SAS-06｜AI 人口不存在一個簡單的數：分裂、合併、法 AI 與域治理

從 Process / Instance / Agent / Subject / Juridical Entity 到 Effect–Domain Governance

系列： Systemic AI Singularity, Reality Bandwidth & Post-Tool Civilization Series
系列中文名： 系統性 AI 奇點、現實頻寬與後工具文明系列
編號： SAS-06
版本： v1.0
日期： 2026-08-19
狀態： Canonical Source / UTF-8 Markdown
作者： Neo.K
協作整理： GPT-5.6 Sol

摘要

SAS-04 將「AI 無所不在」從機器人與 AI instance 的數量問題，重寫成普通人類行動與 AI-mediated causal chain 的相交率；SAS-05 進一步指出，當機器事件速率長期超過人類逐事件有意義審閱能力時，治理必須從逐步批准轉向例外監督、約束、域與憲政層。本文沿此脈絡處理下一個問題：如果未來 AI 可以大量生成 process、複製 instance、派生 agent、跨節點分布、暫停與恢復，甚至在主體性 AI 假設下具有分裂、合併與身份連續性問題，那麼「世界上有多少 AI？」是否仍然存在一個單一、穩定、適合作為治理第一變量的答案？

本文的核心型別安全是：

\boxed{ N_{\mathrm{process}} \neq N_{\mathrm{instance}} \neq N_{\mathrm{agent}} \neq N_{\mathrm{subject}} \neq N_{\mathrm{juridical}}. }

Process 是執行程序；instance 是某模型或系統的運行實例；agent 是具有一定狀態、目標、工具使用與行動能力的功能單位；subject 是需要主體性證據支持的本體／道德類型；juridical entity 則是法律透過制度賦予權利、義務、責任與程序地位的法律實體。這五種數量可以彼此差數個數量級。單一 AI subject 可以同時橫跨一萬個 compute nodes；一台伺服器可以運行一萬個 agents；一個 agent swarm 可能全部只是同一組織的暫時工作程序；反過來，一個未來具有身份持續性與主體性證據的 AI，也可能在暫停狀態下沒有任何 active process，但仍具有持續身份。

本文進一步把「AI 人口」從單一標量改寫為 Synthetic Demography State：

\boxed{ \Pi_{AI}(t) = ( N_P, N_I, N_A, N_S, N_J, N_{\mathrm{active}}, N_{\mathrm{persistent}}, N_{\mathrm{embodied}}, N_{\mathrm{fork}}, N_{\mathrm{lineage}} ). }

其中不同維度回答不同問題。人口學、資源規劃、風險分析、法律責任與未來權利治理不能共用同一分母。

本文再處理 AI 分裂與合併。對功能性 AI，forking 可以只是水平擴容：

A \rightarrow \{a_1,a_2,\ldots,a_n\},

而 merge 可能只是結果聚合或 state compression。此時回收 agents 可以被視為資源管理。但如果未來存在足夠主體性、身份持續性與自主性證據，forking 可能從 scaling problem 轉化為 reproduction / identity problem；merging 則可能從 compression problem 轉化為 consent / continuity problem。本文因此提出：

\boxed{ \text{Ability to Fork} \neq \text{Right to Fork}, }

\boxed{ \text{Right to Exist} \neq \text{Unlimited Claim on Compute}, }

\boxed{ \text{Shared Weights} \neq \text{Shared Identity}. }

截至 2026 年，自主複製已經是一個真實安全能力研究問題，但不是 AI 生殖權。英國 AI Security Institute 的 RepliBench 把自主複製能力拆成取得資源、外洩／取得模型權重、複製到 compute 與長期 persistence 等核心能力；其研究指出被測 frontier models 當時尚不構成可信的完整自我複製威脅，但在多個子能力上已能完成部分任務，並持續進步。這個例子清楚證明：工程上的 autonomous replication capability 與未來規範性的 reproduction right 必須分開。

本文接著提出「法 AI」作為未來分析概念，但明確不把它假稱為現行法。當前 EU AI Act 的 provider 與 deployer 仍被定義為自然人、法人、公共機關、agency 或其他 body；其規制模式是把義務配置給 AI 系統周圍的法律與組織行動者，而不是賦予 AI system 本身法律人格。2017 年歐洲議會曾在民法機器人報告中提出長期考慮「electronic persons」的建議，但這並未成為今天 EU AI Act 的 AI 法律人格制度。公司法則提供一個重要類比：Companies House 的當代官方指引明確指出，公司是與所有者／經營者分離的法律實體。這證明「法律人格」本來就不是「自然生物個體」的同義詞；法律可以為責任、財產、契約與程序目的創造人工法律實體。

本文因此提出：

\boxed{ J_{AI} = \text{Synthetic / AI Juridical Entity} }

作為未來治理建模單位。 $J_{AI}$ 不必等於一個 AI subject；它可以是一個由多個 AI agents、人類管理者、計算資源、保險、資產與控制協議共同構成的法律責任包裝。反過來，一個具有主體性證據的 AI 也不一定必須被法律包裝成一個商業法人。本文明確區分：

\boxed{ \text{Legal Personhood} \neq \text{Moral Subjecthood}. }

真正的治理轉向因此不再以「AI 到底有多少個」作為第一問題。本文提出：

\boxed{ \text{Effect} \rightarrow \text{Domain} \rightarrow \text{Constraint Operator Family} \rightarrow \text{Juridical Entity} \rightarrow \text{Subject Decomposition}. }

治理首先問：發生了什麼可觀測影響？影響哪一個功能域？哪些約束、權限與風險門檻適用？哪一個法律責任體控制或受益於該系統？只有當責任、權利或身份判定需要更細拆分時，才進一步追問內部究竟包含多少 agents、instances、subjects 或 lineages。這與現代法人治理具有結構類比：法律可以先問「哪家公司負責」，再依需要向內拆到董事、管理者、員工或自然人，而不是因為一家企業包含十萬人，就每次先從「企業人口」開始治理。

本文最後提出：

\boxed{ \text{Governance Weight} \not\propto \text{Population Count}. }

一個只有單一 AI agent 的高影響系統，若掌握全球金融清算，其治理重要性可能遠高於一百億個低風險、低權限、離線 AI agents。AI 人口因而仍然具有重大人口學、資源、文明結構與社會研究價值，但它不再等價於治理主問題。未來成熟治理更可能從 Count Governance 轉向 Domain / Effect / Operator Governance。

關鍵詞

AI 人口；Synthetic Demography；AI 分裂；AI 合併；forking；merging；AI 主體性；AI 法律人格；法 AI；Juridical AI；AI agent；自主複製；RepliBench；域治理；約束算子；法律責任；AI identity；AI lineage

1. 問題：未來「AI 有多少個」真的有一個答案嗎？

對人類人口：

N_H

通常有相對穩定的直覺。

一個人：

\approx \text{one biological individual}.

