6000万人读了纳德拉的文章，但有几件事他没告诉你

本文来自微信公众号： TOP创新区研究院 ，作者： TOP创新区研究院，原文标题：《6000万人读了微软CEO纳德拉这篇文章，但有几件事他没告诉你……》，头图来自：视觉中国

微软的掌门人萨提亚·纳德拉（Satya Nadella）算得上是过去十年硅谷最成功的CEO之一。他上台的时候，微软正被Windows的旧辉煌拖着往下沉，是他硬生生把这家巨头拽上了云计算这条船。

6月中旬，纳德拉在社交媒体上发了一篇长文，标题是：A frontier without an ecosystem is not stable（没有生态系的前沿，无法长久）。

https://x.com/satyanadella/article/2066182223213293753

这篇探讨AI未来和生态的文章，很快就吸引了超过6000万人次阅读，在科技圈里引发了不小的震动。我们今天也来凑个热闹，说一下自己的理解。

一、三件事情

纳德拉这篇文章，其实核心就讲了这么几件事：

第一，这次的AI跟以前的技术变革不一样。

以前的数字化系统，主要是帮人提高效率，也就是个“辅助工具”；但现在的AI，能直接形成一个“人机认知闭环”，它不仅能帮你干活，甚至能直接把你的工作给接管了。

第二，他提出了两个“资本”的概念。

一个是“Token资本”（也就是大模型消耗的算力和推理成本），另一个是“人类资本”（你的行业经验、判断力和独特的私有数据）。

纳德拉认为，未来的赢家，是那些能把这两种资本结合起来，在公司内部形成一个不断自我修正的“学习闭环”的企业。

第三，AI必须是个“生态”，不能只是几个“前沿模型”。

这是他最想强调的一点，他警告说，如果AI时代所有的价值都收拢在少数几个做大模型的实验室里，整个社会和政治生态是绝对无法容忍的——因为这意味着大量行业被空心化。所以，必须让价值广泛地流向每一个行业、每一个国家。

对于具体的企业，纳德拉给出的药方是：管好你自己的“学习闭环”。

模型只是发动机，你公司的行业知识才是燃料和导航仪。把你的私有数据和行业经验留在公司内部，这样就算以后换了别的大模型，你的护城河也依然在。

听上去是不是挺振奋人心的？在这堆论述里，纳德拉确实说对了一个极其关键的痛点，也就是他那句在我们看来含金量最高的话：

“你可以外包一个任务，甚至一个岗位，但你永远无法外包你的学习。”

这话听上去极其有道理，但商业逻辑会认吗？

二、不掌勺的餐厅老板

我们先说说纳德拉说金句的那部分。

他说“你永远无法外包你的学习”，这其实点破了很多人用AI时的一个大误区。

我们可以打个很通俗的比方:

一个开餐馆的老板，以前是自己掌勺的。后来生意红火了，他雇了几个大厨，自己退到后面当管理。这时候，他虽然不亲自炒菜了，但他依然知道什么是好味道，因为他以前练过。大厨要是盐放多了，或者偷工减料，老板一尝就能尝出来。

