空间经济学理论：地点为什么会改变一门生意

一家生产新能源汽车热管理组件的企业准备扩产。董事会拿到三个候选地：合肥，客户密集、工程师好招，但土地和工资高；六安，厂房便宜，也能承接合肥的产业外溢；芜湖，靠近港口和另一组整车客户，却离现有研发团队更远。财务部门把土地、工资、电价逐项相加，六安看上去最省钱。供应链负责人却反问：如果关键客户要求两小时内到场处理质量问题，便宜的厂房还便宜吗？人力部门又补了一句：若工程师频繁往返，真正要付的不只是车费，还有沟通延误与离职风险。

这就是空间经济学真正处理的问题。地点不是成本表里的一个静态字段，而是一组会彼此反馈的关系：企业靠近客户，会更快获得订单；订单增加，又会吸引供应商和劳动者；供应商和人才变多，使当地生产率上升；生产率上升推高工资、地价和拥堵，最终又把一部分活动挤向外围。我们要解释的不是“哪个地方条件好”，而是为什么优势会被放大、何时会反转，以及一个局部决策如何改变整个区域的下一轮选择。

本章不从术语表开始。我们会沿着五个具体决策前进：工厂选址、产业集聚、区域公共服务布局、产业路径切换和数字化履约。每次都先把账算出来，再把藏在账后的模型抽象出来。学完以后，我们面对“建在哪里”“是否该补贴一个园区”“交通改善会帮谁”“线上化是否消灭距离”这类问题时，就能给出有边界、可复核的判断。

---

先别急着找最低成本点：把空间摩擦写成一张账

距离真正带走的是什么

从甲地到乙地相距 300 公里，这只是地图信息。企业真正关心的是，跨过这 300 公里之后还能留下多少价值。易碎品会损耗，生鲜会过期，零部件会占用库存，工程师会消耗时间，跨行政区经营还可能多出认证、结算和协调成本。我们把这些统称为空间摩擦。

一种很实用的写法是“冰山成本”。假设客户需要收到 1 单位产品，但途中有一部分价值被运输、等待和损耗“融化”，那么企业必须发出 $\tau_{ij}$ 单位，客户才能在地点 $j$ 收到 1 单位。这里：

• $i$ 是发货地，$j$ 是目的地；
• $\tau_{ij}\ge 1$ 是两地之间的综合贸易成本；
• $\tau_{ij}=1$ 表示没有空间损耗，数值越大，跨地交易越困难。

这不是说货物真的消失，而是把运费、时间、库存、损坏和制度摩擦统一折算成一个倍率。例如 $\tau_{ij}=1.08$，可以理解为交付 100 元有效价值，大约要投入 108 元的出发地资源。这个方法的优点是能与价格、需求和企业利润放进同一个模型；它的边界也很清楚：如果不同成本不能合理折算为同一单位，我们就应该保留分项，而不是硬凑一个倍率。

对实际项目，更稳妥的总成本表是：

$$C_i=F_i+w_iL+r_iK+\sum_j q_j(c_{ij}^{\text{运}}+v\,t_{ij}+h_{ij})+R_i$$

其中，$C_i$ 是设在候选地 $i$ 的年度总成本；$F_i$ 是固定投入；$w_i$ 是当地单位工资， 是用工量； 是厂房或土地的单位价格， 是使用量； 是发往市场 的数量； 是单位显性运费； 是交付时间； 是一小时延迟折合的价值； 是损耗、库存和协调等隐性成本； 则把停工、单一通道依赖等风险折成期望损失。

公式的关键不在复杂，而在防止漏账。很多“低成本地区”只是工资低；把库存周转天数、客户响应时间和招聘失败概率加入后，排序可能完全改变。

市场不是一个点，而是一圈有权重的需求

企业靠近一个大客户当然有价值，但只盯着最大客户会忽略周边全部市场。我们需要一个指标，把每个市场的规模与到达难度同时算进去：

$$MP_i=\sum_j M_j e^{-\beta d_{ij}}$$

$MP_i$ 是候选地 $i$ 的市场潜能；$M_j$ 是市场 $j$ 的需求规模；$d_{ij}$ 是两地的有效距离； 是距离衰减参数。指数项 会把远处需求打折。 越大，说明行业更依赖近距离；它不是通用常数，汽车同步研发、生鲜配送和数字课程应使用不同的值。

市场潜能比“离省会多远”更有用，因为它允许一个中等城市凭借同时接近多个市场胜过单一中心。但它仍只是需求侧。供应商潜能、人才可达性、土地成本和风险必须另外进入利润式。

---

案例一：新能源零部件扩产，便宜厂房为什么没有胜出

情境与变量

我们考虑一家虚构企业“启程热控”。它向合肥、南京、武汉三组客户供货，正在合肥、六安、芜湖之间选择新厂。为了把方法讲透，下面的需求指数、成本和距离都是教学设定，不代表任何真实企业数据。

