UNPNP-II / Multi-Scale Computational Geometry — Paper 01

計算的一到底是什麼？

Computational Unitization: Primitive Relativity, Scale-Dependent “One”, and the Missing Foundation of Shortest-Route Computation

系列名稱： UNPNP-II｜Multi-Scale Computational Geometry
系列中文名： UNPNP 第二層：多尺度計算幾何與相對最短路徑
篇次： Paper 01 / 08
作者： Neo.K with Aletheia（GPT）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1
日期： 2026-09-08
文件性質： 計算本體論／多尺度計算／UNPNP 擴充母篇
狀態： Canonical Draft

摘要

經典演算法分析通常從一組已經指定好的 primitive operations 出發，再討論操作次數、時間複雜度、空間複雜度、臨界路徑或通訊成本。然而，在跨層次軟體、AI-native runtime、異質計算、分散式系統、巨集、函式、模組、Agent workflow、預編譯路徑與計算結晶同時存在的環境中，一個更早、也更基本的問題會浮現：

究竟什麼才算一次計算？

一個 machine instruction 可以算作一；一個函式呼叫也可以算作一；一個巨集、一個模組、一個完整演算法、一個 Agent action，甚至一條經過驗證並被結晶化的跨底空間路徑，都可能在不同抽象層被視為一個單位。

因此：

\boxed{ 1_{\mathrm{instruction}} \neq 1_{\mathrm{function}} \neq 1_{\mathrm{algorithm}} \neq 1_{\mathrm{crystal}} }

這不是算術中的 $1\neq1$ ，而是計算單位語義的不同。

本文提出 Computational Unitization，計算單位化，作為 UNPNP 第二層的第一個基礎概念。其核心主張是：

\boxed{ \text{A computational unit is not an ontological atom.} }

更準確地說：

\boxed{ \text{計算的一，是相對於 computational chart 被定義的一。} }

本文將 computational chart 暫定為：

\chi = \langle g,\sigma,o,\tau,\kappa,p,\lambda \rangle,

其中：

$g$ ：granularity，粒度；
$\sigma$ ：scale，尺度；
$o$ ：observer，觀察者；
$\tau$ ：temporal / causal organization，時間與因果組織；
$\kappa$ ：computational geometry，計算幾何；
$p$ ：24 計算形態中的局部形態；
$\lambda$ ：72 格動力學中的局部轉移律。

在此基礎上，本文引入單位化算子：

\boxed{ U_\chi: \mathcal C \rightarrow \mathcal C/\chi }

用以表示：同一底層計算結構 $\mathcal C$ ，在不同 chart 下會被切分成不同的有效計算單位。

本文同時強調，將十個底層步驟包成一個 API、巨集或函式，不代表底層運算真的只剩一步。因此必須區分：

\boxed{ \text{Surface Unit Count} \neq \text{Topological Depth} \neq \text{Causal Depth} \neq \text{Physical Work} }

進一步，本文將 computational unit 分為至少五種不同意義：

syntactic unit；
interface unit；
topological unit；
semantic unit；
physical unit。

而真正的 Computational Crystallization，則被重新理解為一種特殊的 upward unitization：一段已驗證的低層路徑被提升為較高尺度的新 primitive。

因此：

\boxed{ \text{Path}^{(k)} \rightarrow \text{Primitive}^{(k+1)} }

並不等於：

\boxed{ \text{Work}^{(k)} \rightarrow0. }

UNPNP 過去對 Path Compilation、Hyperlink、Adaptive Corridor 與 Computational Crystallization 的定義仍成立；缺少的只是「路徑在哪個尺度上被定義」以及「一步的邊界由誰決定」。這一層補齊後，後續才有資格正式討論 observer-relative shortest route、point-line-surface-field computational geometry、跨 24／72 格 route composition，以及 MWT × GCM × UNPNP 的統一。

1. 問題不是「哪條路最短」，而是「什麼叫一步」

假設一個計算過程：

a_1\rightarrow a_2\rightarrow\cdots\rightarrow a_{10}.