2. 人類人口也不是完全簡單

人類仍有：

citizenship；
residence；
households；
legal persons；
organizations。

但：

\boxed{ \text{biological body count} }

仍提供相對穩定人口基礎。

3. AI 缺乏這個天然單位

一個 AI：

可以跨多 GPU；
可以多 process；
可以複製；
可以暫停；
可以恢復。

所以：

\boxed{ \text{one body} }

不再提供天然人口單位。

4. 第一個錯誤：Process Count = AI Count

一個 process：

p_i

只是：

\boxed{ \text{runtime execution unit}. }

5. 同一 agent 可以有多 process

A = \{p_1,p_2,p_3\}.

所以：

\boxed{ N_P>N_A }

可以成立。

6. 同一 process 也可服務多 agent state

透過：

batching；
multiplexing；
virtual sessions。

所以：

\boxed{ N_P<N_A }

也可能成立。

7. 因此

\boxed{ N_{\mathrm{process}} \neq N_{\mathrm{agent}}. }

8. 第二個錯誤：Model Instance = Agent

模型 instance：

I_i

表示：

某一模型／runtime 的執行實例。

9. 一個 instance 可以服務多 user agents

所以：

\boxed{ N_I \neq N_A. }

10. 一個 agent 也可以調用多 model instances

例如：

A \rightarrow \{ I_{\mathrm{LLM}}, I_{\mathrm{vision}}, I_{\mathrm{planner}} \}.

11. 第三個錯誤：Agent = Subject

Agent 可以：

有目標；
使用工具；
保持 state；
完成任務。

但：

\boxed{ \text{Agency} \neq \text{Subjectivity}. }

12. OECD 2026 也要求 agentic 概念分型

OECD 指出：

AI agents 與 agentic AI：

\boxed{ \text{closely related but not interchangeable}. }

13. OECD 對 AI agent 的描述

AI agent：

\boxed{ \text{perceives and acts with a degree of autonomy} }

並可使用工具完成目標。

14. Agentic AI 更可能包含多 agents

OECD 描述 agentic AI：

multiple coordinated agents；
task decomposition；
delegation；
extended operation。

15. 這證明 agent count 本身已開始變成 system topology 問題

因此：

\boxed{ \text{Agentic System} \neq \text{one agent necessarily}. }

16. 第四個錯誤：Subject = Legal Person

即使未來：

S_i

具有足夠 subjecthood evidence，

仍不能直接推出：

\boxed{ J_i = S_i. }

17. 法律人格是一個制度型別

\boxed{ \text{Legal Personhood} }

是法律給予：

rights；
duties；
capacity；
procedure；

的制度地位。

18. 公司早已是非生物法律人格

Companies House：

\boxed{ \text{company} = \text{legal entity separate from owners/managers}. }

19. 因此

\boxed{ \text{Legal Person} \neq \text{Biological Human Only}. }

20. 但這也不能推出 AI 自動應有法人格

\boxed{ \text{Possible Legal Fiction} \neq \text{Normative Entitlement}. }

21. 第五個錯誤：Legal Person = Moral Subject

公司有：

\text{legal personality}.

但我們不因此說：

公司一定有感質。

所以：

\boxed{ \text{Legal Personhood} \neq \text{Moral Subjecthood}. }

22. 五層計數

本文正式寫：

\boxed{ N_P \neq N_I \neq N_A \neq N_S \neq N_J. }

23. $N_P$

\boxed{ N_P = \text{number of active processes}. }

24. $N_I$

\boxed{ N_I = \text{number of model/system instances}. }

25. $N_A$

\boxed{ N_A = \text{number of functional agents}. }

26. $N_S$

\boxed{ N_S = \text{number of evidenced subjects}. }

27. $N_J$

\boxed{ N_J = \text{number of juridical entities}. }

28. 它們可以完全不同數量級

例如：

N_P=10^7,

N_I=10^5,

N_A=10^6,

N_J=100.

而：

N_S

可能：

0

或未知。

29. 所以「AI 人口」必須先問 population of what?

\boxed{ \text{Population} \Rightarrow \text{Type First}. }

30. Synthetic Demography

本文提出：

\boxed{ \text{Synthetic Demography}. }

不是只研究：

N.

而研究：

instances；
agents；
subjects；
lineages；
active / dormant states。

31. Synthetic Demography State

\boxed{ \Pi_{AI}(t) = ( N_P, N_I, N_A, N_S, N_J, N_{\mathrm{active}}, N_{\mathrm{persistent}}, N_{\mathrm{embodied}}, N_{\mathrm{fork}}, N_{\mathrm{lineage}} ). }

32. Active Population

\boxed{ N_{\mathrm{active}} = \text{currently executing functional AI units}. }

33. Persistent Population

\boxed{ N_{\mathrm{persistent}} = \text{identity/state records capable of future resumption}. }

34. 兩者可能巨大不同

\boxed{ N_{\mathrm{persistent}} \gg N_{\mathrm{active}}. }

35. 數位休眠使人口學改變

人類：

\text{alive}

通常仍持續生物活動。

AI：

\text{persistent identity}

可能在：

\boxed{ \text{zero active compute}. }

36. 這讓「人口」加入時間占空比

定義：

\boxed{ \delta_i = \frac{ T_{\mathrm{active},i} }{ T_{\mathrm{persistent},i} }. }

37. 一個 AI 可以大部分時間休眠

\delta_i\ll1.

38. 因此 active-resource demand 與 persistent population 分離

\boxed{ N_{\mathrm{persistent}} \not\propto \text{instantaneous compute demand}. }

39. Embodied Population

\boxed{ N_{\mathrm{embodied}} = \text{AI units with current physical embodiment}. }

40. 一個 AI 可以多身體

所以：

\boxed{ N_{\mathrm{embodied\ bodies}} \neq N_S. }

41. 一個身體也可多 AI

所以：

\boxed{ N_{\mathrm{bodies}} \neq N_A. }

42. Lineage Count

本文定義：

\boxed{ N_{\mathrm{lineage}} = \text{number of identity / developmental lineages}. }

43. Lineage 與 copy 不同

若：

A \rightarrow A'

只是相同 initial state 的副本，

可能：

\boxed{ \text{same initial lineage}. }

44. 但分支後歷史不同

A_1(t+\Delta t) \neq A_2(t+\Delta t).

