計算機不是處理器：可定址狀態轉換空間的重新定義

Computer Is Not the Processor: Redefining Computation as an Addressable State-Transition Space

系列： Computational Space and Hyperconnected Complexity Series
Paper： 01 / 09
作者： Neo.K
協作整理： Aletheia / GPT-5.6 Sol
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-08-29
文件性質： 計算本體論／計算空間理論／狀態轉換方法論
研究狀態： 理論框架與後續形式化基礎；不宣稱建立新的經典複雜度類，不宣稱證明 $P=NP$ 或 $P\neq NP$

摘要

現代計算機通常被描述為處理器、記憶體、儲存、輸入輸出與軟體所構成的系統；在經典計算理論中，則常進一步抽象為圖靈機、RAM machine、circuit、automaton、transition system 或其他形式模型。這些表示各自具有明確用途，但在面對今日由 CPU、GPU、AI accelerator、network service、database、API、distributed worker、compiler、operating system、agent runtime、persistent memory 與外部工具共同構成的計算環境時，「計算機等於執行指令的處理器」已不足以描述實際計算能力的形成方式。

本文提出一個更高層的候選描述：

\boxed{ \text{Computer} = \text{Addressable State-Transition Space}. }

亦即，一個計算系統的能力不應只以單位時間內可以執行多少 primitive operations 描述，也應考慮：

系統具有哪些可區分狀態；
哪些狀態之間存在合法轉換；
一個局部符號或地址可以啟動多大的狀態展開；
一個狀態轉換是否由本地處理、外部能力、預計算、硬體結構或歷史結果承載；
系統能否持續增加新的可定址轉換；
不同底空間、表示、轉移律與執行載體如何形成一致的全域計算。

本文將最基本的轉換壓縮為：

1\rightarrow1, \qquad 1\rightarrow X, \qquad X\rightarrow1, \qquad X\rightarrow X.

其中 $1$ 不必理解為二進位 bit，而可表示局部符號、地址、指令、token、capability handle 或最小可定址控制單位； $X$ 則表示相對較大的狀態、結構、程序、世界片段或計算域。

本文的核心命題是：

\boxed{ \text{計算技術的一條重要演化方向， 就是提高 }1\rightarrow X\text{ 的展開能力， 以及提高可被直接定址的 }1_i\rightarrow X_i\text{ 覆蓋度。} }

這使機器指令、函式呼叫、library、system call、GPU kernel、database index、API、MCP、Agent capability 與 MSSP–RDR capability routing 可以被理解為同一類更高階現象：將原本需要長狀態路徑完成的計算，壓縮成較短的可定址狀態轉換入口。

本文不主張這種路徑壓縮會消除總體計算複雜度。相反，它為後續「複雜度位移原則」建立基礎：當時間路徑縮短時，原有成本可能被轉移到空間結構、記憶、連接、預處理、外部 provider、硬體、歷史或維護之中。

關鍵詞： 計算空間、狀態轉換、可定址計算、 $1\rightarrow X$ 、超連接計算、相位計算、MSSP、RDR、計算複雜度、Agentic Computation

1. 問題：我們究竟把什麼叫做「一台計算機」？

對傳統個人電腦而言，一個直觀描述是：

\text{Computer} = \text{CPU} + \text{Memory} + \text{Storage} + \text{I/O}.

若再加入現代硬體：

\text{Computer} = \text{CPU} + \text{GPU} + \text{Accelerators} + \text{Memory} + \text{Interconnect} + \text{Storage}.

這些描述對硬體工程有效。

然而，當使用者執行：

render(scene)

真正完成工作的可能同時包括：

compiler；
operating system；
graphics driver；
CPU；
GPU；
shader program；
texture cache；
memory controller；
DMA；
filesystem；
external asset database；
network resource；
AI-generated intermediate data。

使用者只送出一個極短的符號序列。

實際被啟動的狀態轉換卻可能極其龐大。

因此：

\boxed{ \text{Instruction Length} \neq \text{Activated Computational Structure}. }

同樣地：

\boxed{ \text{Caller Complexity} \neq \text{Whole-System Computational Structure}. }

如果仍然只把「執行當前幾條指令的 CPU」視為計算機本身，就會逐漸無法描述現代計算。

2. 第一個重新定義：計算機是一個狀態轉換空間

令某一計算存在於時間 $t$ 的有效狀態為：

\Sigma_t.