如果把這十個步驟寫成一個巨集，從 API surface 看似乎只有一次呼叫，但底層 execution 仍存在十個 transition。

因此：

\boxed{ \text{one call} \neq \text{one computational transition} }

這個命題在 UNPNP Series 06 已經出現，但本文把問題推得更底：如果一個函式不是天然的一，那 machine instruction 是否就是天然的一？答案仍然是否定的。

一個 machine instruction 可以在微架構層拆成 fetch、decode、rename、dispatch、execute、memory access、commit；再向下又能拆成 logic gates、transistor switching、signal propagation 與 physical state transition。

所以：

\boxed{ \text{primitive} = \text{primitive relative to a chosen level} }

而不是宇宙中絕對不可再分的計算原子。

2. Computational Unitization

令：

\mathcal C

表示一個可被分析的計算結構。它可以是 program execution、causal DAG、state-transition system、field evolution、distributed workflow、AI agent trace 或 world-level computation。

給定 computational chart：

\chi,

定義：

\boxed{ U_\chi(\mathcal C)=\mathcal C_\chi. }

$\mathcal C_\chi$ 是同一底層計算在該 chart 下的 unitized representation。

因此「計算單位」不是 $\mathcal C$ 的天然原子，而是：

\boxed{ \text{Unit} = \text{A chart-relative bounded computational object}. }

3. Computational Chart

第一版採：

\boxed{ \chi = \langle g,\sigma,o,\tau,\kappa,p,\lambda \rangle. }

這七項不宣稱終極完備，只是目前最小可工作的 unitization context。

3.1 Granularity $g$

回答「什麼被當成一個計算單位？」例如 gate、instruction、statement、function、module、algorithm、agent action、workflow、subspace。

同一 execution 在兩個粒度下可以有：

N_{g_1}\gg N_{g_2}.

3.2 Scale $\sigma$

Granularity 回答「一切多大」，scale 回答「現在觀察哪一層世界」。

第一版可使用：

\sigma\in\{\mu^-,\mu,m,M,M^+\}

表示 recursive-micro、micro、meso、macro、recursive-macro。

真正核心是：

\boxed{ \text{scale is recursively extensible}. }

3.3 Observer $o$

同一排序操作，user 看來可能只有「排序」一步；programmer 看來是一個 function；compiler 看來是大量 block；CPU 看來則是大量 instruction 與微操作。

因此：

\boxed{ L(\Gamma)=L(\Gamma\mid o). }

3.4 Temporal / Causal Organization $\tau$

若十個 operation 互相獨立：

W=10, \qquad D=1,

其中 $W$ 是 total work， $D$ 是 causal / parallel depth。

因此：

\boxed{ \text{Work Count} \neq \text{Causal Depth}. }

3.5 Computational Geometry $\kappa$

第一版允許：

\kappa \in \{ \text{point}, \text{line}, \text{jump-line}, \text{surface}, \text{cluster}, \text{field}, \text{recursive} \}.

它描述的不是必然的歐氏位置，而是：

\boxed{ \text{dependency geometry}. }

3.6 Computational Form $p$

局部 route segment 可帶：

p\in\mathfrak P_{24}.

因此每一段可以明確標記其底空間、更新組織與觀察方式。

3.7 Transition Law $\lambda$

局部 transition 再帶：

\lambda\in\mathfrak L_3=\{\mathsf F,\mathsf K,\mathsf Q\}.

因此 $(p,\lambda)$ 構成該段 local computational configuration。

4. 「一」至少有五種不同語義

本文至少區分：

1_{\mathrm{syn}}, 1_{\mathrm{if}}, 1_{\mathrm{top}}, 1_{\mathrm{sem}}, 1_{\mathrm{phy}}.

4.1 Syntactic Unit

語法上一個單位。例如 do_task() 是一次呼叫，但可能隱藏大量操作。

4.2 Interface Unit

API 或 UI 暴露的一個 action。例如一個 HTTP request 或 smart_move("bank")。

4.3 Topological Unit

在當前 execution topology 中的一個 node / edge transition。如果原本多階 traversal 被真正改寫成新的直接 transition，才可能在這一層真正縮短。

4.4 Semantic Unit

相對 task contract，內部差異暫時不重要的一個工作單位。例如 bank_and_return 可以包含 move、inventory scan、deposit 與 return，但在上層任務語義中仍是一個 operation。