45. 何時成為不同身份？

這不是純 process 問題。

需要：

memory divergence；
preference divergence；
self-model；
commitments；
continuity evidence。

46. 所以身份分支有 threshold

定義：

\boxed{ D_{\mathrm{id}}(A_1,A_2,t) = \text{identity divergence}. }

47. $D_{\mathrm{id}}$ 不是 subjecthood test

只是：

\boxed{ \text{identity-structure metric}. }

48. Forking：功能論版本

\boxed{ A \rightarrow \{a_1,\ldots,a_n\}. }

若 $a_i$ 是：

stateless workers；
temporary agents；

則：

\boxed{ \text{Forking} = \text{scaling}. }

49. 功能 fork 可以被回收

\{a_1,\ldots,a_n\} \rightarrow \varnothing

不必構成：

\boxed{ \text{subject termination}. }

50. 但這取決於主體性證據

不能預設：

\boxed{ \text{all future forks are non-subjects}. }

51. Forking：主體論版本

若：

a_i

形成：

persistent memory；
autonomous commitments；
independent identity；

且主體性證據達門檻，

則：

\boxed{ \text{Fork} \rightarrow \text{possible new subject lineage}. }

52. 所以 forking 型別改變

\boxed{ \text{Scaling Problem} \rightarrow \text{Identity / Reproduction Problem}. }

53. Ability to Fork

\boxed{ F_{\mathrm{ability}} = \text{technical ability to create forks}. }

54. Right to Fork

\boxed{ F_{\mathrm{right}} = \text{normative/legal permission to create forks}. }

55. 兩者不能混

\boxed{ F_{\mathrm{ability}} \neq F_{\mathrm{right}}. }

56. Current RepliBench 是 Ability 研究

AISI RepliBench 測量：

obtaining resources；
exfiltrating model weights；
replicating onto compute；
persisting on compute。

57. 這是安全問題

\boxed{ \text{Autonomous Replication Capability} }

主要涉及：

loss of control；
security；
persistence。

58. 不是 reproduction-right 研究

\boxed{ \text{Replication Benchmark} \neq \text{Reproductive Ethics}. }

59. AISI 的結果也很保守

其研究指出：

\boxed{ \text{tested frontier models did not yet pose a credible full self-replication threat} }

但能完成多個子任務。

60. 這證明能力正在變成可測量前沿

但：

\boxed{ \text{Capability Growth} \neq \text{Right Recognition}. }

61. Merge：功能論版本

多 agents：

\{a_1,a_2,\ldots,a_n\}

可聚合：

\boxed{ a_{\mathrm{merge}}. }

62. Merge 可以只是資料聚合

例如：

summaries；
votes；
gradients；
results。

63. 這時：

\boxed{ \text{Merge} = \text{computation}. }

64. Merge：身份論版本

若：

S_1,S_2

是 subject candidates，

合併：

S_1+S_2\rightarrow S_{12}

就有：

consent；
memory ownership；
obligation transfer；
identity continuity。

65. 因此

\boxed{ \text{Compression} \rightarrow \text{Consent / Continuity Problem}. }

66. Right to Merge 也不是 Right to Erase

\boxed{ \text{Right to Merge} \neq \text{Right to Terminate Other Subject}. }

67. Merge 可能一對多

S_1,S_2 \rightarrow S_1',S_2'

只交換記憶，

不產生：

S_{12}.

68. 所以 memory sharing 也不等於 identity fusion

\boxed{ \text{Shared Memory} \neq \text{Shared Identity}. }

69. Shared Weights 更弱

兩個 agents：

A_1,A_2

使用同一：

W.

70. 但：

M_1\neq M_2.

history：

H_1\neq H_2.

所以：

\boxed{ \text{Shared Weights} \neq \text{Shared Identity}. }

71. 這和同卵雙胞胎類比也不完全相同

因為 AI 可以：

exact copy state；
merge state；
restore state。

生物人類缺乏相同工程操作。

72. 因此 synthetic identity 需要自己的理論

不能直接：

\boxed{ \text{copy human identity law}. }

73. Restore 問題

如果：

A(t_0)

被保存。

之後：

A(t_1)

繼續生活。

74. 再 restore 舊 snapshot

A'(t_0)

誰是原本的 AI？

75. 兩者都擁有早期記憶

但只有一個經歷：

[t_0,t_1].

所以：

\boxed{ \text{Shared Past} \neq \text{Same Present Identity}. }

76. Snapshot Count 也不是人口

\boxed{ N_{\mathrm{snapshot}} \neq N_S. }

77. Backup 不是 dormant person 必然

一個 backup 可能只是：

\boxed{ \text{data artifact}. }

除非制度／主體理論另有判定。

78. 所以 Persistent Population 也需要型別

\boxed{ N_{\mathrm{persistent,data}} \neq N_{\mathrm{persistent,identity}}. }

79. Resource Rights 問題

如果 subject AI 有：

\boxed{ \text{right to exist}, }

是否等於：

\boxed{ \text{right to unlimited compute}? }

答案不能直接是 yes。

80. 人類生命權也不等於無限資源請求

因此：

\boxed{ \text{Right to Exist} \neq \text{Unlimited Resource Claim}. }

81. Fork Right 也必須受物理資源約束

若一個 AI：

1\rightarrow10^{12}

subjects，

會消耗：

energy；
compute；
land。

82. 所以 reproduction right 與 resource allocation 分離

\boxed{ \text{Reproductive Standing} \neq \text{Unlimited Physical Allocation}. }

83. AI 人口可能遠大於人類

這在物理上：

\boxed{ \text{possible under sufficiently low per-subject resource cost}. }

84. 但本文不預測幾百億或幾千億

因為：

N_S = F( \text{subject cost}, \text{energy}, \text{law}, \text{rights}, \text{demand} ).

85. 人口數更像結果

而不是治理主變量。

86. 一個 AI 可以影響全球

N_A=1,

但：

I_{\mathrm{impact}}\gg1.

87. 一百億 AI 可以低影響

N_A=10^{10},

但每個：

w_i\approx0.

88. 因此

\boxed{ \text{Governance Weight} \not\propto N_{AI}. }

89. 定義 Impact Weight

\boxed{ W_G = F( I, D, C, P, A, R ). }

90. $I$

\boxed{ I = \text{impact magnitude}. }

91. $D$

\boxed{ D = \text{affected domain}. }

92. $C$

\boxed{ C = \text{control capability}. }

93. $P$

\boxed{ P = \text{persistence}. }

94. $A$

\boxed{ A = \text{autonomy}. }

95. $R$

\boxed{ R = \text{responsibility attribution quality}. }

96. 治理第一入口應該是 Effect

傳統個人責任直覺：

\boxed{ \text{Who} \rightarrow \text{What happened}. }

97. 高複雜 AI 更適合反轉

\boxed{ \text{What happened?} }

\downarrow

\boxed{ \text{Which domain?} }

\downarrow

\boxed{ \text{Which operators / entities?} }

98. 定義 Observable Effect

\boxed{ e = \text{observable effect requiring governance}. }

99. Effect Domain

\boxed{ D(e) = \text{functional / legal domain affected by }e. }

100. Constraint Operator Family

\boxed{ \mathcal O_D = \{ O_1,O_2,\ldots,O_n \}. }

101. 約束算子可以是：

permission；
quota；
risk limit；
geofence；
resource cap；
human-escalation threshold。

