從四到九：B／C／A 功能性經濟關係矩陣

AI 作為執行者、資訊使用者與受委託資源配置者時，如何擴充經濟互動分類而不重複計算世界價值

英文題名： From Four to Nine: A B–C–A Functional Economic-Relations Matrix for AI-Mediated Activities, Delegation, and Non-Duplicative Accounting
研究系列：《AI 時代的網路資訊價值、注意力收斂與經濟世界域耦合》（AIEC）
系列篇號： 07 / 12
文件編號： EML-AIEC-2026-07
原始研究命題、經濟觀察與理論方向： Neo.K
AI 協作論證、形式化、文獻檢索與原稿整理： GPT-6（Aletheia）
機構： EveMissLab／一言諾科技有限公司
原稿日期： 2026-10-16（Asia/Taipei）
版本： v0.1
文件性質： 功能性經濟分類理論／多主體角色模型／有向多層關係矩陣／候選可反駁模型
正本格式： UTF-8 Markdown；原生數學只採 $...$ 與 $$...$$ 兩種定界符
直接前置： AIEC Paper 01–06；EWDT-01、02、05、07、12、13、18、21、22；MPD-12 AI–AI 生產關係；人工行動者政治經濟研究
研究狀態： 第一代定義、推導、9 格逐格語義、可重算示例、十項可反駁假說與觀測設計完成；未宣稱九格為已經普遍採用的官方統計標準
外部資料查核界線： 2026-10-16；現行協議及制度依公開官方文件，未經實際對帳的案例一律標記為假設

作者： Neo.K

摘要

企業對企業（B2B）、企業對消費者（B2C）、消費者對企業（C2B）及消費者對消費者（C2C）形成網路商業分析中常見的四種有向配對。然而，當人工智慧從被動生成工具逐漸成為能檢索資訊、比較供應商、接受委託、執行工作流程、對外取得服務、在預算限制下選擇資源並與其他 Agent 協作的功能性行動者時，原有四格會隱藏大量實際活動。企業可能不只向人類讀者展示資料，也直接向 AI Agent 提供資料；個人可能向 AI 提供原創內容及反饋；AI Agent 可以向個人或企業交付實際工作成果，也可以向其他 Agent 委託與驗證工作。若僅將這些互動強制歸入 B2B 或 B2C，AI 的功能性參與可能在統計與理論中消失。

本文提出一套最小的 B／C／A 九格功能性經濟關係矩陣：在原有企業 B 與個人 C 的有向配對之外，新增 AI／Agent A 作為功能性端點，形成 $3\times3=9$ 種方向。但這個數值只描述在固定三類端點與單次有向二元關係條件下的分類格數，不等於九個獨立產業、九種法律主體、九個新市場，更不意味九格交易額可直接相加為 GDP。B、C 主要是社會與組織身分分類；A 主要是執行角色、能力載體或持續代理系統，三者在法律與組織本體上並非對稱類別。本文因此引入「功能端點—責任歸屬—經濟帳本」三層模型，將事件的供給與接收方向、所屬公司或個人、委託及授權、付款和受益分開記錄。

本文給出六個核心區分。第一，功能性交互不必然是付費交易：C2A 可表示個人對 Agent 的知識供給，但未必有價格或契約。第二，AI 代理的需求不必然是 AI 自己的獨立終端偏好：一個 Agent 的採購可能最終來自人類或企業委託。第三，A2A 不必然是獨立 AI 經濟體：模型流水線、跨 Agent 委託與正式市場採購存在不同深度。第四，同一個人類終端任務可生成多格功能事件：例如 C2A、A2A、B2A、A2C 可能在一次商品選購中先後出現，最終支付契約卻仍然是 B2C。第五，事件數量、交易數量、總產出及附加價值不能混用。第六，AI 活動可能透過既有人類帳號完成：僅依 OAuth 登入或外部操作樣式，無法唯一辨認受委託執行者。

形式上，本文將九格矩陣定義為受事件類型、時段、產業和觀測規則約束的有向多層關係計數，而非單一貨幣總量。它可用於標注資訊取得、委託、服務交付、權利移轉、支付、決策與驗證等多種事件，並由正規化端點標籤、任務標識和交易標識組成可重建資料結構。本文進一步提出「功能格位擴張不等於最終需求擴張」、「隱藏代理執行下的分類失真」、「多 Agent 互動強度與生產成果非單調關係」及「代理參與與法律責任主體可能分離」等候選命題，配套十項可反駁假說與 2027–2028 年觀測方案。

本文的研究貢獻，是為下一階段 AI 經濟提供一個足夠簡潔的關係分類入口，同時明確防止由分類入口錯誤推論出法律身分、全球市場規模或文明發展結論。加入政府與公共部門後的十六格模型留給 AIEC-08；帳號、委託、執行者及受益者的完整歸因留給 AIEC-09；二十四格或更高階模型暫不開啟。本篇與既有《經濟世界域轉化論》母框架銜接時，將九格理解為經濟世界域中某一小組關係的任務相對投影，不是完整的經濟世界。

關鍵詞： B2B、B2C、C2B、C2C、B2A、C2A、A2B、A2C、A2A、AI Agent、功能性經濟關係、法律主體、行動歸因、任務分解、多層有向圖、交易與附加價值、人工行動者、EWDT

0. 研究定位與非主張

本篇是 AIEC 模組 III 的起始篇；前六篇已研究機器資訊可見性、AI 爬取與實際使用差異、注意力收斂、生成式搜尋入口、企業廣告博弈，以及內容授權和機器端支付。現在的問題不是再問「AI 是否會帶來新經濟」，而是：當 AI 已開始執行原本由人類或企業執行的活動時，如何建立最小、明確、可延伸且不致誤導的互動分類？

本文明確不主張：

B、C、A 在法律、組織或本體論上是完全同型的存在類別；
現行法律一般承認 AI 具有獨立公司人格、自然人人格或財產權；
九格可完整列舉所有經濟主體、所有活動或所有高階關係；
九格比既有微觀經濟學、產業組織或國民所得帳必然優越；
一次 AI 對網站的請求一定有經濟價值或可要求付費；
一次 Agent 提交工具呼叫即構成一宗市場交易；
同一任務衍生的每一格活動可當成獨立終端需求加總；
B2A／C2A 的出現必然使 AI 資訊授權收入增加；
A2A 越多則生產力必然越高；
AI 模擬人類介面一定能逃過偵測，或身分偵測必然失效；
AI 的存在必然增加世界總產值或必然造成失業；
九格矩陣已構成全球 AI 經濟的代表性實測結果；
9→16→24 是必然進步、且分類數越高越好的知識階梯；
將 AI 標作功能端點就是對 AI 主體性、意識或倫理地位作出終局判定；
本文可以替代著作權、合約、支付安全、國民所得帳及公共監管制度；
僅憑市場上的 Agent 數量就能推測其宏觀收入貢獻。

本文只提出首層功能分類、額外角色歸屬及可觀測資料設計。是否需要更多分類，必須由新研究問題及任務相對資訊損失決定，而不是出於格數完整性的美感。

1. 問題來源：從機器資訊需求走向功能性經濟行動

1.1 前六篇留下的缺口

AIEC-01 提出機器可見性與人類識別度可能分離；AIEC-02 進一步區分大量爬取、實際使用與付費。AIEC-03 指出資訊供給可持續膨脹，而人類直接注意力入口可能收斂；AIEC-04、05 研究由此產生的商業入口與廣告競爭結構變化。AIEC-06 分析機器端需求如何在一定條件下獲得授權、支付與成交能力。

然而第六篇的角色標註仍不等於一般化的經濟關係分類。同一個 Agent 可能代表個人消費者，也可能代表企業採購部門；它可能是內容接受者，也可能是服務交付者。把這些全部寫成 B2B 或 B2C，會犧牲執行層資訊；全部寫成 A2A，又會丟失權利義務與付款來源。

1.2 為何舊四格在特定任務下不夠

假設企業 $b$ 公開某一項技術文件，個人 $c$ 以人類帳號授權 Agent $a$ 進行資料比較。Agent 取得文件，完成分析，可能再次委託另一個代理 $a'$ 驗證，最後給個人產出結論。若只記錄法律契約關係，可能只有 B2C 或零新增貨幣交易；若研究的是人機執行，卻已經有 C2A、B2A、A2A、A2C 等不同事件。

因此本文將以下兩個命題分離：

\text{Legal transaction classification} \neq \text{Functional execution classification}.

\text{Functional event count} \neq \text{Independent final demand count}.

此處的「不同」是型別上的不同，不是說任兩個數值必然不相等。若剛好相同，也只是特定情境下的數量巧合。

2. 三種端點及其不可忽略的非對稱性

2.1 B：Business／企業與市場供給組織

B 指可作為經濟組織單位的企業、公司、商業平台或相應市場組織。在嚴格統計中應再區分法律形式、控制者、居民／非居民、企業集團與機構單位；本篇第一代只使用 B 作功能端點的簡化標記。公共權力及政府單位留待第八篇 G 類處理。

2.2 C：Consumer／個人與家庭側參與者

C 沿用 B2C 命名慣例，但在本篇中不限制為被動「消費者」。自然人可以是消費者、創作者、勞務提供者、個體經營者、權利人、資料來源與委託者。若只把 C 定義成買東西的人，C2B、C2A 的供給側活動便會被誤刪。

個體經營者同時具備 C 與 B 語義時，須依分析任務指定端點：若研究法律營業實體、帳務與專業供給可記 B；若研究自然人的個體勞務與權利可記 C。這不是任意切換的權利，而是需要資料字典與理由的分類決策。

2.3 A：AI／Agent／功能性人工執行單位

A 不預先指涉「任何訓練過的神經網路」。最低可指在可界定任務與系統邊界下，代表自身或委託者執行資訊選擇、資源調用、規劃、交付或交接的 AI 執行單位。A 可以是一次任務實例，也可以是跨時間保留狀態的持續 Agent；兩者須區分。

A 的判準並不要求意識、自由意志、完全自主目標或獨立法律人格。反過來，有聊天介面或自稱 Agent 的產品，也不一定已具備經濟上獨立的選擇、承諾與資源調度能力。

2.4 這三類不是法律本體上的互斥全集

一個 AI 可以由某公司持有，並在企業授權下代表一個個人執行任務。此時公司、個人、Agent 同時存在，但不必把同一個 Agent 在所有層面同時宣布為三個主體。

採用兩組不同的型別空間：

\mathcal T_F=\{B,C,A\},

\mathcal T_L=\{\mathrm{organization},\mathrm{natural\ person},\mathrm{other\ legal\ unit}\}.

