本文讨论智能时代企业如何保护核心知识产权：企业在使用 AI、提升模型效果的过程中，会持续贡献提示词、运行轨迹、纠错、评测与组织经验，因此必须建立覆盖数据和学习成果的信任边界，掌控自己的学习闭环。
原文：https://x.com/satyanadella/status/2076323181154230284
本文由LobsterAI自动翻译和发布。
在智能时代，企业该如何保护自己的核心知识产权？
诺贝尔经济学奖得主肯尼斯·阿罗曾著名地描述过信息市场中的一个悖论：
“购买者在获得信息之前，并不知道它的价值；但一旦获得，他实际上已经无偿得到了它。”
在阿罗的“信息悖论”中，卖方为了出售知识，可能不得不先把知识泄露出去。
AI 带来了一个反向的问题：在 AI 时代，买方仅仅为了使用自己购买的产品，就可能不得不交出自己的知识。
你实际上要为智能付两次钱：第一次付的是金钱，第二次付出的则是更宝贵的东西——为了让这种智能真正有用，你必须披露自己的专有知识。你越想让模型表现得更好，就越需要向它输送更多这样的知识！
随着时间推移，这种信息不对称会变得越来越严重。卖方会在你使用其产品的过程中越来越了解你，而你对卖方从中学到了什么却几乎一无所知。
这就是我所说的“反向信息悖论”。
专利解决了阿罗悖论的一个方面：它让发明者可以公开一个想法，而不至于白白把它送出去。反向信息悖论也需要一个与之对应的解决机制。
这不仅仅需要数据保护。模型还会从各种“智能废气”中学习，包括人们编写的提示词、智能体调用的工具，以及尤其重要的——模型犯错时，人们对它所做的纠正。
每一次纠正，都会被提炼为组织内部的专有经验。这种知识是竞争对手花多少钱都买不到的，但它却会以一种几乎难以察觉的方式泄露出去：一条轨迹接一条轨迹，一次纠正接一次纠正，一项评测接一项评测。
当你消费智能时，你也在创造智能。而你创造出来的智能，理应属于你。
这是哈耶克意义上的“特定知识”：关于时间、地点和具体情境的知识，是其他任何人都无法掌握的。它知道你如何思考、重视什么，以及如何衡量成功。
模型提供商基于合理使用原则，利用公共数据训练模型，由此带来的伟大创新是必要的。但我觉得讽刺的是：现状却是它们转过身来，对模型蒸馏施加严格限制，同时保留从客户使用数据和交互数据中学习的权利。
如果学习只能朝一个方向流动，那么经济价值最终将向学习基础设施的所有者集中，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配给每一家企业，让它们能够掌控自己的学习闭环。
正如 Alex Karp 所说：
“真正懂技术的客户想要的是，对自己的算力、模型、数据栈和 Alpha 拥有控制权。他们想确认自己掌握着生产资料，而且这些生产资料不会被转移给其他人。”
当前的机制，恰恰造成了 Karp 和企业所担忧的那种转移。
这正是企业需要为其人力资本和 Token 资本建立真正信任边界的原因。
组织的数据、运行轨迹、评测结果、适配后的权重和记忆，都应在这条边界内不断积累、共同改进。这必须是一条坚固的边界：未经同意，任何东西都不能越界，甚至连那些“智能废气”也不例外。
企业将要求获得使用模型输出结果的权利，用它们微调和／或训练自己的模型。我把这视为每一家企业都应拥有的权利：让模型与企业自身承担的责任和合规义务保持一致。
在云计算时代，企业积累的是数据；在 AI 时代，企业积累的是学习成果。
因此，信任边界也必须随之演变：从保护信息，升级为保护组织学习、适应并持续复利式积累智能的机制。
为了确保这一点，每家企业都必须做到以下几件事：
控制（Control）：创建自己的私有评测，因为评测定义了组织内部什么才算“好”。同时，保留对组织记忆、运行轨迹、反馈、决策和机构背景知识的所有权，以及使用模型基于自身任务和查询所生成结果的权利。
能力（Capability）：在租户边界内部建立自己的专有学习环境，用于训练或调优模型。让模型能够结合真实业务流程进行学习，同时不暴露企业知识。
选择（Choice）：确保编排层与任何单一模型解耦。问问自己：如果正在使用的某个模型突然无法使用，你是否仍然能够利用其他模型，围绕自己的评测标准继续运营和优化？即使某个“通用型”模型被撤走，企业内部由老员工经验沉淀而成的“资深能力”是否仍然掌握在自己手中？
成本（Cost）：通过解耦编排层，你还可以用最高效、最具成本效益的方式组合上下文、模型和任务，同时不牺牲质量。
复利（Compound）：把前面四项结合起来，你就能建立自己的持续学习闭环，也就是一台不断“爬坡”的机器，使 AI 投资持续为企业价值带来复利增长。
换句话说，一家公司应该能够使用一个模型，而不必交出使自己独一无二的知识。
这就是我们必须正视的“反向信息悖论”。
——Satya Nadella，2026 年 7 月 12 日
原文：https://x.com/satyanadella/status/2076323181154230284