AI纪元：价值何所依？资产定义正从“物”走向“可执行边界”

传统资产定义的核心，即国际会计准则IAS 38所阐述的，将资产界定为“由主体因过去事项控制的、预期会带来未来经济利益的资源”。这一“资源本体论”假设资产首先是一个可被指认的“物”，其价值内生。控制被等同于排他性，且主要依赖法律所有权来确立。例如，IAS 38明确指出，对熟练员工团队和培训所产生的未来经济利益通常缺乏足够控制，因此不构成无形资产，客户关系亦然，凸显了旧范式对非实体资产的局限。

此外，可计量性作为资产入账的关键门槛，往往要求成本能可靠计量。这导致了一个系统性偏差：许多内部生成、对组织至关重要的“真资产”（如品牌、流程、客户关系）因难以可靠计量成本而被费用化处理，而外部采购的则易于入账。可分离/可交易性被视为“可识别性”的核心，流动性成为价值的代理指标。同时，旧范式严格区分存量（资产）与流量（服务），将“接入权”视为费用而非资产，例如IFRS解释委员会在2019年3月裁定，云端软件的“访问权”不构成软件无形资产。最终，价值被简化为稀缺标的带来的未来现金流折现与稀缺租金，无论劳动价值论、边际效用论还是DCF模型，都围绕这一核心逻辑展开，共同构成了税务、会计和公司法的基础。

AI对传统资产范式的冲击首先体现在生成能力近乎免费与非竞争复制上，彻底抽掉了“稀缺标的”这一前提。当内容、代码和模型输出可以零边际成本无限复制时，产物本身不再稀缺，削弱了传统意义上资产排他性的基础。DeepSeek在2025年1月公开R1模型权重，性能对标顶级推理模型，这直接挑战了“拥有权重等于拥有资产”的旧观念。这意味着，最有价值的对象可以不被拥有，甚至被公开，价值随之必须迁移至算力供给、数据管道、分发渠道、评测体系或合规与责任等其他层面。

其次，数据价值的迁移与会计上的“资产盲区”日渐凸显。数据本身难以排他、复制成本极低，其价值高度依赖于使用时的上下文与组合。没有边界的数据更接近于负债（存储、合规、隐私风险），而非资产。更令人担忧的是，对AI时代的极小组织而言，真正的积累是可复用的工作流、可重放的评估器（evals）、可交接的记忆和可审计的provenance（来源记录），但这些“流程资本”恰恰被IAS 38等会计准则排除在资产范畴之外，造成了制度性的“资产盲区”。

再者，主动性系统（agent）引入了新的折旧逻辑与价值来源。Agent既像资本又像劳动，其价值需要持续运行、监控与再验证才能维持，模型升级、数据漂移或接口变更都可能使其迅速失效，使线性折旧变得不合时宜。当产出不再稀缺，真正的稀缺性迁移到“验证、溯源与责任”上，资产的价值越来越等同于其周围“可执行的可信边界”的价值。同时，Birch与Muniesa在《Assetization》中指出，“资产化”本身是一个政治-技术过程，而非自然事实，代币化（如BlackRock BUIDL基金在2025年底突破20亿美元）将这一过程推向极致，意味着资产边界第一次可以被写成代码、自动执行与组合，资产的“创造”取代了“发现”。

新范式下，资产的本体定义被重构为：“围绕一个流（Flow）建立的一组可执行边界：排他边界（Boundary）、独立验证者（Verifier）、以及可归属的责任承担者（Liability-holder）”。其价值等于“该流的潜力 × 边界的可执行性 × 验证的可信度 × 责任的可归属度”。这意味着旧范式关注“这是不是我的资源”，新范式则追问“我能否对这股流建立排他、证明并承担责任”。资产的四大构成要件随之被改写：控制不再限于法律所有权，而是多元的“可执行排他”；计量从“成本可靠计量”转向“可验证”；可分离变为“可编排/可授权”，接入权成为主要形态；稀缺性则从标的本身迁移到与验证、分发、信任和责任互补的“互补性”控制层。

