2026年1月20日，第56屆世界經濟論壇年會在達沃斯舉行。論壇臨時聯席主席、貝萊德CEO拉里·芬克與微軟CEO薩提亞·納德拉進行了一場關於AI擴散經濟學的對話。這是兩位掌管萬億級資產和技術平台的CEO首次在達沃斯同台，話題從AI的平台屬性、token商品化，一直延伸到企業主權和組織轉型。
薩提亞在對話中拋出了一個判斷：如果企業無法把自身的隱性知識（tacit knowledge）嵌入到自己控制的模型權重中，那企業價值就在單向流失給模型公司。"沒人在談這個"，他說。就在這次對話前幾周，薩提亞剛剛在個人部落格"sn scratchpad"上發文，宣布2026年將是AI從"奇觀"轉向"實質"的關鍵一年。而微軟在2025年初宣布的800億美元AI數據中心投資，有50%分布在美國以外。
拉里·芬克則在論壇開幕致辭中警告，AI的早期收益正流向模型擁有者、數據擁有者和基礎設施擁有者。"如果AI對白領工人做了全球化對藍領工人做的事呢？"這個問題他要求當天就直面。貝萊德的Aladdin平台目前管理著超過11.6萬億美元資產，而員工數量幾乎沒變，始終在2萬人左右。
1. 70年計算史的同一條弧線
薩提亞開場就給AI定了一個位置：它至少與網際網路、移動網際網路、雲計算是同一級別的平台變革，甚至更大。
但他給出的視角不是技術演進，而是一條貫穿70年的邏輯弧線。大型機在做什麼？把人、地點、事物數字化，然後用軟體進行分析和預測。小型機、客戶端-伺服器、Web、移動雲時代，做的都是同一件事。"這是同一條連續的弧線——用數字形式對這個世界進行推理，從而更好地理解它。"
軟體之所以強大，是因為它是一種"更具可塑性的資源"，邊際成本幾乎為零。AI不過是這條弧線上的最新躍遷。
他用GitHub Copilot的四階段演進來說明AI能力的實際躍升：
第一階段是代碼補全。薩提亞說，他對這一代AI的信心就是從看到Copilot預測下一行代碼開始建立的。"很長時間以來我們一直有個夢想，如果你是軟體開發者，能不能預測下一個詞或下一行代碼？突然間，它開始工作了。"
第二階段是對話模式。開發者可以在聊天界面問任何問題，答案直接進入代碼流程。
第三階段是智能體模式（agent mode）。可以分配小任務給AI。
第四階段是完全自主智能體。"你可以把整個項目交給它，它能全天候工作。"薩提亞補充說，目前這些系統保持長時間連貫性還有差距，但還是在不斷進步。
2025年5月，GitHub在Microsoft Build大會上發布了Copilot coding agent，開發者可以直接把issue分配給Copilot，讓它在GitHub Actions環境中自主工作，推送代碼到draft pull request。到2025年9月，這個功能已經向所有付費用戶開放。
薩提亞特別強調了一點：即便到了自主智能體階段，軟體開發者仍然擁有大量agency（主導權）。所以不要把AI想像成脫離人類掌控的存在。
他用一個思想實驗來說明AI創造新工種的潛力：如果在80年代初有人說"40億人每天早上起來都會打字"，你會覺得荒謬——打字員就夠了。但PC創造了一個全新的知識工作門類。AI會重演這個過程。"硬核編程永遠是硬核編程"這種想法是錯的，抽象層級會變化。
2. Token是新商品，GDP增長將與它直接相關
拉里·芬克在開場信里寫了一句話讓薩提亞印象深刻：關鍵問題是如何讓模型、數據和基礎設施更均勻地分布，在各地創造盈餘（surplus）。薩提亞接過這個話頭，直接說："擴散（diffusion）就是一切。"
這裡的"擴散"是創新經濟學的術語，指技術從少數擁有者向更廣泛人群、企業、國家滲透的過程。薩提亞強調的不只是AI技術本身的進步，而是技術紅利能不能均勻地分布到各地。
為什麼擴散是一切？他給出了一個底層邏輯。
Token是一種新商品。就像電力驅動了工業經濟，token將驅動AI經濟。每個企業、每個國家面臨的任務，是把這種商品轉化為經濟增長。"我們有了一種新商品，就是token……每個經濟體、每個企業的任務，就是把這些token轉化為經濟增長。"
商品越便宜，轉化空間越大。薩提亞提出的核心指標是tokens per dollar per watt——每美元每瓦特能產出多少token。這個指標衡量的是生產token的效率，包含兩個維度：資本效率（dollar）和能源效率（watt）。
