在2026年1月刚刚举行的达沃斯世界经济论坛年会上，全球最杰出的大数据分析与人工智能平台公司Palantir（中文常译作“帕兰蒂尔”）首席执行官亚历克斯·卡普（Alex Karp）与全球最大的资产管理巨头贝莱德CEO 劳伦斯·芬克（Larry Fink）进行了一场深度对话。
在对话的最开始，劳伦斯·芬克以一种近乎于“旧时代守望者”的姿态，向坐在对面的亚历克斯·卡普（Alex Karp）表达了敬意。
芬克给出了一组足以令任何金融精英汗颜的数据：在他执掌贝莱德的漫长岁月中，年化复合回报率为21%，这已是传统金融世界的巅峰；而自Palantir上市以来，卡普为投资者带来的复合回报率却高达惊人的73%。这52个百分点的差距，绝非仅仅是两家公司财务报表的优劣对比，而是一份关于全球权力天平位移的证明，隐藏着AI从“增长潜力”向“实际行动能力”转化的分水岭。
世界已进入地缘博弈的深水区。过去那种靠温和的数字化转型、买几个SaaS软件就宣称进入“智能时代”的假象，正在迅速破灭。Palantir的成功就是最好的证明。正如亚历克斯·卡普在其新书《科技共和国》中所说：若非先进的人工智能的崛起已经对全球秩序构成颠覆性的威胁，我们或许还会在浑浑噩噩中继续蹉跎岁月，持久地回避这些更为根本的问题。作为一个社会与文明，我们现在已经到了必须就“我们是谁”以及“我们希望成为什么样子”做出决策的关键时刻。
拉里·芬克：再度莅临此地，深感荣幸。在达沃斯举行的世界经济论坛上，我很荣幸向诸位介绍亚历克斯·卡普。
请允许我先从我们之间一段更为个人的话题谈起——虽然我为我在贝莱德集团所创下的成就感到自豪，但自我担任首席执行官以来，总回报率的复合年化增长仅为21%。而自Alex带领帕兰提尔（Palantir）公司上市以来，其复合回报率高达73%。祝贺你，ALex。
更重要的是，我们正身处一场深刻的技术变革之中。我相信在座诸位对此皆有耳闻、有目共睹、身有所感。所有人都在追问：人工智能究竟能为个人带来什么？如何将其转化为增长动力？它如何惠及劳动者？又将如何影响各国发展与国家安全？
我们正在探讨的这项技术，有提升产能、推动产业现代化、拓展机遇的潜力，并将彻底重塑我们的工作模式、工作场所以及协作方式。关键在于：各国政府是否已为这场社会实质性转型做好了准备？我们必须确保这项技术在部署过程中，能够真正赋能于人、赋能于机构，从而构建更具韧性的全球经济。
很少有领袖能真正立足于科技、国家安全与实体经济的交汇处——我自认并非其中一员。但亚历克斯·卡普正是站在这个交汇点上的典范。
作为帕兰提尔公司的联合创始人兼首席执行官，Alex长期与国防部门、政府机构及私营组织密切合作，致力于探索人工智能在诸多关键领域的应用，其意义至关重要。我必须坦言，过去一年与Alex的多次交谈使我深受启发。因此，我十分期待接下来的对话。
那么，请允许我由此切入：主权国家往往是先进技术的早期采用者，这一点在美国的实践中尤为显著。但从您的视角出发，人工智能正如何支持国防与安全领域的决策过程？
亚力克斯·卡普：首先，非常高兴来到这里。听了您的介绍，我可能就该直接下台了——感觉接下来很难超越啊。您还想多聊聊投资回报率吗？我这边没问题。
的确，我认为讨论这个问题时需要考虑到一个背景：无论是美国还是欧洲，历史上工业发展与军事技术始终紧密相连。虽然这是个概括性的说法，但多数情况下确实如此——你为军方开发的产品往往具有双重用途，最终提升了国民的生活水平。
然而由于诸多原因，我在此不详细展开讲述了，至少到目前的技术发展模式并非如此。尽管现在涌现了许多国防科技初创企业和先驱，但过去的情况是：你创造的产品必须在最严酷的条件下运行，其性能要显著优于其他所有同类，以至于能在战场上带来压倒性优势——尤其是与本国作战方式结合时。
