没有生态系统的前沿模型并不稳定

作者：Satya Nadella
发布于 X：2026-06-14

译注：本文为英文原文的中文翻译，供阅读参考，正式引用请以英文原文为准。原文见 [[2026-06-14-satya-nadella-a-frontier-without-an-ecosystem-is-not-stable]]。

我一直在深入思考：在 AI 驱动的经济中，企业的未来将会怎样。

这次转型不同于以往任何一次平台变迁。过去，我们使用数字系统来增强人力资本；而这一次，我们首次能够在人与数字系统之间建立真正的认知闭环。这令人难以想象，因为它甚至改变了我们理解企业内部工作方式的基本框架。

真正关系重大的，不是某种数字工具或系统及其使用方式，而是：在一个 AI 模型能够持续吸收个人与组织的专业能力，并将其商品化的世界里，组织如何继续学习、积累知识产权、形成差异化优势并蓬勃发展。

每家公司都必须建立我所说的“人力资本”和“token 资本”。

人力资本包括员工所拥有的知识、判断力、人际关系、创造力和模式识别能力；token 资本则是企业自行构建并拥有的 AI 能力。

重要的是，随着 token 资本的增长，人力资本并不会贬值，反而只会变得更加宝贵。我相信，人类的能动性将成为 token 资本增长的驱动力。人类会设定雄心勃勃的目标，连接不同领域的线索，建立关系，并识别那些最重要的模式。没有人类的引导，再多算力也只是在原地打转。

这意味着，真正的机会不在于挑选最好的模型，而在于在模型之上建立一个学习闭环，让人力资本与 token 资本相互促进、持续复利增长。

你可以把一项任务，甚至一个岗位交给 AI，但绝不能把自己的学习能力也外包出去。企业的未来，在于让这种学习在人与 AI 之间不断积累并产生复利。

这需要一种新的架构方法：每家企业都能够建立随时间持续改进的智能体系统，同时仍然掌握自身知识产权的控制权。

企业应当能够替换某个“通才型”模型，而不会丢失已经沉淀在自身学习系统中的“公司老将”式专业能力。这是检验企业在未来时代是否真正拥有控制权与自主权的关键标准。

企业需要把自己的工作流、领域知识和长期积累的判断力，转化为能够在每次使用中持续改进的 AI 系统。

私有评测体系应当衡量模型是否在企业真正重视的业务结果上取得了进步，而不只是看它在外部基准测试中的表现。私有强化学习环境应当允许模型利用组织内部产生的真实运行轨迹不断增强能力。企业知识库则可以让组织记忆变得可查询，同时提高 token 使用效率。

这个学习闭环将成为企业新的知识产权。

我把它看作一台不断向更优解攀升的“爬山机器”。与大多数资产不同，它具有复利效应。每一次工作流改进都会产生更好的训练信号，进而加速企业特有的隐性知识积累。

无论未来单个模型获得什么样的新能力，那些率先建立这种学习闭环的企业，都将拥有一种难以复制的优势。

我们最不希望看到的，是这样一个世界：各个行业的所有企业都在把价值拱手让给少数几个“吞噬一切所见信息”的模型。

如果所有价值最终都只集中在少数模型手中，现有的政治经济体系根本不可能容忍这种局面。一个掏空整个产业的 AI 未来，不可能获得社会的许可与认同。

想想全球化第一阶段发生过什么：外包掏空了一些国家和地区的整个工业经济。表面上看，GDP 数据似乎依然不错，但产业和就业的流失真实存在，其后果直到今天仍在持续显现。

我们绝不能把这种模式带进 AI 时代：让少数 AI 系统攫取全部经济回报，而各行各业却眼睁睁地看着自己的知识基础在脚下被彻底商品化。

在我看来，我们的首要任务必须是建立一个“前沿生态系统”，而不只是打造一个“前沿模型”。只有这样，价值才能广泛流向每一家企业、每一个行业和每一个国家。

在这样的生态系统中，每个组织都能拥有那个编码其制度知识与组织经验的学习闭环，让自身的人力资本与 token 资本持续复利增长。

这也是我一直以来所认同的平台精神：平台之上所创造的价值，应当超过平台自身所攫取的价值；每家公司都应该能够持续创新，并创造属于自己的价值。

当这一愿景成为现实，企业不仅能为自己创造价值，也能为周围的经济体系创造价值。员工的专业能力将得到放大，他们的判断力将被融入系统，变得可以复制和规模化，而由此产生的收益也将回归企业及其所在的社区。

企业正是以这种方式为自己和更广泛的经济创造价值。

这也是我们应该共同建设的稳定均衡。