AI news

模型之上,才是真正的资产

By 五源资本 5Y Capital0 viewsSource: 五源资本 5Y Capital
模型之上,才是真正的资产

微软CEO 萨蒂亚·纳德拉,上周发的那篇《没有生态的前沿,立不住》(A frontier without an ecosystem is not stable),是近期挺有意思的一篇文章。不在于它提出了多少新概念,里面的很多要点,在近一年里大多已有讨论,而在于说它的不是旁观者,而是亲手运营着庞大 AI 基础设施的人,并且纳德拉用很朴素的语言,把两件非常重要的事情讲清楚了:

The full text has not been translated yet. The Chinese original is shown below.

过去一年,不少AI创业者,都会在某个时刻说“我们是 AI-native 的”,但怎么样才算是AI-native的工作流?

它既可能指,一家真正把自己的工作流,喂进了模型、越用越聪明的公司;也可能指,一家在别人的大模型上套壳、明天换个供应商就得推倒重来的公司,两者在 demo 上常常看不出区别。

微软CEO 萨蒂亚·纳德拉,上周发的那篇《没有生态的前沿,立不住》(A frontier without an ecosystem is not stable),是近期挺有意思的一篇文章。

不在于它提出了多少新概念,里面的很多要点,在近一年里大多已有讨论,而在于说它的不是旁观者,而是亲手运营着庞大 AI 基础设施的人,并且纳德拉用很朴素的语言,把两件非常重要的事情讲清楚了:一家公司怎么才算真正拥有了 AI 能力?这一轮的价值,最终会落进谁的口袋?

文章配图

Satya的这篇文章,在X上获得了很高的关注

下面是这篇文章中,最值得讨论的四个要点,文末也附了全文翻译,如果感兴趣可以亲自读一读~

01、

双资本模型:人力资本 + Token 资本

纳德拉这篇的一个核心观点,是说每家公司未来都要同时建两种资本:人的那部分(人力资本),和公司自己构建、真正拥有的 AI 能力(Token 资本)。

但在说这个双资本模型之前,还有一点更该先提,那就是人在背后承担责任的能力,它是其余一切的地基。

这一年大家都在争 AI 会不会取代人,但更要紧的问题是:有没有一样东西,是AI 在结构上就接不过去的?答案是“承担责任的能力”。一个 AI 可以在能力上无限强,但它一旦做错了,板子最后总要打在一个人身上。

任何体系要运转,都得有一个能被追责的主体:一个能被剥夺资产、被追究法律与经济责任的人。AI 对惩罚是无感的,而恰恰是“可被惩罚”,才让一个人真正担得起责任。之所以把它放在最前面,正因为它是后面一切的底座。

带着这一点,再回到纳德拉的框架:首先,这一次和过去任何一次技术浪潮都不同。PC、互联网、移动、云,本质上都是在“增强”人,给人更快的工具,但人始终还是唯一干活的那个;而这一次,人和系统,第一次形成了一个真正的认知闭环(cognitive loop),系统从旁边递工具的角色,变成了和人一起干活、甚至主动提议怎么干的参与者。

正因如此,纳德拉说,每家公司未来都要同时构建两种资本:人力资本(human capital)和 Token 资本(token capital)。人力资本是人的那部分:知识、判断、人脉、创造力、模式识别;Token 资本则是这家公司自己构建、并且真正拥有的那部分 AI 能力。值得一提的是,Token 资本是五年前,根本不存在于任何公司资产负债表上的资产,如今却正在变成一家现代公司,最重要的资产之一。

而对于这两种资本的关系,纳德拉说:人力资本不会因为 Token 资本变大而贬值,恰恰相反,它只会更值钱。他甚至说,人的能动性(human agency),才是 Token 资本增长的发动机,因为是人去设定有野心的目标,在不同领域之间连点成线,去建立关系,去识别出哪些规律才真正要紧;一旦失去了人的引导,你手里那些算力,不过是在原地空转。

但纳德拉把人的价值落在“能动性”和“判断力”上,这两样恐怕都只是阶段性的优势,算不上人和 AI 的根本分界。能动性,说到底来自马斯洛那串需求,可这套“想要、然后主动去够”的机制,正在被代码复刻——proactive 的 agent、auto-research 已经在自己挖需求、自己提目标,你只要把它写进系统里。判断力也一样:人的判断很大程度上是被数据“洗”出来的,并非天生,而“从数据里学判断”恰恰是模型越来越擅长的事。

