title

AIBT-12｜泡沫之後的 AI 科技樹：前奇點失配與文明正和判準

english_title

The AI Technology Tree After a Bubble: Pre-Singularity Mismatches, Regenerative Physical Capacity, and the Civilizational Positive-Sum Criterion

series

AI 泡沫、產業重整與文明適應論

series_code

AIBT

document_id

EML-AIBT-2026-12

series_position

Core Paper 12 / 12 — Final Synthesis

version

v0.1

date

2026-10-31

concept_by

Neo.K

research_collaboration

GPT-6

institution

EveMissLab／一言諾科技有限公司

language

zh-TW

status

完整核心系列收束原稿／可反駁跨層研究架構；未經同行評審；非已完成實證證明

canonical_source

UTF-8 Markdown; LF; no BOM

canonical_math_delimiters

single-dollar inline; double-dollar display

evidence_cutoff

2026-10-31 Asia/Taipei; 2027–2028 are prospective scenarios

parent_document

AIBT_00_研究總綱_AI泡沫產業重整與文明適應論_v0.1_2026-10-31.md

previous_paper

AIBT-11｜制度適應時間差、分配張力與 AI 朋克危機

canonical_theory_interfaces

SAS-01: Positive Regenerative Loop (2026-08-18) · EWDT-19: Economic World-Domain Phase Transition (2026-10-03) · EWDT-21: Automation Social Closure (2026-10-06)

AIBT-12｜泡沫之後的 AI 科技樹：前奇點失配與文明正和判準

The AI Technology Tree After a Bubble: Pre-Singularity Mismatches, Regenerative Physical Capacity, and the Civilizational Positive-Sum Criterion

《AI 泡沫、產業重整與文明適應論》（AIBT）／第四部・第十二篇／核心系列收束
理論問題提出： Neo.K
研究協作與正式整稿： GPT-6
研究機構： EveMissLab／一言諾科技有限公司
版本： v0.1／2026 年 10 月 31 日
資料截點： 2026 年 10 月 31 日（臺灣時間），不將 2027–2028 年寫成已發生歷史
研究屬性： 技術經濟學、產業組織、能源與物理支撐、家庭經濟、制度適應、文明判準、跨層可否證研究
限制： 不構成金融投資、個人職涯、法律、政治或特定公司管理建議；概念性模型尚無跨國完整實證校準。

作者： Neo.K
日期： 2026-10-31
原稿狀態： 完整核心系列收束原稿／可反駁跨層研究架構；未經同行評審；非已完成實證證明

摘要

人工智慧的金融估值、前沿模型能力、推理服務成本、產業部署、企業獲利、家庭購買力、制度適應與能源—製造—硬體支撐能力，並不是同一個時間序列。前沿模型公司可能遭遇估值修正、融資壓力與投資回收失配；部分中小 AI 企業和傳統數位產品公司可能因功能商品化、Agent 自動化與組織最小有效規模降低而被替代；受影響的勞動者及家庭可能先於制度保障到達而耗盡緩衝。但是，這些金融與社會衝擊既不能證明 AI 技術停止發展，也不能保證技術的實際價值會公平地轉換為收入與生活改善。

本篇作為 AIBT 核心系列第十二篇，以「泡沫後技術擴散與金融回報解耦」「前奇點能力—物理支撐缺口」「文明收益傳遞及其跨期保障」三條主軸，整合 AIBT-01 至 11 的論證。文章把 AI 科技樹視為由前沿能力、可部署能力、算力與能源、基礎設施、科學及實體工程、經濟交易與治理條件構成的多維、異質、可部分替代的演化網路，而不是把任一模型 benchmark、股市指數或資料中心支出當作文明的單一進步尺標。在此框架下，金融泡沫破裂可能與某些技術分支繼續改進並存，也可能透過融資收縮傷害另一些分支；「AI 科技樹不會停」應被理解為技術擴散具有路徑依賴及可能的持續性，而不是無條件不可逆的定律。

本篇嚴格沿用 SAS-01（2026-08-18）的「正向再生閉環」及其兩道門檻。第一，系統性 AI 奇點 $\Sigma_{\mathrm{sys}}$ 要求 AI 以可歸因、跨週期且可持續的方式，持續改善及再生支撐自身發展的能源、有效算力、硬體、製造、物流、資源、網路及具身行動能力；其判定並不等同「AI 能製造大型軟體／遊戲」或「企業獲利」。第二，文明正和門檻 $\Sigma_{\mathrm{civ}}$ 尚須考慮分配、生活、環境、安全、制度與有效選擇權；系統自我再生可能先於文明正和，但不會自動推出後者。EWDT-19 所建立的世界域轉化者型別遷移與智能—世界轉化缺口，以及 EWDT-21 的自動化社會閉合和廣泛世界域傳遞，提供本篇的既有理論接口；本篇不發明新的奇點定義或任意數值門檻。

