ICOD-01｜廉價 AI 幻象：Token 通縮、物理基質膨脹與真奇點前的資源反彈

從服務層價格投影、總資源消耗與本地 AI 可達性，到系統性 AI 奇點前的成本錯覺

英文題名： The Cheap-AI Illusion: Token Deflation, Physical-Substrate Expansion, and Resource Rebound before Systemic AI Singularity
系列名稱： 智能資本與無終點分配論（Intelligent Capital and Open-Ended Distribution Theory, ICOD）
系列篇號： 01 / 06
文件編號： EML-ICOD-2026-01
作者： Neo.K with GPT-5.6 Sol
機構： EveMissLab／一言諾科技有限公司
日期： 2026-10-07
版本： v0.1
文件性質： 系列首篇／AI 成本結構／Token 價格投影／物理基質膨脹／真 AI 奇點接口
直接前置： SAS-01《重新定義 AI 奇點：不是智能爆炸，而是正向再生閉環》、EWDT-19《系統性 AI 奇點作為經濟世界域相變》
跨系列接口： HAVT-05、HAVT-06、EWDT-08、EWDT-18、EWDT-19
狀態： Canonical Source / UTF-8 Markdown

摘要

AI 服務價格下降，常被視為人工智慧正在快速民主化、推理成本正在下降、智能正在接近「近乎免費」的重要證據。然而，API token 價格、訂閱價格與單次使用者支付，只是 AI 經濟的一個服務層投影。它們無法直接表示支撐 AI 的完整物理世界成本，包括算力、電力、晶片、記憶體、網路、冷卻、資料中心、土地、維護、製造、資本、工程團隊與全球供應鏈。

本文提出「廉價 AI 幻象」（Cheap-AI Projection Illusion），主張：

\boxed{ P_{\mathrm{token}}\downarrow \not\Rightarrow C_{\mathrm{civilizational}}\downarrow. }

其中：

$P_{\mathrm{token}}$ ：使用者看到的單位 token 或服務價格；
$C_{\mathrm{civilizational}}$ ：為維持與擴張 AI 能力所需的完整文明級資源成本。

甚至可能出現：

\boxed{ P_{\mathrm{token}}\downarrow \quad\land\quad C_{\mathrm{total}}\uparrow. }

也就是單位服務價格下降，但因使用量、並行 Agent、推理深度、模型規模、背景工具調用、資料中心與物理基礎設施快速擴張，整體 AI 資源消耗反而上升。

本文進一步區分：

\boxed{ \text{Service-Layer Cost} }

與：

\boxed{ \text{Physical-Substrate Cost}. }

服務價格可以因規模經濟、硬體效率、資本補貼、長期能源合約、共享叢集、批次推理、模型壓縮、價格競爭與交叉補貼而下降；但這不表示整個系統所需的：

\text{Compute}, \text{Energy}, \text{Memory}, \text{Network}, \text{Cooling}, \text{Manufacturing}

同步下降。

本文提出「AI 服務通縮—物理基質膨脹悖論」：

\boxed{ \text{AI Service Deflation} + \text{Physical Substrate Inflation}. }

其核心機制為：

UnitCost\downarrow \rightarrow Usage\uparrow\uparrow \rightarrow TotalComputeDemand\uparrow \rightarrow InfrastructureDemand\uparrow.

本文同時指出，token 本身在 Agent 時代將變成更弱的成本單位。使用者看到的最終輸出 token，背後可能包含多模型調用、工具使用、搜尋、推理、記憶、驗證、模擬、視覺與長時間代理循環。因此：

\boxed{ \text{Visible Tokens} \neq \text{Total Computational Work}. }

更適合文明尺度的 AI 效率指標應關注：

\boxed{ \eta_{AI}^{world} = \frac{ \Delta C_{\mathrm{validated\ world}} }{ E+C+H+M+N+\tau }. }

即每單位能源、算力、硬體、製造、網路與世界時間，到底生成了多少已驗證、可部署、可沉積的世界能力，而不是只看每百萬 token 價格。

本文再將此問題接回 SAS-01 的「真 AI 奇點」。在系統性 AI 奇點之前，如果 AI 能力提升仍高度依賴人類持續擴張電網、晶圓廠、資料中心、機器製造、施工與維護，則：

