文丨鲍勇剑 （博士，加拿大莱桥大学迪隆商学院终身教授，复旦大学管理学院EMBA特聘教授）
词元正逐步将人类的知识转化为一种可被机器利用的智能资产。然而，一个核心且复杂的问题随之浮现：这种新兴资产究竟应归属于企业、技术供应商、知识创造者，还是应由多方共同享有？
在2026年世界人工智能大会（WAIC）上，构建公正合理的全球人工智能治理体系成为焦点议题。这一主题也引出了一个值得深入探讨的问题：人工智能资产的所有权归属。具体而言，当社会知识与组织技能被转化为词元（token）时，谁应享有其带来的复利增长效益？
2026年7月，微软首席执行官萨提亚·纳德拉（Satya Nadella）在谈及企业未来发展时指出，组织将构建一个“人力资本与词元资本共同复利增长的学习循环”。在另一场访谈中，他进一步阐释，词元资本并非简单的“API调用集合”，而是企业将包含专家判断的商业流程技能化的体现。从行业趋势来看，AI技术正从提示词、上下文、智能体、机甲、模型上下文协议向技能演进，从“单次文本生成”迈向“复杂系统工程与能力模块化”。词元，作为这一切进化发展的战略资源，其重要性不言而喻。
词元的价值不容小觑。若企业仅付费调用通用大模型，则仅购买了一种人工智能服务。然而，若企业持续积累专有评估体系、智能体工作流程、组织记忆、决策记录、微调模型及反馈系统，则可能形成一种能提升未来产出的生产性资产。在企业或个人调用大模型的过程中，提交的知识与技能被不断词元化，进而为大模型增效。
词元：一种分层的关系性资产
词元资产既类似于物质资本，因其能提升未来生产率；又类似于人力资本，因其承载着知识与经验。然而，它又独具特色，因为词元资本通常由多种来源共同构成，包括企业积累的行业秘密、专家判断、员工知识、客户互动形态及私有数据。
这使得一个看似简单的问题——谁应拥有词元资本？——变得异常复杂。
答案并非仅取决于谁支付了云计算账单，或软件许可协议上的署名。词元资本是一种分层的、关系性的资产，其所有权涉及多方面因素。
基础模型提供商可能拥有底层模型；企业可能拥有其应用、工作流程及客户关系；员工可能创造了被编码进系统的隐性知识；客户和社区可能通过持续互动推动系统改进；公共机构则可能资助了教育、科研及基础设施，而整个系统正是建立在这些公共投入之上。
因此，词元资本的所有权问题不仅关乎法律产权，更涉及谁控制这种资产、谁可以使用它、谁有权排除他人、谁获得由此产生的收益、谁承担相关风险以及谁能够参与决定它未来的发展方向。
词元代表了人类自然语言与机器语言融合的飞跃。词元资产关乎人类文明发展，具有广泛的社会外在性。若简单沿用物质资产所有权的概念，将可能阻碍人工智能的发展。面对这一前所未有的挑战，我们不妨借助不同的经济学理论，来探索该问题的各个侧面。
六种经济理论对词元资本所有权的阐释
产权理论：所有权意味着剩余控制权。产权理论承认，合同永远是不完备的，无法预先规定资产的所有未来用途或预见所有可能发生的情形。因此，所有权之所以重要，是因为它决定了剩余控制权，即在合同未明确规定时，谁有权决定资产的使用方式。该理论也指出，将所有权集中在一方手中，可能强化该方的投资激励，但同时削弱其他参与者的投资动力。
应用于词元资本，产权拥有者可以修改模型、将知识用于新目的、将系统转让给另一个技术供应商、阻止离职员工带走相关能力，并决定客户互动数据能否被用于进一步训练。然而，企业用户可能认为自己拥有词元资本，但实际上仍高度依赖模型供应商的决策。同样，大模型企业可能在法律上拥有由员工知识训练出的AI系统，而员工却对这些知识未来如何被使用没有任何剩余权利。
科斯理论：所有权边界取决于交易成本。罗纳德·科斯通过比较市场交易成本与组织内部协调成本，解释了企业的存在及企业边界的形成。当通过内部层级组织某项活动比反复在市场上签订合同更便宜时，该项活动就更可能被纳入企业内部。