这里可以引用一位著名的德国社会主义历史学家的观点：德国曾面临的问题是战争机器过于精良，以致他们认为所有事情“直接在战场上决出对错即可”。这显然导致了许多脱节和实际问题。而中美两国在这方面相当成功。
我成年后大部分时间生活在欧洲，虽然坚定支持欧洲，但客观地说，欧洲的发展并不十分顺利。我们所打造的技术本为应对恶劣环境而生——那种恶劣、道德界限模糊的环境。那么，如何调整道德准则以适应我们的作战方式呢？
在西方社会，这同样是一个重要方向。道德准则的确立本就艰难，技术应用环境又充满挑战——尤其在软件领域，你往往无法直接接入网络，作战时面临诸多限制条件，即便知道这并非最优的作战方式，而且每个国家都有专有的战斗方式。但是积极的一面是你同时也在构建具有普适价值、能为普通民众所用的技术方案。这也正是人工智能的独特之处——它真正引人入胜的特质就在于此。
但如果你从一种惯常思维出发——我认为直到最近，所有广义上的西方对手们还普遍认为，在基于软件的国防建设上的投资，不过是美国人搞的一种疯狂营销把戏：创始人造富烧钱，公司倒闭，创始人跑到巴哈马海滩逍遥，股东赚了钱就撤，最终留下一地鸡毛。
你如何为主权政府构建系统，对他们而言本身也是他们学习的一个过程，关于如何采用这些技术。这不仅仅是技术问题，因为如果是建造坦克，从英国到法国再到德国，不断优化坦克技术，其部署方式一目了然。但是你如何部署一个系统呢？我们当下的整个国防体系与军备采购机制，仍停留在为广袤战场大规模兵团作战输送兵力的模式，但问题在于，这种战争可能再也不会出现。下一阶段战争的胜负，将取决于软件，其核心价值在于调度战场上的零件。如果无法在战场上看到这些组成部分，又怎能确认它是否有效果、能发挥多大作用、是否远优于我们原有的系统、能否让我们做到过去无法做到的事？
软件人工智能有很多价值，其中还存在一个隐性特点——很多人总是想当然地认为其价值在于“从你本来所处的地方跨越到你希望去的地方“。但在世界上大多数主权国家中，我们处理各种形式被广泛定义为“in it”的事情。
实际上技术企业的严谨性有很大漏洞，就像我有阅读障碍一样，它也有阅读障碍，企业里有许多部门仅存在于PPT演示文稿中，一旦投入实战，你就会发现它们根本不存在。不管你在哪个国家，当你在战场上时就会发现这一点。这也是乌克兰的优势之一，他们基本是白手起家，能够“从零开始”构建能够应对现实载荷的真实架构，不必在投入实战后才重新认识到自己原有的体系行不通。
不管你信不信我是反对干涉的，我不是新保守主义者。但美国的巨大优势之一在于，无论是好是坏，我们在战场上有丰富的经验，这样你就可以看到什么是有效的什么是无效的。目前西方许多传统巨头正处于一种“由于拥有太多而变得脆弱”的窘境。帕兰提尔在战场上做过的最重要的事情之一就是能弥补齐一半的事实，而有的企业甚至不起作用，只是在实验室里播放演示ppt。
拉里·芬克：不起作用的原因是因为机器还是人类？
亚力克斯·卡普：战场上的环境是复杂多变的，比如以乌克兰战场为例，把无人机从a点移动到b点有多难？实际上，首先，你需要知道你想把无人机部署到哪里。这将需要同步你所有的数据。你需要在做到这一点的同时，不将这些数据传输给你的对手，这意味着你必须知道经手这份数据的每一个人。你还必须对数据进行最终处理以掩盖其真实意图。
那它不去哪里呢？你会希望把无人机放在你的资产表上吗？在乌克兰可能只有2个人知道，一个是将军一个是你的线人。你不能告诉别人那是你的资产。你要避免别人发现谁是你的线人。当战争开始后，过去我不知道为什么俄罗斯人被低估了，在数据层面来看他们可能是世界第一。可能有些东西他们一开始没有，他们可以在战争过程中拼凑出来，然后开始干扰电子设备信号。所以这要求你的企业必须同步发展，因为现在不是从a到b到问题了，而是如何穿过非常拥挤的环境的问题。当你在收集数据的时候并没有可以链接的地方。在乌克兰每次进入一个战区之前，每件事情都是动态挑战，并且事先没有被预测到。
