一个感受
最近我越来越觉得，现在用AI的方式，可能正悄悄把自己用”便宜”了。
为什么这么说？拿我自己举例。以前我遇到个问题，顺手丢给AI，它秒回一个漂亮答案，我复制、粘贴、收工——特别爽。可过段时间，同样的问题又冒出来，我还是得从头再问一遍。一年下来问了上千次，回头一看，我自己其实什么都没攒下。 看着像我在驾驭AI，可仔细想想，更像是在反复租它，用完就还，半点东西没留在自己身上。
后来我读到微软CEO纳德拉（Satya Nadella）刚发的一篇短文，一下子被点醒了。他造了个新词——”token资本“。我个人觉得，这可能是AI时代到现在为止，最值钱、也最被低估的一个概念，忍不住想跟你聊聊。
全网都在转他说了啥。但我自己读下来，有两件最要紧的事，好像很少有人讲透：
第一，他这话，一半是真知灼见，一半是生意人的卡位。 这层不点破，容易被一个万亿巨头悄悄带了节奏。
第二，他通篇在讲公司，可我把”公司”换成”我自己”，发现一个字都不用改。 这层想通了，这篇东西才是真的价值
我先把他的核心捋下。
纳德拉到底说了什么
第一句：以后每家公司，都要同时经营两种资本。
一种是我们熟悉的”人力资本”——员工的知识、判断力、人脉、创造力。
另一种是他造的新词”token资本”——公司自己构建、自己拥有的AI能力（之所以叫token，因为大模型处理信息的最小单位就是token）。
最反直觉、也最关键的一点是：这两者不是此消彼长。token资本越强，人反而越值钱。 因为永远是人在定方向、串线索、识别规律。他有句话说得特别狠——没有人指方向，再强的算力，也只是在原地打转。
第二句：怎么判断你是不是真的”拥有”AI能力？只有一条标准。
不是看你用的模型跑分多高，而是问一句话——
你能不能随时换掉底层那个大模型，而不丢掉你沉淀下来的全部专有经验？
能，说明AI能力是你的；不能，说明你只是在租别人的脑子。纳德拉打了个特别戳人的比方：
你公司里那个干了十年、什么坑都踩过、什么客户都摸透的”老兵”，他的全部经验，你能不能装进一个系统，让他哪怕换了模型、甚至哪天离职，那身本事也带不走？
能做到，这就是你的护城河；做不到，他一走，知识归零。这，就是数据主权的试金石。
第三句：他撂下了一句颇有火药味的政治警告。
他拿全球化做类比，话说得挺重：第一轮全球化时，GDP数字光鲜亮丽，可整个产业被外包掏空，无数产业工人流离失所，后果至今没消。如果AI时代重演这一幕——少数几个模型吞掉所有行业的知识和价值——他的判断是，”政治经济体系不会容忍这种结局”。所以他主张的，是建一个”前沿生态”，而不只是一个”前沿模型”。
到这儿，市面上的转述基本就停了。但我觉得真正的价值，在后面。
为什么偏偏是微软CEO说这话？
读这种巨头大佬的长文，我有个习惯，会先多问自己一句——他屁股坐在哪？
倒不是抬杠，是别被”为生态请命”的高姿态轻易感动。咱们把AI产业拆成三层看就清楚了：
– 模型层：GPT、Claude、Gemini这些最顶尖的大模型。
– 编排层（harness）：把模型用起来的工具——VS Code、GitHub、各种Agent框架。
– 数据层（context）：企业自己的工作流、文档、客户数据
再看微软手里攥着什么：编排层，它有（GitHub、VS Code、Azure AI Foundry）；数据层，它有（M365把全球企业的数据攥在手里）。唯独那个最顶尖的前沿模型，微软自己造不出来——它得靠OpenAI。
把这点想明白，纳德拉这篇我就读通了。有评论一针见血地点破：他真正需要的，是让模型层变成可以随时替换的廉价插件——只有模型变成大路货，价值才会从模型层，哗哗地流向他牢牢攥在手里的编排层和数据层。
说穿了——他喊”别让少数模型吃掉一切”，有很大一部分原因是：吃掉一切的那几个模型里，偏偏没有微软。
我倒不是说他在忽悠。”token资本””学习飞轮”这些概念本身真实而有价值，我自己也很受用。但心里得有数：这同时是一份措辞精致的卡位檄文。 一个掌握着整条生态的人，当然盼着模型变成大路货——就像卖铲子的，永远盼着挖金子的越多越好、铲子越标准越好。
