LAYER 01 · ARTIFICIAL INTELLIGENCE
AI 智能：先解决「有没有、能不能用」
AI 智能是技术底座。2026 年的现实是：模型不缺、日更不停，缺的是把能力稳定接进业务的工程口径 —— 怎么选、怎么测、怎么算钱、怎么兜底、怎么换供应商。我们把这些口径做成公开、可自助、可复测的工具。
CAPABILITY STACK · 五层能力栈
从算力到任务，每一层都有可比的工程口径
任何一笔 AI 采购，都应该能回答下面五层的对应问题，而不是只看模型榜单。
ANTI AGENT-WASHING · 反伪智能体
六项能力逐项验收：把「聊天机器人」和「真智能体」分开
调研显示 84% 的企业在评估中遇到伪智能体，87.5% 因此信任受损；51.3% 称已有智能体在生产，但仅约 10% 是真正的多智能体系统。勾选你正在评估的产品具备的能力，看它到底能不能自主达成目标。
能力完备度
0%
勾选左侧能力项，实时得到判定。
判定口径：6/6 可进入受控试点；4–5 项建议先补齐权限与留痕；≤3 项基本属于 Copilot / Chatbot 范畴，不应按智能体采购。
ECONOMICS · 用经济性决定自动化边界
不是所有环节都值得追到 99% 准确率
工业与专业场景的正确性不容有失，但把准确率从 80% 推到 95% 的资本投入可能呈数量级上升。理性的做法是机器处理 95% 常规样本，剩余 5% 交人工复核 —— 这不是技术妥协，是 ROI 最优。
▤
人机协同兜底
置信度阈值触发人工复核；高风险动作强制人在回路，并保留实时终止开关。
⇄
云边协同
边缘初筛、云端复核，把实时性与准确率按成本最优分配，老旧设备也能接入。
¥
词元成本治理
按任务难度路由模型、设置降级策略，把「选模型」变成「选可验证的达标率与单位成本」。