纳德拉谈 AI 扩散：Token 是新的大宗商品

关于这场对话，最能揭示问题本质的并非任何单一的预测，而是萨提亚·纳德拉思考人工智能时所用的思维模型：tokens（代币）是一种商品，就像电力一样。GDP的增长将与一个国家将tokens转化为经济盈余的效率直接相关。其他一切，包括基础设施投资、技能培训计划、主权辩论，都源于这一前提。

背景

在2026年达沃斯世界经济论坛上，贝莱德（BlackRock）首席执行官拉里·芬克（Larry Fink）与纳德拉进行了一场44分钟的对话，这场对话与其说是关于微软的产品，不如说是关于人工智能如何重塑经济。芬克从投资者的角度出发：需求在哪里？这是一个泡沫吗？谁会被落下？纳德拉则带来了平台构建者的视角：关键在于普及，而非仰慕。

这场对话有一种特殊的质感。芬克不断地将话题引向公平问题（人工智能是否会扩大富国和穷国之间的差距？），而纳德拉则不断地将其重新定义为一个可以通过已知方案解决的工程问题：降低tokens的成本，将其普及到各个角落，提升人们的技能。

人工智能是一个连续的弧线

纳德拉不认为人工智能是一场突变。他将其视为70年计算发展历程中的最新篇章：大型机、小型机、客户端-服务器、Web、移动云，以及现在的人工智能。每个时代都将关于人、地点和事物的数字化信息进行提取，然后在之上构建分析和预测能力。

这次的不同之处在于抽象层次。他以软件工程的演进为例：代码补全（GitHub Copilot）发展到基于聊天的问答，进而发展到基于任务的代理，最终发展到全天候工作的完全自主的编码代理。但即使有了自主代理，人类开发者仍然拥有自主权。他明确反驳了人工智能在人类控制之外运作的说法。

他的类比引人注目：在20世纪80年代初，如果你告诉人们，将有40亿人每天早上醒来就开始打字，他们会问为什么。“我们有打字员，这就足够了。”但个人电脑创造了一个全新的类别，叫做知识工作。他认为，人工智能将再次做同样的事情，而且规模将扩大10倍到100倍。

他还引用了比尔·盖茨（Bill Gates）过去提出的问题：文档、网站和应用程序之间的真正区别是什么？过去的答案是缺乏可以在它们之间进行转换的软件。人工智能解决了这个问题。你写一份文档，说“把它变成一个网站”，它就会生成代码。说“把它变成一个应用程序”，它就会再次转换。

代币经济框架

这是这场对话的核心思想贡献。纳德拉提出了一个简单的公式：每美元每瓦特的tokens数量。他声称，这个指标将与任何经济体的GDP增长直接相关。

逻辑链条：

1. Tokens是新的商品，就像电力一样
2. 每个经济体的任务都是将tokens转化为经济盈余
3. Tokens越便宜、越丰富，创造的盈余就越多
4. 因此，基础设施的挑战是在各地建设“token工厂”，连接到电网和电信网络

他指出，tokens的价格大约每三个月下降一半。这种通货紧缩的曲线意味着任何国家或公司都可以围绕一种价格迅速接近于零的商品进行规划。约束因素不是tokens本身的成本，而是周围的基础设施：能源、数据中心、建设成本、电网现代化。

“We’ve got a new commodity, its tokens. And the job of every economy and every firm in the economy is to translate these tokens into economic growth.” 我们有了一种新商品，那就是 token。每个经济体和经济体中每家公司的任务，都是把这些 token 转化为经济增长。

芬克用贝莱德的一个具体数据点验证了这一点：过去需要12小时计算的过程现在只需几分钟。他们管理着14万亿美元的资产，涉及数十万项授权，如果没有人工智能，他们根本无法以目前的规模运营。

