我一直在思考：在一个由 AI 驱动的经济中，企业的未来会是什么样子。
这一次转变与以往任何一次平台变迁都不同。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与数字系统之间建立起真正的认知闭环。这令人脑洞大开，因为它改变了我们对企业内部”工作”这件事的根本认知。
真正攸关的，并不是某个数字工具或系统及其用法，而是当 AI 模型能够持续吸收人类与组织的专业知识、并将其商品化时，组织该如何继续学习、构建 IP、形成差异化并保持繁荣。
每一家公司都将不得不构建我所谓的两种资本：人力资本与 token 资本。人力资本由其员工的知识、判断力、人脉关系、创造力和模式识别能力构成；而 token 资本，则是企业自己构建并拥有的 AI 能力。
值得强调的是，人力资本并不会因为 token 资本的增长而贬值，恰恰相反，它只会变得更有价值！我相信，人的能动性将是 token 资本增长的驱动力。人会设定雄心勃勃的目标，会跨领域把点连成线，会建立关系，会识别出那些最关键的模式。没有人的方向感，算力只会原地打转。
这意味着，真正的机会并不在于挑选最好的模型，而在于在模型之上构建一个学习闭环，让人力资本与 token 资本在其中复利增长。你可以把一项任务、甚至一份工作外包出去，但你永远无法把”学习”外包出去。企业的未来，正在于能否让这种学习在人与 AI 之间不断复利累积。
这需要一种全新的架构思路：每一项业务都能构建出随时间不断改进的 agentic 系统，同时又始终掌控着自己的 IP。一家公司应当能够替换掉某个”通才”模型，却不会丢失沉淀在其学习系统里的”公司老兵”般的专长。这正是衡量你在未来时代中是否拥有掌控权与主权的关键”试金石”。
公司需要把自己的工作流、领域知识和长期积累的判断力，转化为越用越好的 AI 系统。私有评测应当能够衡量一个模型是否真的在那些对业务至关重要的结果上有所改进（而不只是外部基准测试！）。私有的强化学习环境，应当让模型能够基于组织内部的真实轨迹不断变强。其知识库让机构记忆变得可查询，也让 token 的使用更加高效。
这个闭环，会成为企业新的 IP。我把它想象成一台爬山机器。而且与大多数资产不同，它会复利增长。每一次被改进的工作流都会产生更好的训练信号，从而加速积累这家企业独有的隐性知识。那些早早构建起这套系统的公司，将获得一种难以被复制的优势——无论任何单个模型又涌现出怎样的新能力。
我们所有人最不愿看到的，是这样一个世界：每个行业里的每一家公司，都把价值拱手让给少数几个吞噬一切所见之物的模型。如果所有价值最终只汇聚到少数几个模型手中，政治经济的现实根本不会容忍这种局面。一个掏空整个行业的 AI 未来，不会获得任何社会许可。
想想全球化第一阶段发生过什么：整片整片的工业经济被外包掏空。表面上 GDP 数字看起来还不错，但那场错位是真实的，其后果至今仍在被感受。我们不要把那套动态带进 AI 时代——让少数几个 AI 系统攫取全部经济回报，而一个又一个行业眼睁睁看着自己的知识在脚下被商品化、被釜底抽薪。
在我看来，我们的首要任务，必须是构建一个前沿生态系统，而不只是一个前沿模型，好让价值能够广泛流向每一家公司、每一个行业、每一个国家。在这样的生态里，每一个组织都能拥有那个编码着自身机构知识的学习闭环，让它的人力资本与 token 资本一同复利增长。
这正是我一路成长所信奉的理念：平台在其之上释放出的价值，应当多于它自身所攫取的价值；每一家公司都能持续创新，构建属于自己的价值。
当这一切成真时，公司既会为自己创造价值，也会为周遭的经济创造价值。员工会看到自己的专长被放大，看到自己的判断力成为某些系统的一部分——这些系统让判断力变得可复制、可规模化，而其收益将归于周围的公司与社区。
这才是公司为自身、也为更广阔的经济创造价值的方式。而这，正是我们应当携手共建的那个稳定均衡。