三个市场的需求指数依次为 100、80、70。根据产品的同步研发和应急服务要求，团队用历史订单估出 $\beta=0.012$。这意味着有效距离每增加约 58 个单位，需求权重大致减半。

推导与演算

以合肥候选地为例：

$$MP_{合肥}=100e^{-0.012\times15}+80e^{-0.012\times160}+70e^{-0.012\times380}$$

三个市场贡献约为 83.5、11.7 和 0.7，总市场潜能约为 95.9。同样计算，六安约为 44.2，芜湖约为 41.0。六安虽然比芜湖离合肥更近，但芜湖能更好地同时触达南京市场，两者因而没有呈现简单的“离主客户近就一定高”的排序。

企业根据过去项目估计，基础毛贡献为 30 百万元，市场潜能每增加 1 点带来 0.35 百万元的预期毛贡献；研发、设备折旧等与地点无关的年度成本为 24 百万元。简化利润为：

$$\Pi_i=30+0.35MP_i-C_i^{\text{当地}}-24$$

代入后：合肥约为 13.6 百万元，六安约为 3.5 百万元，芜湖约为负 1.6 百万元。只看当地运营成本，六安比合肥省 8 百万元；把市场响应放回模型，合肥却多创造约 18.1 百万元的市场贡献，足以覆盖成本差。

结论、局限与可操作判断

这个案例的结论不是“总要去大城市”，而是：当产品要求高频协同、客户集中且距离衰减快时，市场潜能的收益可能超过低地价优势。如果产品标准化、可库存、售后可远程完成，$\beta$ 会下降，外围城市就更有竞争力。

模型的局限有三点：

1. 它暂时把产能看成可立即投产，忽略建设周期；
2. 三个市场的需求可能相关，不能把同一行业景气重复当作分散风险；
3. 企业落地本身会改变供应商和人才分布，当前的 $MP$ 不是永远不变。

可操作的决策规则是：不要问哪座城市平均成本最低，而要问在客户响应参数、产量和风险三者的合理区间内，哪个地点仍保持正利润。如果合肥只在最乐观需求下领先，就不应把单点估计当作答案；如果在 $\beta$ 上下浮动 30% 后仍领先，决策才算稳健。

---

一家企业的选择，为什么会变成一整个产业的扎堆

先从一间模具厂的订单说起

假设一家模具厂搬进新园区。对它自己而言，只是换了地址；对附近整车厂而言，试模和返工更快；对材料商而言，当地订单密度提高；对工程师而言，换工作不必搬家；对下一家零部件企业而言，这里突然多了客户、供应商和人才。第一家企业没有获得所有新增价值，却改变了后来者的收益表。

这类“我靠近你、你也更愿意靠近我”的反馈，才是集聚形成的动力。把它拆开，通常有三条渠道：

• 共享：多家企业共同使用检测中心、港口、冷链、法律与维修服务，固定成本被更多产量分摊；
• 匹配：企业面对更厚的劳动和供应商市场，更容易找到合适技能、规格和交付能力；
• 学习：人员流动、合作和观察让经验在近距离扩散，试错速度加快。

这些收益也对应风险。共享可能演变为对单一基础设施的依赖；厚市场可能抬高工资；知识流动可能带来泄密；企业越多，地价、拥堵和污染成本越高。所以集聚不是无限堆叠，而是向心力与离心力的比赛。

递增收益为什么改变了普通竞争结论

设一家制造企业的总成本为：

$$TC=F+cq$$

$F$ 是无论生产多少都要支付的固定成本，如模具、认证和生产线；$c$ 是每件产品的边际成本；$q$ 是产量。平均成本为：

$$AC=\frac{F}{q}+c$$

产量 $q$ 增加时，$F/q$ 下降，于是平均成本降低。这就是企业内部的递增收益。它会产生一个重要后果：企业不愿在每个小市场都复制一条生产线，而倾向在少数地点集中生产，再承担跨地运输成本。运输成本很高时，复制工厂更划算；运输成本降到中间区间时，集中生产的规模优势开始压过配送成本，空间集聚可能突然加速；运输成本继续下降后，低工资外围又可能承接标准化环节。

这解释了为什么“修一条路”不必然让沿线每个地方同步增长。道路既让外围企业更容易进入中心市场，也让中心企业更容易覆盖外围。哪一股力量更强，取决于规模经济、消费市场份额、产业投入联系和劳动流动。

核心—边缘模型：循环因果怎样启动

一个最小模型包含两个地区、一个不能自由移动的基础部门和一个可以迁移的制造部门。消费者喜欢多样化产品，制造企业存在固定成本，因此每家只生产一种差异化品种。跨区运输使用冰山成本 $\tau$，制造业劳动者会向实际收入更高的地区迁移。