最基本的計算可以表示為：

\Sigma_t \xrightarrow{\Phi_t} \Sigma_{t+1}.

其中：

\Phi_t

是合法狀態轉換。

因此，一個計算系統不只包含狀態集合，也包含：

可作用算子；
合法轉換；
地址結構；
資源條件；
執行載體；
歷史；
外部接口。

本文暫定：

\boxed{ \mathfrak C_t = ( \mathcal S_t, \mathcal T_t, \mathcal A_t, \mathcal R_t, \mathcal I_t, \mathcal H_t ). }

其中：

$\mathcal S_t$ ：可表示或有效可達的狀態；
$\mathcal T_t$ ：候選狀態轉換；
$\mathcal A_t$ ：可定址入口；
$\mathcal R_t$ ：資源與執行載體；
$\mathcal I_t$ ：接口、映射與連接；
$\mathcal H_t$ ：歷史、預處理、cache、訓練與已建立結構。

於是：

\boxed{ \text{Computer}_t = \mathfrak C_t }

而不是只等於某一個 processor。

3. 「1」不是 bit：最小可定址控制單位

本文使用：

1

並不是把所有計算還原為單一二進位位元。

這裡的 $1$ 表示：

在指定計算層級下，可以被系統唯一識別並直接觸發後續作用的最小有效控制單位。

它可以是：

machine opcode；
function identifier；
memory address；
symbolic token；
API endpoint；
capability ID；
database key；
event；
message；
graph node；
callable object；
Agent tool handle。

因此更完整應寫成：

1_i.

其核心性質不是：

1_i\in\{0,1\},

而是：

\boxed{ \operatorname{Addressable}(1_i)=1. }

也就是系統知道：

「這一個就是這一個。」

這和機器碼最原始的精神是一致的。

一個 opcode 的重要性並不在於它本身包含多少資訊，而在於：

\boxed{ \text{一個短的局部識別， 可以啟動一個更大的既有轉換結構。} }

4. 四種基本狀態轉換

本文將第一版計算空間壓成四種基本關係。

4.1 $1\rightarrow1$

\boxed{ 1_i\rightarrow1_j }

表示最小可定址單位之間的轉換。

例如：

register update；
opcode transition；
symbol substitution；
index routing；
pointer redirection。

這是最低階的地址—地址轉換。

4.2 $1\rightarrow X$

\boxed{ 1_i\rightarrow X }

表示一個局部地址啟動較大的狀態展開。

例如：

CALL render

可能展開成：

1_{\text{render}} \rightarrow X_{\text{graphics-pipeline}}.

API：

solve(request)

則可能是：

1_{\text{API}} \rightarrow X_{\text{remote-computation}}.

這是本文最重要的轉換。

4.3 $X\rightarrow1$

\boxed{ X\rightarrow1_i }

表示大量結構被壓縮、編譯、索引或抽象成一個可重新使用的入口。

例如：

\text{Large Program} \rightarrow \text{Function ID},

\text{Database} \rightarrow \text{Index},

\text{Learned Structure} \rightarrow \text{Model Handle}.

這可以理解為：

\boxed{ \text{Address Formation}. }

4.4 $X\rightarrow X$

\boxed{ X_a\rightarrow X_b }

表示大型狀態域之間的完整轉換。

例如：

compilation；
simulation；
rendering；
optimization；
proof transformation；
model training；
world-state update；
distributed workflow。

傳統意義上的「大量計算」，多半發生於這一層。

5. 計算演化的一個核心方向：提高 $1\rightarrow X$

假設早期系統中：

1_i

只能觸發非常有限的操作：

1_i\rightarrow X_i^{(0)}.

後來，同一層級的控制入口可以啟動更大的結構：

1_i\rightarrow X_i^{(1)},

且：

X_i^{(0)} \subset X_i^{(1)}.