然後他給出了一個判斷：任何地方的GDP增長都將與這個指標直接相關。
好消息是，token的價格曲線在陡峭下降。"Token價格基本上每3個月下降一半。"這意味著企業可以規劃如何用token創造盈餘，因為面對的是一個價格單調下降的商品。
影響token成本的因素他列了幾個：能源價格、數據中心建設成本、晶片和系統的成本曲線、電網接入。"你是不是能源的低成本生產者？你能不能建數據中心？"
薩提亞還給出了一個警告，關於AI消耗能源的社會合法性。"如果這些token不能改善醫療結果、教育結果、公共部門效率、各行業的私營部門競爭力，我們會很快失去社會許可證，失去用能源這種稀缺資源來生產這些token的權利。"
如果這些token不能改善醫療結果、教育結果、公共部門效率、私營部門競爭力，社會許可證會被收回。能源是稀缺資源，AI必須證明它值得消耗這些能源。
3. Token工廠將像電網一樣遍布全球
"Token工廠將是第一個擴散到全球的東西。就像電力一樣。"
薩提亞把數據中心比作token工廠。他說，不會只有一個token工廠。token工廠將是第一個擴散到全球的東西。就像電力網一樣，你需要一個無處不在的能源+token網格來驅動經濟。
微軟的資本支出有50%投在美國以外。這不是慈善，而是因為全球需求只有在各地都有本地盈餘（local surplus）的情況下才存在。"全球需求只有在全球各地都有本地盈餘的情況下才會存在。"
拉里·芬克問：全球擴散會不會拉大差距？有研究說AI應用目前主要集中在受過良好教育的人群和經濟體。
薩提亞的回答是，當前的基礎設施比PC時代和移動網際網路早期更有利於均勻擴散。智慧型手機用了很長時間才滲透到全世界，而現在這些模型和它們的輸出幾乎在任何地方都能獲取。
他舉了一個例子：2023年初，一個印度農村農民用一個基於GPT-3或2.5的早期bot，用當地語言查詢他聽說的農業補貼政策，甚至讓bot幫他填寫表格。"它把主導權還給了一個原本可能沒有這種能力的人，因為技術變得更容易獲取了。"
4. 這不是泡沫的條件
拉里問AI會不會是泡沫。薩提亞的回答是：判斷標準很簡單。
"如果我們談論的全是科技公司本身，那就是泡沫的信號。"
如果我們談論的全是科技公司本身，那是泡沫信號。如果我們開始談論某個藥物因為AI加速臨床試驗而成功上市，或者某個行業因為AI提升了效率，那就說明價值在擴散。
"要想不是泡沫，按定義就要求這項技術的好處必須更均勻地分布。"
他說自己對AI不是泡沫有信心，原因是：AI將在雲和移動的基礎上更快地擴散，彎曲生產力曲線，在全球各地帶來本地盈餘和經濟增長。不只是資本支出驅動的增長——那只是時間上的一個窄點。
貝萊德自己的案例印證了這一點。拉里說，過去需要12小時計算的東西，現在幾分鐘就能完成。貝萊德管理著14萬億美元的資產，有數十萬個不同的投資授權（mandate）。"如果沒有今天的技術和AI，我們根本無法以現在的規模運轉。"
5. 資訊流動的根本顛倒
薩提亞用自己準備達沃斯會議的經歷來說明組織內部資訊流動的變化。
過去的流程是：駐地團隊準備筆記，發回總部，進一步加工。從1992年他加入微軟到幾年前，這個流程基本沒變。
現在他直接問Copilot："我要見拉里，給我一份簡報。"系統返回360度視圖——微軟作為貝萊德的供應商做了什麼，作為貝萊德的客戶做了什麼，作為投資對象的情況。然後他立刻把這份簡報分享給所有相關部門的同事。
"想想看，這是組織內部資訊流動方式的徹底顛倒。"
不是部門專業化、資訊逐級匯總的經典模式，而是資訊流被拉平了。一旦資訊流改變，組織結構就必須跟著變。當前的架構可能不再合理，因為你希望人們能夠以一種讓資訊自由流動的方式工作。
6. 組織轉型三部曲：mindset、skillset、dataset
薩提亞給出了一個三要素公式：mindset → skillset → dataset。
第一步是思維模式（mindset）。"作為領導者，我們應該有的思維是：我們需要用技術來改變工作本身、改變工作流程。"領導者必須認識到工作本身和工作流程需要隨技術改變。