当然,就“眼下”而言,判断力确实还稀缺、还值钱——当 AI 把“执行”压成几乎零成本的商品,知道什么值得做、知道一个输出什么时候算“对了”(哪怕它技术上挑不出错)、知道一个复杂系统里高杠杆的决策点到底在哪。

这些暂时还没有公式可循,也确实正在把人分成两拨:靠执行速度吃饭的被压缩,靠判断吃饭的被放大,但它算不上长期的护城河。真正长期、暂时还卸不掉给 AI 的,还是前面那句话:谁来担责,谁可被惩罚。

这件事落到一家公司层面,就是一种全新的高杠杆形态:一小撮判断力足够强、也能为结果担责的人,外加足够多的 Token 资本,产出能顶过一支大得多的团队。这正是那批真正 AI-native 的公司如今跑出来的样子——人均产出复利式往上走,人头却越来越扁平。

说到底,未来公司的形态,是把稀缺的判断力(以及最终的那份责任)摆在正中间,再用尽可能多的 Token 资本,去把它身后的执行规模化。

02、

学习闭环:越用越聪明的护城河

那 Token 资本到底怎么“建”、怎么“拥有”?

纳德拉认为,真正的机会不在于挑那个“最强的模型”,而在于在模型之上搭起一个学习闭环(learning loop)——把公司的工作流、领域知识和长年累积的判断,变成一套越用越聪明的 AI 系统。

具体是三件东西:1)私有评估(private evals),衡量模型有没有在那些对业务真正要紧的结果上变好,而不是只盯着外部榜单;2)私有的强化学习环境,让模型基于公司内部真实的交互轨迹,持续变强;3)再加一个把机构记忆(institutional memory),变得随时可查的知识库。

他把这套机制,叫作一台不断向上、寻找更优解的“爬山机器”,或者说“它会复利”。与大多数会折旧的资产不同,每一次被改进的工作流,都会产生更好的训练信号,信号又加速沉淀那些,只属于这家公司的隐性知识(tacit knowledge),知识再回头改进下一个工作流。

打个比方:两家公司,同样的模型、同样的业务、同一个行业,五年后却可能拉开巨大的差距,区别只在于一家把这层学习沉淀了下来,另一家没有。

而模型本身,是那个可以随时替换的“输入”;沉淀下来的知识,才是抄不走的资产,把模型换掉仍然有价值。纳德拉有一句话说得很好:你可以把一项任务、甚至一整份工作“卸载”出去,但你永远卸载不掉自己的“学习与成长”。

再往深里说一层:这个所谓的“学习闭环”,本质上是对 prompt 的升级。最原始的 prompt,是你扔给模型的一句话;而最完整的 prompt,是一整个环境——它包含明确的评价标准(什么算“好”)、可读写的状态和记忆,以及在里面不断跑出来的真实轨迹。

模型更像一个“放大器”:你给它一句话,它把这句话压榨到极致(你给它一匹马,它能拼出一辆车;你给它一座城,它就能折腾出一个帝国)。所以真正的功夫,不在于挑哪个模型,而在于你能为它注入多完整的一个环境。

比“搭好一个环境”更靠前沿的问题,是这个环境怎么自我进化。最朴素的方式是线性迭代:跑一次、看结果、改一版。但已经有人在走别的路子——像 AlphaEvolve 那类做法,更接近 DNA:一次裂变出许多变体,扔进环境里去碰,留下“活下来”的,再继续裂变、再突变;围棋式的自博弈又是另一种更新方式。“怎么更新”本身,正在变成一门有讲究的手艺。

于是问题就开放在这里:一个“完整的环境”,到底是不是 context 的尽头?还是说,它外面还套着一个暂时还没看清的、更大的东西?

03、

如果把模型换了,你还剩什么?

前面说过,护城河是那个学习闭环,而不是模型本身。

更进一步,纳德拉提出了一道检验题:一家公司,是否能换掉某个“通用型”模型,却不会因此丢失那些,早已沉淀进学习系统里的、“公司老兵”般的私有专业经验。

换句话说:如果换个模型,护城河还在不在?

这道题落到具体公司上很好用:对于一家自称 AI-native 的公司,如果把底层模型从一家换成另一家,甚至换成一个目前还不存在的未来模型,它还能保持原来的运营优势吗?系统里那些攒下来的“公司老兵”经验还在吗?编码进去的工作流、上下文和运营判断,还能像以前一样运转吗?

