微软CEO：在AI时代，如何定义一家公司的护城河？

你有没有想过，在AI驱动的经济里，企业未来到底能做些什么？

这次转型和以往任何一次平台迁移都不同。过去，我们只是用数字系统给人力做加法，增强人力资本；而这一次，是头一回可以在人与数字系统之间，建立起真正意义上的认知闭环。听起来是不是有点碘伏认知？因为它会从根本上改变我们对企业内部“工作”的理解方式。

真正关键的问题，并不是某个数字工具怎么用，而是：在一个AI模型能够持续吸收人类与组织专业知识、并把它商品化的世界里，组织该怎么继续学习、怎么积累知识产权、怎么形成差异化——并且持续繁荣下去。

每家公司都必须建立两种资本：一种是人力资本，包括员工的知识、判断力、关系网络、创造力和模式识别能力；另一种是Token资本，也就是企业自己构建并拥有的AI能力。

重要的是，Token资本增长之后，人力资本并不会变得不重要。恰恰相反，它只会更加重要。可以确定的是，人类的主体性——目标设定、跨领域连接、关系建立、模式识别——将成为Token资本增长的核心驱动力。没有人类方向的牵引，算力只会原地打转。

那么，真正的机会在哪里？不在选哪个最强模型，而在模型之上建立一个学习闭环，让两种资本彼此复利增长。你可以把一个任务外包出去，甚至可以把一份工作外包出去，但你永远没办法把自己的学习外包出去。企业的未来，就在能不能让这种学习在人和AI之间持续复利。

这需要一套新的架构思路：每一家企业都应该能构建出会随时间不断改进的智能体系统，同时依然保有对自身知识产权的控制权。一家公司应该能够换掉一个“通才型”模型，却不会丢失学习系统中沉淀下来的“公司老员工”式专业经验。这才是未来衡量企业控制力与主权能力的关键测试。

说得更具体些，企业需要把自身的工作流、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。私有评测要衡量的是，模型是不是真的在企业关心的业务结果上变好了，而不只是看外部基准测试。私有强化学习环境，则要让模型基于组织内部真实轨迹越来越强。企业知识库会让制度性记忆变得可查询，同时提升Token的使用效率。

这个闭环，就是企业新的知识产权。可以把它看作一台“爬坡机器”——而且和绝大多数资产不同，它会复利增长。每一次工作流改进，都会产生更好的训练信号，进而加速企业独有隐性知识的积累。那些更早建立这一系统的公司，将获得一种难以复制的优势，无论未来单个模型的能力如何突破。

最不愿看到的未来

我们最不想面对的，是这样一种局面：各行各业的公司，都把价值拱手让给少数几个吞噬一切所见内容的模型。如果所有价值最终都被少数模型捕获，整治经济结构根本不会容忍这种结果。一个掏空整个行业的AI未来，不可能获得社会层面的许可。

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。表面上看GDP数字还不错，但真实的产业转移和就业冲击确实存在，其后果至今仍在被感知。我们绝不能把这种动态带入AI时代——让少数AI系统捕获全部经济回报，而整个行业的知识却在它们脚下被商品化、被掏空。

从这个角度看，我们的优先事项必须是构建一个前沿生态，而不只是一个前沿模型。只有这样，价值才能广泛流向每一家公司、每一个行业、每一个国家。在这样的生态中，每个组织都能拥有自己的学习闭环，把自身的制度性知识编码进去，并让人力资本与Token资本共同复利增长。

这其实也是平台精神的本质：平台之上创造的价值，应该大于平台自身捕获的价值；每家公司都应该能持续创新，并创造属于自己的价值。

当这一点实现时，企业既能为自身创造价值，也能为其所处的经济环境创造价值。员工的专业能力会被放大，他们的判断力会成为系统的一部分，变得可以复制、可以规模化，而这些收益会回流到公司及其周边社区。

这才是企业为自己和更广泛经济创造价值的方式。也是我们应该共同追求的那种稳定均衡。