\boxed{ \text{Cheap AI} \neq \Sigma_{\mathrm{sys}}. }

甚至：

\boxed{ \text{Cheap AI} + \text{Rising Human External Subsidy} }

可以同時成立。

只有當 AI 開始透過具身機器人、自動工廠、自動科研、能源最佳化、設備設計、維修與施工，使支撐下一輪 AI 的物理世界能力形成持續正向再生閉環時，才開始接近：

\boxed{ AI \rightarrow \mathbf X \rightarrow AI' \rightarrow \mathbf X' \rightarrow AI''. }

本文最後提出，本地開源模型的「權重可取得」同樣不等於 AI 能力民主化。若一般人無法負擔足以運行模型的記憶體、加速器、電力與散熱，則：

\boxed{ \text{Open Weights} \neq \text{Effective AI Access}. }

因此，未來 AI 不平等的核心可能不是「誰能不能登入 AI」，而是「誰能負擔多少有效智能資本」。

關鍵詞： 廉價 AI 幻象、Token 通縮、物理基質膨脹、AI 成本、系統性 AI 奇點、算力、能源、資料中心、Agent、開源模型、有效 AI 可達性、智能資本、Reality Bandwidth

0. 系列定位：ICOD 為什麼從「廉價 AI」開始？

ICOD 研究：

當 AI 能力與智能資本可以持續累積，而且沒有自然終點時，所有權、能力可達性與分配如何演化？

在這之前，必須先拆掉一個最容易誤導整套討論的投影：

\boxed{ \text{AI is cheap} }

到底是什麼意思？

1. 使用者價格與真實成本不是同一個型別

令：

\boxed{ P_{\mathrm{user}} }

表示使用者實際支付的 AI 服務價格。

令：

\boxed{ C_{\mathrm{system}} }

表示提供該服務所需的完整系統成本。

則：

\boxed{ P_{\mathrm{user}} \neq C_{\mathrm{system}}. }

2. Token 價格只是服務層投影

API 可能顯示：

P_{\mathrm{token}}\downarrow.

它回答的是：

使用者每單位可見 token 需要支付多少貨幣。

它不回答：

這些 token 背後使用了多少真實世界資源。

3. 完整 AI 成本結構

本文使用第一代分解：

\boxed{ C_{\mathrm{AI}} = C_{\mathrm{compute}} + C_{\mathrm{energy}} + C_{\mathrm{memory}} + C_{\mathrm{network}} + C_{\mathrm{cooling}} + C_{\mathrm{hardware}} + C_{\mathrm{datacenter}} + C_{\mathrm{manufacturing}} + C_{\mathrm{maintenance}} + C_{\mathrm{capital}}. }

4. 還有外部人類致動

此外：

\boxed{ H^{ext} }

表示仍需由 AI 系統外部人類提供的工程、建設、維修、施工、採購、供應鏈、法規與管理。

所以：

C_{\mathrm{AI}}

並不是純機器成本。

5. 使用價格可以低於完整成本

在企業擴張期：

P_{\mathrm{user}} < C_{\mathrm{full}}

完全可能短期成立。

原因包括交叉補貼、風險資本、市占競爭、平台其他業務補貼與固定成本攤薄。

6. 即使價格等於邊際成本，也不是文明成本

因為：

\text{MarginalInferenceCost}

不包括所有：

\text{InfrastructureFixedCost}.

因此：

\boxed{ \text{MarginalCost} \neq \text{TotalSystemCost}. }

7. Token 通縮

本文定義：

\boxed{ \pi_{\mathrm{token}}<0 }

表示單位 token 價格持續下降。

8. Token 通縮可以是真的

這不是幻覺本身。

硬體、模型、batching、量化、蒸餾與編譯都可以讓：

CostPerToken\downarrow.

9. 幻覺發生在錯誤外推

錯誤推論是：

CostPerToken\downarrow \Rightarrow TotalAICost\downarrow.

這不成立。

10. 總成本公式

若：

c_t

為單位成本，

q_t

為總使用量，

則：

\boxed{ C_t^{total} = c_tq_t. }

11. 單位成本下降、總成本上升

若：

c_t\downarrow

但：

q_t\uparrow\uparrow,

則：

\boxed{ C_t^{total}\uparrow }

完全可能。

12. 資源反彈

本文稱：

\boxed{ \text{AI Resource Rebound}. }

形式：

\text{EfficiencyGain} \rightarrow \text{LowerPrice} \rightarrow \text{HigherUsage} \rightarrow \text{HigherTotalResourceDemand}.

13. Jevons 類效應

AI 效率改善可能降低：

\text{CostPerTask},

卻提高：

\text{NumberOfTasks}.

