我一直在思考企业在 AI 驱动的经济中的未来。

这次转型不同于以往任何平台转变。过去，我们使用数字系统来增强人力资本。而这是我们首次能够在人与数字系统之间建立真正的认知循环（cognitive loop）。这令人震撼，因为它改变了我们甚至如何在企业内部概念化“工作”。

利害攸关的不是某个数字工具或系统及其使用，而是组织如何继续学习、构建知识产权、实现差异化，并在 AI 模型能够持续吸收人类和组织的专业知识并将其商品化的世界中蓬勃发展。

每家公司都将不得不构建我所称的人力资本（human capital）和令牌资本（token capital）。人力资本包括员工的知识、判断、人际关系、创造力和模式识别能力，而令牌资本则是公司构建并拥有的 AI 能力。

重要的是，随着令牌资本的增长，人力资本并不会变得不那么有价值。它只会变得更有价值！我相信，人类能动性（human agency）将是令牌资本增长的驱动力。人类将设定雄心勃勃的目标、跨领域连接点、构建关系，并识别最重要的模式。没有人类的方向，你只会得到原地打转的计算。

这意味着真正的机会不在于挑选最好的模型，而在于在模型之上构建一个学习循环（learning loop），让人力资本和令牌资本能够复合增长（compound）。你可以外包一项任务，甚至一份工作，但你永远无法外包你的学习。企业的未来在于跨人和 AI 复合这种学习的能力。

这需要一种新的架构方法，让每个企业都能构建随时间改进的智能体系统（agentic systems），同时仍保留对其知识产权的控制。一家公司应该能够更换一个“通用”模型，而不会丢失已嵌入其学习系统的“公司资深专家”专业知识。这是你在即将到来的时代对控制权和主权的关键“检验”。

公司需要将工作流程、领域知识和积累的判断转化为 AI 系统，这些系统在使用过程中不断改进。私有评估（private evals）应能捕捉模型是否真正针对业务重要的结果而改进（而不仅仅是外部基准！）。私有强化学习环境应让模型在来自组织内部的真实轨迹上变得更强。其知识库使机构记忆（institutional memory）可查询，并提高令牌使用的效率。

这个循环成为公司的新知识产权。我将其视为一台爬山机器（hill climbing machine）。与大多数资产不同，它是复合增长的。每一次改进的工作流程都会产生更好的训练信号，从而加速积累企业独有的默会知识。那些早期构建这一系统的公司将获得难以复制的优势，无论任何新的单个模型能力如何。

我们最不希望看到的是这样一个世界：每个行业、每个部门的每家公司都将价值让渡给少数几个“吞噬一切所见”的模型。如果所有价值都只积累在少数模型手中，政治经济（political economy）将根本无法容忍它。没有社会许可让 AI 未来掏空整个行业。

想想全球化第一阶段发生的事情：整个工业经济被外包掏空。GDP 数字表面上看起来不错，但人员和产业的位移是真实的，其后果至今仍在感受。让我们不要将这种动态带入 AI 时代，让少数 AI 系统攫取所有经济回报，而整个行业发现其知识从脚下被商品化。

在我看来，我们的首要任务必须是构建一个前沿生态系统（frontier ecosystem），而不仅仅是一个前沿模型（frontier model），从而让价值广泛流向每个公司、每个行业和每个国家。在这个系统中，每个组织都能拥有编码其机构知识的学习循环，复合其人力资本和令牌资本。

这是我成长过程中所秉持的理念：平台在顶部创造的价值多于其内部捕获的价值，每个公司都能持续创新并构建自己的价值。

当这种情况发生时，公司将为自己和周围的经济创造价值。员工将看到他们的专业知识被放大，他们的判断成为系统的一部分，使其可复制、可扩展，利益归属于公司及其周围的社区。

这就是公司如何为自己和更广泛的经济驱动价值的方式。这也是我们应该共同构建的稳定均衡状态。