消费者对制造品的综合价格可以写成：

$$P_i=\left[\sum_{k=1}^{n}p_k^{1-\sigma}\tau_{ki}^{1-\sigma}\right]^{\frac{1}{1-\sigma}}$$

这里，$P_i$ 是地区 $i$ 的制造品价格指数；$p_k$ 是品种 $k$ 的出厂价；$\tau_{ki}$ 是把该品种送到地区 的贸易成本； 是可用品种数； 是品种之间的替代弹性。 越大，消费者越容易用一种产品替代另一种，企业的市场势力越弱； 接近 1 时，品种差异更重要。

劳动者并不只看名义工资。地区 $i$ 的实际工资可简化为：

$$\omega_i=\frac{w_i}{P_i^{\mu}}$$

$w_i$ 是名义工资，$\mu$ 是制造品在消费支出中的份额，$P_i$ 是当地生活所需制造品的价格指数。企业多的地区往往品种多、近距离供货多，$P_i$ 较低；劳动者因此迁入，市场扩大；更大的市场又吸引更多企业。这就是“企业追市场—劳动者追实际工资—市场再扩大”的循环。

但模型成立有边界：劳动力至少部分可迁移，企业能进入和退出，规模收益足够强，跨区交易又没有贵到完全隔绝。如果住房、户籍、家庭照护或技能资格让迁移困难，人口反馈会变慢；如果土地和拥堵急剧变贵，核心也不会吞下全部活动。

---

案例二：家电零部件园区，临时扶持能不能制造一个核心

情境与变量

某都市圈有甲、乙两个园区，100 家同类及配套企业可以在两地选择。甲靠近大市场，但地租高；乙厂房便宜，却缺少专业供应商。我们用 $\lambda$ 表示落在甲园区的企业比例，$1-\lambda$ 就是乙的比例。

对下一家企业，设选择甲而不是乙的预期年度利润差为：

$$\Delta\pi(\lambda)=20\lambda-12$$

式中的 $20\lambda$ 代表甲随着企业份额增加而产生的供应商、人才和市场收益；常数 12 代表甲相对于乙的地租、工资与拥堵劣势。若 $\Delta\pi>0$，下一家企业偏向甲；若小于 0，则偏向乙。

推导与临界点

令 $\Delta\pi=0$，得到临界份额：

$$\lambda^*=\frac{12}{20}=0.60$$

当甲已有企业比例低于 60% 时，它的集聚收益还不足以覆盖高成本，新增企业流向乙；超过 60% 后，新增企业反而继续流向甲。这个 60% 不是普遍规律，只是本案例参数下的临界质量。

假设目前甲有 55 家，即 $\lambda=0.55$。此时 $\Delta\pi=-1$，企业更愿意去乙。如果政府只用一年租金补贴吸引 4 家企业迁入，甲变成 59 家，补贴结束后仍未越过临界点，企业很可能回流。如果补贴与公共检测平台共同吸引 10 家，甲变成 65 家，此时 $\Delta\pi=1$，即使普遍性补贴退出，供应链密度也可能支持集聚继续。

不过，再给模型加上拥堵就会看到上限。设甲的利润差变为：

$$\Delta\pi(\lambda)=20\lambda-12-250\max(0,\lambda-0.8)^2$$

最后一项只在甲的企业份额超过 80% 后显著增加，代表地价、通勤和环境容量压力。它提醒我们：跨过临界质量不等于应该追求 100% 集中。成熟集群的政策重点会从“拉企业进来”转为“提升交通、住房、公共技术平台和跨城协作”。

结论、局限与可操作判断

案例给出三个可以直接执行的判断。

1. 评估补贴要看它是否改变了补贴结束后的利润差。若只是替企业支付两年租金，却没有形成供应商、人才或订单密度，项目一停，选址逻辑就恢复原样。

2. 临界点附近适合采用分阶段承诺。先用公共检测、职业培训和首批订单降低共同成本，观察私营企业是否跟进；只有当跟进速度说明 $\lambda$ 正在自我增长时，才扩展基础设施。

3. 必须把邻近地区的损失纳入评估。甲新增的十家企业如果全从乙搬来，都市圈总产出未必增加；真正的增量应来自生产率提升、新企业进入或外部市场扩大。

模型的局限是把企业当成同质单位。现实中，一家链主企业、一个认证实验室和十家普通加工厂的带动能力不同。实际操作可把企业按网络中心性加权，让 $\lambda$ 表示“有效产业质量份额”，而不是简单的企业家数。

