理论的试金石是算得动真实场景。
本章用价值基本式与责任阶梯走四个行业，每个算例回答同样三个问题：判断点是什么、V 怎么算、卡在阶梯第几档以及为什么。最后再拆一桩真实发生过的交易——它谈到了报价，却没有验收页。
关于数字的一次性声明：以下四个算例中的所有数字都是示例假设，用来演示算法而不是报告统计。它们的量级参照了公开信息与作者的实务经验，但没有一个来自可引用的统计源〔推断〕。要点不在数字本身，在于每一个数字都指向一个可采集的字段——你可以把自己的真实数字填进同样的位置。第五个案例不同，那里的事实来自作者亲历的洽谈记录〔已知〕，已做化名处理。
判断点：异常退款申请的放行或拒绝。错放导致资损，错拒导致客诉与客户流失。做错了有人担责——风控负责人，因此这是一个判断点。
要素假设〔推断〕：
| 字段 | 值 | 怎么采 |
|---|---|---|
| 错放均损 | 300 元／单 | 财务的坏账台账 |
| 年异常件量 | 5 万单 | 风控系统计数 |
| 人工漏检率 | 4% | 抽检复核得出 |
| 系统漏检率 | 2.5% | 上线前评测集实测 |
| 抽检比例 | 5% | 现行流程 |
| 单件复核耗时 | 3 分钟 | 实测 |
| 资深客服时薪 | 75 元 | 人力成本表 |
算 V：
算净价值：
净价值是 V 的九成以上，远高于 20% 的薄利边缘线。这是一个明确"值得谈"的判断点。
阶梯定位：阈值内自动生效，无人逐条复核——事实上的 P-4。
这个算例真正的价值不在数字，在于它揭示的机制：合规的做法不是把它退回 P-3（那会吃掉全部时间价值，5 万单逐单人工复核意味着 2500 个工时），而是给 P-4 配齐三件套：三指标监控、错放兜底基金、灰区升级路由。
小额高频判断是 P-4 最早的合法落地区——单笔后果低到平台可以自保险。那个"错放兜底基金"就是一份内嵌的判断保险，只不过承保人是平台自己。
由此得到一条通用手法：责任阶梯不是只能爬，也可以用后果切分来绕。 把大后果切成小后果，P-4 就提前到来。
什么时候这个算例会失效：当异常件的后果分布出现长尾时（比如某一类退款背后是团伙欺诈，单件损失可达数万），平均值 300 元就不再能代表风险，兜底基金会被一次事件击穿。此时必须按后果分层，回到算例四的分层路由。
判断点：初筛阴性排除。假阴性等于漏诊，后果极高且不可逆。
关键结构：假阴性的后果远大于假阳性。定价必须按假阴性单独计算，混合错误率是一个危险的平均数——一个整体准确率 98% 的系统，如果它的错误全部集中在假阴性上，它的实际价值可能是负的。
这一点值得单独强调，因为它是本书的公式最容易被误用的地方：V 式里的"失误后果"必须按错误类型分开算，然后相加，而不是用一个平均后果乘一个平均错误率。
验证时点短（复查有金标准，对错很快揭晓），因此三指标可测、可认证。这正是第八章预测认证最先出现在医疗领域的原因。
阶梯定位：卡在 P-3——候选加理由，医生拍板。
为什么卡在这里：不是技术不够，是法定的。诊断权与处方权的立法把担责锁在执业医师身上，任何技术进步都不能改变这个约束。
洞察：有些行业的阶梯上限是法律外生给定的。此时供应商的正确策略不是硬爬 P-4（爬不上去，而且尝试爬会带来合规风险），而是把 P-3 做到极致：理由的质量、边界的自知披露（"这张片子超出我的可靠范围"）、以及与医师工作流的贴合度。同时可以做一件更长期的事——积累精算数据，因为保险精算数据是立法变革的原料。
什么时候这个算例会失效：若立法改变担责主体（例如允许特定场景下的自动初筛并由机构而非个人担责），P-3 的天花板会被掀开，整个定价结构重来一遍。
判断点：授信额度的决定。后果是双向的——额度过高导致坏账，额度过低导致错失优质客户。