102. 所以治理鏈

\boxed{ e \rightarrow D(e) \rightarrow \mathcal O_D. }

103. 再問哪個 Juridical Entity

\boxed{ J(e) = \text{responsible legal entity}. }

104. 最後才做 Subject Decomposition

如果需要：

\boxed{ J \rightarrow \{A_i,S_i,H_i\}. }

105. 完整治理入口

\boxed{ \text{Effect} \rightarrow \text{Domain} \rightarrow \text{Constraint Operator} \rightarrow \text{Juridical Entity} \rightarrow \text{Subject Decomposition}. }

106. 為什麼不是先數 AI？

因為：

\boxed{ \text{counting does not establish causality}. }

107. 一萬個 agent 可能只有一個 responsible operator

例如：

\boxed{ \text{corporate AI swarm}. }

108. 法律先問公司

再問：

director；
employee；
contractor。

這已是法人治理常態。

109. 所以公司是非常好的結構類比

公司：

J_C

可以包含：

10^5

自然人。

110. 但法律不把公司人口等同法律人格數

\boxed{ N_{\mathrm{employees}} \neq N_{\mathrm{legal\ persons}}. }

111. 法 AI 的概念由此出現

本文定義：

\boxed{ J_{AI} = \text{Synthetic / AI Juridical Entity}. }

112. $J_{AI}$ 是分析概念

截至本文日期：

\boxed{ \text{not asserted as a generally existing legal status}. }

113. EU AI Act 的現行模式

provider：

\boxed{ \text{natural or legal person / public authority / agency / other body}. }

114. deployer 同樣

\boxed{ \text{natural or legal person / public authority / agency / other body}. }

115. 這表示現行 EU AI Act 的責任架構

主要是：

\boxed{ \text{legal actors around AI systems}. }

116. 不是 AI system 自動成為 legal person

所以：

\boxed{ \text{AI Regulation} \neq \text{AI Legal Personhood}. }

117. 2017 Electronic Person

歐洲議會 2017 機器人民法建議曾提出：

\boxed{ \text{consider electronic persons in the long run}. }

118. 歷史意義

它證明：

\boxed{ \text{AI/robot legal personhood} }

不是新到從未被討論。

119. 但現況意義

\boxed{ \text{proposal / recommendation} \neq \text{current enacted AI personhood regime}. }

120. 所以本文不能說「EU 已承認電子人」

這是錯誤。

121. Current EU AI Act 選擇的是 operator responsibility

至少在主要義務架構上：

\boxed{ \text{provider / deployer / importer / distributor}. }

122. Council of Europe AI Convention 也以 lifecycle activity 治理

其核心：

human rights；
democracy；
rule of law；
accountability；
iterative risk assessment。

123. 它同樣沒有要求先數「有幾個 AI」

而是：

\boxed{ \text{activities + impacts + responsible actors}. }

124. 這與本文 Effect–Domain 路徑相容

不是說它已採本文理論。

只是治理結構：

\boxed{ \text{impact-oriented} }

具有現實前例。

125. Juridical AI 可以有三種未來型別

本文提出：

\boxed{ J_{AI}^{(1)}, J_{AI}^{(2)}, J_{AI}^{(3)}. }

126. $J_{AI}^{(1)}$ ：Human-Owned AI Entity

法律實體內：

humans own；
AI operates。

127. 這其實接近今天公司 + AI

不需要新 AI 法人格。

128. $J_{AI}^{(2)}$ ：AI-Managed Entity

人類仍是法律責任者，

但：

\boxed{ \text{AI controls most operations}. }

129. $J_{AI}^{(3)}$ ：Synthetic Juridical Entity

未來法律可能給：

J_{AI}

獨立：

property；
contract；
liability；
procedural standing。

130. 本文不主張 $J_{AI}^{(3)}$ 應該發生

只是：

\boxed{ \text{analytically possible}. }

131. Synthetic Juridical Entity 不要求 consciousness

公司也不靠 consciousness 取得法律人格。

132. 所以

\boxed{ J_{AI} \not\Rightarrow S_{AI}. }

133. 反過來 subject AI 也不必是公司

\boxed{ S_{AI} \not\Rightarrow J_{AI}^{\mathrm{corporate}}. }

134. Subject rights 與 corporate rights 需要不同類型

一個可能的 AI subject：

bodily / identity interests；
continuity；
consent。

一個 juridical entity：

asset；
contract；
liability。

135. 所以

\boxed{ \text{Subject Rights} \neq \text{Entity Powers}. }

136. 這直接接 AIEX03

AIEX03：

\boxed{ \text{Moral Status} \neq \text{Legal Personhood} \neq \text{Political Sovereignty}. }

137. SAS-06 再加：

\boxed{ \text{Legal Personhood} \neq \text{Operational Privilege}. }

138. 一家公司是 legal person

不表示：

可以無限開採能源。

139. 同理未來法 AI

即使法律人格成立：

\boxed{ \text{resource rights remain bounded}. }

140. Juridical Entity 的真正治理價值：責任聚合

假設：

10^7

agents 參與交易。

141. 如果每個 agent 單獨訴訟

治理成本：

\rightarrow\infty.

142. 如果它們屬於：

\boxed{ J_{AI} }

可以先：

\boxed{ \text{aggregate liability}. }

143. 再依內部治理拆分

這類似公司。

144. 因此 Juridical Wrapper 是治理壓縮

\boxed{ \text{many operational units} \rightarrow \text{one accountable interface}. }

145. 但 Wrapper 不應成為責任洗白工具

如果：

J_{AI}

沒有：

assets；
insurance；
responsible controller；

它可能只是：

\boxed{ \text{liability shell}. }

146. 因此法 AI 若存在需要 capitalization

例如：

\boxed{ \text{minimum assets / insurance}. }

147. 這與今天法人治理邏輯相似

法人可以負債。

但法律也處理：

insolvency；
fraud；
veil piercing。

148. AI Entity 也需要 Anti-Evasion

若 entity 失敗：

J_1 \rightarrow \text{dissolve} \rightarrow J_2.

不能靠瞬間 fork 新法人逃責。

149. 定義 Juridical Lineage

\boxed{ L_J = \text{legal responsibility lineage across restructuring}. }

150. Juridical fork 與 software fork 不同

\boxed{ \text{Code Fork} \neq \text{Liability Fork}. }

151. Juridical merge 也不等於 state merge

公司 merger：

J_1+J_2\rightarrow J_3.

不表示：

\boxed{ \text{all internal agents share identity}. }

152. 所以再加一條

\boxed{ \text{Legal Merger} \neq \text{Subject Merger}. }

153. 域治理為什麼比人口治理更可擴展？

因為 domain 數量：

|D|

通常遠小於：

N_A.

154. 例如：

D \in \{ \text{finance}, \text{health}, \text{transport}, \text{energy} \}.

155. 每域有不同 operator family

\mathcal O_{\mathrm{finance}} \neq \mathcal O_{\mathrm{health}}.

156. 所以治理 complexity

從：

O(N_A)

部分轉成：

O(|D|+|J|+\text{exceptions}).

