Satya Nadella（微软CEO）：

我一直在思考在AI驱动的经济中，公司的未来会是什么样子。

这次转型与以往任何一次平台转变都不同。过去，我们用数字系统来增强人力资本。而这一次，我们第一次能够在人和数字系统之间创建真正的认知循环。这很震撼，因为它改变了我们对企业内部工作的基本认知。

关键在于，这不仅仅是某个数字工具或系统的使用问题，而是组织如何在AI模型能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IP、保持差异化并蓬勃发展。

每个公司都必须构建我所说的人力资本（human capital）和token资本（token capital）。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资本则是公司自己构建和拥有的AI能力。重要的是，人力资本并不会随着token资本的增长而贬值，它只会变得更有价值！我相信人类能动性（human agency）将是token资本增长的驱动力。

人类会设定雄心勃勃的目标、跨领域连接点、建立关系，并识别最重要的模式。没有人类的方向，计算资源只会原地打转。

这意味着真正的机会不在于挑选最好的模型，而是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。你可以把一项任务、甚至一份工作外包出去，但你永远无法外包你的学习。公司的未来在于能够将这种学习在人和AI之间持续复合的能力。

这需要一种新的架构方法，让每个业务都能构建会随时间改进的代理系统（agentic systems），同时仍保留对自身IP的控制。公司应该能够在不丢失“公司老兵”专业知识的情况下，切换“通用”模型。

这将是未来时代中，你对控制权和主权的关键考验。

公司需要把自己的工作流程、领域知识和积累的判断力转化为AI系统，让这些系统在每次使用中都得到改进。私有评估（private evals）应该衡量模型是否在对业务真正重要的结果上持续改进（而非仅仅外部基准）。私有强化学习环境应让模型在组织内部的真实轨迹上变得更强。它的知识库能让机构记忆变得可查询，并让token使用更高效。

这个循环将成为公司新的IP。我把它想象成一台爬山机（hill climbing machine）。与大多数资产不同，它会复合增长。每一次改进的工作流程都会产生更好的训练信号，从而加速积累公司独有的隐性知识。那些早期构建这个循环的公司将获得难以复制的优势，无论出现什么新的单一模型能力。

我们最不希望看到的是，每个行业的每家公司都把价值让渡给少数几个“吃掉一切”的模型。如果所有价值都被少数模型攫取，政治经济将无法容忍它。社会不会允许一个让整个行业被掏空的AI未来。

想想全球化第一阶段发生的事：整个工业经济体被外包掏空。表面上GDP数字看起来不错，但实际的就业流失是真实的，其后果至今仍在发酵。让我们不要把这种动态带入AI时代，让少数AI系统捕获所有经济回报，而整个行业的知识被直接商品化。

在我看来，我们的优先事项必须是构建一个前沿生态系统（frontier ecosystem），而不仅仅是一个前沿模型，让价值在每家公司、每个行业、每个国家广泛流动。在这个生态中，每个组织都能拥有编码其机构知识的学习循环，从而复合其人力资本和token资本。

这就是我成长过程中秉持的理念：平台在内部捕获的价值要少于它在外部赋能的价值，每个公司都能持续创新并构建自己的价值。

当这种情况发生时，公司将为自己和周围的经济创造价值。员工会看到自己的专业知识被放大，他们的判断力成为系统的一部分，使其可复制、可扩展，而好处会流向公司和周围的社区。

这就是公司为自己和更广泛经济创造价值的方式，也是我们应该共同构建的稳定均衡。

这条长帖是Nadella对AI时代企业战略的思考，核心观点是人力资本 + token资本的复合学习循环，强调公司要自己掌握“学习回路”而非依赖外部大模型，避免知识被商品化。