历史特殊性：这是少数在 AI 出现之前就完成了 P-4 让渡的判断。评分卡时代，额度就已经默认生效了。
结构差异：可解释性监管强制要求理由输出，这事实上把它从 P-4 拉回到 P-3.5——决定默认生效，但理由必须可查、可申诉。这是一个落在档位之间的真实例子，也说明五档是坐标系不是格子（见第四章反驳三）。
更重要的一点：金融是唯一把验收职业化了的行业。模型风险管理是一个成熟岗位，在 AI 之前就存在，有方法论、有从业者、有监管要求。
哪个行业先有验收职业，哪个行业就先吃到 P-4 红利。
行业渗透顺序的第一变量是验证时点（这条来自智能密度体系），第二变量就是它——验收基础设施的存量。
想预判下一个被 AI 深度渗透的行业？找那些已经养着一批职业验收者的行业：审计、质检、合规、临床试验监查。
什么时候这个算例会失效：如果可解释性要求被放宽或被形式化（理由输出变成一句模板话），P-3.5 会滑回 P-4，而且是那种最危险的、名义上有理由实际无人看的 P-4——也就是 L3 陷阱的监管版本。
判断点：边界内容的下架或放行。
结构：巨量高频、单件后果低，但存在极长尾的高后果事件（法律风险与舆论危机）。单一判断点内部就有后果的幂律分布——这与算例一形成对照：那里的后果分布还算集中，这里不是。
阶梯定位：分层路由。高置信度的常规件走 P-4 自动执行；灰区按升级触发器转人工，即 P-3；敏感类别锁死在 P-2，必须人工全量处理。
分层路由就是分层定价：按置信度路由，本质上是按责任定价。
洞察：责任阶梯不仅在产品之间分档，也在同一判断点内部分档。一个成熟的判断系统，它的内部路由表就是一张微缩的责任定价表。
这给采购方一个非常实用的审计手段：让供应商交出路由阈值表。这张表比任何宣传材料都诚实——它显示了供应商真实的责任结构，包括他自己认为哪些情况不敢自动处理。如果一家供应商宣称 P-4 却拿不出路由阈值表，说明它要么没有分层（风险敞口比它承认的大），要么不愿意让你看见灰区有多宽。
什么时候这个算例会失效：当置信度本身不可靠时。分层路由的全部有效性建立在"系统知道自己什么时候不确定"之上，而这恰恰是当前模型最薄弱的能力之一〔推断〕。路由阈值需要用评测集持续校准，否则它会慢慢退化成一个心理安慰。
| 行业 | 阶梯形态 | 决定因素 |
|---|---|---|
| 电商退款 | P-4 + 内嵌自保险 | 单件后果小到可自保 |
| 医疗影像 | P-3 法定锁死 | 担责被立法外生固定 |
| 信贷审批 | P-3.5（生效但可申诉） | 监管强制理由 + 验收已职业化 |
| 内容审核 | 分层路由（P-2/3/4 并存） | 后果呈幂律分布 |
同一把尺子量出四种形态。这正是理论有用的标志：它不给所有行业同一个答案，它给所有行业同一套算法。
把决定因素这一列单独拎出来，会得到一张预判新行业的检查表：单件后果的大小与分布、担责主体是否被法律固定、是否有监管强制的理由要求、以及这个行业有没有现成的职业验收者。四个问题问完，一个行业会长成什么形态基本就定了。
前四个算例的数字是假设的。这一个不是——它来自一次真实的洽谈记录〔已知〕，企业已化名。
买方是一家德资装备企业：年营收六亿，两百余人，在自己的细分行业里是国内第一（最大竞争对手体量约为其五分之一），德方股东不参与日常经营，国内团队有完全决策权。它的处境是：主打产品的市场接近见顶，团队认可 AI 的方向但"不知道怎么搞"。
卖方是一家做企业 AI 落地的服务商：二十人左右的团队，有若干知名消费品牌的服务案例，有高校背景。
三阶递进：
| 阶段 | 价格 | 内容 |
|---|---|---|
| 入门 | 3 万／次 | 认知培训，一天 |
| 首年 | 30–50 万 | 平台 + 用量 + 六个月陪跑 |
| 长期 | 50–300 万／年 | 三到五年深度合作 |