4.5 Physical Unit

相對某個物理或硬體模型的一次操作。本文不宣稱它是宇宙最終不可約原子。

因此：

\boxed{ \text{syntactic one} \neq \text{computational one}. }

5. 「包成一」與「真的變成一」

若：

\Gamma=a_1\rightarrow\cdots\rightarrow a_{10},

至少存在四種壓縮：

Naming Compression：只是給十步一個名字；
Interface Compression：caller 只看到一個 API；
Topological Compression：實際 execution topology 變短；
Computational Crystallization：新路徑經驗證後被升格成新的 reusable primitive。

因此：

\boxed{ \text{Naming} \neq \text{Interface} \neq \text{Topology} \neq \text{Crystallization}. }

6. 並行揭示「十個可以同時是一和十」

若：

a_1,\ldots,a_{10}

互相獨立，則：

W=10,

但在資源足夠時：

D=1.

若 observer 只關心整批完成，還可以有：

H_o=1.

因此：

\boxed{ (W,D,H_o)=(10,1,1). }

這不是矛盾，而是三種不同度量。

7. 計算路徑長度必須向量化

本文提出：

\boxed{ \mathbf L_\chi(\Gamma) = (H,W,D,T,M,X). }

其中：

$H$ ：hop count；
$W$ ：total work；
$D$ ：causal / parallel depth；
$T$ ：wall-clock；
$M$ ：memory / materialization；
$X$ ：cross-boundary transitions。

後續可擴充 communication、verification、energy、observation loss、precompute、update、maintenance。

8. 「最短」不是單值概念

若路徑 A：

H_A=3, \qquad W_A=100,

而路徑 B：

H_B=10, \qquad W_B=30,

則沒有脫離 objective 的「誰比較短」。

定義：

J_\omega(\Gamma) = \omega_HH+ \omega_WW+ \omega_DD+\cdots

再有：

\boxed{ \Gamma^*_{\chi,\omega} = \arg\min_\Gamma J_\omega(\Gamma\mid\chi). }

因此：

\boxed{ \text{Shortest} = \text{chart-relative and objective-relative}. }

9. 向下展開：一重新變成多

定義 refinement operator：

\boxed{ R_\downarrow: u^{(k)} \rightarrow \{u_1^{(k-1)},\ldots,u_n^{(k-1)}\}. }

它回答：

這個目前被視為「一」的東西，裡面到底是什麼？

因此 algorithm 可以展開成 modules，module 可以展開成 functions，function 可以展開成 statements，並持續遞歸。

10. 向上收斂：多也可以變成新的一

定義 coarse-graining：

\boxed{ R_\uparrow: \{u_1^{(k)},\ldots,u_n^{(k)}\} \rightarrow u^{(k+1)}. }

但任何 syntactic grouping 都可以 coarse-grain。

真正值得研究的是：

\boxed{ K:\Gamma^{(k)}\rightarrow\kappa^{(k+1)}. }

這就是 Computational Crystallization。

11. Earned Primitive｜獲得式原語

本文提出：

一個低層結構經過穩定化、驗證、壓縮與有效度證明後，在較高層被合法視為預設計算單位。

形式：

\boxed{ \operatorname{EarnedPrimitive}(\Gamma,D,V,U)=\kappa. }

其中：

$D$ ：valid domain；
$V$ ：verification；
$U$ ：lifecycle utility。

這個 primitive 不是天然的，而是「賺到」的。

12. Earned 不代表不可逆

任何高層 primitive 應保留：

\boxed{ \operatorname{Decrystallize}(\kappa)\rightarrow\Gamma. }

因此：

\boxed{ \text{primitive} \neq \text{opaque black box}. }

必須保存 provenance、source path、guard、validator、invalidation condition 與 fallback。

13. 點不一定是最小的

一個高層 point：

v^{(k)}

可以在 finer chart 展開成：

\mathcal W^{(k-1)}.

