第三，情境过滤下的“下一步”，看重临场发生事件的创造活力，感受随境生成和消弭的流逝；第四，从所有权转向诞生性，认识到确认生存的方法是不断创造新发生，而不是恐惧失去所拥有的；第五，对偶然性的积极态度，希望策展有意义的偶然性。
深度经济不会消灭效用经济，而是更可能与之形成二元结构：效用体制继续以成本、可靠性与可及性为竞争核心，深度经济体制则围绕情境、信任与治理的稀缺性形成溢价与差异化。AI一方面提高效用经济体制效率并商品化认知任务，另一方面把人类差异化推向深度经济体制。这一并存结构也可为当前K形经济（传统经济曲线下行，新质经济曲线上行）提供部分解释（见图2）。
生产转变：
集栈能力作为运营核心
当价值从通用效用转向专属契合与启新开创时，生产与运营方式必然随之变化，即从标准化交付转向可重构、可迭代的情境运营。问题在于，组织如何在高度定制的互动中持续学习，并把一次性解决方案转化为可复用的模块，从而实现规模化。核心是集栈能力。
集栈能力可利用上述新质生产力技术在客户端实现能力堆叠，从而实现专属价值，满足启新渴望。这是深度经济的生产逻辑。能力堆叠是一种累积生产逻辑，其中组织重复地将定制化互动转化为可复用的制品（模式、模块、工作流、治理模板），从而能够以递减的边际成本为异质情境进行可折叠和可组合的能力部署。
集栈能力有四个显著属性。第一，复用是基于制品的：组织将知识编码为模式、模块和治理模板，而非仅依赖共享资产。第二，能力堆叠是面向情境异质性的：它将客户环境的变异视为设计输入而非噪声。第三，堆叠是可组合的：团队通过模块化重组（稳定的核心加适配器）来组装解决方案。第四，堆叠是可折叠的：能力可以根据案例激活和扩展，无需每次都重建系统。
集栈能力反映了人工智能化组织所拥有的辩证认知和实践：既强调面向单一客户主体的专属现场适配，也强调在组织内部建设堆叠的元能力。集栈能力包括四种元能力。
第一种元能力是沉浸感知（Immersive sensing）。类似帕兰提尔公司那样，委派工程师直接在客户商业环境中生活和工作，切己体察情境需求、突破瓶颈的可能性和限制条件。在这个过程中，厂商利用结构化诊断程序（如发现访谈、利用行业垂直大数据）和AI算法辅助，将混乱的本地条件转化为明确、规范、有共识的商业问题。一旦有可以参数化的问题，调动各方能力就是一个堆叠工程了。沉浸感知至关重要，因为许多专属定制方案失败并非源于执行不力，而是源于问题定义不当。
第二种元能力是实践编码（ReAct codifying）。借鉴大模型的ReAct（Reasoning+Acting）提示框架，集栈的元能力之一体现为实时的反思学习循环（思考+行动+观察+反馈+重复）。它是一种“想中做，做中想”，即知行合一的实践。这种实践是将定制工作流程转化为可复用制品（参考架构、剧本、提示库、检查清单和合规模板）。实践编码将深度经济与智能化的知识图谱结合起来，进而获得动态认知优势。这种优势的形成不仅取决于团队已经掌握的知识，还取决于他们能否在项目中可靠地编码、转移并重组从客户端获取的情境知识。传统的学习反思回路需要很长时间，存在滞后问题，而实践编码几乎可以做到实时学习、实时反馈、实时行动。
第三种元能力是策展组合（Curated composing）。策展组合指的是在厂商引导下，汇聚客户意愿，将模块化组件组合为适合本地情境的解决方案。通过人工智能和数字孪生的模拟能力，结合经典的情境规划方法，厂商与客户以预想未来的方式，感知和理解什么是值得双方作出承诺的商业问题、专属价值在哪儿，以及如何调动和满足客户的启新渴望。共同预想未来的过程就是对价值和方案达成共识，接受模块化组合的产品和服务。这样的组合通常遵循“核心加适配器”逻辑：一个稳定的平台，搭配可配置模块和集成模式。它能在不使底层系统碎片化的情况下实现产品和服务的本地化适配。