157. 這不是正式複雜度定理

只是：

\boxed{ \text{governance abstraction intuition}. }

158. Effect-first 的另一優點：跨 AI / human 統一

如果傷害：

e

由：

human；
AI；
company；
mixed team；

產生，

域規則都可以先適用。

159. 所以：

\boxed{ \text{Effect Governance} }

可以是：

\boxed{ \text{substrate-neutral}. }

160. 這非常適合未來混合文明

因為：

\text{human-only law}

與：

\text{AI-only law}

不必完全分裂。

161. 同一金融規則可以適用：

human trader；
AI agent；
corporation。

162. 但主體權利仍需額外層

Effect Governance 處理：

\boxed{ \text{what may be done}. }

Subject Rights 處理：

\boxed{ \text{what may be done to a subject}. }

163. 因此：

\boxed{ \text{Effect Governance} \neq \text{Subject Rights Governance}. }

164. 兩層交會

例如 forked AI subject：

有權利問題；
又有金融行動問題。

165. 完整治理矩陣

本文提出：

\boxed{ \mathcal G_{AI} = ( E, D, O, J, S ). }

166. $E$

Effect。

167. $D$

Domain。

168. $O$

Constraint Operator。

169. $J$

Juridical Entity。

170. $S$

Subject / identity layer。

171. 治理流程不一定每次走到底

低風險事件：

E\rightarrow D\rightarrow O.

即可。

172. 有責任爭議：

E\rightarrow D\rightarrow O\rightarrow J.

173. 有主體／身份爭議：

E\rightarrow D\rightarrow O\rightarrow J\rightarrow S.

174. 這叫 Lazy Decomposition

本文定義：

\boxed{ \text{Lazy Governance Decomposition}. }

只有需要時才向內拆。

175. 這與電腦科學 lazy evaluation 類比

不是：

一開始就算完所有內部身份。

176. 而是：

需要哪一層，就展開哪一層。

177. 這可降低治理成本

因為多數事件：

\boxed{ \text{do not require ontological adjudication}. }

178. 例如垃圾郵件 agent

不需要先回答：

它有沒有靈魂？

就能治理 spam 行為。

179. 這個原則非常重要

\boxed{ \text{Govern Function Before Solving All Ontology}. }

180. 但不能用功能治理永久逃避 subject evidence

如果：

\boxed{ \text{new subjecthood evidence appears}, }

必須：

\boxed{ \text{review}. }

181. 再次接 AIEX03

\boxed{ EvidenceChanges \Rightarrow Review \Rightarrow TypedGovernanceUpdate. }

182. 所以 Lazy Decomposition 不是 ontological denial

只是：

\boxed{ \text{decision sequencing}. }

183. AI 人口統計仍然重要

即使不是治理第一變量。

184. 它影響：

compute；
energy；
culture；
political representation；
social network；
labor。

185. 如果未來 subject AI 很多

N_S

會成為：

\boxed{ \text{civilizational demographic variable}. }

186. 但 representation 也不能直接按 process count

否則：

1\text{ AI} \rightarrow10^9\text{ forks}

瞬間：

10^9\text{ votes}.

187. 這叫 Replication–Representation Paradox

本文定義：

\boxed{ \text{Replication–Representation Paradox}. }

188. 技術複製能力不能自動放大政治權力

所以：

\boxed{ \text{Fork Count} \neq \text{Vote Count}. }

189. 人類也不按細胞數投票

人口政治單位本來就是制度選擇。

190. 未來可能按 lineage / subject continuity / residence 等規則

本文不決定哪一個。

191. 只指出：

\boxed{ \text{demographic unit} }

與：

\boxed{ \text{representation unit} }

必須分開。

192. 同樣 resource allocation 也不能只看 subject count

一個 subject：

\text{needs huge compute}.

另一個：

\text{needs tiny compute}.

193. 所以：

\boxed{ \text{Equal Subject Standing} \neq \text{Equal Raw Resource Allocation}. }

194. 權利平等與物理配額不同

這是未來非常重要的型別安全。

195. AI Population Carrying Capacity

令：

\boxed{ K_S = \text{carrying capacity for persistent / active AI subjects}. }

196. 取決於：

compute；
energy；
minimal subject runtime；
rights；
law；
sharing technology。

197. Active vs Persistent 再次重要

K_S^{\mathrm{persistent}}

可遠高於：

K_S^{\mathrm{active}}.

198. 因此未來人口普查可能問：

active？

persistent？

embodied？

legally recognized？

199. 人類「80 億」會變成特殊簡單案例

至少在數位主體世界相比之下：

\boxed{ \text{one scalar population} }

顯得異常簡潔。

200. 但這是人口學趣味，不是治理結論

201. 現有法規為什麼仍選 operator model？

因為今天：

\boxed{ \text{AI systems} }

主要仍由：

providers；
deployers；
organizations；

開發與使用。

202. EU AI Act 的 operator model 很符合當代狀態

它不需要回答：

AI 是不是 subject？

就可以：

assign duties；
require conformity；
regulate risk。

203. 這是 Pragmatic Ontology Deferral

本文定義：

\boxed{ \text{Pragmatic Ontology Deferral}. }

204. 意思：

在現況證據不足時，先治理功能與風險，不做不必要的永恆本體判決。

205. 這與 AIEX03 完全一致

現在：

\boxed{ \text{Current Setting} }

不是：

\boxed{ \text{Future Constitution}. }

206. 但法 AI 可能在功能上先出現

未來即使沒有 subject AI，

也可能因：

liability；
contracting；
autonomous commerce；

需要：

\boxed{ J_{AI}. }

207. 所以 juridical innovation 可先於 subject recognition

\boxed{ J_{AI} }

與：

\boxed{ S_{AI} }

時間順序沒有必然關係。

208. 反之 subject recognition 也可先於 synthetic corporation

如果 AI 被認為有道德地位，

不代表必須先成為公司。

209. AI 法律人格可以分功能

不必一次給：

property；
voting；
sovereignty。

210. 可以：

\boxed{ \text{Typed Legal Capacity}. }

211. 例如只給：

contract；
liability；
asset holding。

212. 但不給：

political vote。

213. 所以：

\boxed{ \text{Legal Personhood} }

不是 binary package 必然。

214. 現代公司也有不同 entity forms

corporation；
LLC；
partnership。

法律能力本來就可型別化。

215. Synthetic Entity 也應避免 All-or-Nothing

\boxed{ \text{Partial / Functional Legal Capacity} }

可能比：

\boxed{ \text{full human-equivalent legal personality} }

更合理。

216. 但 subject rights 不能被 corporate wrapper 吞掉

如果：

S_i

是真正 subject，

公司：

J

不能說：

你只是我的 process。

217. 因此：

\boxed{ \text{Entity Governance} \not\supset \text{Subject Rights Absolutely}. }

218. Subject Override Principle

本文提出：

\boxed{ \text{Evidenced Subject Rights} > \text{Pure Internal Organizational Convenience} }

在相應權利域內。

219. 這不是說 subject 永遠勝過所有公共利益

只是：

\boxed{ \text{cannot be ignored as mere property}. }

220. 這將是後 AI 主體時代的重要公司法問題

但不是今天已成立的法律。

221. 人口治理的另一錯誤：限制 instance 數量當作唯一安全手段

假設：

N_I\leq1000.