泡沫检验

当芬克提出人工智能泡沫的问题时，纳德拉提供了一个清晰的诊断：

“A telltale sign of a bubble would be if all we’re talking about are the tech firms.” 泡沫的一个明显迹象是，如果我们只在谈论科技公司。

如果对话停留在供应侧（芯片、模型、基础设施支出），那就是泡沫区域。证明它不是泡沫的证据是，当你开始听到关于人工智能加速药物通过临床试验，或者金融服务公司转型其运营的消息时。这甚至不是关于“神奇分子”的问题，而是关于人工智能加速围绕它的整个流程的问题。

他比谨慎更自信：人工智能将建立在云和移动的基础之上，比以前的技术传播得更快，并改变生产力曲线。但他区分了两种类型的经济增长：资本支出驱动的增长（我们现在看到的，主要在美国）和盈余驱动的增长（需要在各地发生的）。前者是一种狭隘的、暂时的计算。后者才是真正的奖励。

普及至关重要

纳德拉最尖锐的观点：如果人工智能没有在各个行业和国家创造真正的经济盈余，“我们很快就会失去使用能源（一种稀缺资源）来生成这些tokens的社会许可。”

与个人电脑时代不同，人工智能可以利用移动互联网已经铺设的轨道。Tokens的产出“几乎随处可见”。他引用了2023年初的一个案例：印度农村的一位农民使用基于早期GPT模型构建的聊天机器人，用当地语言查询农业补贴，甚至填写了表格。“它给那些可能因为技术的可及性较低而没有自主权的人带来了自主权。”

在国家层面的采用方面，他出人意料地乐观。雅加达、伊斯坦布尔和墨西哥城的开发者和创业公司的质量与西雅图或旧金山“没有太大区别”。他说，这是“至少我见过的传播最均匀的技术”。

但要实现大规模采用，必须满足三个条件：吸引基础设施支出的资本投资环境、电网现代化（一项根本性的公共部门责任）以及公司实际使用该技术的需求侧推动。技能提升也很重要。他将此与个人电脑时代进行了类比，当时学习Excel或Word与找到工作直接相关。人工智能需要同样的职业联系：掌握这项技能，成为现实经济中某种产品或服务的更好提供者。

组织反转

对话中最实用的一部分。纳德拉描述了人工智能如何反转组织内部的信息流。他准备达沃斯会议的例子就很有启发性：准备50场双边会议过去需要现场团队写笔记，总部进行完善，信息通过部门向上层层传递。从他1992年加入微软到几年前，情况一直没有改变。现在他要求Copilot提供每场会议的简报。人工智能给他一个360度的视角：微软作为他们的客户所做的事情，他们作为微软的客户所做的事情，投资关系，一切。然后他立即在所有职能部门分享这份简报。

“It’s a complete inversion of how information flows in the organization. It’s not the classic departments and trickle-up anymore.” 这是组织内部信息流的完全反转。不再是经典的部门化和自下而上的涓滴模式了。

他提出的组织转型公式：

1. 心态：领导者必须致力于改变工作方式，而不仅仅是采用工具
2. 技能：你不能抽象地谈论人工智能；你必须使用它并学会设置护栏
3. 数据集（上下文工程）：人工智能的好坏取决于你提供给它的上下文。公司部门和工作流程中积累的隐性知识需要成为人工智能的上下文

他观察到了一种杠铃效应：从头开始的小公司原生采用人工智能工具。大型组织具有优势（关系、数据、专有技术），但面临着巨大的变革管理挑战。双方都不能松懈。

“If your rate of change doesn’t keep up with what’s possible, you’re going to get schooled by someone small being able to achieve scale because of these tools.” 如果你的变化速度跟不上技术可能性，你就会被那些凭借这些工具实现规模化的小公司击败。