---

城市不是越大越好：生产率、地租与生活质量要同时结算

为什么高工资没有把所有人都吸进一线城市

如果只看名义工资，人口应该不断流向工资最高的城市。但人们真正比较的是工资可以买到的生活、通勤时间、公共服务和环境。我们可以把居民在地点 $i$ 的间接效用写成：

$$U_i=\frac{w_i a_i}{P_i R_i^{\alpha}}-vT_i$$

$w_i$ 是名义收入；$a_i$ 是气候、教育、医疗、文化等便利度；$P_i$ 是一般消费品价格指数；$R_i$ 是住房价格或租金； 是住房在生活成本中的重要程度； 是通勤时间； 是时间价值。

人口流动会推动各地效用接近，但不会精确相等。搬家成本、户籍与公共服务资格、家庭网络、技能匹配和信息不足都构成迁移摩擦。高工资城市可以同时有高房租，因为一部分生产率收益被土地所有者获得；低工资城市也可能凭借低住房成本和高便利度留住居民。

对企业，城市规模带来的生产率可用一个弹性式表达：

$$A_i=A_0N_i^{\eta}$$

$A_i$ 是地点生产率，$N_i$ 是经济活动规模，$\eta>0$ 是集聚弹性。若 $\eta=0.04$，规模翻倍对应的生产率增幅约为 。但这是其他条件不变下的局部关系，不意味着把人口机械翻倍就能得到相同收益。新增人口的技能、城市治理、交通和土地供给都会改变结果。

城市体系为什么需要不同层级

修鞋店需要的客户少，服务半径小；儿童专科医院需要稳定患者量，服务半径更大；高端肿瘤中心要承担昂贵设备和多学科团队，必须覆盖更大人口。不同服务有不同的最低市场规模，于是城市和节点自然形成层级。

设某项服务每年的固定成本为 $F$，每次服务收费为 $p$，边际成本为 $c$。维持服务所需的最低业务量是：

$$q^*=\frac{F}{p-c}$$

$q^*$ 就是市场门槛。固定成本越高、单次贡献 $p-c$ 越低，门槛越大，服务越倾向集中在高层级中心。与此同时，居民愿意为这项服务出行的最远距离构成服务范围。门槛与范围相交，决定一个中心能否存活。

城市规模排序常近似写成：

$$P_r=\frac{P_1}{r^q}$$

$P_r$ 是排名第 $r$ 的城市人口，$P_1$ 是最大城市人口，$q$ 描述城市体系的陡峭程度。$q$ 较大，首位城市相对突出； 较小，人口在多个城市之间更平坦。这个关系适合做诊断，不适合当规划指标。行政边界不同、功能城市识别不同，都可能改变排名；更不能为了“符合公式”而刻意控制某座城市规模。

---

案例三：区域肿瘤服务是集中一座城，还是县县建中心

情境与需求门槛

某地级市下辖中心城区和甲、乙、丙三个县。区域每年约有 12,000 次需要高精度放疗的治疗单元，四地需求分别是 6,000、2,800、2,000、1,200 次。完整放疗中心每年固定成本 120 百万元，每次治疗收费扣除耗材和可变人工后，可贡献 15,000 元用于覆盖固定成本。

根据门槛公式：

$$q^*=\frac{120,000,000}{15,000}=8,000$$

任何单个县都达不到门槛，中心城区也只有 6,000 次。若四地各建一套完整中心，不仅设备利用率低，还难维持足够病例量训练多学科团队。全区域合并则超过 8,000 次，集中建设在财务和质量学习上更有基础。

把居民出行成本放回模型

集中并非免费。三个县到中心城区的单程时间分别为 50、85、120 分钟。假设患者与陪护合计每小时的时间价值为 80 元，每次治疗还需 60 元交通支出，那么丙县一次往返的一般化出行成本为：

$$GC_{丙}=2\times2\times80+60=380\text{ 元}$$

第一个“2”表示往返，第二个“2”表示单程两小时。放疗往往需要多次进行，若一疗程 20 次，仅出行一般化成本就约 7,600 元，还没有计算疲劳、住宿和放弃治疗的风险。此时，“一座大中心最有效率”的结论就不完整。

比较三个方案

方案 A 是四地都建完整中心。它最大限度降低出行，但固定成本高、病例分散。方案 B 是全部集中到中心城区，设备和专家利用率最高，却把时间成本压给外围家庭。方案 C 采用“中心诊断与计划制定 + 县级标准治疗单元 + 远程质控”：昂贵的多学科诊断、复杂病例和设备维护集中，常规疗程在甲、乙设置卫星单元，丙县患者由班车接驳至乙县或提供阶段住宿。

设两个卫星单元各需年度固定成本 35 百万元，能够承接甲、乙和一半丙县需求，共 5,400 次；中心保留 6,600 次。方案 C 的固定成本为 $120+2\times35=190$ 百万元，明显低于四个完整中心的 480 百万元。与方案 B 相比，它多付 70 百万元固定成本，但为外围患者减少大量重复出行，并降低中断治疗概率。

