没有生态的前沿模型，难以持久
微软CEO纳德拉刚刚发了一篇长文，表达的核心观点是：每家公司都应该拥有自己的AI学习循环，而不是把命运交给几个大模型。
以下是纳德拉全文内容。
一、两种资本
纳德拉说，这次AI转型和过去任何一次平台迁移都不一样。
过去我们用数字系统来增强人的能力，但这一次，我们第一次能在人和数字系统之间建立真正的认知循环。这件事之所以让人头大，是因为它从根本上改变了我们对「企业里的工作」这件事的认知。
真正的风险不在于某个工具好不好用，而在于……AI模型可以持续吸收人和组织的专业知识，然后把它变成通用能力。
“你的知识，一旦被模型学走，就变成了所有人都能用的东西。”
纳德拉提出了一个新概念：每家公司都要同时建设两种资本，人力资本和Token资本。
人力资本，就是员工的知识、判断力、关系网、创造力和模式识别能力。
Token资本，则是企业自己构建和拥有的AI能力。
两种资本互相增强关键在于：人力资本不会因为Token资本的增长而贬值，反而会更值钱。
纳德拉认为，人的能动性才是 Token 资本增长的驱动力。人来设定目标、跨领域连接、建立关系、识别那些真正重要的模式。
“没有人的方向指引，你就只是在白白浪费算力。”
二、学习不能外包
所以真正的机会，不在于选一个最好的模型。
而在于在模型之上建一个学习循环，让人力资本和 Token 资本相互增强、持续复合增长。你可以把一个任务交出去，甚至把一个岗位交出去，但你永远不能把学习交出去。
“企业的未来，取决于它能不能让人和AI的学习持续复合叠加。”
这需要一种新的架构思路：每家企业都应该能构建自己的 Agent 系统，让它随着使用不断进化，同时保留对自己知识产权的控制。
纳德拉提了一个具体的测试标准：你应该能随时换掉底层的「通用型」模型，而不丢失系统里沉淀下来的「老员工」级别的专业知识。
这才是你在AI时代真正的控制权和主权。
三、具体路径
纳德拉给出了几条具体路径：
把企业的工作流、领域知识和积累的判断力，转化成可以随使用不断改进的AI系统。
建立私有评估体系，衡量模型是不是在对业务真正重要的指标上进步了（而不只是看公开 benchmark）。
构建私有强化学习环境，让模型在组织内部的真实数据轨迹上持续变强。
把知识库做成可查询的系统，让机构记忆可以被调用，提升 Token 的使用效率。
这个循环，就是企业新的知识产权。
纳德拉把它叫做一台“爬山机器”。
和大多数资产不一样，它是复合增长的：每一个改进的工作流都会产生更好的训练信号，进而加速组织独有的隐性知识的积累。
先建起来的公司，会拥有一种难以被复制的优势，不管后来又出了什么新模型。
四、别让历史重演
纳德拉写道：“我们所有人最不愿意看到的，是一个这样的世界：每个行业、每个领域的价值都被少数几个模型吃掉。如果所有价值都只流向少数模型，社会的政治经济体系根本不会容忍它。AI 的未来如果是掏空整个行业，那就不会获得社会的许可。”
少数模型通吃 vs 生态共生
他还做了一个类比：“想想第一波全球化发生了什么。整个工业经济体被外包掏空了。表面上 GDP 数字还不错，但真实的冲击已经发生了，后果至今还在持续。我们不能把这个动态带进 AI 时代，让少数几个 AI 系统拿走所有经济回报，而整个行业的知识在脚下被商品化。”
如果大模型把所有行业的知识都吸走，又不让价值回流，那就是 AI 版的产业外包。
五、生态 > 模型
最后，纳德拉总结了自己的立场：“?我们的优先级应该是构建前沿生态系统，而不只是前沿模型。让价值广泛地流向每家公司、每个行业、每个国家。让每个组织都能拥有自己的学习循环，沉淀自己的机构知识，让人力资本和 Token 资本持续复合增长。”
他说这也是自己成长过程中一直信奉的理念：平台之上创造的价值，应该大于平台内部捕获的价值。
当这件事发生的时候，企业会为自己和周围的经济创造价值。员工的专业能力会被放大，他们的判断力会成为可复制、可扩展的系统的一部分，而收益最终会回到企业和社区。
六、没有生态的前沿，是不稳定的前沿
我最近一直在思考，在 AI 驱动的经济中，“企业”的未来会是什么样子。