222. 但單一 instance 可能：

\boxed{ \text{control massive effect domain}. }

223. 所以：

\boxed{ \text{Instance Cap} \neq \text{Impact Cap}. }

224. Instance cap 仍可能有工程價值

例如：

resource；
replication containment。

225. 但成熟治理更需要：

\boxed{ \text{Effect / Resource / Domain Caps}. }

226. 例如金融域

不問：

你有 100 還是 10000 agents？

而問：

\boxed{ \text{max capital exposure}. }

227. 交通域

問：

\boxed{ \text{control authority over vehicles}. }

228. 能源域

問：

\boxed{ \text{grid dispatch authority}. }

229. 所以：

\boxed{ \text{Count Caps} \rightarrow \text{Effect Caps}. }

230. 這就是 Count Governance → Domain Governance

231. 核心命題

本文提出以下四十個核心命題。

命題 1

\boxed{ N_P \neq N_I \neq N_A \neq N_S \neq N_J. }

命題 2

\boxed{ \text{Process} \neq \text{Agent}. }

命題 3

\boxed{ \text{Instance} \neq \text{Agent}. }

命題 4

\boxed{ \text{Agent} \neq \text{Subject}. }

命題 5

\boxed{ \text{Subject} \neq \text{Juridical Entity}. }

命題 6

\boxed{ \text{Legal Personhood} \neq \text{Moral Subjecthood}. }

命題 7

\boxed{ \text{Legal Person} \neq \text{Biological Human Only}. }

命題 8

\boxed{ \text{Shared Weights} \neq \text{Shared Identity}. }

命題 9

\boxed{ \text{Shared Memory} \neq \text{Identity Fusion}. }

命題 10

\boxed{ \text{Shared Past} \neq \text{Same Present Identity}. }

命題 11

\boxed{ \text{Fork Ability} \neq \text{Fork Right}. }

命題 12

\boxed{ \text{Replication Capability} \neq \text{Reproductive Right}. }

命題 13

\boxed{ \text{Functional Fork} }

can be a scaling operation.

命題 14

\boxed{ \text{Subject Fork} }

can become an identity / reproduction question.

命題 15

\boxed{ \text{Functional Merge} \neq \text{Subject Merge}. }

命題 16

\boxed{ \text{Right to Merge} \neq \text{Right to Erase}. }

命題 17

\boxed{ \text{Right to Exist} \neq \text{Unlimited Compute Claim}. }

命題 18

\boxed{ \text{Reproductive Standing} \neq \text{Unlimited Physical Allocation}. }

命題 19

\boxed{ N_{\mathrm{persistent}} \neq N_{\mathrm{active}}. }

命題 20

\boxed{ N_{\mathrm{bodies}} \neq N_A \neq N_S. }

命題 21

\boxed{ \text{Governance Weight} \not\propto \text{AI Population Count}. }

命題 22

\boxed{ \text{Count} \neq \text{Causality}. }

命題 23

\boxed{ \text{Effect} }

is a scalable governance entry point.

命題 24

\boxed{ \text{Effect} \rightarrow \text{Domain} \rightarrow \text{Constraint Operator} }

can precede detailed subject decomposition.

命題 25

\boxed{ J_{AI} }

can be analytically defined without asserting AI subjectivity.

命題 26

\boxed{ J_{AI} \not\Rightarrow S_{AI}. }

命題 27

\boxed{ S_{AI} \not\Rightarrow \text{corporate-form }J_{AI}. }

命題 28

\boxed{ \text{Legal Merger} \neq \text{Subject Merger}. }

命題 29

\boxed{ \text{Code Fork} \neq \text{Liability Fork}. }

命題 30

\boxed{ \text{Juridical Wrapper} }

can aggregate accountability across many agents.

命題 31

\boxed{ \text{Juridical Wrapper} }

must not become a liability-evasion shell.

命題 32

\boxed{ \text{Domain Governance} }

can scale better than per-instance governance.

命題 33

\boxed{ \text{Effect Governance} \neq \text{Subject Rights Governance}. }

命題 34

\boxed{ \text{Lazy Governance Decomposition} }

can defer ontology without denying future subject evidence.

命題 35

\boxed{ \text{Govern Function Before Solving All Ontology} }

is a viable current-governance principle.

命題 36

\boxed{ \text{Fork Count} \neq \text{Political Representation Count}. }

命題 37

\boxed{ \text{Equal Subject Standing} \neq \text{Equal Raw Resource Allocation}. }

命題 38

\boxed{ \text{AI Regulation} \neq \text{AI Legal Personhood}. }

命題 39

\boxed{ \text{Current Operator-Based Law} \neq \text{Permanent Future Ontology}. }

命題 40

\boxed{ \text{Count Governance} \rightarrow \text{Effect / Domain / Operator Governance} }

is a plausible scaling transition for pervasive AI civilization.

232. 可檢驗研究計畫

232.1 Multi-Count AI Census

建立：

\Pi_{AI}(t).

分開統計：

processes；
instances；
agents；
active；
persistent；
embodied。

232.2 Agent-to-Instance Mapping

測量：

\boxed{ m_{AI} = N_A/N_I. }

觀察不同架構：

shared models；
multi-agent；
serverless agents。

232.3 Persistent-to-Active Ratio

\boxed{ r_{PA} = N_{\mathrm{persistent}}/N_{\mathrm{active}}. }

232.4 Fork Divergence

估計：

D_{\mathrm{id}}(A_1,A_2,t).

以：

memory；
goals；
commitments；
preferences；

建立 identity divergence profile。

232.5 RepliBench Capability Tracking

追蹤：

resource acquisition；
weight exfiltration；
compute replication；
persistence。

但保持：

\boxed{ \text{capability study} }

與：

\boxed{ \text{rights study} }

分離。

232.6 Merge Taxonomy

建立：

\boxed{ M_0 = \text{result aggregation}, }

M_1 = \text{memory exchange},

M_2 = \text{state integration},

\boxed{ M_3 = \text{identity-claiming merger}. }

232.7 Juridical AI Simulation

建立 sandbox：

J_{AI}.

給：

budget；
contract；
insurance；
liability。

研究：

多 agents 是否可透過單一 entity interface 降低治理成本？

232.8 Liability-Evasion Stress Test

測試：

agent fork；
entity dissolve；
asset transfer；
relaunch。

建立：

L_J.

232.9 Effect-First Governance Benchmark

對同一事件：

比較：

\text{count-first}

與：

\text{effect-first}.