从这一视角出发，当外部采购和合同安排成本较低时，企业会租用通用人工智能能力。然而，当依赖外部供应商产生较高的保密成本、协调成本、模型适配成本、合规成本或供应商依赖风险时，企业就会试图将词元资本内部化。最终出现的，可能既非完全纵向一体化，也非完全外包。企业可能租用计算能力和基础模型，同时拥有自身的评估体系、组织记忆、领域智能体和反馈机制。
最有效率的组织边界取决于内部开发成本、外部市场交易成本和跨组织协调成本之间的比较。科斯理论能够解释企业为何追求词元资本的控制权，但较少回答这种所有权安排对于创造知识和数据的人是否公平。
资源基础观：企业拥有的是难以复制的组织能力。企业要获得持久竞争优势，必须拥有有价值、稀缺、难以模仿且难以替代的资源和能力。一个广泛可得的基础模型本身难以形成持久优势，因为竞争对手也可以购买同样的服务。真正具有防御性的资产是通用模型与企业专有资源相结合而形成的能力。
从这个角度看，词元资本并非企业生成了多少文本或购买了多少词元，而是一种综合协同的组织能力。只要组织能够最有效地整合各类要素，它就拥有了经济意义上的核心资产。然而，资源基础观主要关心企业如何获得和保持竞争优势，而不会自动追问社会上那些对这种优势作出实质贡献的人是否获得了适当的收益和权利。
马克思主义视角：词元是被资本控制的累积知识。马克思主义分析首先区分生产与所有权。劳动者可以创造一种生产性资产，却并不拥有它，也无法控制它未来的使用方式。马克思将资本描述为累积的、物化的或“死去的”劳动，它作为一种由生产资料所有者控制的力量，反过来支配活劳动。他关于异化的分析也强调，劳动者可能同时失去对劳动产品和生产过程的控制。
词元资本使这一分析获得了新的现实意义。员工撰写报告、解决问题、修正错误、评估输出、解释例外情况等行动留下了可供人工智能系统学习的记录。一旦这些知识被编码进系统，就可能成为一种企业资产，并被重复部署、对外许可，甚至被用于降低企业对原有知识劳动者的依赖。
因此，马克思主义视角所提出的问题不仅是员工在贡献知识时是否领取了工资，而是雇佣关系是否允许企业把集体创造的智能转化为资本资产，同时不给创造者相应的所有权、治理权或未来收益权。
熊彼特理论：创新租金只能暂时归创新者所有。颠覆性技术与组织组合可以让创新者获得暂时的超额利润，但这种收益会吸引模仿者并最终被竞争削弱。对暂时创新利润的市场预期本身可以鼓励企业进行高风险投资。
从这一视角出发，创造出高生产率词元资本系统的企业应当有权获得相当一部分收益。如果企业无法期待创新回报，就可能减少对实验、基础设施和高风险组织变革的投资。然而，熊彼特式所有权本质上是暂时的、阶段性的。当一家企业真正创造了新的生产能力时，它对超额收益的主张最强；当它的优势主要来自限制访问、锁定用户或圈占他人创造的知识时，这种主张的制度合法性就会明显减弱。
这一理论提醒我们，必须保护创新激励，但不能把短期企业家优势误认为对集体知识的永久占有权。
奥斯特罗姆的公地理论：所有权是一组可治理的权利。欧玲·奥斯特罗姆的研究挑战了传统假设：共享资源只能被私人占有或由国家集中控制。她证明，社区可以建立持久的制度，明确资源边界、制定符合本地条件的规则、让使用者参与集体决策、监督行为、解决争议，并在多个层级上组织治理。
近年来，将这一传统扩展到人工智能治理的研究把AI体系拆分为多种可能需要共同治理的资源层：数据、计算能力、模型、知识与评估、能源。相应的制度形式包括数据信托、开发合作社、学习联盟、开放模型协作和社区数据主权安排。
公地理论并不把所有权理解为单一、不可分割的产权，而是把它看作一组权利：包括访问和使用资源的权利、向资源作出贡献的权利、修改和维护资源的权利、参与治理的权利、获得收益的权利、转让或退出的权利以及保护资源及其他参与者的责任。
当词元资本不是通过一次性交易形成，而是依赖长期互动和持续贡献时，这种理解尤为重要。
集体智能呼唤多元产权框架
