一项技术拥有怎样的性能，并不等同于人类会如何使用这项技术，二者中间横亘着可计价的想象这一关键逻辑。资本并非缺少想象力，但更愿意给拥有估值标尺的未来押注，历史上电力产业的发展轨迹，可以为研判人工智能的演化路径提供深刻参照。

电力从发现持续电流到走进千家万户，耗费了近百年时间。电报作为电力最早的重大应用，因为没有现成市场作为估值参照，私人资本不敢入局，只能依靠公共财政资金完成示范线路建设；而爱迪生电灯直接对标成熟的煤气照明市场，拥有清晰的支出规模、现成消费群体，凭借这套可计价的想象迅速获得商业资本的加持。

从电力的发展可以总结出通用技术迭代的三层逻辑：依靠旧品类完成替代锚定，关键技术降价带来可行性扩张，已有应用持续累积催生更多新用途。新品类极少凭空诞生，都是在原有应用站稳脚跟后，层层迭代生长出来。

当视角切换到人工智能，二者起点截然不同。电力诞生之初几乎找不到可以参照的旧市场，只能不断向外寻找应用场景；而人工智能诞生之时，眼前就是规模庞大的认知劳动账单，律师、程序员、教师、医生等岗位的人力成本清晰可查，天然拥有海量现成估值锚点。

这份巨大的账单既是人工智能发展的便利，也暗藏风险。企业与资本很容易聚焦在对现有岗位任务的优化上，也就是给旧工作岗位装上新一代“电机”：AI辅助审核合同、生成代码、整理病历。仅仅实现任务替代就足以撑起庞大商业计划，这会削弱市场去探索全新品类的动力。更特殊的是，电力的物理属性不会被应用场景改变，但人工智能会被使用方向反向塑造，资本流向、训练数据、用户反馈会持续改变模型的能力分布，形成自我强化的闭环，让模型能力进一步向现有商业需求倾斜。除此之外，大模型训练素材来源于人类历史记录，天生携带旧世界的认知框架，更容易复刻已经存在的工作模式。

不过人工智能也拥有电力时代不具备的向外探索力量。电力时代，新技术落地需要工程师完成复杂硬件改造，试错成本高昂；而AI依靠自然语言交互大幅降低转译成本，普通个体不需要掌握底层技术，就可以开展个性化尝试。无数普通人正在生成大量没有名字的AI私人“电器”：医生定制病历整理流程、教师打造专属作文批改模板、小店主搭建邮件分类规则。这些应用没有商业化、没有对外传播，却实实在在改变个体的生产生活。

于是整个AI行业出现矛盾图景：模型能力的生产日趋集中，用途试验却走向分散。上层机构依托账单向内挖掘存量市场，亿万普通用户在底层开展不受商业目标约束的试错。但试错成本下降之后，筛选成为全新稀缺瓶颈。海量私人试验不断涌现，如何识别其中具备普适价值的流程、完成验证、标准化与扩散，成为摆在社会面前的难题。很多微小、碎片化的个体需求，过去因为规模太小无法形成商业产品，如今借助AI获得被满足的机会，未来全新产业，就有可能从这些无名的私人实践中破土而出。

回望电力工业史，电机技术成熟后的数十年，工厂只是简单用电机替换蒸汽机，保留传统天轴传动的整套生产架构，生产率提升十分有限。直到企业彻底拆除天轴，围绕电力重新规划厂房布局、工序分工，生产力才迎来爆发。这揭示一个核心规律：任务替代带来的收益有限，生产组织形式的重构才是通用技术价值释放的关键。

当下人工智能大多停留在“替换电机”阶段，在原有职业、组织、制度框架之内提升效率。组织模式的重构却异常缓慢：旧的制度架构绑定收入、身份、责任链条，会自发维持原有形态，厂房设备会自然折旧，但人会“保卫自己的厂房”。同时法律、保险、权责划分等配套体系互相咬合，局部改动会牵一发而动全身。技术能力迭代飞快，任务替代也可以快速落地，可组织与制度的重组往往需要漫长周期，而人工智能最大的经济红利，恰恰蕴藏在这个最慢的环节之中。

电力与人工智能的类比并非完全适用，有三处关键“断口”。第一，电力没有历史记忆，而人工智能承载人类全部过往记录，既继承旧世界的秩序，也留存大量未被满足的愿望与诉求；第二，电力物理属性恒定不变，人工智能的通用性本身会被训练和使用过程重塑，能力能否跨领域迁移，决定它能不能跳出现有市场的束缚；第三，电力只能被动等待人类发掘用途，人工智能可以主动输出方案建议，参与用途的探索组合，但它无法判断一种生活方式是否真正值得追求，价值判断的权力始终掌握在人的手中。

针对上述困境，可以提出全民Token的政策构想，类比电力时代接入家家户户的公共插座。传统产业扶持大多面向企业机构，补贴已经被识别确认的应用。全民Token主张向全体居民发放不可转让、不可变现的AI调用额度，把微型探索权交到每一个普通人手上。

新用途往往藏在普通人的现实处境之中，教师、基层从业者、普通民众最清楚自身真实痛点，不能依靠专家预先划定创新方向。政策购买的不是单次AI问答，而是用途探索的外部性：个体摸索出的私人流程一旦具备普适价值，扩散之后的社会效益很难由试验者完全占有，市场自发供给会出现不足。

这套制度需要严格守住隐私边界，政府不能获取用户的对话内容，个人探索形成的知识产权归属于使用者本人。仅仅发放额度还远远不够，还需要配套清算与发现平台，补齐筛选、验证、授权扩散的短板，解决生成廉价而筛选昂贵的矛盾。同时要建立开放标准，防止运营机构形成垄断，保障账户可迁移、各类模型可以平等接入。

向内的存量替代力量和向外的全新探索力量正在拉扯人工智能的发展方向。技术本身的能力，不等于最终社会演化的结果。从电力的历史可以明白：真正决定通用技术未来的，不止是模型性能能够进化到何种高度，更在于社会能否为那些尚且无法定价的未知用途，预留充足的搜索与试错空间。