纳德拉发了篇6200万阅读的长文，核心就一个概念

前几天刷 X，看到 Satya Nadella 发了一篇长文。

不是 CEO 惯常的那种公关稿，不是「我对 AI 的未来充满信心」之类的正确废话。是真的在想事情，能感觉到字里行间有一个活人在使劲。

标题叫「A frontier without an ecosystem is not stable」。没有生态系统支撑的技术前沿，是不稳定的。

6200 万阅读，3.9 万赞，7600 多次转发。

我当时就愣住了。

不是因为数据好看，做 CEO 的发啥都有流量。而是他说的那些东西，跟我这两年观察到的几乎完全对上了。

有些话，你自己模模糊糊感觉到了但说不清楚，突然有个人替你讲明白了，那种感觉，怎么说呢，就是一下子通了。而且这个人还是全球市值最高公司的 CEO，那就更不是随便说说了。

事情是这样的。

Nadella 在文章里提了一个概念，叫「human capital and token capital」。人力资本和 token 资本。人力资本就是公司里那些人的知识、判断力、关系网络、直觉，那些说不清道不明但关键时刻能救命的东西。token 资本呢，是公司自己构建和拥有的 AI 能力。

关键来了。

他说，人力资本不会因为 token 资本的增长而贬值，反而会变得更值钱。

你想想看，这话从微软 CEO 嘴里说出来，分量完全不一样。微软砸了几百亿美元在 OpenAI 身上，按理说应该是最希望「模型替代一切」的那家公司。结果他们的老大出来说，不，人才是核心驱动力。

说实话，我第一次读到这里的时候，也觉得有点反直觉。

但你仔细想想，他说的其实是一个很朴素的道理。

AI 模型再强，它不知道你的公司在过去十年里踩过哪些坑。它不知道那个老工程师为什么在某个参数上死活不肯让步，因为五年前出过一次事故。它不知道你们的客户表面上说的是「要降本增效」，实际上真正焦虑的是老板下周要跟董事会汇报。

这些隐性知识，才是公司真正的护城河。

我有时候觉得，大家对 AI 的理解有一个很大的误区。总觉得 AI 越强，人的价值就越低。但事实恰恰相反。AI 越强，那些能把 AI 用好的人的价值就越高。

举个例子。你让 Claude 帮你写一份商业计划书，它能给你一个 80 分的框架。但你是一个在这个行业干了十年的人，你知道哪个数字不对劲，哪个假设太乐观，哪个风险被忽略了。你能把它从 80 分改到 95 分。

这个从 80 到 95 的能力，以前不值钱，因为每个人都能做到。但现在，能做这件事的人变少了，因为越来越多的人只会直接用 AI 给的 80 分版本。所以你这 15 分的差距，反而变得越来越值钱。

这就是 Nadella 说的「人力资本不会贬值，反而更值钱」的底层逻辑。

而 Nadella 的核心论点是，你要把这些隐性知识变成一个「学习飞轮」。

具体来说就是三件事。用私有评估来检验模型是不是真的在帮你解决业务问题，而不是只看那些公开的 benchmark。用私有强化学习环境让模型在你公司的真实数据上变强。把知识库做好，让机构记忆可以被查询，让 token 的使用更高效。

这个飞轮一旦转起来，就是公司的新 IP。

我跟你说，这个思路真的太牛逼了。

不是因为它多么颠覆，而是因为它终于把「AI 怎么用」这个问题，从「选哪个模型」拉到了「怎么让模型跟你的公司一起成长」。

你看现在很多公司的 AI 策略，就是在比谁买的模型更好。今天 GPT-4o 出了换 GPT-4o，明天 Claude 出了换 Claude，后天 Gemini 出了换 Gemini。每个季度都在做 AI 选型评估，PPT 做了一版又一版，demo 跑了一个又一个。

我认识一个朋友，在一家中型公司做 CTO，去年一年换了三次模型供应商。每次换都要重新对接、重新训练、重新适配业务流程。到年底一算，光是迁移成本就烧了小几百万。

这就像什么呢，就像你一直在换教练，但从不建立自己的训练体系。教练再好，训练完走了，你还是原来的你。你的队员没有变强，你的战术没有积累，你的青训系统还是一片空白。

真正的竞争力不是教练，是训练体系。

是那个让每一次训练的成果都能累积下来、让下一次训练变得更好的系统。不管你换哪个模型，这个系统里的知识不会丢，判断力不会丢，那些用真实业务数据喂出来的直觉不会丢。

说到这里，我想聊一个更大的问题。

Nadella 在文章里提到了一个历史类比，让我一下子警觉起来了。

他说，想想全球化第一阶段发生了什么。整个工业经济体被外包掏空了。GDP 数字表面上看起来还行，但产业转移带来的失业和社会撕裂是真实的，后果到现在还在承受。那些被掏空的锈带城市，那些失业的产业工人，那些断裂的社区。

