9
0微软 CEO 萨提亚·纳德拉再次发长文，呼吁企业把 AI 产生的学习成果留在自己手中。他将当前的风险称为「反向信息悖论」：企业不仅要花钱购买 AI，还可能交出最宝贵的内部经验。
模型越想做得准，企业就要提供越多业务信息。员工写下的提示词、调用过的工具、内部评测和纠错记录，都会沉淀为公司独有的知识。但在现有模式下，这些信息也可能反过来帮助模型厂商改进产品。
纳德拉批评，部分模型公司认为自己可以学习互联网上的公开内容，却限制客户利用模型输出训练自己的系统，同时还可能从客户的使用记录中继续学习。知识如果只向供应商一侧流动，企业投入的人力和经验，最后就可能变成模型巨头的资产。
他呼吁企业掌握自己的评测、记忆、运行轨迹和微调权重，并将 Agent 编排层与单一模型分开。即使模型厂商退出或涨价，企业积累的业务能力也不至于随之丢失。
一个月前，纳德拉已经提出「人力资本与 Token 资本」框架，警告企业不能把学习能力外包出去。
一：反向信息悖论：AI 时代的知识产权新困局
- 诺贝尔奖得主阿罗的信息悖论是卖家怕白给知识，AI 时代的反向信息悖论却是买家怕泄露知识——用智能越深，泄密越多
- 企业要为智能付两次钱：一次是服务费，另一次是必须交出去的专属知识、使用痕迹、修正记录
- 使用越多，信息不对称越严重——模型供应商对你的了解越来越深，你却不知道它从你这里学到了什么
- 专利解决了阿罗悖论，但反向信息悖论至今没有制度性解决方案
二：信任边界：企业的五道护城河
- 第一道：把好坏的评判权攥在自己手里——建立私有评估标准，只有你才知道自己公司什么叫"做得好"
- 第二道：搭好专属训练场——在私有边界里跑微调和训练，让模型跟着真实工作流学习，知识零泄露
- 第三道：调度层与模型解耦——不绑定任何单一模型，随时能切，沉淀的专属能力不走
- 第四道：灵活组合上下文、模型和任务，用最高效的方式跑通流程，不牺牲效果
- 第五道：形成持续学习飞轮——前四件事到位后，AI 投入不断放大公司价值，实现复利增长
三：从保护信息到保护学习能力
- 云时代企业积累的是数据，AI 时代积累的是学习能力——信任边界必须跟着进化
- 卡普的名言直指核心：企业要的是对算力、模型、数据栈和核心竞争力的控制权
- 现在的行业惯例恰恰在反向操作：保留从客户使用数据中学习的权利，却对知识蒸馏施加严格限制
- 学习不能只往一个方向流——经济价值不能只向基础设施拥有者集中，学习基础设施必须分发到每一家企业手里