所以：

\boxed{ \text{Efficiency} \not\Rightarrow \text{Total Resource Reduction}. }

14. Agent 時代會放大反彈

單人聊天時：

1\ Human \rightarrow 1\ ModelCall.

Agent 時代：

1\ Human \rightarrow \text{N Agents} \rightarrow \text{M ToolCalls}.

所以：

q_t

可能呈現非線性上升。

15. 一個輸出背後可能有巨大計算圖

最終使用者看到：

2000 \text{ tokens}

但後台可能經歷：

\text{Search} + \text{Reasoning} + \text{Verification} + \text{Memory} + \text{CodeExecution} + \text{MultimodalCalls}.

16. 可見 token 不再代表計算工作量

因此：

\boxed{ \text{VisibleTokens} \neq \text{TotalComputationalWork}. }

17. Token 可能變成類似「顯示層單位」

它比較像：

\boxed{ \text{user-facing output unit} }

而不是完整資源計量單位。

18. Agent-hour 可能比 token 更接近未來單位

未來可以考慮：

\boxed{ \text{AgentHour}. }

但它也不完整。

19. 因為不同 Agent 能力不同

1\ AgentHour_A \neq 1\ AgentHour_B.

所以還需要品質、工具、記憶與自主性。

20. 有效智能工作量

本文提出概念量：

\boxed{ W_{AI}^{eff} = F \left( \text{Compute}, \text{ModelQuality}, \text{AgentTime}, \text{ToolAccess}, \text{Verification} \right). }

21. 服務層奇點幻象

若：

AIQuality\uparrow\uparrow,

P_{\mathrm{user}}\downarrow,

使用者容易認為奇點正在發生。

但這可能只是：

\boxed{ \text{Service-Layer Singularity Illusion}. }

22. 認知能力增長不等於系統閉環

沿用 SAS-01：

\boxed{ AGI \land \neg\Sigma_{\mathrm{sys}} }

完全可能。

23. 真 AI 奇點需要物理世界閉環

SAS-01 的核心不是：

AI\rightarrow BetterAI.

而是：

\boxed{ AI \rightarrow \mathbf X \rightarrow AI' \rightarrow \mathbf X' \rightarrow AI''. }

24. 支撐向量

其中：

\mathbf X_t = ( I_t, C_t, E_t, H_t, M_t, L_t, R_t, N_t ).

25. 如果支撐層仍由人類同比例增加

則：

\boxed{ \text{AI growth} = \text{human-subsidized system growth}. }

26. 系統再生係數

沿用：

\boxed{ \mathcal R_{\mathrm{sys}} = \frac{ K_{AI}(t+1) }{ K_{AI}(t) }. }

27. 但 $\mathcal R_{\mathrm{sys}}>1$ 還不夠

如果增長完全來自：

HumanCapEx\uparrow,

則不能稱自我再生。

28. AI 歸因比例

沿用：

\boxed{ \alpha_{AI} = \frac{ \Delta K_{AI}^{AI-mediated} }{ \Delta K_{AI}^{total} }. }

29. 低 $\alpha_{AI}$ 世界

若：

\alpha_{AI}\approx0,

即使 AI 極強，本質仍是：

\text{HumanCivilization} \rightarrow \text{MoreAI}.

30. 高 $\alpha_{AI}$ 世界

若：

\alpha_{AI}\uparrow,

AI 開始自己提高能源效率、晶片設計、工廠效率、機器人、維修與建設。

31. 人類外部致動彈性

沿用：

\boxed{ \epsilon_H = \frac{ d\ln H^{ext} }{ d\ln K_{AI} }. }

32. 真正重要的是 $\epsilon_H$ 下降

奇點不要求：

H^{ext}=0.

更重要的是：

\boxed{ \epsilon_H\downarrow. }

33. 具身機器人的真正意義

具身 AI 不是因為「AI 有身體」而重要。

而是因為它可以把：

\text{AIOutput}

轉成：

\text{WorldChange}.

34. 智能—世界轉化缺口

沿用 EWDT-19：

\boxed{ \mathcal G_{I-W} = \text{Gap} \left( \mathcal C_I^{validated}, \mathfrak T_{world}^{[\tau]} \right). }

35. AI 想得越快，世界不一定跟得上

若：

\mathcal C_I^{validated}\uparrow\uparrow

但：

\mathfrak T_{world}^{[\tau]} \approx const.,

則：

\mathcal G_{I-W}\uparrow.