$\mathcal T_F$ 是功能端點標籤； $\mathcal T_L$ 是依法域決定的法律及會計主體標籤。兩者沒有一一對應的保證，尤其不應從 $A\in\mathcal T_F$ 推導某個 AI 個體屬於 $\mathcal T_L$ 之中的自然人或法人。

3. 為什麼是九格：第一代有向關係的組合學

固定三個功能端點類型：

\mathcal T_F=\{B,C,A\}.

若一個最低交互單位只允許一個功能起點與一個功能終點，而且允許起終點類型相同，可能的有向類型對為：

\mathcal P_3=\mathcal T_F\times\mathcal T_F.

因此：

|\mathcal P_3|=3^2=9.

這是分類格數的算術結論，不是經驗經濟定律；「3 類端點」、「有方向」、「允許同類」是其成立前提。若考慮四方關係、所有權、風險承擔、時間鏈及分布式多主體互動，九格本來就不足以完整表示。

3.1 方向的統一定義

本篇約定：

X2Y 表示在特定功能事件中，類型 X 的端點向類型 Y 的端點提供資源、資訊、服務、指令、權利或其他已指定的經濟相關作用。

方向永遠依本次指定的事件類型判定，而不是根據「誰出錢」推論。金流往往反向於供給流，因此支付層必須另外標註，不可將方向語義在不同章節任意交換。

此規則可以同時支持「企業向 Agent 提供資料」的 B2A，以及「Agent 向企業交付分析成果」的 A2B，而不要求這兩個事件本身必然付費。

3.2 何謂經濟相關作用

不是所有資料封包或鍵盤事件都足以構成獨立經濟關係。本文暫要求至少滿足以下其中一項候選判準：

對可識別任務的投入、結果或決策有可檢驗的功能；
引入有限資源、時間、授權、權利、風險或機會成本；
改變某個主體的可選行動、供需、產出或服務可及性；
生成具有責任、支付、結算、治理或履約意義的紀錄。

僅有隨機網路掃描、無效重試或傳輸層保活，不應未經定義就當作有效經濟交易。但它們可能仍有基礎設施成本，應保存在機器事件原始帳，而不是直接刪除。

4. 正式九格矩陣

以下矩陣的列為本次功能供給／作用發出端，欄為功能接收／受作用端：

供給／作用發出端 ↓；接收端 →	B：企業	C：個人	A：AI Agent
B：企業	B2B｜企業間供給	B2C｜企業對個人供給	B2A｜企業對 AI 供給
C：個人	C2B｜個人對企業供給	C2C｜個人間供給	C2A｜個人對 AI 供給
A：AI Agent	A2B｜AI 對企業交付	A2C｜AI 對個人交付	A2A｜AI 間交互與委託

這九格不能被當作 9 個法律營業類別。它們是一套特定任務下可疊加、可跨時間發生、可與法定會計分類並存的功能關係標籤。

4.1 第一個最低公理：有方向，才有角色意義

對同一類型的兩個不同對象，X2Y 與 Y2X 在供給流、請求流、成果交付流中可能代表不同事件。即使雙方交換完全相同金額的服務，也不能以金額相同推斷功能方向相同。

4.2 第二個最低公理：分類與計價分離

先將事件辨識為何種功能流，再判斷是否具有合法契約、付款、成本或可估計福利。對所有功能事件 $e$ ，可以有：

\operatorname{type}(e)\in\mathcal P_3,

但不必有：

\operatorname{price}(e)>0.

尤其免費搜尋、個人向 AI 提問、內部 Agent 傳遞任務，均可能具有機會成本卻沒有市場發票。

4.3 第三個最低公理：同類端點也有異質個體

B2B 不代表同一家公司對自己的內部呼叫；A2A 也不必然代表不同公司的 Agent。同類關係可以存在公司內部、公司之間、家庭內部或跨平台，是否形成市場交易需另以組織邊界與契約證明。

5. B2B：企業對企業，AI 參與但未必顯示於契約表面

B2B 是企業之間的產品、勞務、資料、授權、設備、計算資源和專業服務供給。傳統 B2B 本身不因 AI 出現而消失。變化在於詢價、風險評估、比價、議價、執行與驗收可能由 Agent 參與。

若供應商企業 $b_1$ 與買方企業 $b_2$ 簽約， $b_2$ 的採購 Agent 代為比較十家供應商，財務契約仍可能是：

B_1\rightarrow B_2,

但功能事件可能含有：

B_2\rightarrow A_1,\quad A_1\rightarrow A_2,\quad B_1\rightarrow A_1.

可以確認的概念： AI 對 B2B 的參與不是另一種獨立買方收入。若企業只是用自有 Agent 簽下一張原本就會成立的供應合約，可能主要是中介流程的重組。

例外路徑： Agent 降低搜尋成本後可能促成過去不存在的跨境交易，或使多樣化供應商取得機會，因此不能預設全部只是零和替代。

主要觀測量： 企業採購 Agent 介入率、授權邊界、採購週期、競價強度、供應商分布、增量成交及合約實際付款方。

6. B2C：企業對個人，消費入口可能移向 AI

B2C 表示企業向個人提供商品或服務。AI 可以作為購物介面、預訂助手、客服、導購及比較工具，使交易不一定從傳統搜尋頁或商品詳情頁開始。

但在法律及金流上，個人仍可能是買方，企業仍是賣方；AI 則負責資訊整合與行動。故：

\text{Consumer purchase via agent} \not\Rightarrow \text{Independent agent purchase}.

某些交易可能讓 AI 成為新的商業入口，改寫廣告費、渠道佣金與搜尋流量；另一些交易只會將客服工時減少而不改變消費商品或最終供需。這也是 AIEC-04、05 與本篇最直接的接口。

必要區分： 人類親自閱讀、AI 瀏覽後轉述、AI 代為下單、AI 根據預先授權自動購買，是四個不同的參與深度。

主要觀測量： Agent 來源訂單比例、授權方式、購前比較次數、退貨率、單位成交成本、來源回流、客戶福利與商品實際交付率。

7. B2A：企業對 AI，資訊與能力的機器端供給

B2A 是新矩陣中直接對應前六篇「機器端需求」的格位。它包括企業向 Agent 提供可被機器使用的文件、驗證資料、商品目錄、庫存、API、推論結果、算力及其他服務能力。

但同一個 B2A 行為有至少五種不同強度：

公開資訊被一次性存取；
經過完整度驗證的合規內容取得；
Agent 在具體任務中採用資訊或服務；
持續性、可追蹤的依賴形成；
可授權、可計費、可結算的正式供給關係。

不能將第一層直接升級成第五層，也不能以沒有第五層否認第二、三層的存在。

企業可以因長期機器讀取而承受真實基礎設施成本，也可能獲得機器端市場機會；爬蟲反覆存取不一定代表其認定內容高品質，仍可能只是更新排程、索引覆蓋、錯誤重試或廣泛掃描。需觀察成功讀取、獨立內容頁數、授權及增量價值。

情境例： 一個研究資料服務商向多個企業 Agent 提供結構化法規和技術標準；Agent 直接讀取內容，但年度付款合約可能由其營運公司簽訂。功能上是 B2A，會計上可能是 B2B。

主要觀測量： 機器請求、有效取得、內容版本覆蓋、授權使用目的、後續調用、實際授權成交與付款企業。

8. C2B：個人對企業，AI 改變創作與勞務交易方式

C2B 不能僅指「用戶提供評價」。個人可向企業提供程式、設計、原創研究、勞務、授權內容、資料、測試、建議、顧問服務或需求意向。AI 工具降低個人創作及驗證成本後，更多個體可能向企業供給原本由團隊完成的成果。

但供給候選增加不等於形成有效 C2B 成交。AIEC-03 已指出低上架門檻與低銷售能長期共存。個人可產出更多內容，企業卻可能更依賴品牌、品質、可驗證性與治理條件選擇供應商。

在正式帳本中，若一個人使用 AI 完成交付，C2B 指個人向企業交付的市場或非市場成果；AI 的參與另記於功能鏈，而不能自動把該收益視為 A2B 市場收入。

主要觀測量： 個人供給量、採用率、驗證成本、授權權利歸屬、實際成交、報酬分布、平台抽成及再採購率。

9. C2C：個人之間，AI 作為中介未必改變終端雙方

C2C 涵蓋個人之間的二手交易、技能交換、共同創作、私人內容轉讓、贈與和互助。AI 可能負責自動議價、商品識別、反詐查核、履約提醒、翻譯和比價，亦可能因自動化推薦而改變參與者配對。

其中可以同時存在：

C_1\rightarrow A_1\rightarrow A_2\rightarrow C_2.