资产类别也将得到扩展，包括竞争性物理资本（如GPU）、非竞争性认知资本（如权重、数据），以及日益重要的流程资本（工作流、评估器、SOP）、关系/信任资本（声誉、交付记录）和主动性资本（agent系统）。其中，非竞争性认知资本只有与控制层搭配才能成为资产，否则便是公共品或负债。计价基准将从传统的“成本/现金流折现”转向“能力 × 复用率 × 可信度 × 责任溢价”，市场将更多采用revenue-per-employee、能力评测和cost-per-task等指标。折旧逻辑也将重写，由线性摊销变为“能力折旧”（被替代）、“漂移折旧”（模型更新、数据分布变化）和“验证折旧”（验证器过期）的叠加，资产的“有用寿命”由更新节奏决定。

最终，“资产化”被视为一个显式且可编程的过程，而非简单的“发现”。AI使得评测标准即边界、provenance即产权、agent即资产本体、合约即执行。这意味着，研究OPC的机会在于“设计别人还没有的边界”，而非仅仅是寻找被低估的资产。这一系列根本性转变，共同构成了从传统资源本体论到基于“流”和“边界”的新资产范式革命的核心判断。

一方面，日益增长的证据指向资产定义的剧变。国际会计准则IAS 38在多处体现其局限性，如不承认员工技能和流程为资产。而实际市场中，OpenAI通过约66亿美元老股转让在2025年10月完成约5000亿美元估值，远超其账面有形资产所能解释的范畴，凸显了无形资产在现代经济中的主导地位（Ocean Tomo数据显示，无形资产约占S&P 500市值的90%，尽管精确数值与方法论存在争议）。此外，BlackRock的代币化货币市场基金BUIDL在2025年底突破20亿美元资产，累计分红超1亿美元，表明资产边界正向可编程化、可自动执行的方向发展，这与传统观念中的“物”的资产形态形成鲜明对比。

然而，我们必须警惕将“革命”简单化为技术乐观主义。重要的反例与制度惯性持续存在。Nvidia在2025年10月成为首家突破5万亿美元市值的公司，证明竞争性物理资本（芯片、制造、能源）依然是巨大价值的来源，任何“实物资产不再重要”的论断都站不住脚。同时，制度层面尚未完成革命：IASB的无形资产项目截至2025年2月仍在“收集反馈、未做决定”阶段，会计准则、税务与法律对“什么算资产”的定义尚未改变。这意味着概念层的偏移已发生，但制度层的承认仍在途中，两者间的时滞既是机会也是风险。

宏观经济层面也存在未经验证的复杂性，Acemoglu（2024）的估计表明AI对十年TFP的提振可能不超过0.71%，并可能扩大资本-劳动差距，若宏观生产率未见显著提升，“资产定义重估”可能更多是资本市场的叙事而非普遍的统计事实。此外，Michael Burry对大型科技公司折旧假设的质疑，揭示了AI资产可能存在被系统性低估的折旧，其寿命可能远快于账面预期。开源模型（如DeepSeek R1）的出现，也证明了“模型本身是资产”在某些环节的失效性。这些反例共同提醒我们，新旧范式的交织与张力，构成了当前资产世界更真实的图景。

在商业层面，估值与护城河的构建逻辑正从“拥有什么”转向“能对什么建立边界”。当信息与能力复制环节的利润趋近于零时，价值池随之迁移至验证、评测、溯源、合规、责任担保和分发等“控制层”。这意味着，企业收入的定价模式将从传统的“按席位/按token”转向“按结果/按单位价值”。资本结构决策面临新考量：“自建（capex）”与“租用（opex）”不再是单纯的成本权衡，而是关乎能否积累真正有护城河的“流程资本”与“信任资本”，同时规避高折旧风险。

组织层面，企业日益演变为“流程资本与信任资本的容器”，而非仅仅是实物资产的集合。这与FR-12中Coase边界重写的观点相辅相成：能否外包，取决于“外部能力是否可拥有”以及“内部验证与责任是否必须自有”。一个尖锐的悖论在于，组织最核心的资产（如团队技能、内部流程、客户关系）在现有会计准则下恰恰不被确认为资产。因此，组织必须通过制度设计，如高度文档化、构建评估器、设定权限、签订合同和建立记忆系统等方式，将这些不可被法律完全圈占的无形要素进行“部分资产化”，以固化其价值并建立内部护城河。