当然肯定有人喜欢我们的工作，有些人讨厌，欢迎所有的意见交流。
乌克兰人其实是一个小团队，他们的士兵非常勇敢，非常有技术性，他们也有很厉害的技术人员能力在我们之上，有自己产品的专有使用方式。在以色列，他们善用情报手段，而多数人则倾向于军队对军队的直接对抗。但在美国，你只有其他国家所没有的巨大力量，但这个力量必须得到整合。所以企业软件在战场上的双重作用是，一是确保所有底层的东西都能正常工作，二是将级别提高到世界顶尖水准。
AI升级：从战场到社会民生
拉里·芬克：有非常多的技术源自国防领域，无论是互联网还是GPS。你如何看待这项技术从国防和军事领域转化到公司、企业乃至社会？
亚力克斯·卡普：这样一个本质上纯粹原始、不加修饰的环境意味着，你实际上能够了解什么是真正可行的客观事实，而不受企业主观认知的局限。总的来说，这种认知具有高度普适性，几乎可以一对一地转化应用。
而企业运行是不一样的。并非所有企业都愿意随时间推移变得跟其他企业同质化。比如你拿出A、B、C五家企业，它们处于同一市场，其技术基础设施正试图将它们塑造成相似的企业。它们拥有相同的组织架构图，大致相同的流程，但数据和基础设施却各不相同。
在战场上我们学到的是，同质化并不具备特别价值，真正有价值的事情是企业能做到其他企业做不到的事情，这才应该是每个人的目标，也正是每个军事情报机构追求的目标。
在进入商业领域时，如何拥有别人没有的效率和知识是很重要的。比如在战场上，最重要的问题之一就是你如何获取数据信息并进行处理，然后把数据放入系统框架内将其进行真正的行动运行。企业到底在做什么？其实归根结底就是数据、信息，如何把普遍共享的知识转化为你们的独家优势。
帕兰提尔目前也为众多医院提供支持，这些医院普遍面临收治流程问题，医护人力短缺，且在低利润环境中运作。通过优化收治流程并接入企业系统，现在处理这些事务的速度比以往提升了10到15倍，不是通过让医生干更多的活，而是通过算法优化了资源分配的“承重能力”，拯救了更多生命。
在处理生命相关数据时，因为你在用本体论处理数据，你有一个结构化的框架。尽管人们可能不愿相信，但这实际上增强了公民自由。因为现在你可以明确指出：简单来说，某人的处理流程是基于经济考量，还是基于其背景因素？这类问题原本是无从查证的。这其实在公民自由方面带来了巨大改进，但人们通常不相信我们会在乎这个——然而事实恰恰相反，我们确实在乎。要知道，展现即关怀。比如我们能够细致地展示：某人为何进入系统、为何被接收、为何被拒绝，而且我们可以用对企业本身有商业意义的方式来实现这一点，同时这还能带来安全与效率的提升，并且还缩减了开支。
如果用更精简的财务视角来说明：过去，想要实现我们如今在公开市场透明环境下所能达成的效果，企业往往需要先私有化，再剥离成本结构，很可能再转手出售。而现在，你可以直接优化成本架构，让一线工作者——而非臃肿的中层——发挥更关键作用，进而彻底改变他们面向市场的方式。
AI在这里不再是冰冷的算力堆砌，它通过建立公开的、真实的、可审计的流程，实现了效率、利润与社会价值的某种奇迹般的重叠。
AI泡沫？太多企业沉迷于“买现成模型”
拉里·芬克：那么，阻碍人工智能应用普及的根本障碍是什么？仅仅是遗留系统和历史问题吗？我们该如何加速其应用，以造福人类？
亚力克斯·卡普：目前AI的应用速度已经超过了我们自身的能力。所有人都在谈论AI，所有人都在购买算力。而如果有些企业只是直接购买现成的大型语言模型，试图用它来完成任何实际任务，那都是行不通的——大语言模型现在更像是一种通用商品，而且精度远远不够。比如，你无法用它进行核保，任何受监管的业务它都无法胜任。