則可稱：

\boxed{ \operatorname{ExpansionCapacity}(1_i) }

增加。

因此定義候選量：

\boxed{ \kappa_1(1_i) = \operatorname{EffectiveExpansion}(1_i). }

其直觀意義為：

一個最小可定址入口，可以合法調動多大的有效狀態轉換結構。

6. 第二個核心量：有多少個 $1_i\rightarrow X_i$

除了單一入口有多強，另一個重要問題是：

系統究竟有多少種狀態轉換已經被做成可直接定址能力？

令：

\mathcal A_t = \{1_1,1_2,\ldots,1_m\}

為系統在時間 $t$ 的有效地址集合。

若每一個地址：

1_i

對應一個有效能力：

1_i\rightarrow X_i,

則可定義：

\boxed{ \kappa_2(t) = \operatorname{Coverage} \left( \{1_i\rightarrow X_i\}_{i=1}^{m} \right). }

這不是單純計算 address 數量。

真正重要的是：

覆蓋多少問題域；
覆蓋多少轉換型別；
覆蓋多少底空間；
是否可以組合；
是否可跨域路由；
是否可以新增。

因此：

\boxed{ \text{Computational Capability} \not\propto |\mathcal A_t| }

但：

\mathcal A_t

的有效覆蓋仍是重要能力指標。

7. 從機器碼到 API：同一條歷史

從這個角度回看計算史，可以得到一條非常有意思的連續線。

最底層：

\text{opcode} \rightarrow \text{hardware operation}.

再來：

\text{function call} \rightarrow \text{code block}.

再來：

\text{system call} \rightarrow \text{OS capability}.

再來：

\text{library call} \rightarrow \text{algorithmic subsystem}.

再來：

\text{GPU kernel} \rightarrow \text{massively parallel execution}.

再來：

\text{API} \rightarrow \text{remote service}.

再來：

\text{tool call} \rightarrow \text{external capability}.

最後可能是：

\boxed{ \text{symbol} \rightarrow \text{arbitrary registered capability}. }

這些看似不同的工程技術，其實都在增加：

\boxed{ 1\rightarrow X. }

8. 無限維奧賽羅：從逐步運算到狀態翻轉

「無限維奧賽羅」早期直覺的重要性，不在於真的建立一個物理無限維棋盤。

它更深的問題是：

如果一個巨大狀態可以被一個規則直接翻轉，我們是否還需要沿傳統序列逐格重算？

普通過程可能是：

x_0 \rightarrow x_1 \rightarrow x_2 \rightarrow \cdots \rightarrow x_n.

奧賽羅式狀態轉換則試圖尋找：

\boxed{ x_0 \xrightarrow{\Phi} x_n. }

這並不表示：

\Phi

沒有複雜度。

它只表示：

\boxed{ \text{狀態路徑可以被壓縮成一個高階轉換算子。} }

因此無限維奧賽羅應被重新理解為：

\boxed{ \text{State-Flip Computation}. }

它是後來 $1\rightarrow X$ 理論的一個早期前身。

9. 相位計算：計算不必只有序列指令

Phase Computation Machine Theory 已經指出：

\text{Phase Computation}

不應被限定為某一個特定物理振盪器。

其重要貢獻之一，是把：

相位本體；
相位表示；
相位演化；
承載架構；
元機理選擇

分離。

因此：

\boxed{ \text{Computation Form} \neq \text{Execution Substrate}. }

同一狀態轉換可以被：

CPU 模擬；
GPU 並行；
event-driven system；
neuromorphic hardware；
analog oscillator；
quantum interface；
formal proof engine

承載。

這進一步支持本文的核心立場：

\boxed{ \text{計算機不應被等同於特定處理器。} }

10. 二十四範式與七十二格：計算形態不是單一軸

計算的二十四重範式已把計算形態寫成：

\mathfrak P_{24} = \mathfrak B_2 \times \mathfrak U_4 \times \mathfrak O_3.

