微軟 CEO：在 AI 時代，如何定義一家公司的護城河？

原文作者：Satya Nadella，Microsoft CEO

編譯：Peggy

我最近一直在思考，在 AI 驅動的經濟中，企業的未來會是什麼樣。

這一次轉型不同於以往任何一次平臺遷移。過去，我們使用數字系統來增強人力資本；而這一次，是我們第一次能夠在人與數字系統之間建立真正的認知閉環。這是一件非常顛覆認知的事，因為它會改變我們對企業內部「工作」本身的理解方式。

真正關鍵的問題，並不是某個數字工具或系統如何被使用，而是在一個 AI 模型能夠持續吸收人類與組織專業知識、並將其商品化的世界裡，組織如何繼續學習、積累知識產權、形成差異化，並持續繁榮。

每家公司都必須建立我所說的人力資本和 Token 資本。人力資本包括員工的知識、判斷力、關係網絡、創造力和模式識別能力；而 Token 資本，則是企業自身構建並擁有的 AI 能力。

重要的是，隨著 Token 資本增長，人力資本並不會變得不重要。恰恰相反，它只會變得更加重要。我相信，人類能動性將成為 Token 資本增長的核心驅動力。人類會設定有野心的目標，跨領域連接線索，建立關係，並識別出真正重要的模式。沒有人類方向的牽引，算力只會原地打轉。

這意味著，真正的機會並不在於選擇最好的模型，而是在模型之上建立一個學習閉環，讓人力資本和 Token 資本彼此複利增長。你可以把一個任務外包出去，甚至可以把一份工作外包出去，但你永遠不能把自己的學習外包出去。企業的未來，在於能否讓這種學習在人和 AI 之間持續複利。

這需要一種新的架構思路：每一家企業都應該能夠構建會隨著時間不斷改進的智能體系統，同時仍然保有對自身知識產權的控制權。一家公司應該能夠替換掉一個「通才型」模型，卻不會丟失其學習系統中沉澱下來的「公司老員工」式專業經驗。這將是未來時代衡量企業控制力與主權能力的關鍵測試。

企業需要把自身的工作流、領域知識和長期積累的判斷力，轉化為能夠在每次使用中持續改進的 AI 系統。私有評測應該衡量模型是否真的在企業關心的業務結果上變得更好，而不只是看外部基準測試。私有強化學習環境應當讓模型基於組織內部真實軌跡變得更強。企業知識庫則會讓制度性記憶變得可查詢，並提升 Token 使用效率。

這個閉環將成為企業新的知識產權。我把它看作一臺「爬坡機器」。而且，與大多數資產不同，它會複利增長。每一次工作流改進，都會產生更好的訓練信號，進而加速企業獨有隱性知識的積累。那些更早建立這一系統的公司，將獲得一種難以複製的優勢，無論未來單個模型能力如何突破。

我們最不願看到的，是這樣一個世界：各行各業的每家公司都把價值拱手讓給少數幾個吞噬一切所見內容的模型。如果所有價值最終都被少數模型捕獲，政治經濟結構根本不會容忍這種結果。一個掏空整個行業的 AI 未來，不可能獲得社會層面的許可。

想想全球化第一階段發生過什麼：整個工業經濟體被外包掏空。表面上看，GDP 數字似乎還不錯，但真實的產業轉移和就業衝擊確實存在，而且其後果至今仍在被感知。我們不能把這種動態帶入 AI 時代——讓少數 AI 系統捕獲全部經濟回報，而整個行業的知識卻在它們腳下被商品化、被掏空。

在我看來，我們的優先事項必須是構建一個前沿生態，而不只是一個前沿模型。只有這樣，價值才能廣泛流向每一家公司、每一個行業、每一個國家。在這樣的生態中，每個組織都能夠擁有自己的學習閉環，將自身的制度性知識編碼進去，並讓人力資本與 Token 資本共同複利增長。

這也是我一直認同的平臺精神：平臺之上創造的價值，應該大於平臺自身捕獲的價值；每家公司都應該能夠持續創新，並創造屬於自己的價值。

當這一點實現時，企業將為自身創造價值，也將為其所處的經濟環境創造價值。員工的專業能力會被放大，他們的判斷力會成為系統的一部分，變得可以複製、可以規模化，而這些收益會迴流到公司及其周邊社區。

這才是企業為自身和更廣泛經濟創造價值的方式。也是我們應該共同建設的穩定均衡。