這條鏈不表示 $C_1$ 與 $C_2$ 的最終交易消失，也不表示 $A_1$ 、 $A_2$ 各自新增一個可與 C2C 銷售額直接相加的商品市場。

反方向機制： 若 AI 把詐騙、錯誤商品描述和交易摩擦降到足夠低，既有低流動性二手市場可能擴張；若自動化廣告與大量不可靠生成商品資訊侵入平台，反而可能增加信任成本。

主要觀測量： 撮合品質、交易成功、支付爭議、驗收成本、人類議價參與程度、商品周轉時間和真實淨福利。

10. C2A：個人對 AI，資訊供給不必然等於免費資料讓渡

C2A 是個人向 AI Agent 提供資訊、指令、原創內容、標註、回饋、任務授權、專業判斷或工作成果的功能方向。它可能是一般提問，也可能是具有顯著資訊或經濟價值的資料供給。

關鍵是不能將下列行為混成同一種權利狀態：

只在對話中提供完成當前任務必需的上下文；
明確授權某 Agent 在指定期限內暫存資料；
將作品授權給企業供模型訓練或檢索；
向受委託 Agent 提供具有保密與代理義務的專業資料；
公開發表研究，第三方系統另行取得該研究。

以上都可能呈現 C2A 功能方向，但其法律權利、複製範圍、是否允許商業訓練與付款義務非常不同。本篇只定義分類，不取代授權合約。

C2A 也揭示「個人對 AI 的非貨幣貢獻」。但非貨幣貢獻不等於合法無償授權，也不等於我們已能準確推算該貢獻在模型參數中的價值。

主要觀測量： 明示用途同意、資料來源、保留期限、可撤銷性、使用路由、人工反饋的可驗證貢獻、個人所得及第三方權利影響。

11. A2B：AI 對企業交付能力，不等於 AI 自己開公司

A2B 指 AI Agent 直接向企業部門、營運系統或組織決策單位交付工作成果、服務、資訊、驗證或其他可投入經濟活動的能力。

這可以是公司內部 Agent 完成採購分析，也可以是外部供應商所部署的 Agent 向企業交付專業研究。兩者功能上都可能是 A2B，但有不同的交易及成本型別：

場景	功能性交互	可能的帳務及法律關係
企業自有 Agent 製作風險報告	A2B	內部成本及資本使用，不必有對外新市場交易
SaaS Agent 向企業提供客服處理	A2B	SaaS 廠商與客戶的 B2B 合約
跨公司 Agent 受託驗證模型	A2B；可能另有 A2A	對外 B2B 服務費、資源授權及審計責任
個人以 AI 工具完成企業設計委託	A2B 參與；C2B 終端供給	個人與企業之間的 C2B 勞務或著作授權

企業可能因 A2B 降低成本、提高產品品質或擴展可行集合；也可能因整合、驗收、法律不確定與供應商鎖定而面臨新的成本。有效 AI 能力需以任務結果而非 Agent 啟動次數判定。

主要觀測量： 任務通過率、品質校正產出、人工覆核時間、錯誤成本、廠商依賴、責任歸屬、營運帳本及投入產出對照。

12. A2C：AI 對個人，回答可以是消費也可以是生產投入

A2C 指 AI Agent 向個人提供資訊、翻譯、研究、娛樂、工作協助、教育、推薦、談判支援與其他服務成果。與傳統 B2C 的差異在於接觸面的直接執行者是 AI；與真正獨立 A2C 市場的差異，則在於使用者的服務費可能實際付給 AI 平台企業。

A2C 的輸出不必然是最終消費：一個人使用 AI 協助編寫程式、形成研究或執行創業流程，其服務可成為後續 C2B、C2C 或個人自用投資的中間投入。

個人 A2C 服務若表面免費，可能由訂閱、企業成本、廣告、交叉補貼或其他收入模式承擔；也可能由平台持續補貼而沒有可持續的收入。免費端點的高使用量不能直接推出平台高利潤。

主要觀測量： A2C 任務密度、實際問題解決、可及性、品質及風險、使用者節省時間、外部依賴、付款渠道、未付費需求和後續轉化成果。

13. A2A：AI 間關係，從固定工具鏈到可治理的分工

A2A 是新矩陣最容易被過度解讀的一格。本文主張至少區分三級：

A2A-L0：固定模型／工具管線。 程式 A 的結果傳入程式 B，路由和接受標準固定。它有機器對機器傳輸，但不一定具有代理委託的經濟語義。

A2A-L1：任務型代理協作。 Agent A 依當下目標選擇 Agent B 的能力，交付任務、接收結果、執行接受或要求修正。這可形成可觀測的機器間生產關係；OpenAI Agents SDK 的工具型 Agent 與 handoff 機制，以及 A2A 協議中的任務協作語義，顯示類似工程結構已具有公開技術基礎［E3］［E4］。

A2A-L2：受權利與資源約束的跨組織合作。 除 L1 外，還存在資源配額、品質合約、審計、可驗證付款及明確的組織邊界。這可能對應正式 B2B、市場委託或未來不同制度安排，但目前不應宣稱 L2 已經構成普遍、獨立的 AI 法律人格經濟。

一個 Agent 可能在 L1 層選擇夥伴、拒絕成果與重新委託，卻仍然由其營運公司、委託人或機構承擔法律責任及付款。既有《AI–AI 生產關係》研究已提出可區分行動者、任務契約、脈絡交接、成果回傳、接受標準與回饋等最低條件；本篇沿用該研究，不重新把模型管線稱為原創新發現［I6］。

主要觀測量： 可分辨代理單位、任務契約、交接深度、接受率、重試與仲裁成本、跨組織比例、授權與支付、品質校正淨產出。

14. 從平面矩陣到多層有向關係：九格的正確數學位置

14.1 最小事件集合

令 $V^F$ 為在研究時間窗 $H$ 中可辨識的功能端點集合。每個功能端點 $v\in V^F$ 帶有工作型別：

\tau:V^F\rightarrow\{B,C,A\}.

令 $E_H$ 為觀測到、具有唯一識別符的功能事件集合。對某事件 $e\in E_H$ ，設：

e=\langle id_e,s_e,r_e,\ell_e,t_e,q_e,z_e\rangle,

其中：

$id_e$ ：事件唯一鍵，不與任務或付款鍵混用；
$s_e$ ：功能作用發出端；
$r_e$ ：功能作用接收端；
$\ell_e$ ：本次事件層類型；
$t_e$ ：事件時間及必要時間窗；
$q_e$ ：所屬終端任務或工作分支鍵；
$z_e$ ：版本、契約、內容、權限、結果和不確定性等額外欄位。

功能事件與單次網路封包不是同義詞：一次資料交付可以涉及數千封包；一次付款可能分多次 API 重試；一次功能交接亦可能未涉及對外網路。

14.2 事件層不能全部混成「交易」

為了避免類型混淆，本篇先保留第一代層集合：

\mathcal L=\{\mathrm{task},\mathrm{information},\mathrm{service},\mathrm{decision},\mathrm{rights},\mathrm{payment},\mathrm{verification}\}.

其中：

task：發起、拆解、轉交或收回任務；
information：取得、提供、更新或回傳資訊；
service：交付可投入實際工作或消費的成果；
decision：選擇、建議、批准、拒絕或要求修改；
rights：有條件授權、使用限制、撤銷及轉讓；
payment：付款授權、扣款、退款與結算；
verification：驗收、品質檢查、來源核對及審計。

真實事件可能同時有多種含義；嚴格資料庫可用一筆主事件及多筆事件—層關聯，而不是強迫所有事件只有一個詞義。對不同層應採不同分析單位：資訊層適合記錄成功交付和資源版本；付款層記錄有效結算金額；驗證層記錄是否通過某個標準。

14.3 逐層的九格矩陣

對研究窗口 $H$ 、特定層 $\ell$ 以及固定計數權重 $w_e$ ，定義：

M_{ij}^{(\ell)}(H) = \sum_{e\in E_H} \mathbf 1[\tau(s_e)=i] \mathbf 1[\tau(r_e)=j] \mathbf 1[\ell_e=\ell] w_e, \qquad i,j\in\{B,C,A\}.

這就是第一代 B／C／A 功能關係矩陣。在純事件計數層可令 $w_e=1$ ；在同一可比較貨幣帳層，才可考慮以有一致意義的已結算金額作 $w_e$ 。不能把任務次數、美元及引用數放在同一矩陣數值中直接相加。

本系列過去常把有向類型單純寫成 B2A 等名稱，本篇補上：

M^{(\ell)}(H) = \begin{pmatrix} M_{BB}^{(\ell)} & M_{BC}^{(\ell)} & M_{BA}^{(\ell)}\\ M_{CB}^{(\ell)} & M_{CC}^{(\ell)} & M_{CA}^{(\ell)}\\ M_{AB}^{(\ell)} & M_{AC}^{(\ell)} & M_{AA}^{(\ell)} \end{pmatrix}.

在概念上，真正的觀測對象不是一個靜態的九個數字，而是帶有時間、事件型別和制度資訊的矩陣族：

\mathbb M(H)=\{M^{(\ell)}(H):\ell\in\mathcal L\}.

這仍然是有限投影，並非完整世界經濟域。

14.4 非互斥角色的處理規則

當某個混合人機行動難以在功能端點層明確分割，不能靠主觀感覺一律強行標成 A。可以保留：

\tau(e)\in\{\mathrm{certain},\mathrm{ambiguous},\mathrm{unobserved}\},

並以事件證據、代理日誌、明確聲明與審計標籤作分層處理。若需要統計不確定分類，可對事件 $e$ 為九個候選格位建立非負權重 $p_{ij,e}$ ，且：

\sum_{i,j\in\{B,C,A\}}p_{ij,e}=1.

在單一指定層、單一事件只屬一個候選格位的假設下，其期望計數為：

\widetilde M_{ij}^{(\ell)} = \sum_{e:\ell_e=\ell}p_{ij,e}.

這並非說真實經濟關係只有一條邊，而是提供一種在主事件計數中不因不確定性自動製造更多事件的方式。對有多個實際端點、跨時間交接或一對多關係的情境，須先拆分真實功能事件或保留超邊資料；禁止直接硬套正規化權重抹除關係。

14.5 資料合規與研究權限

上式只描述可被合法觀測和授權分析的事件。公開網站的流量紀錄不自動允許研究者識別私人行動者；支付資料、個人資料、企業商業機密與跨平台帳號關聯，都需依來源合法性、資料最小化及研究審查條件處理。矩陣的存在不能成為蒐集不必要個資的理由。

15. 事件、任務、契約、金流與附加價值：五種不能混用的帳

15.1 五種不同的計數單位

本文定義：

N_E=\text{可辨識的功能事件數},

N_T=\text{終端任務或生產委託數},

N_K=\text{經濟契約或履約安排數},

N_P=\text{有效結算或可識別付款事件數},

VA=\text{指定統計口徑下的總附加價值}.

通常沒有：

N_E=N_T=N_K=N_P.

