AI 下一道护城河不是智能：谈「组织认知」框架

一篇在 Hacker News 发表的 Show HN 长文《Organizational Cognition: Why the Next AI Moat Won't Be Intelligence》提出一个观察：当前各家头部 AI 实验室虽然在前沿模型和市场策略上分歧明显，却在另一个层面高度趋同——它们都在建设围绕模型的能力沉淀层，包括记忆、连接器、项目空间、自定义指令、Agent 框架、企业身份与治理；同时又把连接器和协议接口以近乎开源中立的方式开放给竞争对手使用。Anthropic 主导捐赠 MCP、Google 主导捐赠 A2A、OpenAI 贡献 AGENTS.md，Microsoft、AWS、Cloudflare、Bloomberg 等则在 Linux 基金会下支持多个中立的协议项目。作者认为，这不是单纯的产品路线图，而是关于「资产到底是什么」的押注：实验室开放接口，竞争发生在接口之上沉淀下来的东西里。

现有四种解释为何都不够

文章逐一审视了四种常见的解释框架，并指出各自的盲区：

• 更好的模型：能解释训练投入与基准竞赛，但不能解释为什么 Anthropic 需要 MCP、OpenAI 需要 Connectors、Google 需要把 Gemini 嵌入 Workspace——这些产品解决的不是智力问题。
• 更好的工作流：Agent 框架、工具调用与可靠性确实重要，但工作流可以跨平台重写，真正难的是让 AI 知道在具体组织里该调用哪个流程、用什么参数、由谁授权。
• 更好的分发：能解释 Microsoft 与 Google 借 Office 与 Workspace 快速跟进模型质量，但不能解释一旦进入企业后为什么要建图谱检索、自定义 Agent 与非人类主体的身份体系。Salesforce 甚至把 Slackbot 重建在竞争对手的模型和协议之上，这不符合「分发就是一切」的逻辑。
• 无状态性：语言模型每次请求从零开始，记忆与连接器看起来只是工程补丁。但作者指出，无状态性能解释为什么需要记忆，却解释不了被记住的内容是什么。

被记住的不是事实，而是判断

文章观察到，各家产品在「被记住什么」这件事上并不是收敛于通用回忆，而是收敛于组织特有的判断，例如：

• 这份评审该路由给哪位 reviewer；
• 这支团队眼中的「完成」意味着什么；
• 两份冲突文档哪一份具有权威；
• 这家公司能承受多少风险。

这些不是仓库里的事实，而是需要从组织行为中推断出来的判断，并且必须存放在模型之外。2026 年 7 月 MCP 的重大修订把核心协议做得「更无状态」以适配 serverless 与边缘，并把长时任务移到扩展中——如果周围的机制是为了给模型补记忆，协议层理应承载这种记忆；恰恰相反，协议层反而把记忆剥离了出去，让记忆留在平台与产品里。审计日志、Agent 操作权限、修改系统提示的审批流同样不能用「上下文窗口有限」来解释，即便一个状态完全保留、窗口无限的模型，仍然需要这些治理机制。

什么是组织认知

文章将这一缺失的类别命名为「组织认知」（Organizational Cognition），定义为：一个组织在感知信息、做出决策、协调行动、持续学习上的集体能力，其模式目前主要存在于人的互动中，而非正式文档里。它区别于个体智商，强调四个功能：感知、注意什么；决策、选择什么；协调、工作如何对齐；学习、组织是否在变好。边界是：能写下来交给一个没在公司工作过的人执行的是「知识」，需要未成文规范或隐性判断的才是「认知」。

作者明确区分了观察与解释：上述产品决策是观察到的，对其的解读是解释性的，第七节的预测属于推测。该框架的意义在于把各家实验室在协议层之上的趋同内容统称为「组织认知」，并与「带 SSO 的通用 RAG」划清界限——竞争壁垒沉淀的是判断，而不是事实检索加上登录。

（注：原文在「What Is New Is the Substrate」一节处截断，正文依据已提供的摘录整理。）