---
layout: post.njk
source: https://blog.qiaomu.ai/nadhella-ai-learning-flywheel
speaker: 向阳乔木
title: 纳德拉万字长文：别抢模型了，你缺的是学习飞轮 · 乔木博客
date: '2026-06-16'
summary: 纳德拉提出在AI时代，真正的竞争不在于抢占最好的模型，而在于构建自己的学习飞轮。他强调公司需要同时积累人类资本和Token资本，认为没有人的方向指引，算力只是原地打转。通过建立私有评估体系、强化学习环境和知识库，将工作流转化为持续复利的护城河，实现AI主权。
area: PAI
category: ai-workflow
tags:
  - learning-flywheel
  - human-capital
  - token-capital
  - private-evaluations
people:
  - Narendra
companies_orgs: []
products_models: []
media_books: []
draft: true
status: evergreen
---

乔木博客

全部

AI工具

AI教程

AI生成

AI资讯

健脑房

播客解读

论文学习

# 纳德拉万字长文：别抢模型了，你缺的是学习飞轮

AI资讯

·

2026年6月16日

·

81 次阅读

·

约 4 分钟

纳德拉在6月14日发了一篇长文，核心论点只有一句话：AI时代真正的竞争，不是抢最好的模型，而是建自己的学习飞轮。

这个判断，值得认真拆一拆。

:::qrcode 关注公众号

把二维码图片拖到这里，或粘贴图片链接。

:::

## 人类资本和Token资本，缺一不可

纳德拉提出了一个新的框架：每家公司未来都要同时积累两种资本。

一种是人类资本，也就是员工的知识、判断力、关系网络、创造力和模式识别能力。另一种是Token资本，也就是企业自己构建和拥有的AI能力。

很多人的直觉是：AI越强，人的价值越低。纳德拉的结论恰好相反。他认为，Token资本越增长，人类资本反而越值钱。原因很简单：没有人的方向指引，算力只是在原地打转。

设定目标、跨领域连接信息、建立关系、识别真正重要的模式，这些事情AI目前做不了，而且这些恰恰是驱动Token资本增长的引擎。

## 真正的护城河，是学习飞轮

纳德拉用了一个词：hill climbing machine（爬坡机器）。

这个比喻很准确。一家公司如果能把自己的工作流、领域知识、积累的判断力，全部转化成AI系统，并且让这个系统随着每次使用不断变好，那它建起来的就不只是一个工具，而是一条持续复利的护城河。

具体怎么做？他给出了三个关键组件：

私有评估体系（Private Evals）：用真正对业务有意义的结果来衡量模型是否在进步，而不是依赖外部公开基准。

私有强化学习环境：用企业内部真实的操作痕迹来训练模型，让它在公司自己的场景里越来越强。

知识库：让机构记忆可以被检索，让Token的使用更高效。

这个逻辑的关键在于：你可以把一项任务外包出去，甚至把一个岗位外包出去，但你没办法把学习本身外包出去。 停止学习的组织，迟早会发现自己的专业知识被模型商品化掉。

## 还有一个更大的担忧

纳德拉在文章后半段说了一件更重要的事。

他拿全球化第一阶段做类比：当年外包浪潮让GDP数字好看，但整个工业经济体的空心化是真实发生的，代价到今天还在承受。他担心AI时代重演这个剧本，只不过这次被空心化的不是某个地区的制造业，而是各行各业的知识积累。

如果所有价值都被少数几个模型收走，政治经济体系不会允许这种局面长期存在。 这不是道德呼吁，而是一个系统稳定性的判断。

所以他的结论是：微软的优先级，是建一个前沿生态系统，而不只是一个前沿模型。让每家公司都能拥有自己的学习飞轮，让价值流向每个企业、每个行业、每个国家。

## 对企业的实际含义

纳德拉还给出了一个具体的测试标准：一家公司应该能够随时换掉底层的"通用模型"，而不会丢失已经积累在系统里的"老员工经验"。 能做到这一点，才算真正掌握了自己的AI主权。

换句话说，如果你的AI能力完全依赖某一个外部模型，换模型就等于从零开始，那你其实什么都没有积累。

这是一个很实用的自检问题，适合现在正在做AI建设的团队认真问一问自己。

© 2026

·

向阳乔木