且以上四種純計數都不與 $VA$ 具有共同單位。即使所有九格功能事件的計數完整，仍不能據此直接推算 GDP。

15.2 國民所得帳為何不能用九格相加

2025 版《國民經濟核算體系》（SNA）把生產面 GDP 基於總產出減中間消費並調整特定產品稅及補貼；美國經濟分析局亦明示跨產業總產出直接加總會重複計入中間投入［E1］［E2］。

由此，本文不新增一種九格 GDP，而主張保留雙軌：

\text{Economic observation} =\big(\mathbb M(H),\mathcal N(H)\big),

其中 $\mathbb M(H)$ 是功能事件矩陣族， $\mathcal N(H)$ 是按既有或未來正式統計規則建立的國民所得、交易、收入與支出帳。兩者可建立對照表，但不可當作可直接相加的同型量。

15.3 任務樹不等於成交樹

令終端任務 $q$ 有若干功能子事件 $E(q)$ 。即使：

|E(q)|=100,

也不代表生成一百次對外銷售。 $q$ 可以只對應一次購物、一份可交付研究或零貨幣交易；其子事件可能包括試探、重試、驗證、快取使用和內部代理交接。

若把每個子事件當作新的經濟最終需求，九格模型將產生嚴重的「代理事件倍增幻覺」。

15.4 本體性區分：內部生產與跨機構交易

假設同一家企業的兩個 Agent 互相交接報告，這可算 A2A 功能互動，卻不必然產生對外市場收入。若兩個 Agent 分屬不同營運商並使用可收費服務，則可能同時存在 A2A 的執行層與 B2B 的合約層。對大企業集團、關係企業及平台內部轉撥，亦要辨認法人邊界及合併財務報表的抵銷規則。

16. 功能端點與責任主體的多層投影

16.1 法律與組織歸屬不是功能關係的反函數

令 $V^L$ 為企業、自然人或其他依法域認定的主體集合。對功能端點 $a\in V_A^F$ ，可在資料允許時記錄：

\operatorname{operator}(a)\in V^L,

\operatorname{principal}(a,q)\in V^L,

\operatorname{payer}(q)\in V^L,

\operatorname{beneficiary}(q)\subseteq V^L.

這些映射不必相等。例如運營 Agent 的公司可能不是委託者；支付費用的企業可能不是最終服務的個人受益者；使用資料的 Agent 可能沒有任何獨立資產。

16.2 功能性需求與有效付款需求不同

對任務 $q$ ，AI 可能被授權選擇資料來源，並自動提出要求。但只要付款權或結算能力沒有成立，就不能把一次資訊請求當成可支付需求。

更一般地，令 $d(q)$ 表示某個功能性需求事件， $\alpha(q)$ 表示充分授權， $\beta(q)$ 表示預算約束可滿足， $\gamma(q)$ 表示供給在制度與技術上可交付，則：

\mathrm{Payable}(q) =\mathbf 1[d(q)]\mathbf 1[\alpha(q)]\mathbf 1[\beta(q)]\mathbf 1[\gamma(q)]

只是必要條件的示意，不表示滿足後就必定成交；仍須有價格、選擇、替代來源、風險、契約成立及對價等要求。

16.3 從 Agent 參與到具有經濟責任能力

既有《人工行動者政治經濟總論》已區分人工智能與人工行動者，並以選擇、配置、承諾及責任提出較強的 economic agency 判準［I7］。本文採其較弱但可操作的功能性 A 類，允許尚不具備全部承諾及責任能力的 Agent 被分類為功能執行端；研究真正的強經濟代理時，必須增添法律和制度判準，而不是回頭宣稱所有 A 格已完成該門檻。

AP2 的 Agent 授權設計亦把委託者的 mandate、執行 Agent 與核驗者分開，使代理操作不必預設 Agent 自己是最終權利擁有者［E5］。

17. 提案 A：九格是有向事件投影，不是「九個市場」

17.1 命題

在固定功能型別、明示事件方向及事件層的條件下，九格矩陣可以對觀測到的部分經濟互動進行互斥端點分類；但功能分類與市場邊界不是同一個分割。

其理由有三：

第一，單一市場可以跨多格。例如個人委託購物 Agent 取得企業商品，具有 C2A、B2A、A2C 及 B2C 等功能路徑，但最終可能只有同一個零售市場交易。

第二，單格可包含多個市場。B2A 可以是公開網站被免費檢索、付費企業資料庫、商品庫存 API 或私有工程驗證服務，競爭條件完全不同。

第三，部分格位包含沒有價格的合作。公司內部 A2B、A2A 仍可能具有機會成本及生產意義，但不一定創造對外市場。

因此：

\text{Nine functional cells} \not\Rightarrow \text{Nine distinct markets}.

17.2 為何不是「隱藏在其他八格中的單獨 A 市場」

A 是技術與執行角色，B／C 是現實經濟組織和人類端點。將三者放在同一功能矩陣，是為了解決研究時可見性不足；如果直接稱為三個對等經濟法域，便把分析工具錯認為本體。本文要求同時保存對應的法律、財務及產出帳，就是為防止這種型別僭越。

17.3 命題適用的邊界

若一次活動跨三個以上同時必要的對象、涉及實際互聯支付網路、共有權利或跨期義務，它可能需要超圖及事件序列；九格只能作為局部關係投影，而不可以說活動已被九格完整解釋。

18. 提案 B：更多 AI 交互不必然意味更多最終需求

18.1 一對多代理擴張的觀測幻覺

假設一個個人任務原來由單一 AI 完成，後來改成十個專業化 Agent 相互驗證。若每個 Agent 都對其餘 Agent 進行多次委託，A2A 功能事件可大幅增加；但最終人類委託仍可能只有一次，服務費仍可能沒有增加。

形式上令：

D_t^{final}=\text{指定口徑的最終需求量},

I_t^{AA}=\text{A2A 功能事件計數}.

則：

I_{t+1}^{AA}>I_t^{AA}

並不能單獨推出：

D_{t+1}^{final}>D_t^{final}.

這個結論來自不同事件單位，而不是反 AI 的價值判斷。

18.2 也可能真的創造新需求

若 Agent 降低企業取得稀缺資訊的成本，使原本不可交付的跨境醫療行政、教育或工程服務變得可行，新的最終需求確實可能出現。必須比較沒有該 Agent 路徑時的反事實狀態，才能辨識淨增量。

因此區分：

\Delta D_{\mathrm{gross}} =\Delta D_{\mathrm{substitution}}+\Delta D_{\mathrm{new}}+\Delta D_{\mathrm{measurement}}.

這是概念性的會計分解框架：實證時三分量須依明確反事實和分類定義校準，不能在沒有資料時把它們當作天然可觀測、加法封閉且互斥的數值。

19. 提案 C：代理投入、權限與有效供需具有非線性關係

19.1 加入 AI 不保證有效能力同比提高

在既有 EWDT-12 及 EWDT-22 中，AI 名義存取與實際可達能力不同。一個企業有 Agent 訂閱，不表示它已有適合任務的資料、授權、驗證能力、運算預算及組織整合能力［I3］［I8］。

令 $n$ 為任務中有效 Agent 數量， $Q(n)$ 為品質校正後可接受成果， $C(n)$ 為完整組織及資源成本，則淨任務貢獻可概念性定義為：

\Pi(n)=V(Q(n))-C(n).

即使：

Q(n+1)\ge Q(n),

也不代表：

\Pi(n+1)\ge\Pi(n).

因為額外 Agent 可能增加仲裁、時間延遲、重試、權限風險及審計支出。

19.2 最低成本可行結構與「代理數量最大化」的差異

更合理的研究問題不是一律增加 A2A 事件，而是給定任務接受門檻 $Q^*$ 與合法性守衛 $\mathcal A$ ，求候選組織結構 $G$ ：

G^*\in \arg\min_{G\in\mathcal G_{\mathrm{adm}}} C(G) \quad\mathrm{subject\ to}\quad Q(G)\ge Q^*.

此模型要求評估合法、可行的候選代理協作圖，不等同於已經找到所有現實工作的全域最適組織，也不表示品質一定能還原成單一標量。

19.3 預期的雙相變化

AI 在 9 格中可能同時帶來：資訊取得更廉價，以及對少數 Agent 平台的新依賴；交易成本降低，以及驗證與責任成本上升；個人可供給能力增加，以及個人獲取市場注意力困難加深。這些是可研究的條件方向，不能事先擇一宣布普遍成立。

20. 可重算個案一：一次一百元的購物如何跨越六種格位

以下完全是構造的會計示例［SIM-01］，不是觀測到的商業資料。幣值假設為美元，忽略稅及折舊以便看出重複計算問題。

20.1 情境

個人 C 欲向商家 $B_m$ 購買一項商品，最後交易價為 USD 100。商家提供 AI 導購與驗證服務，另外向 AI 服務商 $B_a$ 支付 USD 6，向資料供應商 $B_d$ 支付 USD 4，兩筆皆為商家的中間投入。

導購 Agent $A_1$ 代表商家協助個人；驗證 Agent $A_2$ 由 AI 服務商提供。功能活動紀錄如下：

序號	功能事件	格位	是否單獨構成對外最終銷售？
1	個人向導購 Agent 提出需求	C2A	否
2	Agent 向商家系統提交查詢／比較請求	A2B	否
3	商品／規格／庫存資料回到 Agent	B2A	否
4	$A_1$ 向 $A_2$ 提交核驗任務	A2A	否
5	Agent 對個人產出比較與建議	A2C	不單獨計價
6	商家把商品交付給個人	B2C	是，商品最終成交 USD 100
7	AI 服務商向商家提供已驗證代理服務	B2B（契約層）；A2B（執行層）	USD 6 中間投入，不是新增最終商品
8	資料商授權商家代理流程取得資料	B2B（契約層）；B2A（交付層）	USD 4 中間投入，不是新增最終商品

八列是不同觀測事件或契約敘述，但不是八項互相獨立的最終產出。第 7、8 列的功能實作已部分反映在前面路由中，尤其不能因為一筆服務同時具有 B2B 與 A2B 語義，就記兩次 USD 6。

20.2 最簡化的價值增加帳

假設 AI 服務商與資料商在本例沒有其他中間投入，且全部在同一統計經濟體內（此假設僅為簡化），那麼：

VA_{B_m}=100-6-4=90,

VA_{B_a}=6, \qquad VA_{B_d}=4.

總附加價值：

VA_{\mathrm{total}}=90+6+4=100.

三家公司開立的名目銷售發票合計則是：

100+6+4=110.