随着Anthropic只开放少量机构使用Mythos权限、Fable 5被封禁,“模型的可得性”突然变成了一个大问题,令无数CEO和CTO们头疼,也凸显把命脉押在某一家模型上有多脆弱。

如果换掉某个通用模型,那些一点点攒下来的“老兵经验”仍然存在,那就说明你真的建起了 Token 资本,模型对你只是个可替换的零件;如果一换就垮,那说明你所谓的护城河,其实是从模型供应商那里“租”来的——人家哪天涨了价、改了行为、关了API接口,你的壁垒一夜之间就没了。

真能过关的公司往往有几个共同点:基础设施对模型保持中立,自己的评估盯的是业务结果,而非某个模型的优势,沉淀下来的交互轨迹能换到任何模型上重放。

04、

别让少数模型,吃掉所有人

到这里,纳德拉还把视角从单个公司,拉到了整个经济体,而这恰恰是最重要的问题——价值最终会流向谁?

这里得先交代一个背景。表面上看,微软是 OpenAI 最大的外部投资人,似乎“最该希望价值都沉淀在模型这一层”,所以他出来主张“价值应该流到模型之上”,很容易被读成一种违背自身利益的高尚。

但其实,微软同时是模型公司的股东、是云厂商、又是调用模型的入口,这个生态里不管发生什么样的“裂变”,基本都在它的覆盖范围之内,很难冒出一个能把它卷死的东西。

换句话说,这盘棋他怎么下都赢:保底看,价值落在哪一层他都能分到;进攻看,他最舒服的局面,恰恰是模型公司别一家独大、最好 agent 公司和模型公司都很多、谁也吃不掉谁,而这正好就是纳德拉这篇文章呼吁的那个“生态”。所以与其说这是高尚,不如说,这是一个怎样都会赢的人,在为对自己最有利的格局站台。

顺带一提:马斯克对这篇的全部回应,只有一个词——“Interesting”。一个同样坐在这张牌桌上的人,留下这么一句没头没尾的“Interesting”,你大可以读出好几层意思。

文章配图

去年8月,纳德拉宣布把 GPT-5 全面接入 Copilot、GitHub、Azure 时,马斯克就撂过一句“OpenAI 会把微软活活吃掉”,而纳德拉今天这篇“别让少数模型吃掉所有人”,某种程度上像是在回应、甚至默认马斯克当年那句话。所以马斯克回应的这句“interesting”,也带有旁观者看穿棋局的轻轻一刺

纳德拉现在担心的,是这样一个世界:各行各业的每一家公司,都把自己的价值拱手让给少数几个“见什么吞什么”(eat everything they see)的模型。

被吃掉的不是别的,正是各个行业辛苦攒下的专业知识、判断和 IP资产,一旦这些被商品化、被从脚下一点点抽走,公司就再没有什么能让自己区别于竞争对手。

在他看来,如果所有价值,最后只汇到极少数模型公司手里,整个政治经济根本不会容忍;一个把整个产业彻底掏空的 AI 未来,是拿不到社会许可(societal permission)的。

他特意搬出全球化的第一阶段来类比:当年一个个工业经济体,被外包掏空,GDP 数字表面上还挺好看,可它对就业、对整个产业的冲击是真实的,直到今天仍然有人在为此付出代价。这套剧本,不该在 AI 时代再演一遍。

而历史的经验是,这样的清算迟早会来,区别只在于,是这个行业趁着现在还在赚钱时主动调整,还是等到被一场危机逼着调整。

说到底,摆在面前的是两种结局:要么价值高度集中到极少数模型手里,要么它宽广地分布到许多层——云厂商、平台搭建者、各垂直行业的 AI 公司、开源生态、基础设施,以及一整批在这套底座上长出来的新公司,乃至整个社会。唯有如此,价值才能流向每一家公司、每一个行业、每一个国家。

这背后,其实是一条很朴素的“平台价值观”:一个平台健不健康,要看长在它上面的价值,是不是远多于它自己抽走的那一份。

这也正是纳德拉文章标题的意思:没有生态的前沿,立不住(A frontier without an ecosystem is not stable)。

05、

原文翻译:没有生态的前沿,立不住(A frontier without an ecosystem is not stable)

作者:萨蒂亚·纳德拉(Satya Nadella,微软董事长兼 CEO)

