#模型时代# 萨提亚达沃斯警告：企业价值正单向流失给模型公司｜AI转型有三部曲，Token经济学重点在扩散

这两天是2026年达沃斯论坛，各大AI、技术领域大佬都现身发言了。这个访谈是贝莱德CEO拉里·芬克与微软CEO萨提亚·纳德拉，两位掌管万亿级资产和技术平台的CEO。讨论的也不是具体技术问题，而是把AI讨论从"技术有多牛"拉回到了一个更务实的问题：token到底怎么变成各地的经济增长？

萨提亚在对话中提出了一个核心公式：tokens per dollar per watt（每美元每瓦特产出的token数）。他认为这个指标将直接决定各国的GDP增长轨迹。

从去年年初开始大概，萨提亚就是这个叙事逻辑了，AI的重心在于赚钱，刺激经济增长。也没错，工业革命不就应该是这个使命么。

一、AI是什么级别的变革

萨提亚把AI定位为"至少与互联网、移动互联网、云计算同级，甚至更大"的平台转变。

但他给出了一个更底层的视角：过去70年的计算史，本质上是同一件事——把人、地点、事物数字化，然后用软件这种边际成本几乎为零的资源去分析和预测。大型机这么干，PC这么干，Web这么干，移动云时代还是这么干。AI只是这条弧线的延续，但加速度变了。

1、软件开发的四阶段演进

萨提亚用GitHub Copilot的发展轨迹来说明AI能力的跃升：

代码补全阶段，预测下一行代码，这是最早让他相信这一代AI真能成事的时刻。然后是对话模式，开发者可以在聊天界面问任何问题，答案直接用到代码流程里。接着是智能体模式（agent mode），可以分配小任务给AI。现在是完全自主智能体，"你可以把整个项目交给它，它能7×24小时工作"。

他特别强调了一点：即便到了自主智能体阶段，软件开发者仍然拥有大量agency（主导权）。所以不要把AI想象成脱离人类掌控的东西。

2、代码即文档，文档即应用

萨提亚提到比尔·盖茨从1992年就在问的一个问题："文档、网站和应用的本质区别是什么？"答案是软件能否自我转换。

AI终于实现了这一点。你写一份文档，说"我不想要文档，我想要网站"，它就用代码把文档变成网站。你说"网站不行，我要App"，它再写代码转换。这种推理能力、预测能力、执行能力，而且能长时间保持连贯性，都在快速进步。

二、扩散才是一切

拉里·芬克在开场信里写了一句话让萨提亚印象深刻：关键问题是如何让模型、数据和基础设施更均匀地分布，在各地创造盈余。萨提亚说，"diffusion is everything"（扩散就是一切）。

1、社会许可证的问题

萨提亚说了一句很直接的话：如果这些token不能改善医疗结果、教育结果、公共部门效率、私营部门竞争力，"我们会很快失去社会许可证，去用能源这种稀缺资源来生产这些token"。

言下之意，AI消耗的能源必须产生足够的社会价值来正当化这种消耗。否则，技术发展本身就会面临合法性危机。

2、供给侧：token工厂将像电网一样遍布全球

"这不是只有一个token工厂。token工厂将是第一个扩散到全球的东西。就像电力一样，你需要一个无处不在的能源+token网格来驱动经济。"

微软的资本支出有50%投在美国以外。这不是慈善，是因为全球需求只有在各地都有local surplus（本地盈余）的情况下才会存在。

3、需求侧：从"打字员够用了"到40亿人都在打字

萨提亚讲了一个思想实验：如果在80年代初有人说"40亿人每天早上起来都会打字"，你会觉得荒谬——我们有打字员就够了。但PC创造了一个全新的知识工作门类，人们用计算机放大自己能做的事。

AI会重演这个过程。"硬核编程永远是硬核编程"这种想法是错的，抽象层级会变化。

三、Token经济学的核心公式

萨提亚提出了一个判断AI竞争力的核心指标：tokens per dollar per watt（每美元每瓦特产出的token数）。

这个公式为什么重要？他的逻辑链是这样的：

Token是一种新商品。就像电力驱动了工业经济，token将驱动AI经济。每个企业、每个国家的任务，是把这种商品转化为经济增长。"We've got a new commodity, its tokens... the job of every economy and every firm in the economy is to translate these tokens into economic growth."

商品越便宜，转化空间越大。tokens per dollar per watt衡量的就是生产这种商品的效率——资本效率（dollar）和能源效率（watt）。谁能用更少的钱、更少的电产出更多token，谁就占据成本优势。

所以萨提亚直接给出判断："GDP growth in any place will be directly correlated"——任何地方的GDP增长都将与这个指标直接相关。

好消息是，token的价格曲线在陡峭下降。"Token价格基本上每3个月下降一半。"这意味着企业可以规划如何用token创造盈余，因为面对的是一个价格单调下降的商品。影响成本的因素包括能源价格、数据中心建设成本、芯片和系统的成本曲线、电网接入情况。

拉里问AI会不会是泡沫。萨提亚的回答是：判断标准很简单——如果我们谈论的全是科技公司本身，那是泡沫信号；如果我们开始谈论某个药物因为AI加速临床试验而成功上市，那说明价值在扩散。"要想不是泡沫，这项技术的好处必须更均匀地分布。"