但如果这个老板从来没下过厨房，从开业第一天起，就把炒菜这件事完全外包给了一个极其聪明的“炒菜机器人”。机器人炒什么，他就卖什么。

刚开始，机器人炒得又快又好。但时间一长，机器人的传感器可能会漂移，菜的味道开始慢慢变咸，或者变得平庸。

这时候，由于老板自己从来没有“学习”过炒菜，他根本尝不出菜品质量有所下滑。直到食客纷纷退单，他可能都不知道问题出在哪里。

在企业里用AI，也是一模一样的道理。

现在很多企业觉得，既然AI写代码、写文案、做分析这么快，那我们直接把这些基础岗位砍掉，全换成AI Agents不就行了？

短期来看，财务报表确实省钱了，效率也高了。但代价是，你的企业切断了员工“通过犯错来积累经验”的通道。

特别是那些刚入行的新人，本来是要在写烂代码、写废文案的摩擦中，慢慢摸索出什么是“好”、什么是“坏”的。现在这个过程被AI代替了，新人直接成了“提示词搬运工”。

过了五年、十年，当这批新人变成管理层的时候，他们将完全失去评估AI输出质量的能力。AI给他们一个看似完美实则充满逻辑漏洞的方案，他们也会深信不疑地签字执行。

这就是为什么纳德拉说你不能外包学习。

你放弃了执行的摩擦，也就放弃了评估的能力，而一个失去了评估能力的组织，距离彻底失控也就不远了。

三、微软的算盘

既然纳德拉的道理这么通透，那他为什么要在这个时候，苦口婆心地写这么一长篇文章来劝大家呢？

这就得看看微软自己的处境了。

微软现在是全球最大的AI推手之一，它给OpenAI砸了上百亿美元，把所有的产品线都贴上了Copilot的标签。

但微软的核心商业模式到底是什么？

说白了，微软不是卖大模型的，它是卖云计算（Azure）的。

这就好比当年淘金热的时候，微软不是那个在河里筛金子的人，他是那个在路口卖铲子、牛仔裤和纯净水的人。

如果大家都觉得，AI时代最后只有OpenAI、谷歌、Meta这几家手握万卡算力的巨头才能活下来，其他中小企业根本没有机会。

那大家会怎么做？

大家就会放弃挣扎。

要么直接买现成的服务，要么干脆不入局。

这样一来，谁还会去买微软昂贵的Azure云算力？谁还会去租那些昂贵的GPU？

所以，纳德拉必须讲一个好听的故事。

他必须让所有行业——卖房子的、开医院的、做教育的、甚至开面馆的——都相信：

“你们不用怕大模型巨头。你们手里的行业数据、你们的业务经验，才是最值钱的燃料。只要你们把这些数据放进我们的云端，买我们的算力，建起你们自己的‘学习回路’，你们就能建起自己的护城河。”

这个故事讲得越动听，相信的企业越多，微软的云服务就卖得越火。

但这里面有一个巨大的逻辑漏洞。

纳德拉假设，你喂给AI的行业知识（人类资本），是永远属于你自己的护城河。但这真的成立吗？

计算机历史上有一个著名的“苦涩的教训”（The Bitter Lesson），大意是：人类试图教给计算机的那些精妙的、专业的行业规则，在长期来看，总是会被简单粗暴的“通用算力和算法”彻底击败。

现在，你需要用自己的私有数据去做RAG（检索增强生成）或者微调，是因为大模型还不够聪明。但如果再过两代，大模型的逻辑推理和泛化能力上了一个大台阶，它甚至不需要看你的私有数据，光凭常识就能推导出来你这个行业的最佳解决方案。

