Token 資本是企業自己建立、擁有、可持續改善的 AI 能力；到 2026 年 6 月，它已經從技術口號變成董事會問題。 Satya Nadella 在 2026 年 6 月 14 日的文章裡提出一個很硬的檢查點：公司能不能換掉底層通用模型，卻不丟掉累積在流程裡的經驗。能，AI 是資產。不能，公司只是在租用智慧。

這個判斷之所以重要，是因為企業 AI 的第一波熱潮已經露出裂縫。Microsoft 在 2026 財年第三季公布，AI 業務年化收入超過 USD 37B，年增 123%；同季 Microsoft Cloud 營收達 USD 54.5B，年增 29%。McKinsey 2025 年全球調查也顯示，88% 受訪組織已在至少一個業務功能中規律使用 AI，但大約只有三分之一開始擴大 AI 專案。換句話說，AI 使用已經普及，真正能累積公司能力的案例還少。

Nadella 的重點：護城河在學習迴圈，不在模型

Nadella 把公司資本分成兩種。人力資本包含員工的知識、判斷、人際關係、創意與辨識模式的能力。Token 資本則是公司自己建立並掌握的 AI 能力。這不是把人換成模型的說法。筆者讀到這裡，反而覺得他在替人的判斷力加價。

原因很直接。模型可以寫摘要、產生草稿、處理查詢，但它不知道公司為什麼選某個客戶、不接某種案子、在交期壓力下仍保留哪一道審查。這些細節原本散在員工腦中、Slack 討論、客服紀錄、報價例外、產品檢討與主管的口頭判斷裡。Token 資本的任務，是把這些隱性知識變成系統可以回收、檢索、評估、改善的材料。

Nadella 原文裡最值得企業拿回去開會的句子，其實是那個換模型測試：如果拿掉現在用的通用模型，公司內部的老手經驗還在不在？這句話比任何跑分表都殘酷。

為什麼現在談 Token 資本

Microsoft 自己的財報給了背景。2025 財年，公司營收 USD 281.7B，Azure 首度突破 USD 75B。到了 2026 財年第三季，Azure 與其他雲端服務營收又年增 40%。這表示企業正在把更多工作交給雲端與 AI 基礎建設，也表示模型供應商會碰到一個政治與商業問題：如果價值都被少數模型層吃掉，客戶、員工、監理者都會反彈。

Nadella 拿全球化做類比，這點有政治重量。第一輪外包讓 GDP 表面好看，卻讓許多工業社群承受長期代價。AI 如果重演這個劇本，知識型產業也可能被抽空。律師、客服、採購、行銷、工程、金融分析師的專業會被模型吸收，價值卻回到少數平台。

這個提醒並不排斥 AI。重點是企業要把 AI 建在自己的工作方式上，避免讓模型供應商定義公司的工作方式。

企業 AI 從工具採購，轉向能力會計

用採購角度看 AI，問題通常是選哪個模型、每 1M token 多少錢、是否支援私有部署、延遲多少。這些都重要，但不夠。

用 Token 資本角度看，問題會變成另一組：

檢查面向 問題 可量化指標
模型可替換性 通用模型換掉後，專有經驗是否保留 30 天內替換模型後，eval 通過率下降幅度
工作流記憶 每次交付是否留下可再用資料 任務軌跡完整率、例外原因標註率
私有評測 測試是否反映公司真實結果 自建 eval 題庫數、每月失敗案例回收率
人類判斷 人是否仍負責方向與審查 高風險任務人工覆核率、覆核修正率
單位經濟 AI 是否改善成本與週期 單案工時、模型成本、交付週期、重工率

這張表的用意，是把 AI 從「用過了」變成「資產有沒有增加」。沒有測量，Token 資本只是漂亮名詞。

企業 AI 的損益表

公開 benchmark 測的是通用能力。企業真正需要知道的是：這個模型能不能把退貨客服處理對？能不能分辨哪張訂單要人工介入？能不能寫出符合公司法務風險偏好的合約註解？能不能在資深業務不在線時，仍保留那位業務對客戶脾氣的理解？

Microsoft 2026 Work Trend Index 訪談 10 個國家、20,000 名 AI 使用者，並分析 Microsoft 365 使用訊號。報告指出，50% 受訪者認為品質控管更重要，46% 認為批判思考更重要；86% 說他們把 AI 輸出當作起點，而非最後答案。這剛好呼應 Nadella 的判斷：人沒有退場，人換了位置。

McKinsey 的 agentic AI 研究也支持同一件事。AI agent 要產生可衡量效益，不能只是加在舊流程旁邊；企業必須重新設計任務流、責任分工、治理與資料基礎。報告提到，一個銀行信用 memo 流程概念驗證可帶來 20% 到 60% 生產力提升，信用周轉時間改善 30%。這類收益來自流程被重寫，聊天能力只是底層技術之一。