@satyanadella

我最近一直在想一个问题:在 AI 驱动的经济里,企业的未来会是什么样子。

这一次的转变,和以往任何一次平台变革都不一样。过去,我们用数字系统来增强人力资本;这一次,我们第一次能在人和数字系统之间建立起一个认知闭环(cognitive loop)。这件事很颠覆认知,因为它改变了我们对企业内部“工作”本身的理解。

这里真正要紧的,不是某个数字工具或系统怎么用,而是:在一个 AI 模型能不断吸收人和组织的专业知识、再把它商品化的世界里,组织要怎么持续学习、构建 IP、做出差异化,并且活得好。

每家公司都将不得不构建两样东西,我把它们叫作人力资本(human capital)和 Token 资本(token capital)。人力资本,是员工的知识、判断、人脉、巧思和模式识别;Token 资本,是这家公司自己构建、自己拥有的 AI 能力。

要紧的是,人力资本不会因为 Token 资本变大而贬值。恰恰相反,它只会更值钱!我相信,人的能动性(human agency)会成为 Token 资本增长的驱动力。是人在设定有野心的目标,在不同领域之间连点成线,建立关系,识别出最要紧的规律。没有人的引导,算力不过是在原地空转。

这意味着,真正的机会不在于挑那个“最好的模型”,而在于在模型之上搭一个学习闭环(learning loop),让人力资本和 Token 资本在里面复利累积。你可以把一项任务、甚至一整份工作卸载出去,但你永远卸载不掉自己的学习。企业的未来,就看它能不能让这种学习在人和 AI 之间不断复利。

要做到这一点,需要一套新的架构思路:让每家公司都能搭出会随时间不断自我改进的智能体系统(agentic systems),同时仍然掌握着对自己 IP 的控制权。一家公司,应该能换掉某个“通用型”模型,而不丢失那些已经沉淀进它学习系统里的“公司老兵”经验。这就是检验你在未来掌不掌握控制权与主权(control and sovereignty)的试金石。

公司要把自己的工作流、领域知识和长年积累的判断,变成越用越聪明的 AI 系统。私有评估(private evals)要衡量的是:一个模型有没有在那些对业务真正要紧的结果上变好,而不是只看外部榜单。私有的强化学习环境,要让模型基于组织内部真实的交互轨迹变得更强。它的知识库,让机构记忆随时可查,也让 token 用得更省。

这个闭环,会成为公司新的 IP。我把它看成一台爬山机器(hill climbing machine):不断往更优解上爬。而且和大多数会折旧的资产不一样,它会复利。每一次工作流被改进,都会产生更好的训练信号,信号又加快沉淀这家公司独有的隐性知识,知识再回头改进下一个工作流。越早把这套机制搭起来的公司,优势越难被复制;而且不管以后单个模型的能力又跳了多大一步,这个优势都还在。

我们谁都最不愿意看到这样一个世界:每个行业、每家公司,都把自己的价值拱手让给少数几个“见什么吞什么”的模型。如果所有价值最后都汇到极少数模型手里,整个政治经济根本不会容忍。一个把整个产业掏空的 AI 未来,是拿不到社会许可(societal permission)的。

想想全球化的第一阶段:一个个工业经济体被外包掏空。表面上 GDP 数字还挺好看,但那种错位是真实的,它的后果到今天还有人在承受。千万别让这一套在 AI 时代重演:少数几个 AI 系统拿走全部经济回报,一个个完整的产业,只能看着自己的知识被商品化、从脚底下被一点点抽走。

在我看来,我们的首要任务,是建一个前沿生态(frontier ecosystem),而不只是一个前沿模型,这样价值才能宽广地流到每一家公司、每一个行业、每一个国家。在这样的生态里,每个组织都能拥有自己的学习闭环,把自己的机构知识编码进去,让人力资本和 Token 资本一起复利。

这是我一直信奉的理念:好平台让别人在它上面创造的价值,远大于它自己拿走的那一份;在这样的平台上,每家公司都能不断创新,长出自己的价值。

等这一切发生,公司既会为自己创造价值,也会为周围的经济创造价值。员工会看到自己的专业能力被放大,他们的判断也会进入某种系统,被复制、被规模化;而这些好处,会落到他们身边的公司和社群身上。

这就是公司为自己、也为更大的经济创造价值的方式。这也是我们应该一起建起来的那个稳定均衡(stable equilibrium)。

文章来自于微信公众号 “五源资本 5Y Capital”,作者 “五源资本 5Y Capital”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)