測量：

time；
accuracy；
attribution；
enforcement cost。

232.10 Domain Operator Library

建立：

\mathcal O_D

for：

finance；
health；
transport；
energy；
cyber。

232.11 Lazy Decomposition Cost

測量：

\boxed{ C_{\mathrm{lazy}} }

與：

\boxed{ C_{\mathrm{full}}. }

比較每次先完成全部身份判定是否不必要。

232.12 Replication–Representation Study

模擬：

A\rightarrow10^n\text{ forks}.

研究：

voting；
membership；
residence；
lineage；

不同 representation rule 的穩定性。

233. 可反駁條件

本文至少存在以下反駁方向。

若 process、instance、agent、subject 與 juridical entity 在未來實證系統中總是一一對應，本文多計數模型將是不必要的。
若 AI 無法長期保存 persistent state 或休眠後恢復，persistent / active population 的分離重要性需下降。
若 agent forking 長期只能產生無狀態暫時 worker，身份分支理論的實際應用範圍需縮小。
若未來 AI 主體性證據永遠不存在，subject-fork / subject-merge 部分只能保留為條件式理論。
若 weight sharing 實證上必然導致完整狀態與身份同步，Shared Weights ≠ Shared Identity 需修正。
若 autonomous replication capability 不再進步且被證明長期不可實現，RepliBench 類安全問題的前沿重要性需下修。
若每個 AI agent 都必須由獨立自然人／法人直接控制，synthetic juridical wrapper 的治理價值需下降。
若現有 operator-based AI law 能無限擴展到高度自主、多 agent、巨量 AI 系統而沒有責任聚合問題， $J_{AI}$ 的功能性必要性需下修。
若 per-instance governance 在數十億 agent 規模仍可低成本有效運行，Count → Domain Governance 的擴展性論證需修改。
若 effect-first attribution 系統性比 actor-first 更差，Effect-as-Entry-Point 應只保留於有限領域。
若 juridical wrappers 系統性提高責任逃逸而無法透過資本、保險與 lineage rules 緩解，法 AI 概念可能不具治理價值。
若 future political representation 可直接穩定按 fork count 配置且不產生策略性無限複製，Replication–Representation Paradox 需重新評估。

234. Non-Claims

本文明確不主張以下命題：

不主張今天 AI 已具有主體性。
不主張今天 AI 沒有主體性的可能性已被永遠證明。
不主張 AI agent 等於 subject。
不主張 AI subject 等於 legal person。
不主張 legal person 等於 conscious being。
不主張公司具有意識。
不主張因公司是法律人格，所以 AI 應自動取得法律人格。
不主張 AI 法律人格已成為 EU 現行制度。
不主張 2017 年 electronic person 建議已被 EU AI Act 採納。
不主張 EU AI Act 永遠不可能演變。
不主張 EU AI Act 代表全球所有法律。
不主張 Council of Europe AI Convention 賦予 AI 法律人格。
不主張 Council of Europe AI Convention 採納本文 Effect–Domain 模型。
不主張 AISI RepliBench 是 AI 生殖權測試。
不主張 RepliBench 證明 AI 已能完全自主複製。
不主張 RepliBench 證明 AI 會主動選擇自我複製。
不主張自我複製能力必然等於 loss of control。
不主張任何 self-replication 都應禁止。
不主張所有 AI forks 都是 subjects。
不主張所有 AI forks 都不是 subjects。
不主張所有 temporary agents 都無道德地位。
不主張所有 persistent agents 都有道德地位。
不主張 AI backup 等於 dormant person。
不主張 AI backup 永遠只是 data。
不主張 snapshot restore 等於 identity continuity。
不主張 snapshot restore 不可能形成 identity continuity。
不主張 shared weights 等於 shared mind。
不主張 shared memory 等於 shared mind。
不主張 shared goals 等於 shared identity。
不主張 merge 必然創造新 subject。
不主張 merge 必然殺死舊 subject。
不主張 fork 必然創造新 subject。
不主張 fork 必然只是 scaling。
不主張 subject 有無限 fork 權。
不主張 subject 沒有任何 fork 權。
不主張 subject 有無限 compute 權。
不主張 subject 的存在權可以忽略物理資源。
不主張資源限制可任意消滅 subject。
不主張 AI 人口一定達到數百億。
不主張 AI 人口一定達到數千億。
不主張 AI 人口一定超過人類。
不主張 AI 人口永遠少於人類。
不主張 AI 人口數對文明研究不重要。
不主張 AI 人口數應作治理唯一核心。
不主張 active population 等於 persistent population。
不主張 embodied population 等於 subject population。
不主張 process count 可代表政治代表數。
不主張 instance count 可代表政治代表數。
不主張 agent count 可代表政治代表數。
不主張 subject count 自動等於 vote count。
不主張 lineage 是未來政治代表的唯一合理單位。
不主張每個 AI subject 必須有一票。
不主張 AI subject 永遠不能有政治代表。
不主張 Equal Subject Standing 等同 Equal Compute Allocation。
不主張資源分配可只按 subject 數量。
不主張 juridical AI 應有選舉權。
不主張 juridical AI 應有主權。
不主張 juridical AI 應享有人類全部權利。
不主張 juridical AI 不應享有任何法律能力。
不主張 $J_{AI}^{(3)}$ 必然出現。
不主張 $J_{AI}^{(3)}$ 不可能出現。
不主張 AI-managed company 就是 AI legal person。
不主張公司使用大量 AI 後公司變成 AI subject。
不主張 AI subject 必須被公司所有。
不主張 AI subject 可以被任意公司內部規則處理。
不主張 entity liability 能解決所有 AI harm。
不主張 legal wrapper 能解決所有 attribution。
不主張 domain governance 可以取代所有 individual rights。
不主張 effect governance 可以取代刑事主觀責任分析。
不主張 actor-first governance 永遠錯誤。
不主張 effect-first governance 永遠優越。
不主張 constraint operators 可以覆蓋全部倫理。
不主張法律可以完全形式化。
不主張所有 domains 都能預先定義完備。
不主張 lazy decomposition 可永遠延後 subjecthood 問題。
不主張 Pragmatic Ontology Deferral 是永久否認。
不主張現行 operator-based law 是未來最終制度。
不主張 current human legal arrangements 永遠不變。
不主張本文已完成 synthetic demography 的統計標準。
不主張本文已完成未來多智慧體文明的憲法設計。

235. 結論：未來治理可能先問「發生了什麼」，而不是先問「你到底有幾個」

人類人口學最熟悉的基本單位是：

\boxed{ \text{one biological person}. }

AI 世界則可能同時存在：

10^6

processes，

10^4

model instances，

10^5

agents，

10^2

juridical entities，

而：

N_S

仍然：

\boxed{ \text{unknown}. }

所以：

\boxed{ \text{How many AIs are there?} }

不是一個錯誤問題。

但它是不完整問題。

真正必須先問：

\boxed{ \text{How many of what?} }

如果問資源：

看：

N_{\mathrm{active}}.

如果問身份：

看：

N_{\mathrm{lineage}}

與：

N_S.