第四种元能力是观察控制（Observable controlling）。这一能力指的是跨越高多样性的可观察、可扩展的治理结构和过程设计。异质性增加了发生缺陷的概率和合规风险，集栈能力的元能力包括对质量控制工具的使用。与传统流程相比，智能化生产过程的系统质量问题包括漂移、幻觉、侵犯、退化以及异化（智能体从工具异化为主体）。因此，集栈能力的元模型部分要具备可观察性，包括允许人介入的控制回路（HITL）、运营闭环（Operational loop）及运行时闭环（Runtime loop）等漂移观察、监控和干预设置，甚至包含元规则纠错闭环（Constitutional loop）。可观察的控制机制提供系统的可靠性和可信任度，支持集栈能力上规模。
以上每一种元能力都结合了惯例、数字基础设施和治理实践，综合起来能够创造一个能力堆叠飞轮：每次互动生成新的制成品和支持深度认知的数据，能够改善下一次互动，在降低边际成本的同时增加契合度和可靠性（见图3）。
集栈能力是一种新型的动态能力，但在分析单位和主导机制上与传统的动态能力有所不同。传统的动态能力强调企业层面的战略变革（感知/获取/重构），而集栈能力强调通过制成品积累和可折叠重组实现的定制化交付，实现长尾微细分市场的运营扩展。一家无法有效编码和复用定制学习的企业可能拥有动态能力，但会在堆叠复用上失败。
集栈能力与传统动态能力的区别还体现在测量对象和方法上。传统的动态能力通常从战略结果（如成功的转型）推断，而集栈能力可以在制成品层面的指标中观察到，如模板和模块的复用率、规范制定时间、定制下的缺陷率，以及转化为文档化模式的项目工作比例等。这使得集栈能力特别适合混合方法测量，连接知识创造和编码过程与经济绩效。概念上，集栈能力可以被视为战略转型的一种微观运营基础：动态能力决定了重组战略活动和资源结构，而集栈能力解释了随着长尾微细分市场异质性增加，特定情境的交付如何保持有利可图。
理解集栈能力需要跳出范围经济的逻辑。新古典经济学用规模经济和范围经济解释成本降低。范围经济描述了共享资产（如品牌、渠道、研发团队）带来的效率，但深度经济更强调异质性情境这一因素。当每个客户情境的意义都有不同时，生产变成了一个理解、适应与治理变异性、专属价值与启新渴望的问题。简言之，范围经济强调在多个产品间复用相同的资产，而深度经济要求在异质情境间复用沉浸学习支持的集栈能力。
深度经济的广谱风险和治理方向
对于深度经济，持批判立场的学者认为，专属性和集栈能力会强化交易双方的单方向依赖。当长期关系锁定后，强势的一方会利用市场权势要求重新谈判，甚至对依赖方“敲竹杠”；介入深度依赖关系的用户，也会因为专属性增加了转换成本。这样的合同风险在网络化关系中特别值得关注。掌握稀缺情境数据的供应方甚至可以将单向依赖关系“武器化”，以此要挟用户。供应方也有能力萎缩的风险，即对单一合作伙伴/情境的深度专业化可能削弱更广泛市场的竞争能力，导致组织变得脆弱。如果合作双方深度绑定，这种契约关系可能导致认知封闭与碎片化。双方共同制造的“信息茧房”可能会将彼此隔离在回声室中，脱离变化的现实。此外，对于情境数据资本化，持批判立场的学者认为数据作为一种劳动贡献，应该得到相应的认可。来自用户的情境数据应如何保护、如何划分回报比例、如何避免隐性操控，这些都是深度经济不能回避的问题。
对深度经济的积极观点来自生态经济学家。他们认为，人工智能触发效用经济大发展，能够为丰裕社会提供技术力量。同时，人们也开始关注“有意义的丰裕”和“浪费的冗余”。人工智能的广泛运用制造环境熵增。大规模标准化生产的效用制成品导致数字浪费（注意力污染）和物理浪费（过度生产）。如果不将其转化为情境相关的使用，丰裕伴随大量无针对性的生产，产生不受欢迎的多余，以生态经济学的观点看就是熵增。深度经济提供了一个新解。专属价值和集栈能力可能成为“熵减过滤器”，因为有与个人专属价值高度匹配产品，人们消费总量下降，但产品价值满意度上升，以生态经济学的观点看就是熵减。它鼓励按需生产和一人市场制造，可以减少库存浪费和错配消费。当然，如果治理不当，个性化可能加速消费周转，使得生态负担增加。另外，当人们更关注启新需求时，社会可能进入后耐用品时代。价值从持久积累转变为体验、创新创意项目和社会关系循环。“只有回到原点，我们才知道出发的意义”，只有通过深度社会思考，深度经济才有意义。