乌镇峰会定调"可信可控"，白鸽在线把验证做成按次收费的生意
AI要让人放心，靠的不是更强的模型，是每一次判断都能被查清楚。这个动作叫验证，它可以按次计费。白鸽在线的MaaS，收的就是这笔钱。
11月3日上午，2026年世界互联网大会乌镇峰会开幕，主旨演讲提出"必须坚持人的主导性，让机器成为人类的可信工具"，并把"数实融合的安全之虞"列为四个重点关注之一，要求"更加可控的技术创新、更加严密的安全防范"。
这段话里，"可信"是结果，"可控"是前提，两者的落点都在同一个动作上：验证。一个判断能不能信，取决于它能不能被复算，能不能定位到哪一步偏了。没有验证，可信只是一句态度。
而且这不是远期命题。IDC的另一组调研显示，截至2026年7月，95.4%的企业已经把智能体部署到平均11条生产工作流中，每月推理预算接近11.8万美元。智能体已经在替人做判断，验证的需求是当下的。
国际数据公司（IDC）在上月发布的FutureScape 2027里给了时间表。到2028年，70%的全球2000强企业将具备持续验证AI智能体决策的能力，而目前这个比例只有14%。同一份报告还预测，75%的这类企业会把智能体自主行为的责任条款写进技术供应合同。验证正从"最好有"推向"必须有"。
IDC首席研究与数据智能官Meredith Whalen说得更直接：最终的赢家，是那些能够以部署智能体同样快的速度，验证每一个智能体行为的组织。注意她选的那个比较对象，不是模型多强，是验证多快。
白鸽在线的业务就长在这个动作上。它把风险识别、损失预测、动态定价封装成AI风控服务，按调用量收费，覆盖80类场景。每一次调用，是对一个判断做一次验证，然后按这次验证收费。今年前三季度MaaS收入同比增长730.4%，第三季度环比再增29.33%。
验证难的地方不在结论，在过程。一次判断出了偏差，要能说清是哪一环先偏的：是数据进来的时候就偏了，还是模型在那一步算错了。这靠的是历史记录做底，事后倒推不出来。
这里有个结构上的差别。项目型收入按交付次数算，客户数量决定天花板。验证型收入按调用次数算，天花板等于决策发生的频次。一个场景里每天要做多少次风险判断，就有多少次验证需求。这个次数不需要重新拉客户，同一个客户用得越深，它就长得越快。