截至 2026 年 10 月 31 日，已有前沿模型與 AI 服務擴散、算力支出攀升、供電及晶片供應鏈壓力、AI 在電網預測與運維的局部應用、個人任務生產率改善但總體效果不一致等公開觀察；尚無足夠證據證明 AI 已形成完整且多週期驗證的物理再生閉環，更無足夠代表性證據宣告全球文明已進入穩定正和奇點。本文因此建立 2027–2028 年六種條件情境、十二篇證據鏈矩陣、物理貢獻的四級證據審核、文明分配的多維監測、十六項可反駁假說及可重複比較研究規劃。

中心命題： 資本市場可以先結束某些 AI 投資路線，數位生產能力卻可能繼續提高；然而 AI 技術廣泛可用、企業盈利、乃至部分物理系統效率改善，都不足以單獨證明 SAS-01 的真正系統奇點，更不足以替代對人類與其他受影響主體之生活條件、權利、分配及選擇能力的文明正和審查。

關鍵詞： AI 泡沫；科技樹；資本出清；技術擴散；路徑依賴；Agent；前奇點失配；算力；能源；製造；系統性 AI 奇點；正向再生閉環；世界域相變；文明正和；自動化社會閉合；有效需求；家庭緩衝；時間主權；AI 朋克過渡危機。

Abstract

Financial valuation, frontier-model performance, deployable AI capacity, physical infrastructure, organizational profitability, household purchasing power, and institutional response operate on distinct clocks. A financial correction in the AI sector can coexist with continued technological diffusion, a reduction in inference prices, or improvements in scientific and industrial applications. Conversely, tighter finance may reduce R&D, physical infrastructure investment, and effective access to AI. This concluding paper of the twelve-part AIBT series synthesizes its economic, organizational, household, and institutional mechanisms without treating technological progress as literally irreversible or forecasting an inevitable 2027 crash.

The study preserves the canonical distinction established in SAS-01 between the systemic regenerative threshold $\Sigma_{\mathrm{sys}}$ and the more demanding civilizational positive-sum threshold $\Sigma_{\mathrm{civ}}$, as operationally connected to economic world-domain theory in EWDT-19. Improvements in digital production, local electricity-grid optimisation, model inference cost, or AI firm profits do not by themselves establish a persistent, attributable, physically grounded regenerative feedback loop. Even such a loop would not automatically establish broad social benefit, distributive inclusion, substantive freedom, or environmental sustainability. Building on EWDT-21 and AIBT-01–11, this paper proposes a multidimensional technology-tree observation framework, an evidence ladder for physical regeneration, prospective 2027–2028 scenarios, rival explanations, sixteen falsifiable hypotheses, and comparative research designs. It distinguishes observations through October 2026 from conditional future outcomes and does not claim that a systemic or civilizational singularity has already occurred.

0. 研究地位、前置關係與論證紀律

0.1 這是 AIBT 的收束，不是新系列的第一篇

AIBT-00 固定了一篇研究總綱、十二篇核心論文與兩篇可選後期延伸。本篇僅完成核心 12／12 的整合和封口，不把 AIBT-X1、X2 寫成已完成，也不暗中擴張核心篇數。前十一篇在各自領域提出可以互相檢驗的因果機制；第十二篇的任務是指出它們何時可以相互組合、何時因資料、概念或尺度不同而不得互相推導。

研究的三道論證義務為：

1. 將金融估值、產品生產力、企業組織與全社會分配的觀察分開。
2. 將數位能力增長、物理支撐增長與 AI 歸因的跨週期再生能力分開。
3. 將任何技術與系統成就，和其對廣泛文明主體形成的淨正效益分開。

0.2 與其他 canonical 理論的關係

• SAS-01：唯一前置的系統性奇點與文明正和雙門檻定義來源。若本文公式與 SAS-01 有語義衝突，以 SAS-01 原稿的相關定義為準；不得把本篇補充的觀測指標當作奇點的替代定義。
• EWDT-19：已定義 AI 作為世界域中對象／工具／Agent 轉為遞迴再生世界域轉化算子的型別遷移，並提出支撐世界域、再生係數、AI 歸因、閉環程度、外部人類致動依賴及持續性狀態向量。
• EWDT-21：已區分生產域、消費域、參與域及個體生活世界，提出勞動吸收、社會角色、轉化速度及廣泛世界域傳遞；本篇不把該系列的概念改名宣稱為新發現。
• AICET-03／06／07／08／10／11：已處理家庭智能資本、個體機構化、委任、收益、供給擁擠及有效需求；本篇只使用其分配與家庭風險接口。
• WIIW-08／SGCR S11：前者區分高科技與反權力失效態，後者區分被良好服務與實質主體地位；本篇不從抗議行動的存在推出任何國家已形成賽博朋克終態。