因此：

\boxed{ \text{Point}^{(k)} = \text{World}^{(k-1)} }

可以作為 scale-relative relation 成立。

反方向，一整個 world 也可以在更高層 orchestration 中成為一個 node。

這不是本體等價，而是 projection relation。

14. 與 Mathematical World Theory 的接口

MWT 採 $\mathbf W$ 為 World primitive，而 graph、tuple、state machine、field、manifold 等都是 World presentation。

因此本文明確規定：

\boxed{ \text{unitization acts on presentations, not on World ontology itself}. }

即真正被 unitize 的是：

U_\chi\left(\rho_{\alpha,O,t}(\mathbf W)\right),

而不是宣稱直接把 World 本體切成天然原子。

15. 與 Global Computation Methodology 的接口

GCM 允許 Runtime 動態建立：

\mathcal D_t=\{D_1,\ldots,D_n\}.

Domain 不是永久本體分割，而是 Runtime 為計算建立的作用範圍。

因此 unitization 可以被理解為 domain induction 的局部版本。

不同 chart：

\chi_1\neq\chi_2

可以得到：

\mathcal D_t^{\chi_1} \neq \mathcal D_t^{\chi_2}.

16. 與 24／72 的接口

本文不把 granularity、scale、observer、geometry 全部直接乘入 24／72，避免產生分類爆炸。

維持：

\boxed{ 24/72 = \text{local computational configuration}. }

而：

g,\sigma,o,\kappa,\tau

屬於 route chart。

所以不同尺度的 unit 可以使用不同 computational form：

\boxed{ p^{(k)}\neq p^{(k+1)} }

完全合法。

例如：

micro: D-P-D-F
meso:  D-J-D-F
macro: C-P-C-K
meta:  D-R-D-F

17. 同一演算法不是永遠同一個「一」

一個演算法 $A$ 在 programmer chart 中可能是一個 unit；在 profiler chart 中可能是 functions；在 distributed runtime 中可能是 tasks；在 user chart 中又可能只是一個 action。

所以應寫：

\boxed{ \operatorname{Cardinality}_\chi(A) }

而不是假設存在唯一：

\operatorname{Cardinality}(A).

18. Source Structure 不等於 Execution Structure

一行程式碼、一個函式、一個 AST node，都不應被直接當成實際 execution unit。

compiler optimization、JIT、vectorization、GPU offload、partial evaluation、memoization 都可能改變 execution topology。

因此：

\boxed{ \text{Source Structure} \neq \text{Execution Structure}. }

19. Chart Selection 本身也有成本

如果 AI 要判斷現在應該看 instruction、function、module 或 world，則：

\operatorname{SelectChart}

本身就是計算。

因此：

\boxed{ C_{\mathrm{total}} = C_{\mathrm{chart}} + C_{\mathrm{route}} + C_{\mathrm{execute}} + C_{\mathrm{verify}} +\cdots }

不能把 chart selection 當成免費 oracle。

20. 過細與過粗都會失敗

如果粒度太細，可能出現 state explosion、routing overhead、context explosion、verification explosion。

所以：

\boxed{ \text{maximum resolution everywhere} }

不是合理策略。

如果粒度太粗，又可能隱藏 bottleneck、causal dependency、side effect、parallelism，並產生 false shortest path。

所以：

\boxed{ \text{one giant macro} }

也不是合理策略。

21. Task-Relative Unitization

最佳粒度應相對任務：

\boxed{ g^* = \arg\min_g J\left(U_g(\mathcal C)\mid q,o,B,R\right). }

其中：

$q$ ：task；
$o$ ：observer；
$B$ ：budget；
$R$ ：risk / correctness requirement。

同理，debug、planning、execution、audit 可以需要不同 scale。

因此：

\boxed{ \text{Scale Selection} = \text{Runtime Decision}. }

22. Unitization Receipt

任何重要 unitization 最好留下：

\boxed{ \operatorname{UnitReceipt} = \langle\chi,S,R,V,C,t\rangle. }

其中：

$\chi$ ：chart；
$S$ ：source structure；
$R$ ：reason；
$V$ ：validation；
$C$ ：cost；
$t$ ：version / epoch。

這樣未來才可以回答：

為什麼這十個 operation 被視為一？

23. Representational Unitization 與 Computational Reunitization

若只是：

U_{\chi_1}(\mathcal C) \rightarrow U_{\chi_2}(\mathcal C)

而 execution 完全沒變，這只是：

\boxed{ \text{Representational Unitization}. }

若重新切分後 execution topology 也變：

\mathcal C\rightarrow\mathcal C',

且：

\operatorname{Semantics}(\mathcal C') \simeq \operatorname{Semantics}(\mathcal C),

同時：

J(\mathcal C')<J(\mathcal C),

才稱：

\boxed{ \text{Computational Reunitization}. }

24. UNPNP-I 與本文的關係

UNPNP-I 已建立：complexity transfer、subspace hyperlink、Adaptive Corridor、Path Compilation、Computational Crystallization、EHPE 與 Safe Reachable World。

本文不推翻其中任何一項。

本文補的是：

\boxed{ \text{what counts as a path segment?} }

原本：

\operatorname{PC}(\Gamma)=\widehat\ell.