把这层看穿，我以后再读任何巨头的”行业预言”，都会多一分清醒。顺带提一句，纳德拉自己也承认对堆token这事儿”上瘾”，但他也提醒：纯靠烧算力堆不出真实增长，得算账——生产力提升的边际成本，要对得起token的边际成本。这话，我觉得企业听得，咱们散户用AI炒股的，更该听。
把”公司”换成”我自己”
讲了半天公司，但我不自觉的落到自己身上的那一层。
纳德拉全篇在谈企业，但他有一句话，我读到的时候心里咯噔一下，因为它对个人一字不差地成立，而且分量最重：
你能外包一项任务，甚至一整份工作，但你永远没法外包你自己的学习。
我把他这套框架，降一个维度套到自己身上，越想越通：
– 我的人力资本，是这些年用真金白银和时间换来的判断力、经验、人脉。
– 我的token资本，是我和AI之间那个被我反复打磨的协作回路——我怎么向它提问，喂给它哪些独家资料，攒下了哪些别人没有的提示词和工作流，它对我这一行有多懂。
我越来越相信，这个回路，才是AI时代真正抄不走的个人护城河。 因为模型谁都能用、跑分谁都看得到，但”我怎么用它、用它干我最懂的那件事”——是独一份的，是我自己的。
也正因为这样，回头再看文章开头我说的那个毛病——什么都丢给AI、自己不想不记不沉淀、问完就走——我才有点后怕。
那其实是在把自己慢慢打磨成一个”随时可被替换”的环节。纳德拉担心整个产业被掏空，落到我自己身上，道理是一样的。
那怎么办呢？我感觉我肯定没有微软的资源，但如何改变呢？如何开始攒自己的token资本。结合最近各处学习AI的经验（今年付了不少费学习 AI），我打算做三个动作，供你参考：
1. 给自己建一个私有知识库。 我在把自己这行的硬核资料、踩过的坑、总结出来的方法论，慢慢沉淀成文档，让AI随时能调用。这其实就是我自己的”组织记忆”——只不过这个”组织”，现在就我一个人，后面用顺了会推广到我们整个公司。
2. 记决策日志，再喂给AI复盘。 这条我做投资的体会最深：每一笔交易的逻辑、当时怎么判断的、事后结果如何，我都尽量记下来。这套东西越积越厚，AI帮我复盘时就越懂我、越到位。这，就是纳德拉说的”学习飞轮”，它会复利。
3. 把重复的活儿固化成模板。 我现在尽量不每次都从一张白纸开始问，而是把好用的流程存下来。每打磨一次，下一次就更省力——复利就是这么一点点滚起来的。
模型会一代代迭代、被淘汰，但我和AI之间攒下的这套东西，不会随模型清零。这，就是只属于我自己的token资本——也是我特别想说的。
如何让自己更值钱
纳德拉这篇，撇开微软那点卡位的小算盘，内核我特别认同的是一句话：
AI时代真正值钱的，从来不是你用的是哪个模型，而是你和AI之间那台越转越快、别人怎么也复制不走的”学习机器”。
公司是这样，我相信咱们普通人也一样。
这台机器有个好处：它会复利。所以今天开始攒，和明年才开始攒，几年后大概率是两个样子。我自己也是刚上路，谈不上多懂，就是觉得这事儿想明白了挺重要，赶紧拉上你一起。
下面附上纳德拉的全文翻译，我强烈建议你亲自读一遍——这种一手材料，自己嚼一遍，胜过看一百篇转述（包括我这篇）。
—
【原文翻译】没有生态支撑的前沿技术，注定无法行稳致远
作者：Satya Nadella（微软CEO）
最近，我一直在深思：在由人工智能驱动的经济浪潮中，企业的未来究竟在哪里？
这次变革与以往任何一次平台更迭都截然不同。过去，我们只是用数字化系统来提升人的工作效率。但这一次，我们破天荒地在人类与数字系统之间，建立起了一个真正的”认知循环”（cognitive loop）。这是个颠覆认知的概念，因为它彻底改变了我们对企业内部”工作”本质的定义。
当AI模型能够源源不断地吸收人类和组织的专业知识，并将其变成廉价的大众商品时，真正的危机就出现了。我们面临的关键挑战，不再只是如何使用某个数字工具或系统，而是企业该如何在这个全新世界里持续学习、积累知识产权（IP）、保持独特性，并茁壮成长。