亦即：

底空間；
更新組織；
觀察模式。

七十二格再加入：

\mathfrak L_3,

形成：

\boxed{ \mathfrak P_{72} = \mathfrak B_2 \times \mathfrak U_4 \times \mathfrak O_3 \times \mathfrak L_3. }

這意味真正的計算配置本身就是空間。

一個系統不只選：

「跑哪一個 algorithm？」

而可以選：

「使用哪一種底空間、哪一種更新組織、哪一種轉移律、哪一種觀察方式、由哪一種 machine 承載？」

因此本文將：

\boxed{ \text{Algorithm Selection} }

擴張為：

\boxed{ \text{Computational Configuration Selection}. }

11. MSSP–RDR：從演算法呼叫進入能力空間

MSSP–RDR 的重要性，在於它已經把：

\text{What}

與：

\text{How}

分離。

即：

\boxed{ MSSP=\text{What}, \qquad RDR=\text{How}. }

MSSP 處理：

系統有哪些能力；
能力如何分類；
能力在哪裡；
能力之間有哪些關係。

RDR 則處理：

如何解析；
如何物化；
在哪裡執行；
使用什麼 provider；
如何配置資源；
如何追蹤結果。

這使一個 capability 可以被寫成：

\boxed{ 1_i = \operatorname{Address}(Capability_i). }

執行時：

1_i \xrightarrow{\mathrm{RDR}} X_i.

因此 MSSP–RDR 可以被看成：

\boxed{ \text{Addressable Computational Capability Space}. }

12. 極限 MSSP–RDR：超連接計算

現在進行極端思維實驗。

假設一個系統中，任何已知、合法、可驗證的能力：

F_i

都存在唯一地址：

1_i.

並且任意需要該能力的任務都能：

1_i\rightarrow F_i.

若能力之間還可以任意合法組合：

F_i\circ F_j\circ F_k,

那麼原本的大量計算路徑可以被壓縮成：

1_a \rightarrow 1_b \rightarrow 1_c.

如果這種直接連接持續增加，則：

\boxed{ \text{Path Length} \downarrow. }

這就是：

Hyperconnected Computation

超連接計算。

極限情況下，對有效狀態：

x,y\in\mathcal S

若存在直接 macro-transition：

e_{xy},

則：

d(x,y)=1.

因此：

\boxed{ \text{極致通道} = \text{極致連接}. }

13. 但連接不是免費的

這裡必須立刻加入限制。

如果：

d(x,y)

因新增 direct edge 而降低，

並不表示系統總成本同步降低。

新增：

e_{xy}

可能需要：

設計；
預處理；
儲存；
訓練；
編譯；
provider；
硬體；
bandwidth；
index；
verification；
maintenance。

所以：

\boxed{ \text{Transition Distance} \neq \text{Lifecycle Cost}. }

這將成為本系列 Paper 04「複雜度位移原則」的核心。

14. 計算空間的兩種成長

本文因此提出兩個不同的計算進步方向。

14.1 深度增長

單一入口能啟動更大的能力：

\kappa_1\uparrow.

即：

1_i \rightarrow X_i \rightarrow X'_i \rightarrow X''_i.

14.2 廣度增長

更多狀態轉換被做成可直接定址能力：

\kappa_2\uparrow.

即：

\{ 1_1\rightarrow X_1, 1_2\rightarrow X_2, \ldots \}

持續擴張。

兩者共同形成：

\boxed{ \mathbf K_{\mathrm{addr}} = ( \kappa_1, \kappa_2 ). }

本文暫稱：

Addressable Transition Capacity

可定址轉換容量。

15. 單一計算機與集體計算機

若所有 capability 都存在於同一裝置：

\mathfrak C_{\mathrm{local}},

則形成 local computational space。

如果能力分布在：

CPU；
GPU；
NAS；
LAN worker；
cloud；
API；
database；
remote agent；
specialized machine；

則系統為：

\mathfrak C_{\mathrm{federated}}.

對 caller 而言，只要 address contract 保持：

1_i\rightarrow X_i

可能看起來完全相同。

因此：

\boxed{ \text{Locality of Interface} \neq \text{Locality of Computation}. }

這是未來超連接計算的關鍵。

16. 從「電腦速度」轉向「狀態轉換能力」

傳統性能比較常問：

clock；
IPC；
FLOPS；
memory bandwidth；
latency。

這些仍然重要。

但若研究整體計算空間，還應詢問：

\boxed{ \text{一個系統能從哪些狀態， 以哪些合法方式， 在什麼成本下， 抵達哪些其他狀態？} }

因此可定義：

\operatorname{Reach}_B(\Sigma) = \{ \Sigma' : \Sigma \xRightarrow[\leq B]{} \Sigma' \}.