决策时不能只说“更方便”，而要计算增量成本效果。假设卫星布局每年减少 72,000 小时患者及陪护时间，时间价值按 80 元计为 5.76 百万元；减少交通、住宿和误工共 18 百万元；更高完成率带来的健康收益按当地评估口径折算为 55 百万元。年度可量化收益合计约 78.76 百万元，高于新增固定成本 70 百万元，方案 C 在这组参数下可行。

结论、局限与可操作判断

这个案例说明，城市体系不是“所有服务平均铺开”，也不是“全部集中到最大城市”。正确的问题是：哪些环节依赖规模和学习，哪些环节可以标准化下沉，人的移动成本能否被服务的移动替代。

模型局限包括健康收益的货币化存在争议，患者分布会变化，卫星单元的质量不能仅靠设备采购保证。可操作判断是：先按服务流程拆分，而不是按机构级别争夺项目；对固定成本高、病例学习强的环节集中，对标准化且出行频繁的环节下沉，并把转诊、质控和交通安排写进同一份预算。

---

今天的地图为什么带着昨天：路径依赖与锁定

持续存在不一定等于路径依赖

一座港口城市长期繁荣，可能因为深水岸线至今仍有价值，这叫地理基础的持续作用；也可能因为早期港口吸引了仓储、金融、人才和交通，即使最初优势减弱，这些后来形成的关系仍把活动留在原地。后者才接近路径依赖。

判断二者不能只看“存在了很久”。我们要问一个反事实：如果把早期偶然事件拿走，但保留今天的自然条件与制度，这个产业还会出现在同一地点吗？若答案高度依赖历史起点，就存在路径依赖；若任何起点最终都会收敛到同一地点，则只是调整缓慢或基础条件稳定。

可以用一个迁移动力式表达：

$$n_{A,t+1}-n_{A,t}=\kappa\left(\pi_{A,t}-\pi_{B,t}\right)$$

$n_{A,t}$ 是时期 $t$ 地区 A 的企业数量；$\pi_{A,t}-\pi_{B,t}$ 是两地利润差； 是企业对利润差的响应速度。若利润本身又随当地企业数量上升，历史上的小差异就会被累积。 很小只表示搬迁慢；只有当不同初值可能走向不同长期状态时，才是多重均衡意义上的路径依赖。

沉没成本会制造“进来难、出去也难”

新企业比较的是未来利润；已经落地的企业还要考虑搬迁、重新认证、员工流失和供应链重建。设留在原地的利润为 $\pi_A$，迁往 B 的利润为 $\pi_B$，搬迁沉没成本为 $S$。只有当：

$$\pi_B-\pi_A>S$$

企业才会迁走。于是吸引企业进入 A 所需的优势，与让企业离开 A 所需的劣势并不对称。这种“迟滞”会让一次临时冲击留下长期空间痕迹。

---

案例四：一个机器人产业园要不要用重金跨过门槛

情境与第一轮演算

某内陆省的甲、乙两市都想发展工业机器人。甲有高校和更大的本地制造市场，但厂房、工资较高；乙成本低，已有通用机械加工基础。设企业选择甲相对乙的年度利润差为：

$$\Delta\pi=-5+0.25(n_A-n_B)$$

常数 $-5$ 表示在没有产业网络时甲每年有 5 个利润单位的成本劣势；$n_A-n_B$ 是两地有效产业节点数量之差；系数 0.25 表示每多一个有效节点给甲带来的匹配、供应和学习净收益。所谓有效节点，不只包括整机企业，也按作用折算高校实验室、控制器供应商、系统集成商和首批用户。

当前甲有 52 个有效节点，乙有 48 个，差值为 4。于是：

$$\Delta\pi=-5+0.25\times4=-4$$

新企业仍偏向乙。甲若只用租金补贴暂时吸引 12 个普通装配项目，差值变成 16，$\Delta\pi=-1$，补贴结束仍无法自我维持。若同样预算换成控制器实验平台、两家关键供应商和三个首台套应用场景，折算增加 23 个有效节点，差值变成 27：

$$\Delta\pi=-5+0.25\times27=1.75$$

甲终于跨过门槛。重点不是“23 比 12 大”，而是关键节点对网络价值的权重更高。园区招商不能只数企业数量。

第二轮：跨过门槛是否就值得

还不够。若甲形成集群只是把全省企业从乙搬走，全省总福利可能下降。我们需要计算：

$$\Delta W=\Delta Y-Sub-Cong-Loss_B$$

$\Delta W$ 是全省福利变化；$\Delta Y$ 是集聚带来的新增产出与创新；$Sub$ 是公共投入的机会成本；$Cong$ 是甲的住房、交通和环境成本；$Loss_B$ 是乙的闲置资产、就业调整等损失。