在行业比较方面：美国金融业采用人工智能的速度比早期采用云的速度快“天壤之别”，部分原因是阻碍云采用的监管障碍并没有以同样的方式适用。

欧洲悖论

这可能是对话中政治色彩最浓厚的部分，纳德拉并没有回避。他对欧洲的信息是：停止防御性地思考主权问题，开始思考全球竞争力。

他的论点：从德国的“中型企业”（Mittelstand）制造商到瑞士的制药和金融服务公司，欧洲公司一直通过生产世界需要的东西而蓬勃发展。“当我去美国的一家珠宝店或牙科诊所时，我周围都是德国中型企业的产品。”欧洲经济在过去200-300年里的奇迹是全球竞争力，而不是保护主义。

他对数据主权提出了一个反直觉的观点：欧洲应该更关心其工业和金融公司是否能够访问来自美国和世界其他地区的数据，而不是痴迷于保护欧洲数据不外流。只有当你的产出具有全球竞争力时，你才具有竞争力。

关于能源：欧洲对进口能源的依赖是一个真正的制约因素。每美元每瓦特的tokens数量意味着昂贵的能源直接转化为竞争力较弱的人工智能。他承认了这一点，没有粉饰：电网现代化是一项公共部门的责任，不能完全通过“表后”的私人解决方案来解决。

企业主权：被忽视的战场

对话中最有新意的想法。纳德拉预测，主权辩论将从国家转向企业：

“If your firm is not able to embed the tacit knowledge of the firm in a set of weights in a model that you control, by definition you have no sovereignty. That means you’re leaking enterprise value to some model company somewhere.” 如果你的公司无法将隐性知识嵌入到自己控制的模型权重中，从定义上讲，你就没有主权。这意味着你正在把企业价值泄漏给某处的某家模型公司。

用他的话说，数据中心的物理位置是“最不重要的事情”。光速自然会在全球范围内分布数据中心。加密和密钥管理是技术上已经解决的问题。重要的是你是否拥有自己组织提炼出来的智能。

他引用了大卫·李嘉图（David Ricardo）的观点：比较优势是真实存在的，无论是在国家还是在公司中。这需要在人工智能时代得到保留。

他的建议：这是一个多模型的世界。制胜的公式是协调多个模型（闭源、开源、自建），将你的专有上下文提供给它们，并确保由此产生的推理轨迹和能力成为你控制的知识产权。这就是整个图景。

“David Ricardo was not wrong. There’s comparative advantage in countries. There is comparative advantage in firms. That needs to be preserved even in the AI era.” 大卫·李嘉图没有错。国家之间存在比较优势，公司之间也存在比较优势。即使在 AI 时代，这也需要被保留。

一个值得注意的缺失：在整个对话中，纳德拉从未明确提及OpenAI的名字，同时反复强调“多模型世界”以及企业构建自己模型的重要性。这与微软最近扩大与多个模型提供商的合作的战略相一致。

一些想法

这场对话比大多数达沃斯论坛更有用，因为纳德拉始终提供框架而不是预测。每美元每瓦特的tokens数量的公式足够简单，可以付诸行动，无论你是一个规划基础设施的国家，还是一个规划人工智能采用的公司。

• 对人工智能tokens的“商品”框架很有力，因为它立即提出了正确的问题：谁是成本最低的生产者？供应链中的瓶颈在哪里？你如何确保公平分配？
• 泡沫诊断很优雅：如果非科技公司没有从中受益，那就是泡沫。如果他们从中受益，那就是平台转型。
• 企业主权的论点确实是新颖的。大多数主权辩论都是关于国家的。纳德拉的观点是，公司是更紧迫的分析单位，而模型依赖是实际的风险，这重构了整个对话。
• 组织内部的信息反转（从层级式的自下而上到人工智能扁平化的分配）是一种一旦说出来就显得显而易见的观察，但对公司的组织方式具有巨大的结构性影响。
• 他拒绝将人工智能定义为一场突变，而是坚持认为它是70年发展历程中的最新篇章，这既有历史依据，又具有战略意义。这表明以前的平台转型中的策略仍然适用：普及决定胜者，而不是发明。