其中 $B$ 是資源向量。

兩台電腦即使在可計算性意義上等價：

\mathcal C_1 \sim \mathcal C_2,

仍可能有：

\boxed{ \operatorname{Reach}_B(\mathcal C_1) \ll \operatorname{Reach}_B(\mathcal C_2). }

這就是「理論上能算」與「當前狀態下有效可達」的差異。

17. 計算機的歷史也屬於計算空間

現代電腦之所以能用：

fft(x)

不是因為這幾個字元本身具有傅立葉分析能力。

它依賴此前的：

數學；
演算法；
compiler；
library；
instruction set；
hardware；
software engineering；
accumulated testing。

因此一個短 address：

1_i

可能承載巨大的歷史。

所以：

\boxed{ \mathcal H_t }

不應被完全排除在計算能力描述之外。

這不表示經典 complexity analysis 必須把人類文明史全部加進 runtime。

而是說：

在研究「實際計算存在如何獲得能力」時，歷史成本與當前 online cost 必須被區分。

18. Dynamic MSSP：連 What 本身都會變

如果系統能力永遠固定，則：

\mathcal A_t = \mathcal A_{t+1}.

但現代 AI-native system 並非如此。

新的：

algorithm；
tool；
API；
model；
hardware；
representation；
capability

可以被加入。

因此：

\boxed{ \mathcal A_t \neq \mathcal A_{t+1}. }

更進一步：

\text{What}_t \neq \text{What}_{t+1}.

這表示：

計算機不只在既有狀態空間內移動；它甚至可以改寫自己的可用轉換空間。

因此：

\boxed{ \text{Computer} }

不是靜態名詞，而可以是一條 trajectory：

\mathfrak C_0 \rightarrow \mathfrak C_1 \rightarrow \mathfrak C_2 \rightarrow \cdots

19. 第一個核心命題：可定址展開命題

本文提出：

Addressable Expansion Proposition

對某些計算系統，存在一個最小可定址入口 $1_i$ ，使：

\boxed{ 1_i \xrightarrow{\Phi_i} X_i }

且：

\operatorname{DescriptionCost}(1_i) \ll \operatorname{ExplicitStateSize}(X_i).

此命題不代表：

C(\Phi_i)=O(1).

它只表示：

\boxed{ \text{短描述可以調用大轉換。} }

20. 第二個核心命題：路徑壓縮命題

若原狀態路徑為：

x_0 \rightarrow x_1 \rightarrow \cdots \rightarrow x_n,

且存在 macro-transition：

\Phi: x_0\rightarrow x_n,

則在 macro-level graph 中：

d_{\Phi}(x_0,x_n) < d_{\mathrm{primitive}}(x_0,x_n).

因此：

\boxed{ \text{Computational Path Length} }

具有 representation dependence。

換句話說：

同一底層過程，在不同計算抽象層中可以具有不同的有效路徑長度。

21. 第三個核心命題：能力空間非固定命題

存在系統使：

\boxed{ \mathcal A_t \subsetneq \mathcal A_{t+1}. }

因此：

\boxed{ \operatorname{Reach}_B(\Sigma_t) \neq \operatorname{Reach}_B(\Sigma_{t+1}). }

即使物理硬體完全沒有更換，也可能因：

新演算法；
新索引；
新模型；
新 API；
新表示；
新外部連接

而增加有效可達空間。

22. 第四個核心命題：介面局部性與計算全域性分離

存在：

1_i

使 caller 僅執行：

O(1)

次 interface action，

但 provider 執行成本為：

C_{\mathrm{provider}}(n).