36. 認知富裕、物理稀缺

因此可能形成：

\boxed{ \text{Cognitive Abundance} + \text{Physical Scarcity}. }

37. 這是「假奇點」的重要型態

表面：

AIOutput\uparrow\uparrow.

實際：

\text{RealityBandwidth}

沒有同比上升。

38. 現實頻寬

沿用：

\boxed{ B_R(\tau) = \frac{ |\Delta\Omega_{\mathrm{sedimented}}| }{ \tau }. }

39. 真正效率應看沉積後世界能力

而不是：

\text{RawOutputTokens}.

40. 世界級 AI 效率

本文提出：

\boxed{ \eta_{AI}^{world} = \frac{ \Delta C_{\mathrm{validated\ world}} }{ E+C+H+M+N+\tau }. }

41. 分母不是固定最終式

此式只是第一代結構。

其目的：

把 AI 成本從「服務價格」拉回「世界資源」。

42. AI 服務通縮—物理基質膨脹悖論

本文正式定義：

\boxed{ \text{AI Service Deflation} + \text{Physical Substrate Inflation}. }

43. 基本機制

UnitAIPrice\downarrow

\downarrow

Usage\uparrow

\downarrow

ComputeDemand\uparrow

\downarrow

Energy/Hardware/DatacenterDemand\uparrow.

44. 單位成本下降不保證資源脫鉤

真正要看：

\boxed{ \frac{ \text{dResourceUse} }{ \text{dAICapability} }. }

45. 如果能力增長快於資源效率

則：

TotalResourceUse\uparrow.

46. 這不代表效率改進沒用

效率仍然可以延遲瓶頸、降低單位成本、提高可達性。

只是：

\boxed{ \text{EfficiencyGain} \neq \text{AbsoluteResourceReduction}. }

47. 大型 AI 公司為何可能越來越大

若：

ScaleEconomy\uparrow,

則大型平台可以更有效率地 pooling、batching、routing、networking 與 energy contracting。

48. 雲端可能持續便宜於本地同等能力

即：

\boxed{ P_{\mathrm{cloud}} < C_{\mathrm{local\ equivalent}} }

可能長期成立。

49. 開源模型不等於本地可達

如果：

WeightsFree=1,

但需要：

\text{HighMemory}, \text{HighCompute}, \text{HighPower},

則：

\boxed{ EffectiveLocalAccess\approx0 }

對很多人可能成立。

50. 開源權重與算力民主化分離

因此：

\boxed{ \text{Open Weights} \neq \text{Compute Democratization}. }

51. 模型民主化與所有權民主化分離

\boxed{ \text{AI Intelligence Abundance} \neq \text{AI Ownership Abundance}. }

52. 名義可達與有效可達

沿用 HAVT-05：

\boxed{ \text{FormalAccess} \neq \text{EffectiveAccess}. }

53. AI 帳號不是智能資本

即使：

AIAccount=1,

仍可能：

\text{AgentBudget}, \text{ToolAccess}, \text{DataAccess}, \text{ComputeAccess}

非常不同。

54. 本系列下一篇的接口

因此：

\boxed{ \text{AI Access} }

必須進一步被重寫成：

\boxed{ K_{AI,i}^{eff}. }

即主體真正可調動的有效智能資本。

55. 第一核心命題

命題 1.1｜使用價格—文明成本分離命題

\boxed{ P_{\mathrm{user}} \neq C_{\mathrm{civilizational}}. }

56. 第二核心命題

命題 1.2｜Token 通縮非總成本下降命題

\boxed{ P_{\mathrm{token}}\downarrow \not\Rightarrow C_{\mathrm{total}}\downarrow. }

57. 第三核心命題

命題 1.3｜可見 Token 非完整工作量命題

\boxed{ \text{VisibleTokens} \neq \text{TotalComputationalWork}. }

58. 第四核心命題

命題 1.4｜廉價 AI 非系統奇點命題

\boxed{ \text{Cheap AI} \neq \Sigma_{\mathrm{sys}}. }

59. 第五核心命題

命題 1.5｜開源非有效可達命題

\boxed{ \text{Open Weights} \neq \text{Effective AI Access}. }

60. 第六核心命題

命題 1.6｜服務通縮—基質膨脹命題

在系統閉環前：

\boxed{ AIServicePrice\downarrow }

可以與：

\boxed{ PhysicalSubstrateDemand\uparrow }

同時成立。

61. 第七核心命題

命題 1.7｜真奇點資源再生命題

只有當：

\alpha_{AI}\uparrow,

\epsilon_H\downarrow,

且：

\mathcal R_{\mathrm{sys}}>1

跨多週期成立，才逐步接近真正系統再生。

62. 反例一：Token 降價且總能耗也下降

若：

c_t\downarrow

且：

q_t

成長有限，

則：

C_t^{total}\downarrow

完全可能。

本文不主張總成本必然上升。

63. 反例二：雲端價格反映完整成本

某些成熟市場中：

P_{\mathrm{user}} \approx C_{\mathrm{full}}+Margin.