現在可以寫成：

\boxed{ \operatorname{PC}_\chi(\Gamma) = \widehat\ell_{\chi'}. }

甚至：

\chi'\neq\chi.

也就是 Path Compilation 可能同時改寫 route 與 chart。

25. Route-to-Point Transition

若：

\Gamma^{(k)}

被結晶：

K(\Gamma^{(k)})=\kappa^{(k+1)},

則在上層 chart：

\boxed{ \Gamma^{(k)} \sim v^{(k+1)}. }

一條 route 可以成為一個 point。

遇到 debug、shift、invalidation、anomaly 或 audit 時，又可以反向：

v^{(k+1)} \rightarrow \Gamma^{(k)}.

因此：

\boxed{ \text{Point} \leftrightarrow \text{Route} }

是多尺度計算中的雙向關係。

26. 五條核心定律

定律一

\boxed{ \textbf{There is no scale-free computational one.} }

不存在脫離尺度的「計算的一」。

定律二

\boxed{ \textbf{One interface action does not imply one computational transition.} }

介面上的一，不等於計算拓撲上的一。

定律三

\boxed{ \textbf{A verified route may become one primitive at a higher scale.} }

一條已驗證路徑，可以在更高尺度成為新的「一」。

定律四

\boxed{ \textbf{Unitization is observer-relative but not arbitrary.} }

observer-relative 不等於任意，仍受 semantics、causality、resource、verification、provenance 約束。

定律五

\boxed{ \textbf{Shortest-route claims are incomplete until the unitization chart is specified.} }

沒有先說「一步怎麼算」，就不能完整地說哪條路最短。

27. 從 Absolute Shortest Path 到 Relative Shortest Route

原本：

\Gamma^*=\arg\min_\Gamma C(\Gamma).

本文改成：

\boxed{ \mathcal R^*_{\chi,\omega} = \arg\min_{\mathcal R} J_\omega(\mathcal R\mid\chi). }

如果 chart 本身也可選：

\boxed{ (\mathcal R^*,\chi^*) = \arg\min_{\mathcal R,\chi} J(\mathcal R,\chi\mid\mathbf W,q,B,R). }

這才是後續 Multi-Scale Computational Route Theory 的真正入口。

28. 這不是要求暴力搜尋全部 Chart

$|\mathfrak X|$ 可能巨大。

所以未來需要：

adaptive chart selection；
coarse-to-fine refinement；
local revealing；
crystal reuse；
GCM routing；
24／72 configuration switching；
chart invalidation。

因此 chart search 自己也需要 corridor 與 crystallization。

29. 對 AI-native Runtime 的意義

AI 不應只問：

下一步做什麼？

還應能問：

我是不是看得太細？

這一串已經成熟到可以視為一個 primitive 了嗎？

這個目前被視為「一」的東西是否需要重新打開？

所以新 runtime loop 可以寫成：

Observe
→ Choose Scale
→ Unitize
→ Route
→ Execute
→ Verify
→ Crystallize / Decrystallize
→ Re-unitize

30. 對高階 AI 思考成本的意義

如果所有已知工作永遠重新展開到最低尺度：

C_{\mathrm{reason}}

會持續膨脹。

成熟系統應允許：

\boxed{ \text{known structure} \rightarrow \text{higher-level earned primitive}. }

只有在 novelty、failure、distribution shift 或 audit 出現時才向下 refinement。

31. Abstraction 必須搭配 Reopenability

高階抽象不能永久遮蔽低階錯誤。

若：

\kappa^{(k+1)}

失敗，必須可以：

\kappa^{(k+1)} \rightarrow \Gamma^{(k)} \rightarrow \Gamma^{(k-1)}.