哪一种理论最能兼顾效率与公平？鉴于词元资本是当代新现象，没有任何一种理论能够完整回答这个问题。产权理论能够澄清控制权和投资激励，但如果它把初始权利分配视为理所当然，就可能为高度不平等的所有权安排提供正当性。科斯理论能够识别有效率的组织边界，却可能忽略谈判能力的权力不平等。资源基础观解释了竞争优势，但倾向于将贡献者物化为“投入要素”。熊彼特理论可以为创新租金提供理由，却不能充分说明这种收益应持续多久或如何分配。马克思主义能够揭示知识占有和权力不对称，但没有涉及去中心化制度设计的具体规则。欧玲的公地和集体行动理论框架是兼顾效率与公平的最佳起点，但它也需要其他理论补充解决投资者和创业者激励的问题。
AI集体智能和社会世界模型将是下一个爆发点。兼顾效率与公平成为发展的必要条件。随着人工智能从生成单个输出转向协调人类群体与多个机器智能体，所有权问题变得更加重要。
集体智能并非个体智能的简单相加。相关研究发现，群体可能具有一种相对稳定的集体智能因素，能够预测其在不同任务上的表现。群体表现不仅取决于最聪明的成员，还取决于成员之间的沟通、参与和协调方式。因此，组织面临的核心问题已不只是一个AI模型有多聪明，而是如何将人类和计算系统连接起来，使整个组合比任何单一组成部分都更加智能。
在这样的系统中，词元资本不仅包括模型权重和文档，还包括一系列互动模式。这些都是关系性资产，产生于人与人、团队与团队以及人与机器之间的互动之中，并非任何一个参与者独立创造的。
治理方式会直接影响这些资产的质量。如果员工预期自己的专业知识将被提取、用于监控自己或最终被用于削弱自身议价能力，他们就可能减少知识分享、抵制文档化或操纵绩效指标。相反，如果贡献者拥有可信的权利、得到认可并能够参与收益分配，他们就更有动力提供准确反馈、维护共同学习系统。
因此，公平治理能够提高效率。信任可以降低知识共享成本；参与可以发现管理层忽视的问题；可携性能够降低路径依赖；收益分享可以鼓励持续贡献；独立监督可以提高系统的合法性和可靠性。
设计两种互补的词元经济模式
词元资本是一个新型的政治经济学问题，不能仅依赖传统的市场机制。未来，社区共同体的词元经济可以是一个有益的互补模式。
在传统市场词元经济中，企业拥有或通过合同控制词元资本的主要组成部分。董事会和管理层控制其开发和使用，同时受到公司法义务和外部监管的约束。员工、创作者和数据提供者主要通过合同参与，可以获得工资、许可费、奖金或协商确定的版税，但不会自动取得对AI系统的治理权。
当词元资本主要由单一企业出资和开发时，决策容易逆转。企业软件、工业模拟应用、低风险流程自动化和许多开发者工具都较符合这一特征。
当词元涉及到科学数据公地、社区语言模型、合作平台、社会文化知识系统和公共数字基础设施时，相关权利应该被分配给多个权力中心。当知识来自大量独立贡献者、资源具有公共品属性、持续信任非常重要且私人企业的控制会造成不可逆转的路径依赖时，社区共同体的产权管理模式更为适合。
在这个模式中，企业可以负责运营服务，社区委员会可以治理相关的数据信托，专业机构可以制定质量标准，政策监管者则负责执行最低权利要求。
这种模式与WAIC所倡导的普惠、开放、共同治理的“和美与共”精神一致。
两种模式都有自身的限制和力量。根据行业特征和发展阶段做匹配选择，这本身就是下一阶段从AI对齐到制度对齐要做的功课。
结论：所有权本质上是制度设计
谁拥有词元资本？在现有公司制度下，形式上的答案往往是控制合同、基础设施和知识产权的企业。但从多个经济学角度看，这一答案并不完整。词元资本并非由金融资本单独创造的，它产生于一个由模型、员工、客户、数据、制度和关系共同构成的学习系统。
合适的制度对齐原则可以概括为：运营控制权应当与专业能力相匹配；代表发言权应当与贡献和风险控制需求相匹配；资本收益应当同时反映投资与集体价值创造。
词元资本或许被编码在机器中，但它的价值是由制度创造的。因此，最终的所有权问题并不只是谁拥有模型，真正的问题是谁有权治理这个学习循环以及这种权力究竟代表谁的利益。
（文章仅代表作者观点。）
