首席执行官萨蒂亚·纳德拉提出，企业在AI时代的核心竞争力并非取决于选择了哪款大模型，而是在于能否在模型之上构建一个让人力资本与Token资本相互复合增长的“学习闭环”。

　　这一论断在硅谷和华尔街引发了广泛的组织架构讨论。港股上市企业明略科技（创始人吴明辉在近期的产业实践中，也给出了相似度极高的底层判断。

　　纳德拉在其论述中强调，人力资本并不会因代币资本的增长而贬值。他认为，人类在设定宏伟目标、跨领域连接信息以及识别核心规律等维度的能动性，在计算资源泛滥的时代反而更加稀缺。如果没有人类的指引，算力往往只能在原地打转。

　　与此同PG电子官方网站时，吴明辉在2026年5月接受媒体专访时，从存在论的角度对这一观点进行了延伸。他将笛卡尔的经典名言改编为“我品故我在”，并提出“思（Think）”这一基于确定性前提往后推理的技术动作，在未来极易被AI替代；而“品（Taste）”作为基于经验、审美以及对业务终局理解的价值判断，则是AI现阶段难以跨越的壁垒。

　　在实际的组织设计中，这种哲学已经开始寻找其产品化的落点。据了解，明略科技在其内部协作平台Octo中专门设立了“品鉴者”角色。人类员工不再深度介入Agent的具体执行过程，而是在关键节点进行方向性的价值判断。通过这种人机协同的交互机制，AI网络的迭代方向得以与真实的业务场景精准校准。

　　纳德拉在文章中提出了一个形象的比喻，他将企业的AI系统视为一台“爬坡机器”。与传统的固定资产折旧不同，这台机器能够实现复利增长——每一次工作流的优化都会产生更高质量的训练信号，进而加速企业特有隐性知识的沉淀。

　　这一理论在中国的企业级实战中正在得到数据支撑。公开数据显示，明略科技的Octo平台在由不到10人的核心团队开发期间，两个多月便生成了近百万行代码。截至2026年中，该公司约1400名员工已与2900多个AI Agent在这一平台上开展每日的业务协同。

　　这种技术形态的转变，正在直接传导至商业模式的定价逻辑上。纳德拉明确指出，企业可以外包某项任务甚至某个岗位，但永远无法外包自身的“学习能力”。

　　针对这一趋势，中国应用层的探索则表现得更为具体。吴明辉认为，未来的软件服务或许或将演变为“Token成本加管理费”的收费模式。这种模式类似于传统广告公司帮助客户管理投放预算并抽取固定比例服务费的逻辑。当AI应用跨越单纯的工具阶段，服务商的估值逻辑或许也将从传统外包的人头费，向帮助企业构建和运营基础设施的长期价值过渡。

　　确保企业的控制权与技术主权，是当前企业数字化转型中最核心的顾虑之一。纳德拉在其主张中谈到，企业应当能够随时替换掉任何“通才型”的基础大模型，而不丢失在系统内部早已沉淀下来的、犹如“企业老兵”般的专业经验。他将此称为检验企业是否拥有未来控制权的关键标准。

　　在这一点上，中国技术团队的工程实践同样印证了这一逻辑。明略科技在技术路线上反复强调“横向扩展（Scaling Out）”的范式，即通过多个专业小模型联网协作，在细分场景中去消解单一闭源大模型的纵向垄断。

　　基于这一逻辑，应用层平台的护城河不再单纯依赖于底层代码或某一个开源跑分最高的模型，而在于由工作流、上下文、品鉴标准和组织记忆共同构成的“模型之上”的学习系统。

　　目前，Octo作为Agent协作网络，在架构设计上并未绑定单一大模型，而是通过MOA（Mixture of Agents）架构调度不同的专业模型。当底层的开源或商业模型发生迭代切换时，上层沉淀的组织特有知识库和运行轨迹依然保持完整，这在工程上回应了纳德拉对于“模型可替换”的架构设想。

　　纳德拉在博文中表达了对政治经济学维度的担忧。他以第一阶段全球化中制造业外包导致部分工业经济体“空心化”为例，警告行业切不可让少数几个PG电子官方网站前沿大模型攫取全部的经济回报，从而将各行各业历经数十年积累的行业知识无情地商品化、廉价化。

　　针对如何防止价值向少数垄断模型过度集中的问题，双方虽然均看到了行业痛点，但给出的解题路线展现出了不同的技术姿态。

　　纳德拉倾向于从生态体系的广度来呼吁，强调平台应该让其上层生态创造的价值远大于平台自身所捕获的价值。而明略科技等中国团队则通过开源、端侧和可审计的技术路线进行切入。其将系统定位为“智能体互联网（Internet of Agents）”时代的通信与协作网络，试图通过做Agent之间的“连接层”，让每一个企业节点都能掌握自己的数据主权与学习闭环。