萨蒂亚·纳德拉在达沃斯：AI 扩散才是关键

为什么扩散而非模型创新决定 AI 的经济影响

萨蒂亚·纳德拉在 2026 年达沃斯论坛与 BlackRock CEO Larry Fink 对谈，讨论可能是 AI 的决定性问题：如何确保技术足够快地传播，在各处创造盈余？

"If we are not talking about health outcomes, education outcomes, public sector efficiency, private sector competitiveness, we will quickly lose the social permission to use scarce energy to generate tokens."（"如果我们不讨论健康成果、教育成果、公共部门效率、私营部门竞争力，我们将很快失去使用稀缺能源生成 token 的社会许可。"）这是纳德拉对 AI 合法性挑战最清晰的阐述。仅仅构建令人印象深刻的模型是不够的——好处必须广泛而快速地扩散，否则整个事业将失去其运营许可。

新的商品经济学：每美元每瓦的 token 数。 纳德拉认为 GDP 增长将直接与国家和企业生产和消费 AI token 的效率相关。供应侧需要无处不在的"token 工厂"连接到电网和网络——"just like we delivered bits, you have to deliver tokens plus bits."（"就像我们传输比特一样，你必须传输 token 加比特。"）需求侧需要真正的领导力将 token 转化为成果。

AI 正在扁平化组织中的信息流。 这位微软 CEO 描述了准备达沃斯会议的方式已经发生了根本性变化。现在不是由现场团队准备笔记然后逐级向上传递，而是他直接向 Copilot 询问 360 度简报，并立即在所有职能部门分享。"It's a complete inversion of how information is flowing in the organization."（"这是组织内信息流动方式的完全颠倒。"）为层级信息流而设计的组织需要重新设计。

企业在 AI 中的主权不在于数据中心——而在于隐性知识。 在采访中最具挑衅性的观点中，纳德拉认为没有人讨论的真正主权问题是："If your firm is not able to embed the tacit knowledge of the firm in a set of weights in a model that you control, by definition you have no sovereignty. You're leaking enterprise value to some model company somewhere."（"如果你的公司无法将公司的隐性知识嵌入到你控制的模型的一组权重中，那么从定义上说你就没有主权。你正在向某个地方的某个模型公司泄漏企业价值。"）

杠铃效应：初创公司和大企业面临不同的 AI 挑战。 小公司从零开始可以在知道这些工具存在的情况下构建。大型组织拥有关系、数据和专业知识——但如果他们不用新的生产函数来转化这些，他们就会陷入困境。"The change management challenge for large organizations is going to be bigger. The structural challenge for small organizations of how to overcome scale issues is going to be harder."（"大型组织的变革管理挑战会更大。小型组织如何克服规模问题的结构性挑战会更难。"）

要点总结

• 每美元每瓦的 token 数 - 将决定 GDP 增长的指标；国家需要高效的 token 生产和消费
• 到处都是 token 工厂 - 像电网一样，无处不在的 AI 基础设施必须在全球部署
• 需要社会许可 - AI 必须改善真实成果（健康、教育、效率）否则将面临失去合法性的风险
• 信息流颠倒 - AI 扁平化层级结构；信息不再通过部门逐级向上传递
• 思维模式-技能-数据集 - AI 采用的公式：改变思维方式，构建技能，然后工程化上下文
• 企业主权 = 隐性知识 - 真正的主权问题是企业能否将其知识嵌入他们控制的模型中
• 杠铃式采用 - 初创公司容易适应；大企业有资产但面临变革管理挑战
• 技能培训是扩散的限制因素 - 人们在 AI 方面的技能培训程度决定了好处传播的速度

企业 AI 采用的启示

纳德拉将 AI 转型根本上定义为扩散问题，而非技术问题。模型正在快速进步——问题是组织、行业和国家能否足够快地吸收和转化 AI 能力为真实成果。对于企业来说，这意味着竞争优势不在于你使用哪些模型，而在于你能多深入地将组织的独特知识和工作流程嵌入 AI 系统。那些掌握"上下文工程"的公司——将使其业务独特的隐性知识输入 AI——将获取价值。那些将 AI 视为通用工具的公司将向模型提供商泄漏其竞争优势。