過去兩年，AI 的討論幾乎全圍繞著同一個問題：模型還能變得多強？參數規模、推理能力、多模態、Agent、自主執行等等，技術社群不斷推高能力上限，彷彿只要算力與算法持續推進，通用智能觸手可及。但若將視角從技術前沿拉回現實世界──尤其是金融、供應鏈、製造、財稅與產業治理等核心領域，就會發現一個明顯反差：越是靠近真實經營與責任邊界，AI 落地反而越慢、越謹慎。

這不是因為這些領域保守，而是因為一個更根本的問題始終未解：智能系統所依賴的「事實」，是否被現實世界承認為「真實存在」？百望研究院最新發布的《定義AI時代的商業真值》白皮書，正是從這一問題出發，點出了 AI 2.0 時代一個長期被忽略、卻極具決定性的門檻──制度確認。這不僅是技術問題，更是投資人必須重新審視的價值錨點。

AI 撞上的不是算力牆，而是「合法性邊界」

在技術語境中，「數據」長期被視為現實世界的映射。只要數據夠多、模型夠複雜，系統就能無限逼近真實。這套邏輯在內容生成、推薦系統、辦公效率等領域屢試不爽。但當 AI 試圖進入信貸審批、採購定價、稅務風控、產業治理等高責任場景時，這套邏輯開始系統性失靈。原因不在模型是否準確，而在一個更深層的事實：預測本身不能創造現實。 一筆交易是否成立，不取決於模型判斷其機率多高，而取決於它是否已通過稅務、法律與會計準則的制度確認。一項風險是否需要承擔，也不取決於算法是否預警，而取決於責任是否已經發生。百望研究院指出，這些場景需要的不是「更聰明的判斷」，而是「可承擔後果的經濟事實」。這正是當前大多數 AI 系統缺失的能力根源。當 AI 試圖跨越這一邊界時，它撞上的不是算力極限，而是存在合法性。對投資人而言，這意味著：純技術能力的溢價正在收窄，合法性能否嵌入，將成為估值分水嶺。

數據不等於存在：交易才是更高階的現實

在現實經濟中，有一個長期被技術系統忽略、卻被制度世界牢牢把握的區分：數據存在與交易存在，並非同一回事。數據可以補錄、修訂，甚至由算法生成；但交易一旦被制度確認，便進入不可逆的層面——會計必須記帳、稅務必須徵管、責任必須承擔。百望研究院將這種被制度確認的經濟行為稱為「交易本體」，它是制度世界中的基本存在單元。

這也解釋了為何在關鍵決策中，人們最終信任的往往是發票、合約、審計證據，而非模型輸出。這些看似傳統的制度接口，實際上決定了什麼才算「真實發生過」。若智能系統無法理解並嵌入這一邏輯，它就永遠只能停留在「建議層」，難以進入「執行層」與「治理層」。換言之，未能打通交易閉環的AI，其估值天花板清晰可見。 AI 2.0分水嶺：能力競爭，正讓位於合法性競爭 從這一視角看，AI 2.0正在經歷一次深刻轉向。第一階段，競爭核心是能力：誰的模型更大、更快、更會生成。而下一階段，競爭核心正變為：誰的智能系統能被制度世界接納。這是一種完全不同的競爭邏輯：不再只取決於參數規模，而看重責任是否可映射；不再只強調推理能力，而要求結果是否可審計；不再只追求效率提升，而必須確保系統能長期穩定運行而不失控。

百望研究院明確指出，能否進入金融、採購、風控等高風險領域，關鍵不在算法，而在於其底層數據是否具備制度確權與證據鏈完整性。在此語境下，「交易」已從某個行業的特殊需求，轉變為智能進入制度世界的通用通行證。這預示著，下一波AI價值獨角獸，很可能誕生於「交易型基礎設施」領域，而非單純的模型廠商。

合法性才是真正的護城河

真正的突破，必須發生在能夠承載「交易合法性」的系統層。這意味著AI的競爭，已從模型能力的比拼，轉向誰能構建出與制度共生的操作級基礎設施。對投資者而言，與其追逐參數規模的無限擴張，不如聚焦於那些已深入交易場景、具備制度耦合能力的企業。唯有當智能系統學會在現實世界中如制度般存在，它才真正擁有了可持續的價值與護城河。

撰文：劉慧 慧悅財經創辦人

(筆者為證監會持牌人士，以上純屬個人意見策略，不構成任何投資建議）