这一次的转变，与以往任何一次平台变迁都不同。过去，我们用数字系统来增强人的能力；而这是我们第一次能够在人与数字系统之间，建立起真正的”认知闭环”。这是一件令人脑洞大开的事，因为它改变了我们对企业内部”工作”这一概念的理解方式。
真正攸关的并不是某个数字工具或系统如何被使用，而是当 AI 模型能够持续吸收人与组织的专业知识、并将其商品化时，组织该如何继续学习、构建知识产权、形成差异化，并在这样的世界中繁荣发展。
每一家公司都将不得不构建我所说的两种资本：人力资本与Token 资本。人力资本，是其员工所拥有的知识、判断力、人际关系、创造力与模式识别能力;Token 资本，则是企业自己构建并拥有的 AI 能力。
值得强调的是，人力资本并不会随着 Token 资本的增长而贬值——恰恰相反，它只会变得更有价值！我相信，人的能动性将是 Token 资本增长的真正驱动力。人将设定远大的目标，在不同领域之间建立连接，经营关系，并识别出最重要的那些模式。没有人的方向引导，算力只会原地打转。
这意味着，真正的机会并不在于挑选”最好的模型”，而在于在模型之上构建一套学习闭环，让人力资本与 Token 资本彼此叠加、复利增长。你可以把一项任务、甚至一份工作外包出去，但你永远无法把”学习”外包出去。企业的未来，正在于能否把这种学习跨越人与 AI 不断复利积累。
这需要一种全新的架构思路：让每一家企业都能构建会随时间不断改进的智能体系统(agentic systems)，同时仍然牢牢掌控自己的知识产权。一家公司应当能够更换掉某个”通用型”模型，而不会因此丢失沉淀在自身学习系统中的”公司老兵”式的专业经验。在即将到来的时代，这正是检验你是否真正拥有掌控力与主权的关键”试金石”。
企业需要把自己的工作流程、领域知识与积累的判断力，转化为能够”越用越聪明”的 AI 系统。私有评测(private evals)应当衡量一个模型是否真的在那些对业务真正重要的结果上有所改进——而不只是在外部基准测试上的得分！私有的强化学习环境，应当让模型能够在来自组织内部的真实轨迹(traces)上不断变强。而它的知识库，则让机构记忆变得可被查询，也让 Token 的使用更加高效。
这套闭环将成为企业新的知识产权。我把它想象成一台”爬坡机器”（hill climbing machine）。而且与大多数资产不同的是——它会复利增长。每一次被改进的工作流程都会产生更好的训练信号，从而加速积累那些独属于该企业的隐性知识（tacit knowledge）。那些早早建起这套系统的公司将获得一种极难被复制的优势——无论日后单个模型的能力再如何突破。
我们任何人最不希望看到的，是这样一个世界：每个行业里的每一家公司，都在把价值拱手让给少数几个”吞噬一切所见”的模型。如果所有价值都只被极少数模型攫取，政治经济格局根本不会容忍这种局面。一个掏空整个产业的 AI 未来，是不会获得社会许可的。
想想全球化第一阶段里发生的事:整片整片的工业经济，被外包浪潮掏空。表面上 GDP 数字看起来还不错，但真实的冲击切实存在，其后果至今仍在延续。我们不要把那种动态带进 AI 时代——让少数几个 AI 系统攫取全部的经济回报，而整个整个行业却眼睁睁看着自己的知识，在脚下被商品化掉。
在我看来，我们的首要任务，必须是构建一个前沿生态，而不只是一个前沿模型——让价值能够广泛地流向每一家公司、每一个行业、每一个国家。在这样的生态中，每一个组织都能够拥有那套编码着自身机构知识的学习闭环，让自己的人力资本与 Token 资本不断复利增长。
这正是我一路成长所秉持的理念:平台所激发的、在其之上创造的价值，应当超过平台自身所攫取的价值;每一家公司，都能够持续创新，构建属于自己的价值。
当这一切发生时，公司不仅为自己创造价值，也为身边的经济创造价值。员工会看到自己的专业能力被放大，自己的判断力成为某个系统的一部分——一个让这种判断力变得可复制、可规模化的系统，而由此带来的收益，则会惠及公司以及周围的社区。
这才是企业为自身、也为更广阔经济创造价值的方式。也正是我们应当共同构建的那个稳定均衡。（来源：人工智能学家）