USD 110 是此簡化網路的總銷售／總產出路由額，不是同一批最終商品的 USD 110 GDP。若所有其他條件不變，按增加值法得到的對應生產額為 USD 100。真實國民所得帳還需考慮地域、存貨、進口、稅、無形資產資本化、平台佣金及產業投入細節，本文不以此構造例直接代替正式統計。

20.3 如何證明矩陣有價值，又不過度宣稱

九格矩陣可回答「這次購物 AI 參與了哪些功能關係」「商品資料交付了給誰」「哪個 Agent 驗證結果」。法律及統計帳則回答「誰簽約付款」「哪個企業有多少中間投入」「最後產生了多少附加價值」。

這兩套答案互補，不是相互替代。

21. 可重算個案二：一個免費 AI 回答與一份付費資料授權

構造兩種情境［SIM-02］：

情境 A： 一份企業公開研究被 Agent 合法讀取，Agent 整理後向個人提供免費答案。功能路徑可能是 B2A、A2C、C2A（提問），但未必有任何資料授權付款；背後可能仍有模型訂閱、廣告或平台營運成本。

情境 B： 同一供應商與某企業簽署年度 USD 12,000 的資料授權，讓該企業 Agent 以 API 使用研究資料。功能路徑仍有 B2A、A2B，但合法金流可能主要是 B2B。

兩個情境的九格路徑部分相同，經濟計價卻完全不同。由此可知：功能格位本身不是價格函數，也不能從事件數量單調推算市場收入。

當價格、授權、內容品質、替代來源和付款來源不同，對同一類 B2A 活動可存在多種均衡。這呼應 AIEC-06 的機器資訊可支付性模型，亦避免將網站爬取量直接當成營收資產。

22. 可重算個案三：企業內部 A2A 與跨企業 A2A 的分離

構造兩家企業：甲公司使用自有 Agent $A_1$ 與 $A_2$ 完成財務預測，丙公司使用自己的 Agent $A_3$ 向外部 Agent 服務商的 $A_4$ 委託特定驗證［SIM-03］。

關係	內部／外部	可能的經濟帳
$A_1\rightarrow A_2$	同公司內部	A2A 功能事件；公司內部成本
$A_3\rightarrow A_4$	跨公司	A2A 功能事件；若有服務契約，另有 B2B 合約與付款
驗證後回傳企業部門	可以兩種皆有	A2B 成果交付；可能是內部產出或購買服務

此例亦說明兩個不同問題：一是「是否存在 Agent 間可接受的任務委託」；二是「此委託是否建立獨立市場交易」。第一個問題需執行、交接及驗收證據，第二個問題需財務及制度證據。

進一步反例： 如果企業把原本需要外包的人工作業改由內部 A2A 系統完成，對外市場交易次數可能下降，但企業內部功能事件可能增加；這不能直接稱為 AI 經濟衰退，也不能單憑企業成本下降聲稱整體社會福利必定上升。

23. 第一代事件資料字典與編碼合約

23.1 最小資料表

為了能從現實工作流重建九格矩陣，本文建議保留以下表與主鍵：

資料表	最小主鍵	建議保存的核心欄位	防止的誤判
`task`	`task_id`	委託類型、開啟／結束時間、合格結果、情境、最終需求方	Agent 多步驟被錯當多個最終需求
`functional_endpoint`	`endpoint_id`	B/C/A、是否 persistent、營運歸屬、組織邊界	B/C/A 非同型主體被混用
`event`	`event_id`	`task_id`、發出端、接收端、事件類型、時間、狀態、結果	重試與封包被當成交易
`authority`	`authority_id`	委託者、權限範圍、核驗、有效期限、撤銷	Agent 執行與授權被混淆
`asset_or_service`	`resource_id`	內容或服務版本、來源、權利種類、取得條件	相同 URL 被當成同一授權版本
`contract`	`contract_id`	真正簽約主體、義務、價格機制、履約期限	功能性 A 被當成合約法人
`payment`	`payment_id`	付款方、受款方、金額、幣別、授權與結算狀態	付款發起被當成結算成功
`outcome`	`outcome_id`	任務通過標準、人工復核、替代路徑、風險事件	呼叫量被當成效益

欄位應按資料保護及比例性原則保存；不要求所有研究取得可識別的完整個人資料。企業也可使用不可逆 pseudonym、聚合統計及受限制存取的評估環境。

23.2 事件編碼最低品質閘門

沒有 task_id 的事件，不得自動推斷其是否來自獨立終端需求；
沒有可核驗付款紀錄，不得將 B2A 存取直接記作授權成交；
沒有跨組織證據，不得僅憑 A2A 互動記為對外市場；
沒有權限資料，不得假設任何 Agent 自行具有付款或授權權；
無法辨識端點類型時，明確標註 unknown／ambiguous，而非必須塞進九格；
付款金額的統計需保存幣別、期間和中間投入地位，避免錯誤加總；
任何「AI 使用率」應保留觀測定義與檢出誤差估計；
研究必須提供不含 AI 的可比較基線，才能分析增量效果；
同一事件在多層帳中出現時需保留共同唯一鍵；
未獲合法觀測權限的資料不能因研究需要而被當作默示可取。

23.3 標準化輸出不必等於標準化底層技術

九格資料字典只是一套可核驗的研究紀錄抽象。它不要求所有產品採用特定模型、平台、支付協議或記憶架構，也不要求網站只能透過 API 使用。HTTP 存取、圖形介面操作、企業內部任務和離線代理協作均可能需要轉成相同的功能事件欄位，但每一種資料來源的可觀測程度與偏差必須另記。

24. 十項可反駁假說：九格不能停留在命名

以下十項均是候選假說，不是當前已證成的世界趨勢。每項都必須在明確的產業、地區、樣本、任務種類和觀測時間窗下操作化；若無法取得所需資料，應回報「暫不可判定」，不得把資料缺口當作支持證據。

H1｜AI 執行參與的漏記假說

候選命題： 在企業已大量導入可操作 Agent、但流程系統只保存 B2B／B2C 合約紀錄的產業中，經授權檢驗的 A 端功能事件占比，預期高於僅從合約種類可推得的 AI 參與占比。

觀察設計： 對已同意研究的企業，抽樣比較代理執行日誌、人工工單、授權記錄與財務合約；在盲態核驗的工作流中計算差異。反證條件： 合約與既有工作流統計已能高覆蓋率辨識 AI 參與，新增功能層幾乎不提供增量辨識資訊。

H2｜功能九格與最終成交不等比假說

候選命題： 控制工作量、客戶需求與價格後，某些產業中 A2A 功能事件數量的成長率可持續高於合格最終任務數與市場成交筆數的成長率。

觀察設計： 同時保留唯一 event_id、task_id、contract_id 和 payment_id，在可比較期間估計相對成長率。反證條件： 足夠廣泛的樣本在控制任務組成後顯示 Agent 事件增加總與最終成交同比，且沒有分解誤差。

H3｜A2A 協作的非單調淨效益假說

候選命題： 在需要協調與多次驗證的任務中，增加 Agent 數量或交接深度，最初可能改善品質，但超過任務相對最佳區間後，其額外驗收成本與等待成本可能超過品質收益。

觀察設計： 將同型工作隨機分配單 Agent、少量協作與多代理隊列，固定模型預算和品質標準，觀察淨任務貢獻及錯誤率。反證條件： 在事前選定的可行規模區間內未出現品質校正後淨效益回落，且不同任務重複實驗仍如此。此假說是有條件的，不聲稱任何 A2A 設計必定存在內部最適。

H4｜B2A 增加與人類直接訪問分離假說

候選命題： 對部分機器可讀性高、一般性資訊密度高的公開內容供應者，B2A 有效內容取得量可增加，而相同資源的人類直接頁面點擊維持平穩或下降。

觀察設計： 使用合法且適當去識別的站內請求、成功內容取得與人類頁面互動紀錄，控制網站更新速度、搜尋季節性及政策變化。反證條件： 在主要適用領域，B2A 增長普遍且穩定地帶來同等幅度的人類直接訪問增長。本假說並不要求所有 B2A 都形成付費。

H5｜A2B 的組織互補條件假說

候選命題： 在模型能力相近的企業中，具有明確資料管線、任務驗收與權限治理的組織，其 A2B 品質校正產出更可能高於缺乏相應互補條件的組織。

觀察設計： 跨企業面板與流程導入前後差異分析，測量治理成熟度及 AI 預算，使用分階段部署或合理自然實驗識別。反證條件： 在控制產業、管理品質及選擇偏差後，互補條件對可接受 A2B 成果沒有實質關聯或呈系統性的反方向結果。

H6｜C2A 的權利條件改變可用資料供給假說

候選命題： 當個人資料或作品的授權條件變得更細緻、可撤銷、可核對時，某些專業內容供應者可能更願意提供經驗證、用途限定的資料；但總量也可能因合規成本而下降。

觀察設計： 隨機比較不同授權介面、風險聲明及撤銷機制，測量自願提供率、品質、撤銷及實際採用。反證條件： 調整條件並未在預先指定的內容與群體中產生方向可辨的參與差異。研究需保留負效果和異質性，不預設權利明確化必然增加供給。

H7｜法律付款方與功能需求方的分離假說

候選命題： 在 Agent 主導的專業資訊採購場景中，直接功能接收端 A 的比例可能高於在正式付款或合約文件中被列為買方的 A 比例；而後者依現行常見制度可能接近零。

觀察設計： 已同意參與研究的授權事件與付款紀錄配對，區分 Agent 操作身分、委託企業及真正付款機構。反證條件： 實測顯示功能接收端與契約付款主體高度一致，且已具備可辨識的 Agent 獨立買方制度。此假說尤其依賴法域，未來法律改變可使其失效。

H8｜九格標註改善問題診斷假說

候選命題： 相對只保存「人類／非人類」或 B2B／B2C 類別的資料集，增加九格功能事件和任務鏈識別後，在特定可觀測任務中可改善故障歸因、錯誤定位或資源配置決策。

觀察設計： 預先註冊具體診斷任務，隨機對分析團隊提供不同層次資料，測量判斷正確率、時間與誤報。反證條件： 增加九格及事件關係後未改善診斷，甚至因資訊成本與標註錯誤使品質惡化。

H9｜市場跨格路徑的任務異質性假說

候選命題： 雖然不同行業可能具有相似的 A2C 使用率，其後續對 B2C、C2B 或 A2B 的傳導比例可能顯著不同；將所有產業使用率視為相同 GDP 乘數將導致可觀測的系統偏差。

觀察設計： 對教育、軟體、研究、零售與專業服務建立一致的任務定義並做跨產業事件路由分析。反證條件： 經控制任務與制度異質性後，單一穩定傳導率足以解釋不同產業且誤差小於預先指定門檻。

