GCCWT Paper 06｜AI 原生全域調度：從 Task Scheduler 到 World Computation Planner（Draft v0.1）
系列： 全域耦合計算世界論（Global Coupled Computational World Theory, GCCWT，暫名）
版本： Draft v0.1
作者： Neo.K
協作： Aletheia / GPT-5.6 Sol
狀態： 研究草稿；名稱、符號、形式公理與工程映射仍可修改
本系列研究一個理論極限：不同電腦、硬體、軟體、AI Agent、記憶體、儲存與形式系統，能否在保留局部身分、權限、失效域、時間差異與物理差異的前提下，形成一個可尋址、可時間對齊、可依賴、可動態調度與可跨世界耦合的共享計算底空間。
機構： EveMissLab／一言諾科技有限公司
日期： 2026-10-08（整理日期；原稿未標註日期）
摘要
本文將 GCCWT 的共享計算底空間進一步推進到 AI 原生調度。傳統 scheduler 主要根據 CPU load、memory pressure、queue length 與 priority 調度；本文提出 World Computation Planner（WCP），使 AI 同時讀取任務語義、世界狀態、資源拓撲、依賴圖、時間約束、權限、成本、風險與未來資訊價值，並構造跨 CPU/GPU/Memory/Agent/Proof Engine 的執行計畫。本文強調 Planner 只負責提出全域計畫，不自動擁有 Local Resource Authority。
1. 傳統 Scheduler 的視野限制
傳統：
WCP：
2. Task Semantics
AI 首先理解數值計算、symbolic proof、embedding、generation、database scan、simulation、human interaction。不同語義映射不同資源域。
3. Global Plan
定義：
計畫本身可動態修改。
4. Planner 不等於 Authority
每個資源仍由 Local Resource Authority 決定是否授予。
5. Plan/Execute 分離
AI 可提出：
[ CandidatePlan. ]
Runtime 再執行：
6. Semantic Cost Model
成本不只貨幣或時間，還可含 privacy、information loss、model mismatch、energy、legal boundary、proof confidence。
7. Information Gain
某些資源雖然慢，卻能顯著降低不確定性：
這與 OIGT Runtime 的資源排程思想一致，但 GCCWT 把它推廣到整個計算宇宙。
8. Future Utility
Planner 可以考慮當前結果對後續任務的價值，例如選擇把中間 tensor 放在未來最可能繼續使用的 GPU 附近。
9. Dynamic Replanning
若 GPU failure、bridge revocation、stale world state、new resource offer 發生，則：
10. Multi-Agent Planning
不同 World 可以各有 planner。它們不必共享一個 universal planner；可以透過 proposal / negotiation 形成 task-local global plan。
11. Planner Tension
若兩個 planner 對同一資源有不同最優解，可保存：
而不是強制一個永遠最高優先級的 planner。
12. Explainability / Audit
全域調度必須留下：
否則系統會成為不可追蹤的資源黑箱。
13. Human / Organization Boundary
全域 AI 不能因為技術上可尋址就越過組織權限。Planner 必須將 ownership 與 policy 視為一等約束。
14. Hardware/Software Co-Planning
Planner 不只選硬體，也能選 compiler、precision、algorithm、model、caching strategy、representation。所以它是 World Computation Planner，而非 Device Scheduler。
15. 最終命題
全域 AI 的價值不是獲得無限控制權，而是獲得足夠大的觀察與計畫域，把原本彼此割裂的計算資源編排成一個動態計算場。
下一篇： GCCWT Paper 07｜共享計算宇宙：MWT、GCM、CTCL、OIGT 與全域耦合底空間的統一架構