没有生态系统的前沿是不稳定的

我一直在深入思考，在 AI 驱动的经济中，企业的未来会是什么样子。

这次转型与以往任何一次平台迁移都不同。过去，我们用数字系统来增强人力资本。而这是我们第一次能够在人类与数字系统之间建立起真正的认知回路。这是一件颠覆性的事情，因为它从根本上改变了我们在企业内部理解工作的方式。

其中真正关键的，不是某种数字工具或系统及其使用方式，而是组织如何在一个 AI 模型能够不断吸收人类与组织的专业知识并将其商品化的世界里，继续学习、构建知识产权、实现差异化并蓬勃发展。

每一家公司都必须构建我所说的"人力资本"和"模型 token 资本"。人力资本包括员工的知识、判断力、人际关系、创造力以及模式识别能力，而模型 token 资本则是企业构建和拥有的 AI 能力。

重要的是，随着模型 token 资本的增长，人力资本并不会变得不那么有价值——它反而会变得更加有价值！我相信人类能动性将是模型 token 资本增长的驱动力。人类将设定雄心勃勃的目标，连接不同领域的知识，建立人际关系，并识别出最关键的范式。没有人类的引导，计算就只是在原地打转。

这意味着真正的机会不在于选择最好的模型，而在于在模型之上构建一个让"人力资本"和"模型 token 资本"能够相互叠加的"学习回路"。你可以外包一项任务，甚至一个工作岗位，但你永远无法外包自己的学习。企业的未来，就在于能够将这种学习在人机之间不断积累增值的能力。

这需要一种全新的架构思路，让每家企业都能构建出随着时间推移不断改进的"智能体系统"，同时仍然保留对其知识产权的控制权。一家公司应该能够在不丢失其学习系统中已积累的"公司元老"式专业知识的前提下，切换掉某个"通用型"模型。这就是你在未来时代能否掌控主权的一个关键"检验标准"。

企业需要将自己的工作流程、领域知识和积累的判断转化为能够随着每次使用而改进的AI系统。私有评估应当能够捕捉模型是否在真正针对对业务至关重要的结果（而不仅仅是外部基准！）上持续进步。私有强化学习环境应当让模型基于组织内部的真实轨迹不断变得更强大。它的知识库使得机构记忆变得可查询，并让模型token的使用更加高效。

这个循环将成为企业的新知识产权。我把它看作是一台爬山优化机器。而且与大多数资产不同，它会不断复利。每一个改进的工作流程都会产生更优质的训练信号，进而加速积累企业独有的隐性知识。无论未来出现任何新的单个模型能力，那些早早构建起这一循环的企业将拥有一条难以被复制的护城河。

我们任何人最不希望看到的，是一个每个行业的每家公司都把价值让渡给少数几个吞噬一切的模型的世界。如果所有价值都只由少数几个模型获得，那么政治经济学将根本无法容忍。一个让整个行业被掏空的AI未来，社会是不会允许的。

想想第一波全球化时期发生了什么——整个工业经济体因外包而被掏空。GDP数字表面上看起来还不错，但失业与产业转移是真实存在的，其后果至今仍在发酵。我们绝不能把这种动态带入AI时代——让一小部分AI系统攫取全部经济回报，而整个行业的从业者眼睁睁看着自己的知识被商品化、被从脚下抽走。

在我看来，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，这样才能让价值广泛地流向每一家公司、每一个行业和每一个国家。在这个生态中，每个组织都能拥有自己的学习循环，编码其机构知识，使其人力资本和模型token资本不断复利。

这就是我成长过程中所秉持的理念：平台应该让在其之上创造的价值比其内部捕获的价值更多，并且让每家公司都能持续创新，构建属于自己的价值。

当这一切实现时，企业将为自己及周围的经济创造价值。员工将看到自己的专业能力被放大，他们的判断成为可复制、可扩展的系统的一部分，而收益也会回馈给他们所在的公司和社区。

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