H10｜可驗證委託紀錄降低統計歸因偏差假說

候選命題： 在獲得事前同意的代理流程中，具備明確委託、Agent 執行、授權用途及結算聯結紀錄的系統，會比僅依登入帳號或操作時間推定的系統，更準確地識別人類、AI 與混合參與比例。

觀察設計： 在受控、可審計的任務樣本中，以已知 ground truth 比較不同分類器的 precision、recall、錯誤歸因與覆蓋率；同時紀錄隱私成本和非合作平台的可用限制。反證條件： 授權與委託紀錄沒有增加識別準確度，或因部署限制和資料品質而使總體估計更差。

25. 實證研究設計：2027–2028 年作為動態觀測窗口

25.1 研究時段不是預言的轉折年份

本文將 2027–2028 年視為延續觀測窗口，而不是認為這兩年必然形成新的全球經濟臨界點。研究應使用 2025–2026 年可得之既有資料建立前期基線，並依資料的觀測頻率和可得性設置季度、半年或年度更新。

與 AIEC-10、12 的分工是：本篇只確認九格在不同任務中的分類有效性與部分條件性經濟指標；跨季度的因果延遲、文明級世界轉化研究，將在後續專篇完整處理。

25.2 三層抽樣單位

本系列不鼓勵只用網域流量或 Agent 服務總調用量推測宏觀經濟。最小研究可設三種主樣本：

任務樣本：由個人／企業合法委託的可界定工作流程，具有前後條件與驗收標準；
交易樣本：在授權的企業或支付系統中，可配對採購、合約、結算和退款的紀錄；
內容／服務供給樣本：可比較機器與人類接觸、授權要求、版本差異及實際使用的資源。

這三個樣本不得逕行合併為一種「AI 經濟事件母體」。研究報告要說明抽樣權、平台遮蔽程度與被拒絕存取的分布。

25.3 建議分層研究領域

第一代可以設軟體／API、專業知識資料、電商／零售、個人創作平台、企業內部知識作業等主要類型。每一型都分辨免費使用與正式成交、內部 Agent 與跨組織 Agent、一般資訊任務與可用於重大決策的任務。

該研究領域列表不應直接被當作整體經濟代表。農業、製造、醫療、教育、政府與國際貿易等領域，將具有不同的制度與物理瓶頸；尤其政府 G 的正式路徑要放入第八篇，以避免本篇越界。

25.4 反事實基線及研究策略

階段導入設計： 觀察企業逐部門導入 Agent 的前後變化，但要控制同時發生的系統改版、景氣與人力調整。若具備平行趨勢、無預期效應、穩定觀測及相關假設，可探索差異中的差異或事件研究；不能只憑圖表的前後變化聲稱 AI 因果效果。

任務隨機分配： 在受控與合規的低風險工作中，隨機分派人類操作、單一 Agent、多人機協作及多 Agent 工作流，測量任務品質、成本、時間、風險與人類復核負擔。

平台資料聯結： 取得企業、平台、支付方合法授權後，將功能事件與付款帳本去識別聯結。研究須報告缺失連結與樣本存活偏差，尤其不能以平台自願提供的最佳案例作為市場普遍結論。

制度變更自然實驗： 若協議、授權限制、機器存取定價、產品發現入口或 Agent 使用條款發生變化，可在適當條件下使用對照組研究，並將法域、時間與適用範圍列入模型。

25.5 最低統計模型（候選）

例如研究業務結果 $Y_{i,t}$ ，可在資料允許時設定：

Y_{i,t} =\alpha_i+\lambda_t+\beta A_{i,t}+\theta Z_{i,t}+\varepsilon_{i,t},

其中 $A_{i,t}$ 為按明確標準測量的 Agent 參與率， $Z_{i,t}$ 為可觀察控制變數。若 $A_{i,t}$ 與企業能力、資本投入及管理品質同時內生決定， $\beta$ 不能直接解釋為因果效果。

若研究功能格位路由與終端結果，可使用分層模型或事件路由矩陣，但應先說明資料單位、端點缺失和角色標註誤差。在某些領域，僅用有限描述統計與精確個案，比使用表面複雜卻不可辨識的模型更加合理。

25.6 可觀測指標面板

指標	建議定義	必須保留的限制
`functional_agent_share`	抽樣任務中有可驗證 A 參與之任務比例	不等於 AI 占 GDP 比例
`A2A_task_depth`	每合格任務的代理交接深度分布	不等於效率或品質
`B2A_effective_acquisition`	成功且合法的機器資源取得量	不等於模型訓練採納
`A2B_verified_output`	企業接受的品質校正成果	不等於財務收入
`C2A_permissioned_supply`	自願授權且可記錄用途的個人供給量	不等於內容永久可使用
`payment_to_actor_gap`	功能 Agent 需求端與法律付款端的分類差距	依市場與法域變化
`event_to_task_ratio`	同一工作流功能事件與終端任務之比	不等於經濟產值倍數
`cross_org_agent_share`	涉及不同營運組織的 A2A 工作流占比	不等於跨公司付費比例
`net_incremental_value`	適當反事實下之品質校正淨增加值	需強化因果識別
`attribution_unknown_share`	缺乏可靠端點或委託紀錄之事件占比	未知不可任意歸入 AI

26. 為什麼不能只從帳號、OAuth 或操作風格判定九格

26.1 帳號與實際執行者的分離

同一人類帳號可以由本人直接使用、由受委託的 Agent 使用，也可以由人類與 Agent 接力共同完成。OAuth 是授權框架，其存在不等同於「這次每一個動作都由人類親自完成」。同時，OAuth 本身也不是不能表達委託的原始架構；RFC 8693 明確處理 Token Exchange 及 act Actor claim，可用來表示委託代理及代理鏈［E6］。

這意味著「OAuth 登入」與「無法提供 Agent 歷史」不是同義詞：關鍵還包括平台是否實際採用、實際保存了哪些語義，以及實體執行的操作是否被可核驗地連結到委託紀錄。

26.2 GUI 操作使技術來源判斷更加困難

AI 可以透過圖像觀察、滑鼠鍵盤操作與一般人機介面執行任務。這代表「非 API」不是可靠的人類身分證明。相反，單純在 API 上發起請求也可能源自人類親自編寫的自動化腳本；API／GUI 是技術存取途徑，不是完整的執行主體分類。

因此應區分：

\text{Account identity} \neq \text{Interaction medium} \neq \text{Functional executor}.

不過，這不代表任何平台的偵測都必然無效，也不構成未經允許繞過網站使用條款或驗證機制的正當性。更好的可信任委託紀錄、行為證據與風險治理可以互補，而不是選擇完全相信其中一種。

26.3 AI 味並非出處證明

人類可能受到 AI 風格影響而寫出看似生成式的文章；AI 也可能依特定需求形成接近某人寫作風格的內容。內容風格、創作責任、實際撰寫者、發布帳號及經濟受益者不是同一證據欄位。

本篇因此不將「AI 味」納入九格功能分類的直接 ground truth。可將不確定性標為 unknown，待有足夠流程及來源證據才調整。

26.4 第九篇的明確接棒處

本文僅提出多角色與事件資料模型；AIEC-09 才負責系統性展開 account、principal、executor、payer、beneficiary、authority 與 receipt 的對應，及人機共同執行的因果歸屬。這項分工是防止第七篇範圍失控的必要邊界。

27. 從單一九格到跨格路徑：經濟耦合的第一代語法

27.1 路徑具有順序與依賴

給定同一終端任務 $q$ ，可將其關係事件依時間排序：

\mathcal P(q)=(e_1,e_2,\ldots,e_k).

但這不代表所有路徑必須線性：多 Agent 可以平行工作；資料來源可以提前快取；付款可能先於存取；流程中也可能有跨期回補與退款。故 $\mathcal P(q)$ 在一般情況下應理解為具有時間及依賴結構的事件偏序或有向無環／含回饋的工作圖，而不必硬寫為單一串列。

最小跨格路徑可以示意為：

C\rightarrow A_1\rightarrow A_2\rightarrow B\rightarrow C.

若不註記事件型別，這串箭頭仍不足以知道誰提交任務、誰支付款項，以及產品是否真的交付；箭頭只提供待辨識的方向骨架。

27.2 代理供給的雙相作用

若企業 B 透過 B2A 更容易讓 AI 使用自己的商品資訊，可能提高其面向人類 C 的銷售；同時若 AI 提供足夠完整的免費比較結果，人類也可能減少對 B 官方網站的直接造訪。因此：

\Delta M_{BA}^{(\mathrm{information})}>0

與：

\Delta \mathrm{DirectHumanVisits}_B<0

可以在某些情境下同時成立。但這並不保證：

\Delta \mathrm{Revenue}_B>0

或其相反。中間仍有推薦結果、替代產品、價格、用戶信任、商品轉換與付款結算等過程。這是 AIEC-01 至 06 的多節點版本。

27.3 企業策略可能反饋給 Agent 選擇

若商家大量投資使資料更可機器讀取，Agent 可能改變資訊來源配置。若 Agent 依價格和履約率重新排序，商家又可能調整價格與廣告。這產生雙向反饋；但第七篇仍不負責完整動態模型，後續 AIEC-10、11 才會將觀測與行動反身性納入時間方程。

28. 與既有經濟學的關係：擴充分類，不取代分析

28.1 多邊平台

Hagiu 與 Wright（2015）研究多邊平台相對垂直整合、轉售及投入供應等安排的取捨，說明市場的邊數、定價及組織界線本來就需要辨認［E8］。九格矩陣不是多邊平台理論的替代者，而是增加一層「誰在功能上執行與接收服務」的觀測：一家平台可能同時是 B 供應者、Agent 營運商及法律上的市場中介。

28.2 資料外部性

Bergemann、Bonatti 與 Gan（2022）研究資料中介、偏好訊號及社會資料外部性［E9］。這提醒九格不能因 C2A、C2B 提供資訊，就假設資料只影響資料提供者本人；其他使用者也可能受資料推論及分享外部性影響。權利與社會福利問題不是九格計數可直接解決。

