我一直在思考 AI 驱动经济下企业的未来。这次转型不同于以往任何一次平台迁移。过去，我们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循环。这是一种颠覆性的改变，因为它从根本上改变了我们如何构想企业内部的工作方式。

This transition is different than any previous platform shift. In the past, we used digital systems to enhance human capital. This is the first time we can create a real cognitive loop between people and digital systems.

真正处于风险之中的，不是某个数字工具或系统及其使用方式，而是组织如何在一个 AI 模型可以持续吸收人类和组织的专业知识并将其商品化的世界中，继续学习、构建知识产权、实现差异化并蓬勃发展。

What is at stake is not some digital tool or system and its use, but how organizations continue to learn, build IP, differentiate, and thrive in a world where AI models can continuously absorb the expertise of humans and organizations and commoditize it.

每家公司都需要构建我所说的人力资本和Token 资本。人力资本包括员工的知识、判断力、人际关系、创造力和模式识别能力；而 Token 资本则是公司构建并拥有的 AI 能力。

Every company is going to have to build what I think of as human capital and token capital.

关键在于：人力资本并不会随着 Token 资本的增长而贬值，反而会变得更加珍贵！我相信人类的主动性将是 Token 资本增长的驱动力。人类设定雄心勃勃的目标，跨领域连接点，建立关系，并识别出最重要的模式。没有人类的方向指引，计算只是在空转。

💡 人力资本并不会随着 Token 资本的增长而贬值——反而会变得更加珍贵。没有人类的方向指引，计算只是在空转。

这意味着真正的机遇不在于选择最好的模型，而在于在模型之上构建一个学习循环，让人力资本和 Token 资本相互复合。你可以外包一项任务，甚至一个岗位，但你永远无法外包你的学习。企业的未来，就在于能否将这种学习在人与 AI 之间持续复合增长。

You can offload a task, or even a job, but you can never offload your learning. The future of the firm is the ability to compound that learning across people and AI.

这需要一种全新的架构方法：每家企业都必须能够构建随时间不断改进的智能体系统，同时保留对其知识产权的控制。一家公司应该能够切换出一个"通用型"模型，而不会丢失内置于其学习系统中的"公司老将"级专业知识。这是未来控制权和主权的关键考验。

A company should be able to switch out a "generalist" model without losing the "company veteran" expertise built into their learning system. This is the key "test" of your control and sovereignty in the era ahead.

企业需要将它们的工作流程、领域知识和累积的判断力转化为每次使用都会进步的 AI 系统。私有评估应该衡量模型是否在对企业真正重要的成果上持续改进（而不是外部基准！）。私有强化学习环境应该让模型在组织内部的真实轨迹上变得更强。它的知识库使机构记忆变得可查询，并使 Token 的使用更加高效。

Private evals should capture whether a model is actually improving against outcomes that matter to the business (not just external benchmarks!). Private reinforcement learning environments should let models grow stronger on real traces from inside the organization.

这个循环将成为企业新的知识产权。我把它看作一台爬山机器。与大多数资产不同，它可以复合增长。每一个改进的工作流程都会产生更好的训练信号，从而加速企业特有内隐知识的积累。早期构建这一体系的公司将获得难以复制的优势，无论未来任何新模型的能力多么强大。

🏔️ 这个学习循环将成为企业新的知识产权——一台可以复合增长的爬山机器。早期构建者将获得难以复制的优势。

我们最不希望看到的是这样一个世界：每个行业、每家公司都将价值拱手让给几个吞噬一切的模型。如果所有价值仅由少数几个模型获取，政治经济将根本无法容忍。社会不会允许一个掏空整个行业的 AI 未来。

There is no societal permission for an AI future that hollows out entire industries.

想想全球化第一阶段发生了什么——整个工业经济体因外包而被掏空。GDP 数字表面上看起来不错，但流离失所是真实存在的，其后果至今仍在被感受。让我们不要把这种动态带入 AI 时代——不要让少数 AI 系统捕获所有的经济回报，而让整个行业的知识在它们脚下被商品化。

⚠️ 不要重蹈全球化的覆辙——不要让少数 AI 系统捕获所有经济回报，而让整个行业的知识被商品化。

在我看来，我们的优先事项必须是建设前沿生态系统，而不仅仅是前沿模型。让价值广泛流向每家公司、每个行业、每个国家。一个每个组织都能拥有编码其机构知识的学习循环、让自身的人力资本和 Token 资本持续复合增长的世界。

Our priority has to be building a frontier ecosystem, not just a frontier model, so value flows broadly across every company, every industry, and every country.

这是我成长过程中所信奉的精神：平台在上面创造的价值，应多于它在内部捕获的价值。每家公司都能持续创新并构建属于自己的价值。

当这一切实现时，企业将为自己和周围的经济创造价值。员工们将看到自己的专业知识被放大，他们的判断力成为可复制、可扩展的系统的一部分，而收益则归属于企业及其所在社区。

这就是企业如何为自己和更广泛的经济创造价值的方式。这也是我们应共同构建的稳定均衡。

🎯 建设前沿生态系统，而不仅仅是前沿模型——让每个组织都能拥有编码其机构知识的学习循环，让价值广泛流动。

原文金句
A frontier without an ecosystem is not stable.
📱 查看原文 · x.com/satyanadella