第二步是技能（skillset）。"你不能抽象地談論這些。你必須用它。"不能抽象地談論AI，必須實際使用。必須學會如何設置護欄（guardrails）來信任它。"你不能只是害怕它。它會擴散的。"
第三步是數據集（dataset）。"你怎麼確保你有數據集來餵給它，就是上下文。"你有一個新的智能層，但智能層的效果取決於你給它的上下文。薩提亞說，這就是上下文工程（context engineering），而這正是企業的核心競爭力所在——企業的本質就是把人員、部門、紙張和資訊流動中積累的隱性知識系統化。現在的問題是如何讓AI也擁有這個上下文。
他預測，很多企業會困惑"為什麼我沒看到立竿見影的生產力提升"，原因就是這些hard work還沒做。"會有企業層面的差異，會有行業層面的差異，但歸根結底是因為組織內部的領導意志。"
7. 大公司vs小公司的啞鈴效應
拉里問：AI應用是集中在大公司還是均勻分布？
薩提亞說是一個啞鈴（barbell），兩頭重。
小公司如果從零開始（greenfield），採用AI工具更容易，因為不需要改變已有的組織結構。"如果你從頭開始，採用這些工具更容易，你在構建組織的時候就已經知道這些工具存在了。"
大公司有關係網路、有數據、有know-how。"規模，我是說大型組織有內在的優勢。"但如果不能用新的生產函數轉化這些資產，"你就真的會卡住"。小公司可以用AI工具實現規模效應，大公司如果變革速度跟不上技術可能性的變化，"就會被某個小公司用這些工具打得落花流水"。
"這將是一個競爭極其激烈的世界，無論你是新進入者還是老牌企業，都不能躺平。"
8. 全球差異：技術差距在縮小，執行力差距在拉大
薩提亞說他在全球旅行時觀察到一個現象：無論是雅加達、伊斯坦堡還是墨西哥城，軟體開發者、創業公司或大企業的know-how水平，與西雅圖或舊金山沒有本質差別。"這是第一次，僅僅因為獲取資訊的渠道打通了。"
技術獲取的差距在縮小。
但執行力的差距在拉大。在規模層面，使用這項技術的決心、風險資本的到位、大公司的推進力度，美國，尤其是金融部門，明顯更積極。他比較了金融業採用雲和採用AI的速度，"天壤之別"，AI快得多。
制約因素在供給側。他列了三條：資本投資環境、電網現代化、政策配套。"如果你沒有一個真正的電網現代化方案，那就會拖後腿。"
很多國家的電網是政府主導的。表後（behind-the-meter）解決方案在美國可行，但不是所有國家都能這麼做，而且長期不可擴展。長期可擴展的方案是讓token工廠接入電網、接入電信網路，像傳輸bits一樣傳輸tokens+bits。
9. 對歐洲的建議：不要只想著保護
薩提亞說，每次來歐洲，大家都在談主權（sovereignty）。但他認為歐洲的思考方向可能搞反了。
"歐洲更應該關心的是，他們的工業企業、金融服務企業能否獲取來自美國和全球其他地方的數據，而不是想著靠保護歐洲來獲得競爭力。"
歐洲的工業企業、金融服務企業能否獲取來自美國和全球其他地方的數據，這才是真正的競爭力問題。只有產出具有全球競爭力，保護才有意義。"只有當歐洲產出的產品具有全球競爭力時，你才能有競爭力。"
他提到德國的Mittelstand（中小企業/隱形冠軍），說無論去美國的珠寶店還是牙科診所，都被德國工業產品包圍著。"關鍵就在於，他們生產的工業產品如今已經融入了所有的智能和數據。"
歐洲在隱私保護和AI安全方面領先，"這是優勢，很好"。但必須配合本地建設和全球思維。"這片大陸將為世界其他地方做出什麼貢獻？它歷史上一直是領導者。"
10. 企業主權的新定義
薩提亞說，"在AI時代，最少被討論但我認為今年會被大量討論的話題，是企業的主權。"
企業主權。這是他在對話中最具原創性的觀點。
他的定義是：如果你的企業無法把自身的隱性知識（tacit knowledge）嵌入到你控制的模型權重中，那你就沒有主權。
什麼是隱性知識？就是企業里那些難以寫成文檔的經驗訣竅——老銷售知道哪類客戶最可能成交，老工程師知道某個參數調到多少最穩定，這些東西存在於人的腦子裡和日常操作中，從來沒被系統記錄過。什麼是"嵌入模型權重"？通俗說就是讓AI模型通過訓練真正"學會"這些訣竅，而不只是臨時調用一下通用模型。薩提亞的意思是，如果這個被"教會"的模型不在你手裡，你的獨門知識就在不斷餵給別人的模型，企業價值隨之流失。