说到普及，现在的问题在于，很多人尝试了一些根本不可能成功的方法。比如，买一个大语言模型，把它往自己的技术栈上一放，然后纳闷为什么没效果。尤其是在美国，你会看到人们开始尝试像我们（帕兰提尔）那样，或许通过手工构建本体论的方式来解决问题。因为只有当你建立起一个软件层，用一种企业能够理解的语言来协调和管理这些大语言模型时，AI才能真正创造价值。
现在有很多讨论，比如我们是否身处AI泡沫中。泡沫是什么？我认为，如果说有什么问题的话，我们现在是处于一个滞后阶段。市面上有很多AI产品，其中一部分确实有效。就像回到战场那个例子：全世界几乎所有人都曾认为这行不通，但现在它确实行得通了。所以，现在的问题不再是“它是否有效”，而是“我们如何让它为我的国家（或公司）所用”。这正是各个公司正在经历的：“噢，那家公司成功了，我的怎么不行？你到底做了什么？”
举个例子，就以我们帕兰提尔来说，我们几乎没有销售人员。实际上，我每次去看，销售团队规模似乎都在缩小。规模变小，并不是我们想节省单位经济效益，而是因为在当前AI领域的低信任度环境下，大多数企业已经被各种无法落地的AI愿景搞得筋疲力竭。如果你交付了真正有效的东西，为什么还需要销售人员呢？产品自己会说话。你只需要说：“嘿，别来找我们谈。”这在商业和政府领域都是如此。目前我们很难扩张，主要是因为我们需要去培训购买方的人员，而我们的资源是有限的。
在政府层面，每个国家显然都有类似“安全许可”的制度。那么，为了将我们的软件——比如构建像“项目专家”这样的系统——集成到你的架构中，你将需要一位同时拥有最高级别安全许可和技术背景的人员。
而遗憾的是，大多数技术人员并不会去获取最高级别的安全许可，所以这类人才非常稀缺。这种资源极为珍贵。接着，他们还需要接受培训，这个过程可能需要相当长的时间。此外，和任何事情一样，你必须真正相信这件事，认为它至关重要。要知道，并非所有人都符合这些条件。
拉里·芬克：那到底需要培训多少人，如果在企业层面，是否必须从CEO开始自上而下推行？具体是如何运作的？如果以保险核保为例。
亚力克斯·卡普：以保险核保为例吧。最理想的情况是——CEO最好具备数学思维。即便他可能对产品一无所知，但通过数据，他也能理解产品的运作逻辑。在这种情况下，初期我们可能需要培训五、六个人。开始时，所有工作都由我们完成，然后我们会尽可能地将知识和能力转移给他们。我们也在努力寻找能与我们共同完成这项工作的合作伙伴。总之，你需要的团队规模不大，但我们目前的人手依然不足。
拉里·芬克：您之前反复提到AI如何能加强经济基础，我们也在美国看到了这一点。AI能以多快的速度改变企业增长轨迹？因为您之前提到过它如何能改善经济以及人们的福祉。
亚力克斯·卡普：对于企业而言，这里涉及到很多方面，其中有个“速度”问题。就我们合作的许多公司来看，在我们介入的领域，我们通常能削减高达百分之八十的成本，并显著提升你们的营收。但这实际上取决于具体的应用场景和我们要解决的问题。然后就是速度函数的变化：在五年前，完成这样的改造可能需要一年时间；但现在，它可能只需要一周。
当AI撕掉精英学位的遮羞布
拉里·芬克：我想接着追问这个问题——我确定这也是今天一些人心中所想的：从整体上看，人工智能是会创造就业，还是会摧毁就业？
亚力克斯·卡普：确实，我认为当前西方舆论中存在一个令人遗憾的论调，就是它（AI）将摧毁人类的工作——就像你知道的，如果你去了名校，学了哲学（以我自己为例）。那么希望你还有些其他技能，因为仅有“精英学校的哲学学位”或通识性的精英教育背景将很难在市场上找到工作。
但职业技术人员却越来越不可替代，比如我们在为一家电池公司制造电池，在美国做这项工作的人，其工作内容与日本工程师大致相同，而他们只上过高中。现在他们变得非常有价值，甚至几乎是不可替代的，因为我们可以让他们迅速转型，胜任与之前不同的工作。这类岗位的价值将会越来越高。
