微软 CEO 萨提亚·纳德拉在 X 发文警告，如果 AI 产业的价值最终集中到少数几个“吞噬一切”的模型手中，全球经济可能重演全球化早期的产业空洞化问题。他写道，企业不能只把 AI 当成外部能力来租用，而要把自身知识沉淀进系统，形成可持续的竞争壁垒。
企业AI布局的核心：人力资本加上Token资本
纳德拉把企业的 AI 能力拆成两部分。第一部分是人力资本，包括员工多年积累的判断力、客户关系、行业知识和模式识别能力。第二部分是Token 资本，指企业自己训练、微调或调校出来的 AI 能力，而不是完全依赖外部模型厂商提供的接口。
他的观点很直接。人力资本和 Token 资本不是替代关系，AI 能力越强，原有员工经验的价值反而越高。纳德拉还给出一个检验标准：一家公司的 AI 战略是否成立，要看它能否在替换通用模型之后，仍保住内部长期积累的专业知识。
关键不在调用模型，而在建立学习回路
这套判断背后，是企业有没有建立属于自己的“学习回路”。按照纳德拉的表述，企业需要把自身数据、业务流程和员工经验持续反馈到 AI 系统中，让系统随着使用不断吸收组织知识，而不是每次都回到外部模型平台重新购买能力。
他提出，优先事项应是建立“前沿生态系统”���而不只是追逐“前沿模型”。在这个框架里，价值应该流向每一家公司、每一个产业和每一个国家，而不是停留在少数基础模型提供方手中。
借全球化教训提醒AI集中化的代价
为说明风险，纳德拉援引了全球化第一阶段的历史经验。他认为，当年外包导致部分工业经济体被掏空，表面上的 GDP 数据或许仍然亮眼，但真实的产业位移和社会后果延续至今。现在，AI 也可能走向类似结构：如果大部分收益都被少数基础模型吸收，社会和政治层面的容忍度不会持续存在。
这番表态也与微软自身的业务逻辑密切相关。原文指出，如果企业直接基于 OpenAI 或 Anthropic 的 API 构建应用，Azure 在中间层的价值空间会被压缩。纳德拉此时强调“自建 AI 能力”的重要性，既是在讨论 AI 产业结构，也是在为微软的云与企业 AI 路线争取话语权。