你可以去底特律看看，曾经的汽车城，现在满街都是空置的厂房。GDP 数字上，美国经济一直在增长。但那些失去工作的人，他们的生活并没有变好。

他的原话是，别让那种局面在 AI 时代重演。

如果所有价值都被少数几个模型吃掉了，整个产业的知识被 commoditize 了，那政治经济学层面是不可能容忍的。

我是真的觉得他说到了点子上。

你看看现在的情况。全世界的公司都在用差不多的模型，跑差不多的 benchmark，做差不多的应用。如果这条路走下去，最后会发生什么？

每个行业的专业知识都被模型吸收了，然后这些知识变成了通用能力，然后那些拥有模型的公司把所有价值都收割了。律师事务所的专业判断被 commoditize 了，咨询公司的行业洞察被 commoditize 了，医疗机构的诊断经验被 commoditize 了。

这不就是 AI 版的产业空心化吗？

而且比上一轮全球化更可怕的是，这次掏空的不是蓝领的工作，是白领的知识。是那些花了几十年积累的行业 know-how。

一个律师花了十年积累的诉讼策略，一个医生花了二十年积累的诊断直觉，一个基金经理花了十五年积累的市场嗅觉，这些东西以前是他们吃饭的本事，是他们区别于新人的核心竞争力。

现在呢，一个训练好的模型可以在几秒钟内调用所有这些知识的「通用版本」。不一定比他们强，但够用了，而且便宜得离谱。

这跟当年工厂搬到东南亚，逻辑是一模一样的。

所以 Nadella 说，我们的优先事项必须是构建一个前沿生态系统，而不仅仅是一个前沿模型。让价值广泛地流向每一家公司、每一个行业、每一个国家。

你仔细品这句话。他说的不是「微软要构建一个生态系统」，他说的是「我们的优先事项是构建一个前沿生态系统」。这个「我们」，指的是整个行业，整个 AI 生态里的所有参与者。

一个 CEO 在自己的社交媒体上说这种话，不是在做公关，是在表态。

平台应该让上面的人创造的价值比平台自己 capture 的还多。

这话我太认同了。

想想看，Windows 之所以伟大，不是因为它本身有多牛逼，而是因为上面跑着几百万个应用。淘宝之所以值钱，不是因为它自己卖货，而是因为上面有几千万个商家。iPhone 的核心竞争力不是硬件，是 App Store 里那些开发者。

一个健康的生态系统，核心特征就是「上面比下面大」。平台上创造的价值，要比平台本身 capture 的多得多。

Nadella 说这是他成长过程中一直信奉的理念。平台 enable 的价值，要比平台内部 capture 的多。每家公司都应该能在平台上持续创新、构建自己的价值。

想想我们自己的经验。微信生态里长出了多少公司？拼多多、美团、无数的小程序开发者。抖音生态里长出了多少 MCN、多少品牌、多少个体创作者？这些生态创造的价值，远远超过平台本身 capture 的。

这才是稳定的均衡状态。

说实话，这个判断我需要消化一下。

因为从商业逻辑来说，每家公司都希望 capture 尽可能多的价值。让出空间给生态伙伴，很多时候是一种理想主义。

但从历史来看，那些试图 capture 一切的平台，最后都死了。

封闭的系统终究会被开放的系统打败。不是因为开放更好，而是因为开放能聚集更多的智慧和创造力。Windows 打败了 Mac 的封闭生态（至少在 PC 时代），Android 打败了诺基亚的 Symbian，Linux 在服务器领域打败了所有闭源系统。

规律就在那里，只是很多人选择性失明。

回到 Nadella 的那个飞轮概念。

我觉得对普通公司来说，真正该焦虑的不是「我用的是不是最好的模型」，而是「我有没有在构建自己的学习飞轮」。

你的人力资本，那些藏在老员工脑子里的经验、踩过的坑、对客户的理解，有没有被系统性地沉淀下来？你的 AI 系统，有没有在你自己的数据上越用越聪明？你的知识库，是不是让新人进来就能快速上手？

我见过太多公司，花了大价钱买了最好的模型，结果用法就是让员工自己去问 ChatGPT。每个人各自为战，没有人把好的 use case 沉淀下来，没有人去评估哪些场景效果好哪些效果差，没有人去建私有的知识库。

这就像你买了一辆法拉利，但只用来买菜。

如果这些问题的答案都是「没有」，那你现在用的模型再好也没用。

因为模型会变，能力会迭代，今天最好的明天就不是了。但你的学习飞轮一旦转起来，它是会复利的。每一次改进都让下一次变得更好，每一条训练数据都让系统更懂你的业务。

这个东西，是别人抄不走的。

模型可以买，算力可以租，但那个在你自己的业务土壤里长出来的学习飞轮，是独一无二的。

大时代啊，朋友们。