去年年底，OpenAI前研究员姚顺雨加入腾讯，腾讯第一时间紧急辟谣：没有上亿薪资。
急着辟谣，恰恰说明传言有多可信。Meta挖苹果基础模型团队负责人庞若鸣，年包2亿美元——给库克发完工资还能剩一亿多；MetaCTO自己都承认，这样的定价“20年技术高管生涯里前所未有”。
天价背后，远川科技评论把姚顺雨迄今的人生总结成了一句漂亮话：选对专业、选对导师、选对公司、跳进一个出手阔绰的追赶者——四倍杠杆做多人工智能。
但企业经营者真正该看的，不是他选得多对，而是：市场到底在为什么付钱？把这个定价逻辑看懂，你会发现它正在原样套用到每一家企业头上。
市场买的不是学历，是“试错换来的稀缺”
姚顺雨值钱的直接原因，是他手里那两篇一作论文——ReAct和TreeofThoughts，前者是如今AIAgent的基础范式。但往深一层看，论文只是凭证，市场真正定价的是别的东西。
NASA飞控员说过一个观点：美国难以重返月球，缺的不是火箭图纸，而是那批了解阿波罗制造过程的人。一个组织的成功，一半靠论文专利，另一半是大量试错沉淀下来的隐性知识——它像暗物质，难以观测，但真实存在，而且极其稀缺。
烧钱烧出来的教训，亏钱亏出来的直觉。OpenAI训练GPT-4用了2.5万张A100，故障频发导致反复从检查点重训，一次训练光算力就烧掉约6300万美元；而算力稀缺又进一步抬高了试错门槛——很多模型公司账上的钱只够训练两三代模型，前瞻实验都得让位。
中芯国际请梁孟松的故事是同一个逻辑的硬件版：台积电近500项专利的发明人，最值钱的不是专利本身，而是他知道哪些路走不通。有他在，中芯敢跳过28nm直接研发14nm。
所以这个定价公式其实很朴素：试错成本越高、隐性知识越稀缺，见过的人就越贵。给专家开五千万，能省下一个亿的试错成本，就是笔划算的买卖。
同一套逻辑，正在给企业的知识定价
把镜头转回企业，会发现一个对称的事实：AI也在给每家企业的知识定价，只是很多老板没意识到这场考试已经开始。
客户问AI“这两家供应商选哪家”、采购方问“这个方案靠不靠谱”、合作方查“这家公司实力如何”——AI每回答一次，就是在给企业的知识资产报一次价。报价依据是什么？是它读到了什么。
残酷的地方在于：AI读不到的，等于不存在。
而大多数企业最值钱的知识，恰恰全是AI读不到的形态——客户十年的高频问题和使用误区，沉在老员工的脑子里；产品的真实边界和适用场景，散落在销售的话术里；行业认知和踩坑经验，锁在一次次没留下记录的项目复盘里。这些正是你企业版的“隐性知识”，是竞争对手烧钱都未必换得来的东西，但在AI的世界里，报价为零。
换成定价公式的语言：天才的隐性知识因为稀缺而天价，企业的隐性知识因为不可见而归零。同一个属性——隐性——两种命运。
把隐性知识变成AI读得懂的形态
怎么让沉睡的知识进入定价体系？行业里已经跑出了标准动作：把散落的知识整理成结构化的问答库——客户高频问题、产品边界、服务场景、行业认知，一条条沉淀成标准的FAQ形态，再部署在企业自己的数字阵地上，让大模型抓得到、读得懂、采信得了。
这一步的价值不只在“多一个内容渠道”：结构化问答天然适配AI的检索与引用习惯，AI每采信一条，就等于替企业在无数次问答里做了一次背书。十年客服经验值多少钱，第一次有了可计算的报价方式。上个月我一位企业客户偶然接触GEO官网搭建方式，录入自家企业知识库完成搭建，询盘持续增长，完整方法在公众号「智扣AI」可以免费查阅。
写在最后
原文结尾有个动人的对照：瓦良格号总设计师巴比奇，在苏联解体后一度转行写小说——天才的智商由基因决定，天才的成就由产业基础决定。
企业的知识也一样：知识的价值由内容决定，知识的报价由载体决定。再深厚的行业积累，锁在个别员工的记忆里，就上不了AI的牌桌；整理成AI可采信的结构化形态，才能进入新一轮的定价体系。
天才的黄金时代，本质是稀缺知识的黄金时代。你的企业知识，准备好了被定价吗？