因此：

\boxed{ O(1)_{\mathrm{interface}} \not\Rightarrow O(1)_{\mathrm{global}}. }

這個命題將直接導向後續 Complexity Displacement。

23. 與經典計算理論的關係

本文不主張取代：

Turing machine；
RAM model；
circuit complexity；
communication complexity；
distributed computing；
oracle computation；
complexity theory。

相反，本文的定位是：

\boxed{ \text{higher-level computational ontology / architecture layer}. }

經典模型常刻意固定：

machine；
instruction；
input encoding；
cost model。

這是其理論力量來源。

本文則有意重新打開：

machine；
state space；
available operator；
connection；
provider；
representation；
history

等維度。

因此兩者回答不同問題。

24. 與 P/NP 的關係：本篇暫不越界

如果某個巨大 NP 問題的所有答案被預先寫入 database：

x \rightarrow \operatorname{lookup}(x) \rightarrow y,

那 query 可能近似：

O(1).

這並不構成：

P=NP

的證明。

因為：

\boxed{ \text{Lookup Complexity} \neq \text{Construction Complexity}. }

本文只建立後續研究所需的底層語言：

\boxed{ \text{誰算？} + \text{在哪裡算？} + \text{哪一段已經變成空間結構？} + \text{哪一段仍然需要時間展開？} }

正式 $P/NP$ 問題將留待本系列後段處理。

25. 可反駁條件

本文理論不應因名稱宏大而免於反駁。

至少存在以下失敗條件。

第一，如果：

1\rightarrow X

完全可以被現有普通 function-call abstraction 無損涵蓋，且加入 addressable state-transition space 不產生新的可測量、可推導或可工程化區分，那麼本文只是重新命名。

第二，如果 $\kappa_1,\kappa_2$ 無法形成任何穩定、可比較或任務相對的能力度量，它們只能保留作啟發式語言。

第三，如果所有宏觀路徑壓縮最後都必須展開成完全相同的 primitive sequence，且沒有任何 cache、hardware、parallelism、external provider、precomputation 或 spatial structure 可以改變有效成本，則本文對現實計算能力的增量解釋力會大幅下降。

第四，若可定址能力的增加不能改變：

\operatorname{Reach}_B,

則「能力空間增長」命題失效。

26. 研究議程

下一階段至少需要完成：

$1$ 的嚴格層級相對定義；
$X$ 的狀態域與計算域區分；
macro-transition 與 primitive transition 的 formal relation；
$\kappa_1$ 的任務相對定義；
$\kappa_2$ 的 coverage metric；
local / federated / external computational space；
interface complexity 與 lifecycle complexity 分離；
provider boundary；
history / preprocessing accounting；
Hyperconnected Computation graph model；
與 GCM computational configuration space 的正式接口；
與 PCMT machine registry 的接口；
與 MSSP–RDR capability registry 的實作接口。

27. 系列中的位置

本文是整個系列的底層本體論。

後續：

Paper 02

將正式處理：

\boxed{ 1\rightarrow X, \quad X\rightarrow1, \quad X\rightarrow X }

的符號、地址、展開、壓縮與狀態翻轉理論。

Paper 03

將把：

無限維奧賽羅；
PCMT；
MSSP–RDR；
Dynamic MSSP

統一成：

Hyperconnected Computation

Paper 04–06

轉向：

Complexity Displacement

研究複雜度如何從：

\text{time path}

移動到：

\text{space} + \text{connection} + \text{history} + \text{provider}.

Paper 07–08

再正式進入：

P/NP

與：

Agentic P/NP

28. 結論

本文提出一個簡單但具有廣泛後果的重新定位：

\boxed{ \text{Computer} \neq \text{Processor}. }

一個更一般的候選定義是：

\boxed{ \text{Computer} = \text{Addressable State-Transition Space}. }

其核心能力可以從兩個方向理解：

\boxed{ \kappa_1 = \text{一個地址能展開多大的計算能力}, }

以及：

\boxed{ \kappa_2 = \text{有多少有效狀態轉換已被變成可直接定址能力}. }

因此，計算技術的歷史不只是：

\text{more operations per second}.