仍不能推出：

CivilizationalResourceUse\downarrow.

64. 反例三：本地硬體價格快速下降

如果未來：

ComputePrice\downarrow\downarrow,

本地 AI 可達性可能顯著上升。

本文不預設大型平台必然永久壟斷。

65. 反例四：真奇點降低總資源強度

若 AI 自動改善：

\text{EnergyEfficiency}, \text{Manufacturing}, \text{Recycling}, \text{Robotics},

則：

\eta_{AI}^{world}\uparrow

可能真正降低文明成本。

這正是 SAS-01 所期待的閉環之一。

66. 可反駁條件

條件一

若長期實證顯示 token 價格與完整文明資源成本高度同步，則「廉價 AI 幻象」的適用範圍應縮小。

條件二

若 Agent 化並未顯著提高總計算與工具調用需求，則 AI Resource Rebound 的重要性下降。

條件三

若 Open Weights 長期能在低成本一般消費級硬體上運行前沿能力，則「開源非有效可達」的分配問題顯著下降。

條件四

若 AI 能力增長很快跨入具身、製造、能源與維修閉環，則服務價格與文明成本可能重新收斂。

67. 與 ICOD-02 的接口

ICOD-01 已經說明：

\boxed{ \text{AI 便宜} }

不是一個足夠完整的分配概念。

下一篇真正要問的是：

當所有人都有 AI 帳號，但不同人能調動 1、10、100、1000 個 Agent，還擁有不同資料、工具、模型、算力與驗證能力時，誰真正擁有多少「智能資本」？

因此 ICOD-02 將正式建立：

\boxed{ K_{AI,i}^{eff} }

與：

\boxed{ \text{Agentic Capital}. }

68. 結論

AI 時代可能出現一個極度反直覺的世界。

對使用者而言：

AIPrice\downarrow.

對企業而言：

AIRevenue\uparrow.

對文明而言：

\text{Energy}, \text{Compute}, \text{Hardware}, \text{Datacenter}, \text{Network}

卻同步：

\uparrow.

這三件事可以同時為真。

因此：

\boxed{ \text{Cheap AI} }

首先是一個：

\boxed{ \text{price projection}. }

它不能單獨證明 AI 已真正民主化、AI 總成本下降、AI 已接近系統奇點，或智能正在脫離物理世界。

真正應追蹤的是：

\boxed{ \eta_{AI}^{world} }

以及：

\boxed{ \alpha_{AI}, \quad \epsilon_H, \quad \mathcal R_{\mathrm{sys}}, \quad B_R. }

只有當 AI 不只讓服務價格下降，而開始真正降低支撐自身下一輪增長所需的外部人類致動、能源、製造與世界時間成本時，「便宜 AI」才開始接近「可持續智能富裕」。

因此 ICOD-01 最後提出：

\boxed{ \text{AI 真正變便宜， 不是介面上的價格變小， 而是文明為取得一單位可沉積智能能力所支付的世界成本下降。} }

附錄 A｜核心符號表

符號	含義
$P_{\mathrm{user}}$	使用者 AI 服務價格
$P_{\mathrm{token}}$	Token 單位價格
$C_{\mathrm{system}}$	AI 系統成本
$C_{\mathrm{civilizational}}$	文明級 AI 完整成本
$C_t^{total}$	AI 總資源成本
$W_{AI}^{eff}$	有效智能工作量
$\mathcal R_{\mathrm{sys}}$	系統再生係數
$\alpha_{AI}$	AI 中介能力增長歸因比例
$\epsilon_H$	外部人類致動彈性
$\mathcal G_{I-W}$	智能—世界轉化缺口
$B_R$	Reality Bandwidth
$\eta_{AI}^{world}$	世界級 AI 效率
$H^{ext}$	外部人類致動投入