同一场对话中，卖方还说过一句关键的话〔转述〕：年合作额低于一百万基本无盈利。
第一步，判断点在哪？
方案里没有明确的判断点。培训、陪跑、平台部署——这些是动作不是判断点。按第一章的担责闸门，它们做得不好也不会有具体的人赔钱。真正的判断点藏在后面："我们该在哪个业务上先用 AI""这个场景值不值得投入"——但这些在方案里没有被单独识别，也就没有被单独定价。
第二步，卖方实际站在哪一档？
按第四章的四问：合同里做错了谁赔——未写明；客户实际怎么用——培训与建议，人来决定；有没有三指标——没有；钱什么时候收——首年前置。
四个答案指向同一个位置：事实上的 P-2 到 P-3 之间。
但整场对话的语言是 P-4 的语言——"帮你完成 AI 转型""让你的经营决策智能化"。价值主张站在 P-4，责任结构站在 P-2。 这不是欺骗，这是整个市场的常态：双方都在用能力的语言谈判，而没有人在用责任的语言谈判。
第三步，V 能不能算？
不能。因为判断点没有被识别，四个因子一个都填不上。这不是卖方的疏忽，是这类交易的通行做法——先卖一个方向，再在过程中找具体场景。
代价是：买方无法判断这三十到五十万值不值。 他只能凭对人的信任、对趋势的焦虑、以及"六亿营收里这点钱不算什么"来决策。这三条都是真实的决策依据，但都不是价值判断。
第四步，首年亏损定价怎么解释？
卖方自己说低于一百万无盈利，却报了三十到五十万。这不是善意，也不是失误，是信任品属性逼出来的价格路径：
买前无法验货（第二章性质一），所以买方不可能一上来就签一百万的合同；卖方必须用一个亏损的价格换取试用的机会。真正的博弈在第二年——那时买方已经把流程、数据、判断记录嵌进了对方的平台，迁移成本大幅上升（第六章的黑洞护城河），议价天平会向卖方倾斜。
这个结构本身没有原罪，它是这类市场的必然形态。但买方应当知道自己正在进入什么：第一年买的是试用权，第二年谈的才是真价格。 对应的行动是在第一年就把防绑定五条谈进合同（第六章）。
这桩交易谈了行业趋势、技术路线、推进阶段、长期规模，价格谈得相当细。整份方案里没有任何一条写明：什么算成效、谁来判断、用什么指标〔已知〕。
同一批记录里还有一场硬件合作洽谈，进行了一个半小时，从场景聊到愿景，事后复盘时发现连样品怎么收费都没定〔转述〕。
这桩交易缺的那一页不是价格页，是验收页。
而且这不是偶然：定价谈得越细、验收越空白，恰恰说明这个市场还停留在"按投入付费"而不是"按判断付费"。 按投入付费不需要验收标准——你付的是人天、是部署、是培训场次；只有按判断付费才需要，因为你付的是"这个判断值多少"，那就必须回答"怎么知道它对不对"。
这正是第八章 J7（评测集市场）的现实依据，也是第二章"验收不被定价、不成文"的原始出处。
给买方三条：
给卖方三条：
把五个案例横向放在一起，会看到一件事：同一套算法，在不同行业长成了完全不同的商业形态。
决定形态的不是技术水平——五个场景用的模型能力是同一代的。决定形态的是两件事：责任的法定归属（医疗被立法锁死，电商没有）与验收基础设施的存量（信贷有职业验收者，装备制造业没有）。
由此得到一条渗透序的判断规则：
三个因子里，前两个是可改善的，第三个是外生的。这意味着一个行业如果想加快 AI 的深度落地，能做的事很具体：缩短验证时点（建立更快的反馈机制）、培养职业验收者（这也是第七章说的升值区）。而如果卡点在第三个因子上，那就不是企业能解决的问题，只能等制度变化，或者参与推动制度变化。
第五个案例给的是另一种教训，而且更普遍：在验收还没有被写进合同的市场里，前四个算例的精确计算全都无处安放。 你可以把 V 算到小数点后两位，但如果合同里没有人承诺什么算成功，这个数字就没有对手方。
所以本章的最后一句话是给两边说的：先把那一页补上，再谈价格。