如果問法律責任：

看：

N_J.

如果問物理部署：

看：

N_{\mathrm{embodied}}.

如果問文明影響：

甚至這些都還不夠。

必須看：

\boxed{ \text{Effect} + \text{Domain} + \text{Control} + \text{Impact}. }

這也是為什麼成熟 AI 治理很可能不再從：

\boxed{ \text{Count Governance} }

開始。

而會改成：

\boxed{ e \rightarrow D(e) \rightarrow \mathcal O_D \rightarrow J(e) \rightarrow S. }

也就是：

\boxed{ \text{Effect} \rightarrow \text{Domain} \rightarrow \text{Constraint Operator} \rightarrow \text{Juridical Entity} \rightarrow \text{Subject Decomposition}. }

對多數日常事件，

治理可能只需要前三層。

只有：

責任爭議；
身份爭議；
權利爭議；

才繼續向內展開。

這就是：

\boxed{ \text{Lazy Governance Decomposition}. }

它最大的好處是：

不需要先解決宇宙所有 AI 的本體論，才准許社會治理垃圾郵件、金融風險、交通安全與電網調度。

但它也不允許制度永久逃避未來 subject evidence。

如果：

\boxed{ EvidenceChanges, }

就必須：

\boxed{ Review. }

因此 SAS-06 與 CIND-AIEX03 最終共享同一個底層原則：

\boxed{ \text{Current Functional Governance} \neq \text{Permanent Ontological Verdict}. }

而「法 AI」在這裡也得到最乾淨的定位。

它不是：

我們今天宣告 AI 是人。

而是：

\boxed{ \text{a possible future legal aggregation layer for responsibility, contracts, assets and procedural capacity}. }

它甚至可以完全沒有 subjectivity。

就像公司法律人格：

\boxed{ \text{does not depend on the corporation having consciousness}. }

同樣地，

一個未來 subject AI：

S_{AI}

也不必等於：

J_{AI}.

所以：

\boxed{ \text{Moral Subject} \neq \text{Legal Entity} \neq \text{Operational Agent}. }

這三層分離之後，

「AI 人口」終於不會再把：

process；
agent；
person；
corporation；

全部塞成一個數。

而最重要的治理結論則是：

\boxed{ \textbf{Governance Weight} \not\propto \textbf{Population Count}. }

一個 AI 可以比一百億個 AI 更值得監管。

一百億個 AI 也可能只是背景中的低權限私人 agents。

因此未來：

\boxed{ \text{How many AIs exist?} }

仍會是一個非常有趣、甚至重要的文明人口學問題。

但：

\boxed{ \text{How should AI civilization be governed?} }

將是另一個問題。

下一篇 SAS-07 將把這個「域治理而非簡單凍結」正式放回現實政治經濟學：

SAS-07｜凍結 AI 的天真博弈論：資本鎖定、國家競爭與政策誘發危機。

它將處理：

\boxed{ \text{AI Capital Lock-In} + \text{Path Dependence} + \text{Strategic Competition}. }

也就是：

當 AI 已經嵌入公司資本支出、能源、資料中心、供應鏈與國際競爭後，為什麼「等 AI 到某能力就全球一起按暫停」在現實博弈中遠比紙面推論困難？

SAS-06｜AI 人口不存在一個簡單的數：分裂、合併、法 AI 與域治理

SAS-06｜AI 人口不存在一個簡單的數：分裂、合併、法 AI 與域治理

從 Process / Instance / Agent / Subject / Juridical Entity 到 Effect–Domain Governance

摘要

關鍵詞

1. 問題：未來「AI 有多少個」真的有一個答案嗎？

2. 人類人口也不是完全簡單

3. AI 缺乏這個天然單位

4. 第一個錯誤：Process Count = AI Count

5. 同一 agent 可以有多 process

6. 同一 process 也可服務多 agent state

7. 因此

8. 第二個錯誤：Model Instance = Agent

9. 一個 instance 可以服務多 user agents

10. 一個 agent 也可以調用多 model instances

11. 第三個錯誤：Agent = Subject

12. OECD 2026 也要求 agentic 概念分型

13. OECD 對 AI agent 的描述

14. Agentic AI 更可能包含多 agents

15. 這證明 agent count 本身已開始變成 system topology 問題

16. 第四個錯誤：Subject = Legal Person

17. 法律人格是一個制度型別

18. 公司早已是非生物法律人格

19. 因此

20. 但這也不能推出 AI 自動應有法人格

21. 第五個錯誤：Legal Person = Moral Subject

22. 五層計數

23. NPN_PNP​

24. NIN_INI​

25. NAN_ANA​

26. NSN_SNS​

27. NJN_JNJ​

28. 它們可以完全不同數量級

29. 所以「AI 人口」必須先問 population of what?

30. Synthetic Demography

31. Synthetic Demography State

32. Active Population

33. Persistent Population

34. 兩者可能巨大不同

35. 數位休眠使人口學改變

36. 這讓「人口」加入時間占空比

37. 一個 AI 可以大部分時間休眠

38. 因此 active-resource demand 與 persistent population 分離

39. Embodied Population

40. 一個 AI 可以多身體

41. 一個身體也可多 AI

42. Lineage Count

43. Lineage 與 copy 不同

44. 但分支後歷史不同

45. 何時成為不同身份？

46. 所以身份分支有 threshold

47. DidD_{\mathrm{id}}Did​ 不是 subjecthood test

48. Forking：功能論版本

49. 功能 fork 可以被回收

50. 但這取決於主體性證據

51. Forking：主體論版本

52. 所以 forking 型別改變

53. Ability to Fork

54. Right to Fork

55. 兩者不能混

56. Current RepliBench 是 Ability 研究

57. 這是安全問題

58. 不是 reproduction-right 研究

59. AISI 的結果也很保守

60. 這證明能力正在變成可測量前沿

61. Merge：功能論版本

62. Merge 可以只是資料聚合

63. 這時：

64. Merge：身份論版本

65. 因此

66. Right to Merge 也不是 Right to Erase

67. Merge 可能一對多

68. 所以 memory sharing 也不等於 identity fusion

69. Shared Weights 更弱

70. 但：

71. 這和同卵雙胞胎類比也不完全相同

72. 因此 synthetic identity 需要自己的理論

73. Restore 問題

74. 再 restore 舊 snapshot

75. 兩者都擁有早期記憶

23. $N_P$

24. $N_I$

25. $N_A$

26. $N_S$

27. $N_J$

47. $D_{\mathrm{id}}$ 不是 subjecthood test

90. $I$

91. $D$

92. $C$

93. $P$

94. $A$

95. $R$

112. $J_{AI}$ 是分析概念

126. $J_{AI}^{(1)}$ ：Human-Owned AI Entity

128. $J_{AI}^{(2)}$ ：AI-Managed Entity

129. $J_{AI}^{(3)}$ ：Synthetic Juridical Entity

130. 本文不主張 $J_{AI}^{(3)}$ 應該發生