到那个时候，你辛辛苦苦建立的行业知识护城河，在更聪明的通用AI面前，可能就像纸糊的一样，一戳就破。

四、平台的铁拳

退一步讲，就算你的行业数据真的有深度，通用AI一时半会学不会，平台就会客客气气地让你在上面赚大钱吗？

不会。

因为在平台经济学里，有一个“吸引力利润守恒定律”。

简单来说，当某一个环节变得不赚钱（比如大模型竞争激烈，调用价格跌成白菜价），利润并不会消失，它会流向相邻的、最稀缺的环节。

如果大模型本身不赚钱了，那最赚钱的环节是什么？

当然是控制着用户入口、掌握着分发渠道的平台。

纳德拉在文章里很慷慨地表示，平台带给上面的生态价值，要远远大于平台自己拿走的。

但科技史告诉我们，平台在弱小的时候，确实是这么做的。当年苹果刚推出App Store的时候，对开发者极尽温柔，孵化出了无数精彩的第三方应用。

但等生态建好了，用户离不开了，30%的“苹果税”就砸了下来。

不仅如此，只要苹果发现某个第三方手电筒、天气或者降噪App特别赚钱，它就会在下一次系统更新时，把这个功能直接做进iOS系统里。

微软也是这方面的高手。

你现在租着微软的Azure，用着微软的接口，哼哧哼哧地在垂直领域开发出了一个非常好用的AI报销工具。微软通过后台数据，一眼就能看到这个工具的日活、留存和利润率。

如果这个业务一年只能赚个几十万，微软可能懒得理你。但如果这个业务一年能赚几十亿，你觉得微软的管理层，在华尔街对财务报表的压力下，能忍住不把这个功能直接做进Office 365里吗？

平台的克制，从来都不是靠道德和哲学，而是取决于它面临的竞争压力。指望平台自觉保持克制，这在商业上是靠不住的。

五、数字化的铁锈地带

纳德拉在文章里还拿“全球化”来当教训。

他说，上一轮全球化虽然让全球经济总量上去了，但却让很多本地社区空心化了，比如美国的铁锈地带，工厂倒闭，工人失业。

他说我们这次搞AI，绝对不能再走这条老路，要让每个国家、每个行业都享受到好处。

这话说得非常有悲天悯人的情怀。但全球化当年之所以造成铁锈地带，并不是因为那些地方的工人们不够努力，也不是因为他们没有“拥抱学习”。

而是因为资本和技术长了翅膀，可以满世界飞，哪里便宜去哪里；而人却长着脚，受限于家庭、土地和文化，是粘在本地的。

在AI时代，这种“移动性”的差距被拉得更大了。

大模型、算力中心、顶尖的AI科学家（资本与技术），高度集中在极少数几个国家的极少数公司手里。而那些具体的业务场景、本地的客服、初级的程序员、文员（劳动力），则是高度粘滞在本地的。

如果按照纳德拉的设想，全球的企业都跑去租用西雅图或者硅谷的API，把本地的数据和业务逻辑传过去，再换回“智能”服务，这在经济学上，其实是一个非常经典的“核心-边缘”依附模型。

过去几百年里，落后国家把石油、铁矿石等原材料低价卖给发达国家，再高价买回汽车和机器，结果永远处于产业链的底层。

如果以后，我们把本地的原始数据和行业经验（AI时代的铁矿石），源源不断地送去喂养美国的几个超级模型，再按月付费买回“智能服务”（AI时代的汽车）。那么，我们所谓的“拥有了自己的学习回路”，不过是给地主家多干了几天活。

这种结构性的分配不均，是一个极其严肃的主权与地缘政治经济学问题。

好了，如果连纳德拉这样的行业领袖给出的药方都有这么多局限，那作为一个具体的企业，我们该怎么在这个时代活得好一点？

1，比起数据，更要留下那些能“挑刺”的人。

不要盲目觉得堆积数据就能建起护城河。AI时代，最稀缺的不是能用AI干活的人，而是那些能尝出AI这锅菜里有没有多放盐的人。

在大家都用AI降本增效的时候，企业必须保留一小拨真正懂底层原理、不依赖AI也能解决问题的硬核专家。他们是你的“灾备系统”。一旦哪天AI接口断了，或者模型出现了系统性幻觉，这群人是唯一能救你命的人。

2，小团队要发挥“转速快”的优势。

如果你是一家小企业或者创业团队，不要去跟大公司比拼谁的资源多，要跟他们比“学习闭环的转动速度”。大公司开会研究怎么用AI的时间，足够你们把业务跑通好几十次了。

在快速迭代面前，很多看似坚固的行业门槛，其实很容易被冲垮。

纳德拉的文章写得确实很漂亮，里面的很多洞察也极具启发性。但作为在地面上干活的人，我们得时刻记住：看风景的人可以谈论诗和远方，但赶路的人，脚下必须踩着坚硬的土地。