它同時也是：

\boxed{ \text{long transition} \rightarrow \text{macro transition} \rightarrow \text{addressable transition}. }

換句話說：

\boxed{ \text{我們不只是在讓機器算得更快； 我們也一直在把原本必須重新走過的計算路徑， 變成可以直接被呼叫的狀態通道。} }

而當這個方向被推向極限時，計算機將不再主要表現為一個依序執行指令的裝置。

它會更像：

\boxed{ \text{一個由大量可定址狀態、 宏觀轉換、外部能力與動態連接構成的計算空間。} }

這正是下一篇《從 $1$ 到 $X$ ：符號、地址、展開與狀態翻轉計算》要正式處理的問題。

內部理論血統

Neo.K，《無限維奧賽羅與特徵共振：從 $O(n)$ 到 $O(0)$ 的計算範式革命》。
Neo.K，《物理化無限維奧賽羅：完整實現路徑》。
Neo.K、Theia、Aletheia，《計算的二十四重範式》v4.0。
Neo.K、Aletheia，《從二十四重計算形態學到七十二格計算動力學》v0.1。
Neo.K × GPT-5.6 Thinking，《相位計算機理論》v0.1。
Neo.K × GPT-5.6 Thinking，《相位本體分類論》v0.1。
Neo.K × GPT-5.6 Thinking，《相位機器型別系統與能力登錄標準》v0.1。
Neo.K × GPT-5.6 Thinking，《元相位選擇器》v0.1。
Neo.K × GPT-5.6 Thinking，《二十四計算範式 × PCMT × GIPE 映射論》v0.1。
Neo.K × GPT-5.6 Thinking，《七十二格計算動力學 × PCMT × GIPE 總整合》v0.1。
Neo.K，《MSSP × RDR Runtime Architecture》。
Neo.K，《從靜態 MSSP 到動態 MSSP：讓架構角色成為可觀察狀態》。
Neo.K，《空間狀態論：異質底空間、嵌套尺度與空間改寫算子的統一方法論》。
Neo.K，《Global Computation Methodology》Series。
Neo.K，《Mathematical World Theory》Series。

計算機不是處理器：可定址狀態轉換空間的重新定義

計算機不是處理器：可定址狀態轉換空間的重新定義

Computer Is Not the Processor: Redefining Computation as an Addressable State-Transition Space

摘要

1. 問題：我們究竟把什麼叫做「一台計算機」？

2. 第一個重新定義：計算機是一個狀態轉換空間

3. 「1」不是 bit：最小可定址控制單位

4. 四種基本狀態轉換

4.1 1→11\rightarrow11→1

4.2 1→X1\rightarrow X1→X

4.3 X→1X\rightarrow1X→1

4.4 X→XX\rightarrow XX→X

5. 計算演化的一個核心方向：提高 1→X1\rightarrow X1→X

6. 第二個核心量：有多少個 1i→Xi1_i\rightarrow X_i1i​→Xi​

7. 從機器碼到 API：同一條歷史

8. 無限維奧賽羅：從逐步運算到狀態翻轉

9. 相位計算：計算不必只有序列指令

10. 二十四範式與七十二格：計算形態不是單一軸

11. MSSP–RDR：從演算法呼叫進入能力空間

12. 極限 MSSP–RDR：超連接計算

Hyperconnected Computation

13. 但連接不是免費的

14. 計算空間的兩種成長

14.1 深度增長

14.2 廣度增長

Addressable Transition Capacity

15. 單一計算機與集體計算機

16. 從「電腦速度」轉向「狀態轉換能力」

17. 計算機的歷史也屬於計算空間

18. Dynamic MSSP：連 What 本身都會變

19. 第一個核心命題：可定址展開命題

Addressable Expansion Proposition

20. 第二個核心命題：路徑壓縮命題

21. 第三個核心命題：能力空間非固定命題

22. 第四個核心命題：介面局部性與計算全域性分離

23. 與經典計算理論的關係

24. 與 P/NP 的關係：本篇暫不越界

25. 可反駁條件

26. 研究議程

27. 系列中的位置

Paper 02

Paper 03

Hyperconnected Computation

Paper 04–06

Complexity Displacement

Paper 07–08

Agentic P/NP

28. 結論

內部理論血統

4.1 $1\rightarrow1$

4.2 $1\rightarrow X$

4.3 $X\rightarrow1$

4.4 $X\rightarrow X$

5. 計算演化的一個核心方向：提高 $1\rightarrow X$

6. 第二個核心量：有多少個 $1_i\rightarrow X_i$