教学设定中，甲跨越门槛后每年新增产出和知识收益 160 百万元，公共平台年化成本 60 百万元，新增拥堵与住房压力 35 百万元，乙的调整损失 25 百万元，则年度净收益为 40 百万元。若关键供应商没有如期落地，使新增收益降至 105 百万元，净收益变为负 15 百万元。项目的成败对少数节点高度敏感，合同应设置按里程碑拨付，而不是开工即支付全部补助。

退出、再定位与局限

即使甲集群形成，也可能锁定在低附加值装配。路径依赖不是值得保护的同义词。政府应监测研发人员比例、本地采购中的高技术环节、跨区域订单和新产品收入，而不只看厂房入住率。当旧路径的维护补贴持续上升、知识网络却不再产生新品时，最好的政策可能是帮助企业转向相邻能力，而不是继续守住原产品。

本模型没有精确描述创新的不确定性，也容易高估政府识别“关键节点”的能力。可操作做法是把大赌注拆成可逆实验：先建设可跨行业复用的平台、开放应用场景和培训体系；用真实的供应商进入、人才流动和民间投资验证网络效应；达到门槛再追加专用设施，未达到则让资产能够转作其他用途。

---

交通改善为什么有人受益、有人反而失去市场

一条新通道有两面

设 A 是大市场，B 是小城市。两地交通改善后，B 的企业更容易把产品卖到 A，这是市场接入效应；与此同时，A 的大企业也更容易覆盖 B，这是市场夺取效应。对 B 的消费者，品种更多、价格下降通常是好事；对 B 的本地企业和商业地产，却可能形成压力。

双边商品流可以用重力关系近似：

$$X_{ij}=G\frac{Y_iY_j}{\tau_{ij}^{\theta}}$$

$X_{ij}$ 是从 $i$ 到 $j$ 的交易流量；$Y_i$、$Y_j$ 是两地经济规模； 是综合贸易成本； 是流量对成本的敏感度； 汇总其他共同因素。它告诉我们成本下降通常增加双边流量，却不直接告诉我们利润和就业落在哪里。因为流量增加可以来自 B 企业外销，也可以来自 A 企业对 B 的销售。

政策评估必须继续追踪工资、地租、企业进入、消费者价格和人口迁移。只报告客流或货运量，很容易把“经过这里”误写成“价值留在这里”。

用一般均衡思维检查基础设施项目

所谓一般均衡，不是一定要建立庞大模型，而是强迫我们承认一处变化会引发别处响应。新铁路降低运输时间，企业重新选址；人口跟随岗位变化，住房需求推高地租；地租变化又影响实际工资；地方财政与公共服务随人口调整。最终效果不能用开通前的企业分布直接外推。

一个可操作的项目评估至少跑四轮：

1. 直接轮：时间、运费和可靠性改变多少；
2. 企业轮：哪些行业扩大市场，哪些行业遭遇外来竞争，仓储和门店如何重排；
3. 人口与土地轮：就业、通勤、迁居和地价如何响应；
4. 财政与分配轮：收益归消费者、劳动者、企业还是土地所有者，谁承担建设和拥堵成本。

如果 B 想从通道中获益，配套策略不应只是车站周围建商业体，而应瞄准能利用大市场又不易被大企业直接替代的活动：本地特色且可贸易的产品、依赖区域资源的专业服务、对交付可靠性敏感的中间品，以及能接入核心城市知识网络的研发或后台环节。

---

数字化没有消灭距离，它重新给不同距离定了价

哪些摩擦降了，哪些没有

视频会议把沟通从跨城出差变成点击链接，电商搜索让偏远商家获得全国曝光，云服务让软件几乎零成本复制。于是我们很容易得出“地理不再重要”的结论。但一笔数字交易至少包含四种距离：

$$\tau_{ij}^{\text{总}}=\tau_{ij}^{\text{信息}}\times\tau_{ij}^{\text{履约}}\times\tau_{ij}^{\text{信任}}\times\tau_{ij}^{\text{协作}}$$

信息摩擦包括搜索和比较；履约摩擦包括仓储、配送、退换与售后；信任摩擦包括质量判断、支付安全和规则执行；协作摩擦包括隐性知识、创意碰撞和复杂问题处理。数字化通常显著降低前两者中的搜索环节和一部分信任成本，却不会自动消除实物配送，也很难完全替代高复杂度的面对面协作。

更微妙的是，线上化既能分散，也能集中。远程办公让部分岗位离开高租金中心，这是分散力；但平台网络效应、数据规模、云基础设施、风险资本和高技能匹配又可能把控制权集中在少数城市和企业。前台交易看似无地点，后台算力、仓库、主播生态、研发与总部依然有清晰地理。