四、组织如何转型

萨提亚给出了一个三要素公式：mindset（思维）→ skillset（技能）→ dataset（数据）。

1、信息流动的根本颠倒

萨提亚用自己准备达沃斯会议的例子来说明。过去的流程是：驻地团队准备笔记，发回总部，进一步加工。从1992年他加入微软到几年前，这个流程基本没变。

现在他直接问Copilot："我要见拉里，给我一份简报。"系统返回360度视图——微软作为贝莱德的供应商做了什么，作为贝莱德的客户做了什么，作为投资对象的情况。然后他立刻把这份简报分享给所有相关部门的同事。

"想想看，这是信息流动在组织里的完全颠倒。不是部门专业化、信息逐级汇总，而是信息流被拉平了。"

一旦信息流改变，组织结构就必须跟着变。

2、贝莱德的实际案例

拉里说了一个具体数字：过去需要12小时计算的东西，现在几分钟就能完成。贝莱德管理着14万亿美元的资产，有数十万个不同的mandate（投资授权）。没有AI，他们根本无法以现在的规模运转。

3、技能扩散是决定性因素

"扩散与一件事强相关：有多少人掌握了使用这项技术的技能。"

萨提亚对比了PC时代和移动时代。PC时代，学会Excel或Word技能直接关联到找工作。移动时代创造了类似的机会，但更多是消费驱动的，比如创作者经济。AI需要把那种"学会技能→获得更好工作"的模式带回来。

4、大公司vs小公司的哑铃效应

小公司如果从零开始，采用AI工具更容易，因为不需要改变已有的组织结构。大公司有关系网络、有数据、有know-how，但如果不能用新的生产函数转化这些资产，就会被小公司用AI工具实现的规模效应打败。

"这将是一个竞争极其激烈的世界，无论你是新进入者还是老牌企业，都不能躺平。"

五、企业主权的新定义

这是萨提亚在对话中最具原创性的观点。

1、被忽视的核心问题

"在AI领域，最少被讨论但我认为今年会被大量讨论的话题是企业主权。"

他的定义：如果你的企业无法把自身的tacit knowledge（隐性知识）嵌入到你控制的模型权重中，那你就没有主权。你的企业价值正在单向流失给某个模型公司。

2、数据中心在哪里反而是次要问题

"数据中心在哪里运行其实是最不重要的问题。"因为数据中心本来就会因为光速限制而分布在各地，加密技术可以让你持有密钥。这些都是技术上更容易解决的问题。

真正难解决的是：你能否对自己的隐性知识和模型保持控制，而不是让价值单向转移出去。

3、大卫·李嘉图没有错

萨提亚引用李嘉图：国家有比较优势，企业也有比较优势。在AI时代，这种比较优势必须被保留。"这才是真正的主权。"

六、多模型世界的竞争格局

拉里问：五年后会不会只剩一个主导模型？

1、答案是多模型世界

"过去三四年的现实是，这是一个多模型世界。"

关键不是选哪个模型，而是如何利用多个模型，甚至通过蒸馏这些模型来构建你自己的模型。

2、企业的IP在于编排能力

萨提亚给出了完整图景：

能否调用所有模型（闭源的、开源的）？能否构建自己的模型？能否编排（orchestrate）这些模型？能否用自己的数据喂给它们来改变某个你关心的结果？

"只要企业能回答这个问题，它们就能领先。"任何应用或企业的IP，就是如何用context engineering（上下文工程）把所有这些模型与自己的数据结合起来。

七、对欧洲的建议

1、欧洲的竞争力是全球性的，不只是欧洲内部的

"欧洲人生产的产品和服务是销往全世界的。欧洲的竞争力是他们的产出在全球的竞争力，不只是在欧洲。"

萨提亚提到一个观察：无论他去美国的珠宝店还是牙科诊所，都被德国中间件包围着。那种工程实力是真实存在的。

2、数据主权的思考方向可能搞反了

"欧洲应该更关心的是他们的工业企业、金融服务企业能否获取来自美国和全球其他地方的数据，而不是想着通过保护欧洲来获得竞争力。"

只有产出具有全球竞争力，保护才有意义。

总结

这场对话的核心洞察是：AI的价值实现取决于扩散速度和广度。技术本身的进步只是供给侧，真正决定成败的是需求侧——各行各业、各个国家能否把token转化为生产力提升和本地盈余。

对企业而言，行动清单很清晰：改变工作流程、投资技能培训、建立数据资产、掌握多模型编排能力、确保对模型和隐性知识的控制权。萨提亚特别警告，如果企业的变革速度跟不上技术可能性的变化，"就会被某个小公司用这些工具实现的规模效应干掉"。

核心归纳

Q1: 如何判断AI是不是泡沫？
看讨论的焦点在哪里。如果只谈科技公司本身，那是泡沫信号；如果开始谈某个药物因AI加速临床试验而成功上市，说明价值正在扩散，泡沫风险降低。关键指标是技术红利是否在更广泛地分布。

Q2: 企业应该如何建立AI时代的竞争壁垒？
三步走：mindset（领导层认知到工作流程必须改变）→ skillset（实际使用工具，学会设置guardrails）→ dataset（建立独特的上下文数据资产）。最终目标是掌握多模型编排能力，让推理痕迹和产出模型成为企业自己的IP，而不是让企业价值单向流失给模型公司。

Q3: 为什么萨提亚说"企业主权"会成为今年最热话题？
因为这触及价值分配的核心问题。数据中心位置、数据加密这些是技术问题，容易解决。真正的挑战是：企业的隐性知识能否被嵌入自己控制的模型权重？如果不能，企业价值就在不知不觉中转移给了模型提供商。李嘉图的比较优势理论在AI时代依然成立，但需要主动行动来保护。