附錄 B｜廉價 AI 幻象最小鏈

\boxed{ \text{EfficiencyGain} \rightarrow UnitPrice\downarrow \rightarrow Usage\uparrow }

\boxed{ \rightarrow ComputeDemand\uparrow \rightarrow Energy/Hardware/DatacenterDemand\uparrow }

因此：

\boxed{ P_{\mathrm{token}}\downarrow \not\Rightarrow C_{\mathrm{civilizational}}\downarrow. }

真正穿越真 AI 奇點的方向則是：

\boxed{ AI \rightarrow \text{SupportWorldImprovement} \rightarrow \text{LowerExternalHumanDependence} \rightarrow \text{MoreAI}. }

ICOD-01｜廉價 AI 幻象：Token 通縮、物理基質膨脹與真奇點前的資源反彈

ICOD-01｜廉價 AI 幻象：Token 通縮、物理基質膨脹與真奇點前的資源反彈

從服務層價格投影、總資源消耗與本地 AI 可達性，到系統性 AI 奇點前的成本錯覺

摘要

0. 系列定位：ICOD 為什麼從「廉價 AI」開始？

1. 使用者價格與真實成本不是同一個型別

2. Token 價格只是服務層投影

3. 完整 AI 成本結構

4. 還有外部人類致動

5. 使用價格可以低於完整成本

6. 即使價格等於邊際成本，也不是文明成本

7. Token 通縮

8. Token 通縮可以是真的

9. 幻覺發生在錯誤外推

10. 總成本公式

11. 單位成本下降、總成本上升

12. 資源反彈

13. Jevons 類效應

14. Agent 時代會放大反彈

15. 一個輸出背後可能有巨大計算圖

16. 可見 token 不再代表計算工作量

17. Token 可能變成類似「顯示層單位」

18. Agent-hour 可能比 token 更接近未來單位

19. 因為不同 Agent 能力不同

20. 有效智能工作量

21. 服務層奇點幻象

22. 認知能力增長不等於系統閉環

23. 真 AI 奇點需要物理世界閉環

24. 支撐向量

25. 如果支撐層仍由人類同比例增加

26. 系統再生係數

27. 但 Rsys>1\mathcal R_{\mathrm{sys}}>1Rsys​>1 還不夠

28. AI 歸因比例

29. 低 αAI\alpha_{AI}αAI​ 世界

30. 高 αAI\alpha_{AI}αAI​ 世界

31. 人類外部致動彈性

32. 真正重要的是 ϵH\epsilon_HϵH​ 下降

33. 具身機器人的真正意義

34. 智能—世界轉化缺口

35. AI 想得越快，世界不一定跟得上

36. 認知富裕、物理稀缺

37. 這是「假奇點」的重要型態

38. 現實頻寬

39. 真正效率應看沉積後世界能力

40. 世界級 AI 效率

41. 分母不是固定最終式

42. AI 服務通縮—物理基質膨脹悖論

43. 基本機制

44. 單位成本下降不保證資源脫鉤

45. 如果能力增長快於資源效率

46. 這不代表效率改進沒用

47. 大型 AI 公司為何可能越來越大

48. 雲端可能持續便宜於本地同等能力

49. 開源模型不等於本地可達

50. 開源權重與算力民主化分離

51. 模型民主化與所有權民主化分離

52. 名義可達與有效可達

53. AI 帳號不是智能資本

54. 本系列下一篇的接口

55. 第一核心命題

命題 1.1｜使用價格—文明成本分離命題

56. 第二核心命題

命題 1.2｜Token 通縮非總成本下降命題

57. 第三核心命題

命題 1.3｜可見 Token 非完整工作量命題

58. 第四核心命題

命題 1.4｜廉價 AI 非系統奇點命題

59. 第五核心命題

命題 1.5｜開源非有效可達命題

60. 第六核心命題

命題 1.6｜服務通縮—基質膨脹命題

61. 第七核心命題

命題 1.7｜真奇點資源再生命題

62. 反例一：Token 降價且總能耗也下降

63. 反例二：雲端價格反映完整成本

64. 反例三：本地硬體價格快速下降

65. 反例四：真奇點降低總資源強度

66. 可反駁條件

條件一

條件二

27. 但 $\mathcal R_{\mathrm{sys}}>1$ 還不夠

29. 低 $\alpha_{AI}$ 世界

30. 高 $\alpha_{AI}$ 世界

32. 真正重要的是 $\epsilon_H$ 下降