每家公司都必须构建两种资本：一种是我们熟知的”人力资本”，另一种我称之为”token资本”。人力资本，是员工的知识储备、判断力、人脉、创造力以及识别规律的能力；token资本，则是企业自身打造并掌控的AI实力（这个词很形象，因为大语言模型处理信息的基本单位就是token）。
必须强调：随着token资本壮大，人力资本并不会贬值，反而会比以往任何时候都更宝贵。我坚信，人的主观能动性，将是推动token资本增长的核心引擎。人类负责设定宏大目标、跨领域串联线索、建立关系网、洞察最关键的规律。如果没有人在前方指引方向，那些强大的算力，不过是在原地打转。
这意味着，真正的机遇并不在于你去市面上挑一个”最好”的模型，而在于如何在模型之上，构建一个能让人力资本和token资本产生复利效应的”学习循环”。你可以把一项任务、甚至一整个岗位外包出去，但你绝对不能把”学习能力”外包掉。企业未来的核心竞争力，就在于能否在人与AI之间，不断积累并放大这种学习能力。
这需要一种全新的架构思路：每家企业都要能构建出可以随时间自我迭代的AI智能体系统（agentic systems），同时牢牢掌控自己的知识产权。一家公司，应该能够随时替换掉底层那个”通才模型”，而不丢失已经沉淀在系统里、像”公司老兵”一样丰富的专业经验。在未来，这将是检验企业是否拥有数据控制权与技术主权的关键”试金石”。
企业需要把自身的工作流、领域知识、以及多年积累的判断力，统统转化为”每用一次就自我进化”的AI系统。企业应当建立私有评估机制（private evals）——也就是针对自身真实业务场景定制的模型测试标准，用来检验模型是否真的在那些对企业有价值的结果上取得了进步，而不能只盯着外部的公开跑分自嗨。专属的强化学习环境，应该让模型通过吸收组织内部真实的业务数据和工作轨迹，变得越来越强。这样的专属知识库，能让组织记忆随时可被检索，也让token的运转效率大幅提升。
这种循环，将成为企业全新的知识产权。我把它想象成一台不断向上攀登的机器（hill climbing machine）。而且与大多数资产不同，它具有强大的复利效应——每一个被优化的工作流，都会产生更优质的训练信号，从而加速这家企业独有的隐性知识（tacit knowledge）的积累。那些尽早布局、构建起这种循环的公司，将获得一道难以复制的护城河，无论市面上又冒出什么能力炸裂的新模型，都无法轻易撼动它。
我们最不愿看到的，就是各行各业的公司，都在向少数几个”贪婪吞噬一切”的巨头模型割让价值。如果所有经济价值都被少数模型垄断，政治经济体制是绝对无法容忍的。社会，也绝不会允许一个让整个产业被彻底掏空的AI未来。
回想全球化初期：大规模业务外包，曾让许多工业经济体被彻底掏空。表面上GDP数据依然光鲜，但大量产业工人流离失所是血淋淋的现实，其后果至今未消。我们绝不能让这一幕在AI时代重演——决不能让少数几个AI系统攫取所有的经济回报，而整个行业的从业者，却只能眼睁睁看着自己赖以生存的专业知识被廉价化。
在我看来，我们的当务之急，不只是打造前沿模型，更要构建一个繁荣的”前沿生态系统”。只有这样，价值才能像活水一样，广泛地流向每一家公司、每一个行业、每一个国家。在这个生态里，每个组织都能拥有属于自己的学习循环，把组织智慧沉淀其中，让人力资本与token资本一起滚雪球式增长。
这也是伴随我整个职业生涯的核心理念：真正的平台，能让在它之上生长出来的价值，远远大于平台自身截留的价值。在这样的生态里，每家公司都能持续创新，构建属于自己的真正价值。
当这一切实现时，企业不仅能为自己、也能为身边的整个经济体创造巨大红利。员工会看到自己的专业技能被无限放大，个人的判断力被融入系统，变得可复制、可规模化。而这一切的好处，最终会回馈给企业，以及他们所在的广大社区。
这，才是企业为自身、也为宏观经济创造价值的正确方式。这，也是我们应当携手共建的、稳定而持久的生态平衡。
AI深水区同行交流，扫码加入我的知识星球，长期拆解商业新机会。↓↓↓