你的企業價值正在單向流失給某個模型公司。"按定義你就沒有主權。這意味著你的企業價值正在泄漏給某個模型公司。"
他覺得奇怪的是，"有意思的是，沒人在談這個。"大家在談論其他所有東西，但最重要的問題沒人談。
數據中心在哪裡反而是次要問題。"說實話，數據中心在哪裡運行是最不重要的問題。"因為數據中心本來就會因為光速限制而分布在各地，加密技術可以讓你持有密鑰。這些都是技術上更容易解決的問題。
真正難解決的是：你能否對自己的隱性知識和模型保持控制，而不是讓價值單向轉移出去。
薩提亞引用大衛·李嘉圖："大衛·李嘉圖沒有錯。"國家有比較優勢，企業也有比較優勢。在AI時代，這種比較優勢必須被保留。"這在AI時代也必須被保留。這才是真正的主權。"
11. 多模型世界的競爭格局
拉里問：五年後會不會只剩一個主導模型？
薩提亞的回答是不會。"即使在過去三四年裡，現實已經證明這是一個多模型世界。"
過去幾年的現實已經證明是多模型世界。關鍵不是選哪個模型，而是如何利用多個模型，甚至通過蒸餾（distilling）這些模型來構建你自己的模型。
他給出了企業的完整圖景：
能否調用所有模型（閉源的、開源的）？能否構建自己的模型？能否編排（orchestrate）這些模型？能否用自己的數據餵給它們來改變某個你關心的結果？
"任何應用或企業的IP，就是你如何用上下文工程或你的數據來使用所有這些模型。"任何應用或企業的IP，就是如何用上下文工程把所有這些模型與自己的數據結合起來。
"只要企業能回答這個問題，它們就能領先。"
他把結果描述為：推理痕跡（reasoning traces）最終導向你控制的能力和模型，"這是我作為IP控制的東西"。
總結
這場對話的核心是一個因果鏈：tokens per dollar per watt → token成本 → 擴散速度 → 本地盈餘 → GDP增長。薩提亞把AI競爭力歸結為能源效率和資本效率兩個變量，並斷言任何地方的經濟增長都將與這個指標直接相關。
對企業而言，他提出了雙重警告。一是執行力警告：組織轉型需要mindset、skillset、dataset三步走，這需要領導層的意志力，無法速成。二是主權警告：如果隱性知識無法嵌入自己控制的模型權重，企業價值就在單向流失。
對於AI是否泡沫的問題，他給出了一個判斷標準：如果討論焦點全在科技公司本身，那是泡沫信號；如果開始談論各行各業因AI而提升的效率和成果，那說明價值在擴散，泡沫風險降低。
核心問答
Q1: 薩提亞為什麼說tokens per dollar per watt這個指標將與GDP增長直接相關？
因為他把token定義為AI時代的新商品，類似電力對工業經濟的作用。每個經濟體的任務是把token轉化為經濟增長，商品越便宜轉化空間越大。tokens per dollar per watt衡量的是生產這種商品的效率，包含資本效率和能源效率兩個維度。誰能用更少的錢、更少的電產出更多token，誰就占據成本優勢，也就具備更大的經濟增長潛力。
Q2: 薩提亞說的"企業主權"具體指什麼，為什麼他認為沒人在討論這個問題？
企業主權指的是企業能否把自身的隱性知識（tacit knowledge）嵌入到自己控制的模型權重中。如果不能，企業價值就在單向流失給模型公司。他認為大家在討論數據主權、數據中心位置等問題，但這些是技術上更容易解決的問題。真正的核心問題——企業如何保持對自身智力資產和模型的控制權——反而被忽視了。在多模型世界，企業的IP在於如何用自己的數據和上下文工程編排多個模型，讓推理痕跡和產出模型成為自己控制的資產。
Q3: 組織AI轉型的三部曲mindset、skillset、dataset具體怎麼理解？
第一步mindset是領導層認知——必須認識到工作本身和工作流程需要隨技術改變，資訊流動方式會被顛覆，組織結構可能需要重新設計。第二步skillset是實際技能——不能抽象地談AI，必須親自使用，學會設置護欄（guardrails）來建立信任。第三步dataset是數據資產——AI智能層的效果取決於你給它的上下文，企業需要把自身的隱性知識系統化地餵給AI。薩提亞認為很多企業看不到立竿見影的生產力提升，就是因為這些hard work還沒做，而執行力差異最終取決於領導層的意志力。