产品层面，AI时代的产品正从单纯的“功能包”演变为“可验证的能力包”。产品设计中，需要内置评测机制、确保成本可观测、使来源与假设透明化、并具备失败可撤回的能力。这意味着，evals（评估）、provenance（来源记录）和审计日志不再是辅助功能，而是产品价值得到第三方承认的“一等公民”，它们构成了产品本身“边界”的重要组成部分。这一转变与FR-11中“生成者/验证者分离”的底层逻辑高度吻合，强调了验证机制在产品生命周期中的核心地位。对于研究OPC自身而言，其真正的资产积累路径在于流程资本、信任资本、主动性资本和边界设计能力，而非对模型与数据的简单占有，这与FR-09（知识分布化）和FR-10（人才定义）的主题不谋而合。

对于研究OPC而言，明确和量化自身的“控制层资产”至关重要。首先，应建立一个“控制层资产登记册”（Assetization Register），对每一项重要产出或能力，用“流→排他边界→验证者→责任承担者”四元组进行登记，并标注其属于五大资产类别（竞争物理/非竞争认知/流程/信任/主动性）中的哪一种。如果四元组中任一要素缺失，则该项不应被视为资产，而应被归为费用或公共品。其次，在投入资源或决定外包时，应进行“资产化测试”：对任何候选资产追问其可排他性、可验证性、可编排/可授权性、是否存在互补控制层，以及是否有明确的责任承担者。对于五项皆弱者，不进行长期积累投入；对于强在控制层者，优先考虑自建，以此对抗“数据/模型即资产”的旧范式误判。

将验证与provenance（来源记录）视为核心资产加以经营是当务之急。每个交付物都应附带可复现的检查脚本、完整的来源与假设清单、失败/撤回登记以及版本与责任签名。这不仅是概念上新范式价值边界的体现，更是应对日益严格的合规要求和市场信任压力的硬性门槛，例如SEC已对“AI价值声明”执法，未经验证的声明可能引发法律责任。同时，研究OPC需严格区分“租用能力”与“自有流程”。模型、算力、外部API等应明确列为租用成本，而非自有资产；而工作流、评估器、记忆和provenance账本则应被视为自有流程资本，进行版本化管理、可移交和可复现，并定期更新其复用率与可验证度。

为应对新资产形态带来的风险，研究OPC应建立“能力折旧台账”，追踪所用模型、工具和评估器的被替代速度、接口变更及数据漂移，对每个关键能力标注“更新驱动寿命”，以对冲集中风险。押注单一前沿模型等同于集中持有高折旧资产，因此保持模型的可替换性，并将价值锁定在流程与信任层而非权重层至关重要。此外，对外叙事应只使用“可验证事实”，主动规避“AI-washing”风险，以评测结果、可复现案例和单位经济数据替代空泛的“AI赋能”标签。最终，研究OPC应将“资产化”本身视为一项核心设计能力，主动设计授权与许可机制、可组合接口、调用计量、来源记录和声誉累积机制，将非竞争性的信息流转化为可捕获的现金流，并致力于形成一套独特的“边界设计手册”。

请注意，本报告中部分数据与观点尚待进一步核实。例如，Ocean Tomo关于“无形资产占S&P 500市值90%”的数据虽被广泛引用，但其精确百分比、年份序列及方法学仍需回到原始研究进行核对，且该方法存在公开争议。BlackRock BUIDL基金的20亿美元规模和1亿美元分红数据来源于CoinDesk的单一报道，建议通过BlackRock或Securitize的官方数据进行交叉核验。DeepSeek R1的“公开权重”虽已多源确认，但具体的开源许可条款（如是否为MIT协议）仍需核对原始模型卡片。同时，Michael Burry关于大型科技公司折旧缺口的指控，目前仍属于投资者观点而非审计结论，但其提出的AI资产寿命可能被高估的问题值得持续关注和验证。

本报告强调，IASB的无形资产项目目前仍处于早期阶段，截至2025年2月仍在收集反馈，尚未做出任何最终决定，因此任何关于“会计准则已更改”的说法都是不准确的。概念上的偏移与制度层面的承认之间存在显著时滞，这既可能带来先行者的机会，也蕴含着制度滞后带来的风险。最后，核心风险提示在于：将“数据/模型即资产”作为既定事实，而非对其进行批判性审视和边界设计，可能导致资源配置的严重偏差，错失真正的价值积累机会。