Token 資本的五層架構

企業可以用五層來檢查自己是否真的在累積 Token 資本。

層級 內容 缺少時的症狀
知識層 文件、決策紀錄、客戶脈絡、產品規則 AI 回答像外部顧問，懂常識但不懂公司
工作流層 任務步驟、交接規則、例外處理 每個部門各玩各的 prompt
評測層 私有 eval、失敗案例、黃金答案 只能看公開跑分，無法判斷業務結果
回饋層 人工覆核、使用紀錄、重工原因 模型用得越多，知識卻沒有沉澱
治理層 權限、審計、模型替換、成本控管 供應商綁死，風險與帳單都失控

這五層裡，最容易被忽略的是回饋層。很多公司買了 AI 工具，員工也真的用，但使用後沒有形成訓練材料。失敗案例沒有標註，成功案例沒有整理，主管判斷沒有寫回系統。最後留下的只有帳單。

對 CEO 和 CIO 的現實建議

第一，別先問哪個模型最好。先選一條高價值流程，例如客訴分流、銷售報價、採購異常、法務審約、需求規格整理。把它拆成任務、資料、判斷點、覆核點與成效指標。

第二，建立 50 到 200 題私有 eval。題目不用華麗，要貼近真實工作。每題要有輸入、期望輸出、不可犯錯、允許變動、人工判定規則。這會比看排行榜更接近公司能力。

第三，要求模型可替換。所有 prompt、工具呼叫、資料檢索、評測、記憶層都不要綁死單一供應商。McKinsey 在 agentic AI mesh 報告中也主張供應商中立與可替換架構，並提到 MCP、A2A 這類開放協定。

第四，把人放在最貴的判斷點上。低風險、重複、可驗證的步驟交給 agent。高風險、價值判斷、客戶關係、品牌語氣與法律責任，仍要有人負責。

這對台灣企業尤其刺耳

台灣企業很熟悉代工與外包的甜頭，也知道它的代價。AI 時代的外包更隱形：工廠還在，判斷、流程、客戶知識與產品語氣卻被外部模型吸收。短期看起來效率提高，長期可能連自己為什麼做得好都說不清楚。

如果一家公司只把 AI 當成便宜人力，最後會買到更快的平庸。若把 AI 當成組織記憶與工作流再設計工具，才有機會累積 Token 資本。

Tenten 先前整理過 AI Agent 商業導入與 AI Agent 推動 B2B 成長的實務脈絡。兩篇文章都指向同一個結論：agent 的價值不在替員工省幾分鐘，而在讓可觀測、可回饋、可改善的流程變成公司資產。

FAQ

Token 資本是什麼？

Token 資本是公司自己建立並擁有的 AI 能力。它包含私有知識庫、工作流、eval、回饋紀錄、agent 設計與治理規則。重點不在 token 用量，而在 AI 使用後是否累積可再用的公司能力。

Token 資本和人力資本會互相取代嗎？

不會。Nadella 的論點剛好相反。人的判斷、關係、目標設定與模式辨識，會決定 Token 資本能不能增加。沒有人的方向，模型只是在處理任務，沒有真正學到公司為什麼這樣做。

怎麼判斷公司是不是只在租用 AI？

最簡單的測試是替換底層模型。如果換模型後，公司的工作流、專有知識、評測、例外處理與判斷紀錄仍在，代表 AI 能力屬於公司。如果一換供應商就回到原點，公司只是把智慧租回來用。

中小企業是否也需要 Token 資本？

需要，但不必一開始就做大型平台。中小企業可以先從客服、報價、內容審查、訂單例外、商品知識庫開始。只要每次使用後都有紀錄、評測與回饋，就已經在建立自己的 AI 能力。

權威引用

Author Insight

企業導入 AI 最常見的失誤，是把工具上線當成轉型完成。Tenten 在做企業 AI、GEO 與工作流自動化時，通常先看三件事：資料從哪裡來、誰負責判斷、失敗案例是否會回到系統。這三件事沒處理，模型越強，混亂也會越快。

如果你正在評估企業 AI agent、私有知識庫或 GEO 工作流，Tenten 可以協助把單點工具整理成可驗證的導入路線。歡迎和 Tenten 團隊預約諮詢，一起檢查你的 AI 能力到底是資產，還是租來的效率。

術語表

術語 定義
Token 資本 公司自己建立並掌握的 AI 能力，包含工作流、知識、eval、回饋與治理
人力資本 員工的知識、判斷、人際關係、創意與模式辨識能力
私有 eval 依公司真實任務建立的模型評測，不只看公開 benchmark
通用模型 可處理廣泛任務的基礎模型，例如大型語言模型
AI agent 可根據目標分解任務、呼叫工具、執行多步驟工作流的 AI 系統
Share this post
Erik (EKC)

With over 20 years of experience in technology, and the startup industry, I am passionate about AI and driving innovation. Keeping the engine running

Loading...