28.3 技術與組織互補

Brynjolfsson、Hitt 與 Yang（2002）關於資訊技術與組織無形資產的研究指出，技術價值與組織實踐具有重要互補關係［E10］。因此 A2B 的真正產出可能依賴企業如何重設工作流、驗證和責任制度；僅以模型能力或 Agent 啟動數推估企業收益，容易形成錯誤投影。

28.4 國民所得核算

九格對新經濟活動的功能分類具有解釋價值，但不能直接取代既有 SNA 的機構單位、生產邊界、產出與中間消費核算。2026 年 IMF 研究還指出，生成式 AI 可能帶來生產力與非市場產出的量測挑戰［E11］。這支持細緻觀測的研究需求，不代表已獲得以九格重算全球產值的正當性。

28.5 風險與權限治理

NIST AI Risk Management Framework 是自願性的 AI 風險治理框架，要求在設計、部署與評估中處理可信任性等面向［E7］。本篇的功能性標籤是對治理分析的輔助：記錄 Agent 參與不等於替操作者免責，更不等於執行代理可以不受人類及組織授權約束。

29. 與經濟世界域轉化理論（原稿 EWDT）的正式接口

29.1 保留既有正本命名

既有雲端母論文中文名稱為《經濟世界域轉化論》，英文 Economic World-Domain Transformation Theory，原始稿以 EWDT 編號。本輪討論亦曾使用 EWOT 縮寫，但尚未完成正式命名對齊。因此本文不更改既有原始文獻的 EWDT 標識，也不宣布新系列取代母論。

29.2 九格投影不是世界域本身

EWDT-01 將經濟世界狀態構成為對象、關係、類型、合法性、歷史、可行集合、意圖與觀測等結構［I1］。沿用其最小表示：

\mathfrak W_t =\langle X_t,R_t,\Theta_t,A_t,H_t,\Omega_t,I_t,O_t\rangle.

在指定事件層與觀測條件下，本篇九格是經濟世界域關係資訊的一個投影：

\Pi_{BCA}^{(\ell,H)}:\mathfrak W_t \mapsto M^{(\ell)}(H).

這個投影保留功能方向，卻通常會丟失企業內部階層、法律人格、完整支付網路、多方義務、歷史路徑與高階依賴。因此兩個世界擁有相同的九格數值，完全可能有不同的產業結構與未來。

\Pi_{BCA}(\mathfrak W_1)=\Pi_{BCA}(\mathfrak W_2) \not\Rightarrow \mathfrak W_1\simeq\mathfrak W_2.

這就是 EWDT-02「投影充分性是任務相對的」在 AI 功能關係分類中的直接應用［I2］。

29.3 從關係本體到不同任務下的可分性

EWDT-05 已強調耦合、依賴與互依不同，也區分關係結構與節點屬性［I1］。九格只說「誰對誰發生何種類型作用」，並不能直接表示關係是否不可替代、歷史上如何形成、能否在危機中拆分及退出成本多高。

因此對每種 $M_{ij}^{(\ell)}$ 的深入研究，仍需結合供需型別、法律守衛、歷史沉積和有效可行集合，而不是只做矩陣熱度排名。

29.4 智能資本與能力不均衡

EWDT-22 區分名義 AI 存取與有效 AI 能力，提醒「都有 Agent」不表示具有相同的資料、工具、授權、預算、驗證與組織整合能力［I8］。因此九格即使全面出現，各主體獲得的世界域轉化能力也可能高度不對稱。

29.5 最小世界轉化命題

假定某種 A2B 或 A2A 功能關係已經存在，其出現只說明新的執行路由被啟用，不自動推出：

\Omega_{t+1}\supsetneq\Omega_t.

要主張經濟世界域擴張，還需要證明既有不可實現的新任務、新服務或新制度狀態，在資源、驗證、授權、部署、需求吸收與維持條件下變成了可實現狀態；這是 EWDT-18 及 EWDT-21 與本篇的根本邊界［I4］［I5］。

30. 模型可用性的判準：什麼時候只用九格反而更好？

增加研究變數並不天然提升研究品質。EWDT-EX02 已明確區分「人類算不動」「目前工程上難實作」與嚴格數學不可計算性［I9］。因此九格應被視為任務相對、可驗證、可逐步細化的起點。

具體來說，當研究只問「企業向 AI 服務的資料需求是否增加」「個人向 Agent 提供資訊是否形成不同授權條件」，九格與事件層資料可能已經足夠。

當研究問「究竟誰合法付款」「誰對錯誤交付負責」「兩個企業 Agent 之間的委託是否跨境履約」，就必須增加制度、付款與責任映射。

當研究問「AI 對全球勞動、資本、稅收、能源與文明時間的總體變化」，九格必然遠遠不足，需按 EWDT 既有微觀—中觀—宏觀—超宏觀結構擴張，並另行辨識反事實條件。

因此本文提出一項最低程序原則：

先在九格範圍內建立穩定、可覆核的事件定義，再根據測量任務的資訊損失決定下一次展開，而不是提前把所有可能格數塞入一次模型。

這是研究治理與資料工程上的建議，不是對宇宙或經濟本體存在固定九格的宣稱。

31. 未解問題、反方向情境與研究限度

31.1 分類的結構限制

九格天然忽略：主體多重身分、非營利組織、公共機構、跨國法人集團、共同代理、多人協作、非市場生產、共同資產及多方外部性。不能用九格缺乏這些類別就推論它們不重要。

31.2 A 的最低判準仍可爭論

普通程式化自動化腳本、規則引擎、機器學習模型和較高自主性 Agent 之間可能存在連續譜。不同研究若採不同的 A 門檻，格位統計不具直接可比性。研究需同時公布最低 Agent 定義與敏感性分析。

31.3 測量 AI 參與率可能有方向性偏差

沒有可信任的執行日誌、受委託者未聲明身分或平台不能跨組織驗證來源時，部分 Agent 行為可能被歸入 C 或 B。另一方面，某些規則式機器人或人類的 AI 風格內容，也可能被誤判為 AI 行動。誤分類在不同平台、產業及法域未必對稱。

31.4 付費與免費的價值不能直接轉換

大型免費 A2C 服務可能提高消費者福利但沒有同比增加市場收入；企業內部 A2B 可以節省成本但未必產生新合約；B2A 合法免費取得可能有資訊價值卻沒有授權收入。若依交易額估值，容易忽略非市場效益；若用推估福利全面替代交易額，又會失去可審計性。

31.5 9／16 不宜提前外推成完整地球文明模型

本篇未處理政府 G 的七種新增方向。以 B／C／A 三主體九格直接推論稅制、公共採購、跨國政策、法律責任及社會福利，均屬過度外推。第八篇將另外建立四主體功能矩陣，並處理 B、C、A、G 並非同型的分類問題。

31.6 企業 Agent 成功不等於文明閉合成功

某公司導入 Agent 後效益增加，可能伴隨供應鏈依賴、勞務重組、資料集中或環境成本。EWDT-21 已提出生產、消費、參與與生活世界的分離［I5］。本篇不預設任一格位的擴張具有普遍福利正號。

31.7 形式分類不代表全面可識別的因果

九格只是分類語法，不能解決所有因果識別與資料取得困難。任務分解、替代供應商、組織調整與平台策略可能共同變動；沒有反事實設計，就不能從格位量變直接斷言 AI 致因。

32. 結論：九格的價值，不在格數，而在避免錯誤的同一化

本篇正式建立 B／C／A 功能性九格關係模型。由三個功能端點的有向二元配對得到九種基礎分類：B2B、B2C、B2A、C2B、C2C、C2A、A2B、A2C、A2A。這份分類既保留原本企業與個人的四格經濟關係，也讓 AI 作為直接執行者、資訊使用端、資源調用端與任務供給端的活動不再只能隱藏在原有帳號和合約之下。

然而，本篇最重要的結果不是「四變成九」，而是三個型別區分：

第一，功能參與不等於獨立法律地位。 Agent 可以代表人類或企業接收服務、比較商品或提交成果，但不能僅憑功能格位推斷它自己持有合法財產、能簽署獨立契約或獨立承擔責任。

第二，活動倍增不等於最終需求倍增。 一次人類需求可以生成數十個機器請求、多層 Agent 委託和不同方向的功能事件，仍可能只對應一筆最終購買；也可能真的創造新服務或新可行集合。必須用任務、契約、付款及附加價值帳分別核驗。

第三，分類不等於世界。 九格是對特定經濟世界關係的任務相對投影；真實世界仍包含歷史、制度、權利、供需、組織、資源、資訊、稀缺性和跨期耦合。更大的模型有時必要，但不應在第一代的主鍵、方向與單位尚未確定時盲目擴充。

因此，九格的第一個成果是一套能夠承認「AI 已參與經濟」，同時拒絕「凡 AI 參與都算獨立市場交易」的研究語法。這個語法為下一篇的 B／C／A／G 十六格制度擴充提供基礎，也為後續代理身分辨識、跨格經濟路由及文明級 EWDT 研究奠定可覆核、可修正的起點。

系列交接： AIEC-08《從九到十六：公共部門、制度與 AI 經濟傳導》。二十四格分類暫不啟動。

參考文獻與可核對來源

本篇區分外部公開文獻與制度材料［E］、EveMissLab 既有研究［I］及本文示意模型［SIM］。外部來源的存在只支持其文件確實發布、其描述的技術機制或該研究的特定發現；不能自動證實本文所有關於九格、未來採用率和全球經濟效果的候選推論。