数字空间里的市场潜能

传统市场潜能按里程衰减，数字业务更适合分解：

$$MP_i^{D}=\sum_j M_j\exp[-(\beta_g d_{ij}+\beta_l l_{ij}+\beta_r r_{ij})]$$

$d_{ij}$ 是物理距离，$l_{ij}$ 是物流时效或可靠性差距，$r_{ij}$ 是语言、规则、信任和售后差距；、、 分别表示业务对三类距离的敏感度。纯数字产品的 可以很小，但跨境合规使 仍然很大；生鲜电商的搜索摩擦低， 却很高。

这个分解能直接指导投资。若主要瓶颈是 $l_{ij}$，应优化仓网和预测；若是 $r_{ij}$，应做标准、担保和本地售后；若是复杂协作，就需要定期共址、区域研发中心或更清晰的模块接口。把所有问题都归为“网络不好”，往往会买错基础设施。

---

案例五：县域教具商家上线后，仓库应该立刻前置吗

情境：订单半径扩大，但利润没有同步扩大

一家位于中部县城的商家销售木制科学教具。过去主要向周边学校批发，上线平台后获得全国订单。团队观察到曝光和支付变容易，却发现退货、破损、平台费用和跨区时效承诺正在吞掉毛利。

我们把每单空间相关成本拆开。以下金额为教学设定：

上线使单笔空间交易成本下降 17.5 元，主要来自信息和信任环节，而不是配送消失。若售价与生产成本不变，服务半径扩大是合理的；但退换与流量费用已经成为新的“数字距离”。商家下一步不是泛泛地“继续数字化”，而要定位成本最大的可控环节。

前置仓的盈亏平衡

平台建议在华东设置前置仓。仓库每月固定成本 260,000 元，预计每单减少干线、时效违约和破损共 12 元。设月订单量为 $Q$，前置仓相对县城直发的成本变化为：

$$\Delta C=260,000-12Q$$

令 $\Delta C=0$，得到盈亏平衡订单量：

$$Q^*=\frac{260,000}{12}\approx21,667\text{ 单/月}$$

商家当前每月 20,000 单，直接建仓会多花约 20,000 元。若旺季达到 30,000 单，可节约约 100,000 元。但只看月均量仍不够：教具有开学季，淡季仓库固定成本照付；SKU 较多时，分仓还会增加库存碎片，某地缺货而另一地积压。

进一步把库存占用和预测误差加入。假设前置仓导致平均多占用 600,000 元库存，月资金与滞销成本率合计 1.2%，即每月再增加 7,200 元。新的门槛变为：

$$Q^*=\frac{260,000+7,200}{12}\approx22,267\text{ 单/月}$$

此时更稳妥的选择可能是先购买第三方共享仓服务，把固定成本改成按单成本。假设共享仓每单节约 7 元且无固定成本，在 20,000 单时可节约 140,000 元；等稳定订单跨过自建门槛，再比较服务质量与控制权。

数字业务仍然需要集聚吗

商家运营可以留在县城，因为平台降低了获客门槛，标准化客服也可远程完成；新品设计、渠道合作和内容创作却可能需要靠近人才与生态。企业不必在“全部留下”与“总部搬走”之间二选一，可以形成双节点：县城承担生产、质检和履约，区域中心承担设计、品牌和关键合作，并用固定共创周期处理难以编码的知识。

这种布局的判断标准不是岗位听起来是否“数字”，而是任务的可模块化程度。输入输出清楚、质量可远程验收的任务容易分散；需求含糊、反馈频繁、依靠隐性经验的任务仍受面对面距离约束。

结论、局限与可操作判断

平台降低距离成本后，企业首先应重画成本结构，再决定仓网和组织。对这家商家，立即自建前置仓尚未跨过稳健门槛；共享仓是更可逆的实验。研发和品牌功能可采用双节点，而不是假设网络能替代全部共址。

模型局限在于订单量、退货率和平台流量价格会共同变化，单变量盈亏平衡只适合第一轮筛选。最终决策应模拟旺淡季、服务等级、库存周转和平台规则变化，并保留退出方案。

---

把模型用于真实决策：从一张地图到可检验的反事实

先明确决策单位与空间尺度

同一个问题换一种边界，答案就会变化。分析门店要看街区和步行时间，分析通勤要看功能都市圈，分析产业链要看跨省网络，分析数字服务可能要看全国甚至全球。行政区数据容易获得，却未必对应真实市场。

开始前写一句完整问题：“在未来五年内，把某项活动放在候选地 $i$，相对基准方案会怎样改变企业利润、居民效用和区域总福利？”这句话同时限定时间、活动、空间和比较对象。没有基准方案的“带动多少投资”无法判断净效果。