而那些拥有高IQ、来自耶鲁等名校只具备“泛化知识”而无“特定技能”的人受到的冲击最大。
如果一个国家能够通过技术挖掘出本土公民中的这些“离群天才”，将他们培养成驾驭AI系统的“高阶技工”，那么这个国家对大规模低端移民的需求将会大幅下降。我确实认为，这些趋势让人很难理解美国为何还需要大规模移民——除非你拥有非常特殊的专业技能。
拉里·芬克：关于欧美白领工作的基础，历来是通过大学教育建立的。我刚刚听您说，我们将需要更多接受职业教育的男性和女性，您是否也在暗示，我们未来可能需要的白领岗位会减少？
亚力克斯·卡普：我认为，我们需要做的确实是减少对传统白领的依赖，但关键在于，我们需要用不同的方式来测试和发现人的潜能。你知道吗，有很多人在做X工作，但他们本应去做Y工作。
就像我们系统的一位管理者——在美国陆军中管理我们Maven“专家”系统的，是一位前警官，他只上过社区大学，而他现在正在全球范围内执行非常高端的、非常复杂的目标定位任务。这个人实际上是无法替代的。我认为，过去我们测试潜能的方式，可能无法完全发掘出他这种不可替代的才能。
如果他没上过大学，他还会像现在这样有才华吗？会的。而且我认为，甚至在帕兰提尔内部，如果你观察我整天在做什么，我就是到处走动，去发现谁有那种“异于常人的特质”，然后我把他们放到适合发挥这种特质的事情上，并努力让他们专注于此，而不是分散到他们自认为擅长的其他五件事上。
传统的大学学历正在加速贬值，而具备实际技能的技工、职业技术人员，通过AI的加持，正在变得“不可替代”。
无论我走到世界哪个角落，过去十八年来，大家都曾觉得我们像个商业笑话，而现在很多商界人士都想来听取我的建议。你知道吗？在帕兰提尔内部，唯一不想听我给出商业建议的，恰恰是帕兰提尔的工程师们。他们总是说：“嘿，亚历克斯，我有个想法，能让公司变得更好……”那些点子通常都类似于“我们应该开成麦当劳那样”，或者“你是某类人，你应该停止公开讲话”之类的。当然，关于公开讲话这点，有时候他们可能说得对，我承认。
AI像是一场国家级“渗透测试”
拉里·芬克：最后一个问题：AI的应用曲线在美国和其他发达经济体中将会如何发展？发展中经济体又该如何参与其中？我昨天读到一份研究报告，指出AI的应用目前高度集中于高教育水平的社会或公司，并且已经出现了巨大的分化，这很大程度上取决于教育资源的应用方式。那么，AI是否会在全球增长格局中造成更严重的不平衡？
亚力克斯·卡普：首先，最明显的不平衡是：似乎只有美国和中国真正掌握了如何让这项技术发挥作用。方式不同，但都成功了，而且是大规模的成功。这种领先并非仅仅体现在算力或数据量上，更体现在这两个国家对AI与真实权力和生产力结合的深刻理解。
我认为，AI发展速度很可能会远远超出大多数人的想象——就像贴现率一样，我认为从长远看，人们对于它能达成什么、将如何影响我们社会的方方面面，其预估是严重不足的。尤其是在军事领域。
我倾向于做一个现实主义者。我认为，国与国之间巨大的发展差异，将使人们所期待的那种平等对话变得困难。可能还会有一个第三梯队，比如俄罗斯，这个在许多西方人眼中已处于衰落边缘的国家，但是俄罗斯在电子对抗和数学应用领域的韧性非常强，他们拥有在极端压力下“拼凑”解决方案的数学天赋，这一点使得他们在现代战场的某些维度上依然保持着极高的竞争力。
AI将以一种不可逆转的方式，强行揭示出每一个个体、每一个微观社区、每一个国家的真实市场价值。看待AI不公平性的一种方式是：它就像一次“压力测试”，或者说是一种“承重测试”。能够承受这种压力的社会、组织和公司将获得巨大的优势。
问题在于，如果一直在假装承受压力，实际却不能，那么整个体系就会崩溃。无论我们是否喜欢，AI都将揭开所有人和所有国家的底牌。