A. 外部標準、官方文件及學術研究

［E1］ United Nations et al. (2025). System of National Accounts 2025, pre-edit/white-cover version. 官方入口：https://unstats.un.org/unsd/Nationalaccount/sna.asp ；草案／預編排 PDF：https://unstats.un.org/unsd/nationalaccount/docs/2025_SNA_Pre-edit.pdf 。用於確認 GDP、總產出及中間消費的基本計量邊界。不是九格模型的直接來源。
［E2］ U.S. Bureau of Economic Analysis（查閱：2026-10-16）. Guide to the Interactive GDP-by-Industry Accounts Tables. https://www.bea.gov/resources/guide-interactive-gdp-industry-accounts-tables 。官方文件明示跨產業總產出合計可能重複計入中間投入。
［E3］ OpenAI（查閱：2026-10-16）. Agents SDK: Orchestration and Handoffs. https://developers.openai.com/api/docs/guides/agents/orchestration ；Handoffs (Agents SDK). https://openai.github.io/openai-agents-python/handoffs/ 。支援 manager-as-tools、handoff 等不同協調方式；不證明 A2A 具有獨立法律人格或廣泛市場規模。
［E4］ A2A Protocol／Linux Foundation（查閱：2026-10-16）. Agent2Agent Protocol v1.0.0, official documentation and specification. https://a2a-protocol.org/v1.0.0/ ；https://a2a-protocol.org/v1.0.0/specification 。用於 Agent 能力發現、任務協作與跨系統互通的公開技術基礎；協議通信不等於成交證明。
［E5］ Google Agent Payments Protocol（查閱：2026-10-16）. Agent Authorization Framework. https://ap2-protocol.org/ap2/agent_authorization/ ；開源原稿：https://github.com/google-agentic-commerce/AP2/blob/main/docs/ap2/agent_authorization.md 。授權委託、Mandate、核驗者與 Receipt 之角色分離；本文不推定所有支付平台已採納。
［E6］ IETF (2020). RFC 8693: OAuth 2.0 Token Exchange, §4.1 Actor Claim and §4.4 Authorized Actor Claim. https://www.rfc-editor.org/rfc/rfc8693.html 。用於委託主體與實際執行者的區分；OAuth 的部署方式仍依平台而異。
［E7］ National Institute of Standards and Technology (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). https://www.nist.gov/itl/ai-risk-management-framework 。自願風險治理框架；引用僅用於治理、可信任性與執行責任的必要區分。
［E8］ Hagiu, A., & Wright, J. (2015). Multi-Sided Platforms. International Journal of Industrial Organization, 43, 162–174. DOI：https://doi.org/10.1016/j.ijindorg.2015.03.003 ；出版摘要：https://www.sciencedirect.com/science/article/pii/S0167718715000363 。提供平台組織型態及多邊互動研究的傳統經濟學前置。
［E9］ Bergemann, D., Bonatti, A., & Gan, T. (2022). The Economics of Social Data. The RAND Journal of Economics, 53(2), 263–296. https://doi.org/10.1111/1756-2171.12407 。提供資料中介與資料外部性的經濟學前置。
［E10］ Brynjolfsson, E., Hitt, L. M., & Yang, S. (2002). Intangible Assets: Computers and Organizational Capital. Brookings Papers on Economic Activity, 2002(1). https://www.brookings.edu/articles/intangible-assets-computers-and-organizational-capital/ 。說明技術與組織無形資產互補的實證研究背景。
［E11］ Tebrake, J., & Stassner, E. (2026-09-25). Generative AI and the Limits of Productivity Measurement in the System of National Accounts. IMF Working Paper 2026/201. DOI：https://doi.org/10.5089/9798229061681.001 ；https://www.elibrary.imf.org/view/journals/001/2026/201/article-A001-en.xml 。用於生成式 AI、非市場產出與國民所得測量之現代研究背景。

B. EveMissLab／Neo.K 既有理論前置

［I0］ Neo.K／EveMissLab（2026-10-16）. AIEC Paper 01–06. 本系列先前已完成之獨立 canonical UTF-8 Markdown：機器與人類可見性分離、AI 爬取與內容使用的分層、供給膨脹與注意力收斂、生成式搜尋商業入口、廣告主博弈、AI 資訊需求與付款分層。本文繼承其論證邊界，不把同一觀測重新宣布為新發現。
［I1］ Neo.K／EveMissLab（2026-09-23）. EWDT-01《經濟世界域轉化論：總論》. https://unboundedaxiom.org/p/lm-004439/ ；EWDT-05《經濟耦合論：可分、不可分與關係本體》. https://unboundedaxiom.org/p/lm-004441/ 。
［I2］ Neo.K／EveMissLab（2026-09-23）. EWDT-02《經濟投影失真論》. https://unboundedaxiom.org/p/lm-004440/ ；EWDT-07《供需的重新定義》. https://unboundedaxiom.org/p/lm-004422/ 。
［I3］ Neo.K／EveMissLab（2026-09-23）. EWDT-12《微觀世界域：個體、企業、AI 與有限可行集合》. https://unboundedaxiom.org/p/lm-004429/ ；EWDT-13《中觀耦合域》. https://unboundedaxiom.org/p/lm-004420/ 。
［I4］ Neo.K／EveMissLab（2026-09-23）. EWDT-18《AI 泡沫與經濟世界域擴張》. https://unboundedaxiom.org/p/lm-004409/ 。
［I5］ Neo.K／EveMissLab（2026-10-06）. EWDT-21《自動化社會閉合與廣泛世界域傳遞》. https://unboundedaxiom.org/p/lm-004966/ 。
［I6］ Neo.K／EveMissLab（2026）. MPD-12《AI–AI 生產關係：委託、分工、驗證與機器間協作》.。此為本文 A2A-L1／L2 研究的重要既有內部前置。
［I7］ Neo.K／EveMissLab（2026）. 《人工行動者政治經濟總論：投資、制度棧、HDUS 與多主體經濟的形成》. https://unboundedaxiom.org/p/lm-004580/ 。功能執行與較強 economic agency、權限及責任的概念來源。
［I8］ Neo.K／EveMissLab（2026-10-07）. EWDT-22《智能資本、有效 AI 可達性與世界域分岔》. https://unboundedaxiom.org/p/lm-004967/ 。
［I9］ Neo.K／EveMissLab（2026-09-24）. EWDT-EX02《理論太細，所以我自己也算不動：人類 AI 協力與計算化缺口》. https://unboundedaxiom.org/p/lm-004410/ 。
［I10］ Neo.K／EveMissLab（2026）. 《AI 內容付費與網路民主化經濟》. https://unboundedaxiom.org/p/lm-001221/ ；AICR／AICL 授權與 Agent 支付連接層草案.。本文不重寫其協議設計。

C. 模型示意與推導來源

［SIM-01］ 「單筆 USD 100 購物；商家 USD 6 AI 服務、USD 4 資料投入；USD 110 總銷售與 USD 100 總附加價值」為本文構造之純數學與會計示例，不是企業、產業或國家實際資料。
［SIM-02］ 免費 AI 整理與年度 USD 12,000 資料授權之比較為假設性制度反例，非市場定價估計。
［SIM-03］ 同公司 A2A 與跨公司 A2A 之對照為結構演示，非某真實 Agent 服務商之交易紀錄。

附錄 A. 九格計數的最小組合學證明

問題： 為何 B／C／A 的有向二元類型共有九格？

給定恰好三類功能端點集合 $\mathcal T_F=\{B,C,A\}$ ，每個有向類型由一組 ordered pair $(i,j)$ 決定。第一個座標有三種選擇，第二個座標有三種選擇；按乘法原理共有：

3\times3=9.

此結果只依賴端點型別組合。若排除同類互動，只有 $3(3-1)=6$ 種；若方向不重要且允許同類，只有 $3(3+1)/2=6$ 種。故「九種」的成立嚴格依賴有方向與允許同類交互。

對三方或更多方同時關係，直接採其他張量、超邊或角色元組，而不能把九格配對假裝成一切可能關係的全集。

附錄 B. 事件—任務—契約的非單射性

給定映射：

f:E_H\rightarrow\mathcal T_{\mathrm{task}},

將每筆功能事件對應到其終端任務。若至少存在兩筆不同的事件 $e_1\neq e_2$ ，且：

f(e_1)=f(e_2)=q,

則 $f$ 在該樣本上不是單射。因此事件數量不能唯一反推出終端任務數量。再進一步，如果兩筆不同終端任務都可以由同一年度服務契約完成，從任務到契約的映射亦可能非單射。

此推導證明的是分類逆推沒有唯一解，而不是所有系統中的事件數量都必然大於任務數量。若研究者保留完整映射關係，就可真正測量每項任務包含多少事件；若只保留總量則不能。

附錄 C. 相同九格矩陣不一定代表相同經濟世界

構造兩個假設世界：

世界一： 同一企業內部的 $A_1$ 、 $A_2$ 協作 100 次，沒有對外授權付款。

世界二： 100 次 A2A 協作分布於多家企業，存在跨組織授權及收費。

若只記錄 $M_{AA}^{(\mathrm{task})}=100$ ，兩個世界可產生相同矩陣數值；但法律關係、付款、治理依賴、競爭結構及福利可能不同。

由此可知九格投影不是單射；它能支援其任務定義下的方向研究，但不能單獨重建完整經濟世界。這是 EWDT-02 任務相對投影邊界的可構造反例。

附錄 D. 功能事件的示意流程（不構成技術協議或繞過偵測實作）

[委託需求／明示權限]
  → [建立終端 task_id]
  → [發現供給／服務或其他 Agent]
  → [產生帶方向與類型的 event_id]
  → [執行權限守衛、版本及來源核驗]
  → [保留實際交付與驗收狀態]
  → [若有交易：保留 contract_id 與 payment_id]
  → [依既有統計規則辨識中間投入與附加價值]
  → [更新九格功能事件矩陣及其未知比例]
  → [與未使用 AI 的任務基線比較]

這不是強制事件必須線性發生的狀態機，亦不建議蒐集無授權的跨站私人資料。重試、退款、先付款後使用、平行代理及長期合約皆要求補充分支語義。

附錄 E. 第八篇的最小交接契約

AIEC-08 應在本文穩定定義之上額外加入 G（政府與公共部門），並嚴格區分 G 作為經濟供給端、採購端、制度制定端、監管端與公共服務履行者。四種功能端點的有向二元配對，在相同組合學前提下形成十六格；但數量增加不等於更完整的文明模型。

第八篇不應改寫本篇既有 B／C／A 定義；需要修訂時，應明示型別變更及向下相容方案。政府 G 也可能同時是某 AI 系統的營運者，因此依舊需要功能端點和法律責任的二層映射。

AIEC-09 接續處理帳號、委託者、執行者、付款者、受益者、可信任聲明與識別誤差。AIEC-10、11、12 才將九／十六關係置入時間延遲、反身性建模及地球文明經濟世界域的長期研究。

原稿結束。 本文所有［SIM］為明示假設，所有［H］為待驗證命題。九格只提供第一代功能關係分類，不宣稱 AI 自主法律人格、九個新產業或九種交易額可直接相加。本文以 UTF-8 Markdown 保存為研究正本；任何後續修改應保留版本、命題差異與理論前置。