区分先天地理与后天关系

港口、地形、气候、矿产等是第一自然条件；市场密度、供应链、人才池、制度和知识网络是经济活动形成的第二自然条件。前者通常变化慢，后者会被政策和企业选择改变。

实际评估中可把地点生产率写成：

$$A_i=\bar A_i\cdot g(N_i,S_i,H_i)$$

$\bar A_i$ 表示较外生的地理与长期基础；$N_i$ 是本地经济规模；$S_i$ 是供应链和市场连接； 是人力资本与知识网络；函数 捕捉后天形成的集聚效应。这样做能避免把今天的高产出全部解释为“天生适合”，也避免以为任何地方只要复制政策就能复制同一集群。

不只预测直接效果，要让企业和人重新选择

现代定量空间分析常把许多地点、商品流、通勤和迁移同时放进模型。最基本的纪律是：政策改变后，价格、工资、人口和企业位置必须重新达到一致状态。例如新地铁让外围通勤更容易，外围住宅需求上升、房租变化；中心企业可能扩大招聘半径；一部分商业沿线路重排。若模型固定所有这些变量，只计算节省的分钟，就会漏掉资本化和再布局。

我们可以用以下顺序搭建一个可用的最小反事实：

三类最常见的误判

第一类是把相关当成集聚收益。高生产率企业本来就可能选择大城市，所以“大城市企业工资高”不全是城市规模造成的。评估要尽量比较同类企业、利用外生交通或历史变化，或至少在表述中承认筛选效应。

第二类是把地价上涨当成纯收益。交通改善后地价上涨，说明可达性价值被资本化，但租户和新进入者会承担更高成本。土地所有者的收益不能自动等同于社会净收益。

第三类是忽略时间。企业选址、住房建设和人才培养的速度不同。短期可能是工资和房租变化，长期才出现人口迁移和产业重组。一个静态模型给出的长期状态，不应被写成明年的精确预测。

---

把五个案例连成一套判断框架

回到开篇的工厂。我们现在不会只比较土地和工资，而会按一条完整逻辑链做决定。

先看空间摩擦：产品、人员、知识和规则分别如何跨越距离。再算市场潜能：每个候选地能以多大折扣触达多少需求。接着检查递增收益与集聚：企业落地是否改变供应商、人才和客户的下一轮选择，是否存在需要跨越的临界质量。然后加入城市成本与空间均衡：工资优势会不会被住房、通勤和拥堵吃掉，收益最终归谁。再看历史与沉没成本：今天的集群是基础条件仍然有效，还是旧路径自我维持。最后拆解数字摩擦：信息可以远程，不等于履约、信任和复杂协作都可以远程。

五个案例也对应五条可直接带走的规则：

1. 工厂选址看“稳健利润”，不是最低工资；
2. 集群扶持看补贴退出后的网络是否自持，不看签约数量；
3. 公共服务按流程拆分“应集中”和“可下沉”的环节，不做平均主义；
4. 产业政策用可逆实验验证临界点，不把锁定误当成成功；
5. 数字化先拆分信息、履约、信任和协作成本，再决定仓网与组织。

一次董事会演练

某企业收到一座外围城市的优惠：厂房年成本少 10 百万元，高速通车后到核心客户的时间从 3 小时降到 1.5 小时，当地承诺引入五家配套商。企业当前产品中，70% 已标准化，30% 仍需与客户联合调试。你会立刻搬迁吗？

显示答案

不能仅凭这三项信息立刻决定。我们至少要把标准化与联合调试产品分开估计距离衰减，确认五家配套商是普通产能还是关键网络节点，计算高速改善后核心地区竞争者进入本地市场的反向影响，并测试研发团队的迁移与通勤成本。一个可能的低风险方案是先把标准化产能和区域仓迁入，保留联合研发在核心附近；用一年订单、质量响应、员工流失和本地采购数据验证模型，再决定是否迁移剩余环节。这个答案的重点不是折中，而是让可迁移部分先产生信息，同时保留下一步选择权。

---

结语：空间不是背景，而是会回应我们的变量

我们常把地图当成决策完成后用来展示结果的底图。空间经济学要求反过来思考：地点之间的距离、连接与密度会参与生产；企业和居民的选择又会改变这些地点下一期的成本和机会。于是，一个工厂、一条铁路、一个平台或一所医院都不是孤立项目，它们会通过市场、工资、地租、迁移和知识网络在地图上留下第二轮、第三轮影响。

真正实用的理论不会替我们宣布“集中好”或“均衡好”。它让我们识别什么应该集中以利用规模，什么应该连接以分享机会，什么应该下沉以降低人的成本，什么旧路径需要更新，以及数字技术究竟减掉了哪一种距离。只要能把机制写成变量，把变量放进反事实，把结论放到边界条件下检验，我们就不再是在凭感觉谈区位，而是在做可以被数据修正的空间决策。