夜雨聆风
思想 · AI 时代 · Satya Nadella（微软董事长兼 CEO）· Apex Learn 编译
智能时代，企业该如何保护自己的核心知识产权（IP）？
诺贝尔经济学奖得主肯尼斯·阿罗（Kenneth Arrow）曾描述过信息市场里的一个著名悖论：「（信息）对买家的价值，在他得到它之前无从知晓；可一旦他得到了，就等于已经无偿地拥有了它。」在阿罗的这个「信息悖论」里，卖家为了卖出知识，不得不冒着把知识白白送出去的风险。
而 AI 制造了一个反向的难题。在 AI 时代，是买家要冒着交出知识的风险——仅仅为了使用他们买来的东西。
你其实为「智能」付了两次费：一次用钱，另一次则用某种更宝贵的东西——为了让这份智能真正有用，你不得不交出的那些专有知识。你越想让模型表现得好，就越得把这些知识喂给它！
随着时间推移，这种信息不对称会越来越倾斜。你在使用所购之物的同时，卖家对你的了解越来越多；而对于卖家反过来学到了什么，你却几乎一无所知。
这，就是我所说的「反向信息悖论（Reverse Information Paradox）」。
专利解决了阿罗悖论的一个侧面：它让发明者可以公开一个想法，而不必把它白白送人。反向信息悖论，也需要一套属于它自己的「专利」。
这需要的，远不止「数据保护」。模型会从「尾气（exhaust）」中学习——人们写下的提示词、智能体调用的工具，尤其是当模型出错时人们做出的纠正。每一次纠正，都会被蒸馏（distill）成组织的实战经验。这是竞争对手永远买不到的知识，也是几乎在不知不觉中悄悄外泄的知识：一条轨迹接一条轨迹（trace），一次纠正接一次纠正，一次评测接一次评测（eval）。
在消费智能的同时，你也在创造智能。而你所创造的，理应属于你。这是你独有的智能——正是哈耶克（Hayek）意义上的那种知识：关于特定时间、地点与情境的知识，是任何他人都无法握有的。它了解你在想什么、你看重什么、你如何衡量成功。
模型提供方基于「合理使用（fair use）」在公开数据上训练模型，这带来了巨大的创新，也确有必要；但我觉得讽刺的是，现状却是：它们转过身来，对「蒸馏」施加种种限制性条款，同时为自己保留「从客户使用与交互数据中学习」的权利。如果学习只朝一个方向流动，经济价值就会向「学习基础设施的拥有者」聚拢，而不是流向「知识本身的创造者」。因此，我们必须把学习基础设施分发给每一家企业，让它们能够掌控自己的学习闭环（learning loop）。
正如亚历克斯·卡普（Alex Karp）所说：「技术型客户想要的，是对自己的算力、模型、数据栈与『alpha（超额收益）』的掌控。他们想确认：自己拥有生产资料，而这份所有权不会被转移给别人。」而当下的格局，恰恰在做卡普与这些企业最担心的那种「转移」。
这正是为什么，企业需要一条真正的「信任边界（trust boundary）」，好让它们的人力资本与「Token 资本」得以复利累积。在这条边界之内，一个组织的数据、轨迹、评测、适配后的权重（adapted weights）与记忆，一起累积、一起精进。而且这是一条硬边界：未经许可，任何东西都不得越界——哪怕是那些「智能尾气」也不行。企业将会要求：有权使用模型的输出，去微调、乃至训练自己的模型。在我看来，这就是每一家企业「让模型对齐自身问责义务」的权利。
在云计算时代，企业积累的是数据；在 AI 时代，它们积累的是学习。
信任边界也必须随之演进——从「保护信息」，走向「保护组织借以学习、适应、并复利智能的那套机制」。为此，每一家企业必须做到以下几点：
守住学习闭环：每家企业必须做的五件事
掌控（Control）——建立你自己的私有评测（evals），因为评测定义了在你的组织内部「什么才算好」。同时，牢牢保有对组织记忆、轨迹、反馈、决策与制度性情境（institutional context）的所有权，以及使用「由你自己的任务与查询所产生的模型输出」的能力。
能力（Capability）——在租户边界（tenant boundary）之内，搭建你专有的学习环境来训练或调优模型——让模型在真实的工作流上学习，却不必把公司的知识暴露出去。
选择（Choice）——确保「编排层（orchestration layer）」与任何单一模型解耦。问问自己：如果你正在用的某个模型被拿走了，你是否还能用别的模型继续运转、并围绕你的评测持续优化？就算某个「通才型」模型被撤走，你公司里那份「老兵级」的能力，是否仍留在你手中？
成本（Cost）——通过解耦编排层，你还能以最高效、最具性价比的方式，把情境、模型与任务组合到一起，而不必牺牲质量。
复利（Compound）——把上面四点合到一起，你就为自己造出了一台持续学习的闭环（也就是一台「爬山机器 / hill-climbing machine」）——它会让你的 AI 投入，不断复利放大你企业的价值。
换句话说：一家公司，应当能够使用一个模型，却不必交出那份「让它之所以独一无二」的知识。这，就是我们必须正面应对的「反向信息悖论」。
作者：Satya Nadella（微软董事长兼 CEO）· 原文为英文长文《The Reverse Information Paradox》，发表于 X（2026-07-12）
中文编译：Apex Learn · 仅供学习交流