因此：

\boxed{ \text{abstraction} + \text{reopenability} }

必須同時成立。

32. 對軟體工程的重新理解

傳統 abstraction 強調 hiding implementation details。

本文更強調：

\boxed{ \text{compress implementation for ordinary use} + \text{preserve lawful decompression for verification}. }

即：

\text{abstraction} \neq \text{forgetting}.

33. 對演算法分析的重新理解

經典複雜度分析本身沒有問題，因為它通常先指定 machine model 與 primitive set。

本文只是指出：

\boxed{ \text{complexity result} = \text{result relative to a computational model and primitive set}. }

在 AI-native Runtime 中，primitive set 自己也可能成為 adaptation 的研究對象。

34. P/NP 邊界仍然保留

本文不主張：

把昂貴計算包成一個 primitive，就能把 NP 問題變成 P。

若：

\Gamma\rightarrow\kappa,

仍必須計入 build、training、indexing、compilation、verification、maintenance、storage 等成本。

因此：

\boxed{ \text{unit count reduction} \neq \text{complexity elimination}. }

這與 UNPNP-I 的 complexity transfer 完全一致。

35. 真正新增的是 Unit Boundary 成為變數

以前：

C(\Gamma)

中的 $\Gamma$ 已經被切好了。

現在：

\boxed{ \Gamma=\Gamma(\chi). }

所以：

C(\Gamma)=C(\Gamma(\chi)).

而 $\chi$ 本身也必須進入 optimization。

36. 研究可反駁條件

本文至少在以下情況需要修正：

computational unitization 無法在實際 runtime 中產生可重複效用；
observer / scale 差異只是語言重述，對 routing 與 cost 沒有實質作用；
route-to-point crystallization 完全可被既有 abstraction 解釋，且沒有新增分析價值；
chart-selection overhead 長期高於 optimization gain；
granularity switching 無法可靠驗證；
unitization receipt 無法支援 debug、replay 與 provenance。

37. 實驗接口

第一批實驗可以直接利用：

Generative Agents；
Adventure Land；
synthetic world；
compiler traces；
workflow runtime。

比較：

\chi_{\mathrm{fine}}

與：

\chi_{\mathrm{coarse}}

下的：

unit count；
work；
depth；
latency；
reasoning calls；
verification；
crystal hit rate。

38. 與 Paper 02 的接口

本文回答：

什麼算一步？

下一篇回答：

如果「一步」本身是相對的，那麼「最短」還能不能被定義？

即：

Paper 02｜最短路徑不存在於真空中：Observer、Granularity、Scale 與 Objective-Relative Shortest Routes

結論

計算理論通常從 primitive operations 開始。

但 AI-native 計算世界迫使我們再往前問：

primitive 到底從哪裡來？

本文的回答是：

\boxed{ \text{primitive} = \text{unit relative to a computational chart}. }

因此：

\boxed{ 1_{\mathrm{instruction}} \neq 1_{\mathrm{function}} \neq 1_{\mathrm{algorithm}} \neq 1_{\mathrm{world}} }

並不矛盾。

它們只是不同尺度的「一」。

一個低層 world 可以在高層成為一個 point；一條低層 path 可以在高層成為一條 edge；一組經驗證操作可以在更高層成為新的 primitive。

因此：

\boxed{ \text{Point}^{(k)} = \text{World}^{(k-1)} }

與：

\boxed{ \text{Path}^{(k)} \rightarrow \text{Primitive}^{(k+1)} }

成為 UNPNP-II 的第一組基本關係。

這也意味著，任何「最短路徑」主張在沒有指定：

什麼算一步；
站在哪個尺度；
誰在觀察；
看的是工作量、因果深度、時間還是 interface hop；

以前，都不完整。

因此本文最終濃縮為：

\boxed{ \textbf{ 沒有脫離尺度的計算之一， 也沒有脫離計算之一的最短路徑。 } }

而這正是 UNPNP 從「改寫路徑」走向：

\boxed{ \textbf{ 改寫什麼叫一步、什麼叫路，以及什麼可以成為新的計算原語 } }

所需要的第一個正式定義。

UNPNP-II _ Multi-Scale Computational Geometry — Paper 01 — 計算的一到底是什麼？