0.3 陳述狀態

• OBS：可核對之來源在特定時點、樣本、口徑下的觀察。
• DEF：本篇為比對設置之研究用操作定義，未經普適校準。
• HYP：有反例、對照與可否證結果的待驗證假說。
• SCN：明示條件的思想實驗或未來路徑，不是已發生歷史。
• NOR：關於權利、分配與制度目的的規範性問題，不冒充已證實因果結果。
• LIMIT：未驗證、不可跨口徑推導或資料不足的部分。

0.4 十八項非主張

1. 不宣稱 2027 年 AI 泡沫必然破裂，亦不宣稱 2028 年必然發生普遍失業。
2. 不宣稱金融市場的單月下跌已構成全面信用危機。
3. 不把資本支出總額等於前沿模型預訓練成本，更不把大型科技企業所有資本支出當作 AI 專用支出。
4. 不把模型能力單項 benchmark 增長等同於可靠的跨域工作、企業現金流或社會福利。
5. 不把 AI 技術的歷史路徑依賴等同於科學或工程上永不退步、永不失效、永遠可用。
6. 不把某一國或企業的技術領先等同於其人民或投資者一定受益。
7. 不把技術產能、名義工作量或代理數量當作可核實的淨收入。
8. 不把數位商品的消費者效益視為可直接用於支付企業借款的現金。
9. 不把任何工作的 AI 暴露率直接解讀為其職位被取代率。
10. 不宣稱大型企業必然消失、微型人機工作室必然成功或所有 AI 公司都只剩固定幾家。
11. 不把 AI 在電網、製藥或材料科學的一次局部成功當成已形成完整系統再生閉環。
12. 不要求系統奇點必須由單一神級模型完成，亦不要求完全排除人類工程與自然資源投入。
13. 不把系統奇點自動當成文明正和奇點，更不要求所有群體的當期收益必然相同。
14. 不將社會反抗、罷工、投訴或談判本身視為反權力失效的證據。
15. 不主張任一政府、企業或 AI 供應商必然具有惡意或必然有效率。
16. 不把 UBI、GBI、GBI 2.0、動態股權、工時改革或人機委託市場指定為唯一正確制度。
17. 不認為本篇建立的觀測向量已獲得跨法域、跨年齡及跨產業一致的測量方法。
18. 不宣稱 2026 年已存在可驗證的物理再生與文明正和雙門檻通過案例。

1. 全系列十二篇的因果鏈、貢獻與限制

1.1 四部研究分工

1.2 逐篇主張鏈及不得偷換的推導

上表不是把十一篇宣稱為一條已經由因果實驗證明的全球定律；它是可以逐段測試、可以部分不成立的機制鏈。例如某地已建立成熟社保或短工時制度，AIBT-11 的時間缺口可能很小；某公司具有高度特殊資料，AIBT-05 的本地模型反而可能更合理。總結必須接受局部反例，而不能一個案例反向推導整個理論必然成立。

1.3 一個共同的核心誤差：把前段成功當成後段成功

AIBT-01 至 11 反覆指出，價值鏈每個轉換點都可能發生失配：

1. 模型基準成績高，不保證某具體任務可靠完成。
2. 任務可靠完成，不保證組織願意採購與部署。
3. 部署成功，不保證產品能售出或企業回收資本。
4. 企業降本增效，不保證員工、家庭取得相稱收入。
5. 家庭能取得 AI，不保證有可支付的外部買方。
6. 福利制度宣布，不保證保障及時到達當事人。
7. AI 局部改善電力管理，不保證 AI 已能再生自身物理支撐世界。
8. AI 支撐能力自我再生，也不保證文明整體淨正效益。

因此本篇不用一條「AI 變強所以未來必好／必壞」的單向推導；改採可觀察的分層關口及條件路徑。

2. AI 科技樹是多維演化網路，不是單一模型分數

2.1 候選操作定義

本文提出研究用術語**「AI 科技樹狀態」**，指特定時點可利用的 AI 能力與其物理、組織和制度條件之組合。其意義是用多維、可比較的時間序列記錄「何處進步、何處停滯、何處倒退」，不是另立一個與 SAS-01 相競爭的奇點量尺。

定義研究觀測向量：

其中：

• $F_t$：可核對的前沿 AI 任務能力（按任務、可靠性、成本及測試條件記錄，而非單一分數）；
• $D_t$：具成本與品質約束的可部署任務能力，含開源、企業 API、本地及混合系統；
• $A_t$：實際採用與有效工作整合，而非僅帳戶註冊；
• $C_t$：可供實際使用之有效算力及運行條件，需記錄擁有權、可達性與利用率；
• $E_t$：供電可得性、供電品質、淨耗能、熱管理及其外部性；
• $H_t$：硬體、網路、記憶、設備維護及供應鏈的有效能力；
• $P_t$：物理科研、製造、物流與部署可得性，包括可驗證的 AI 貢獻；
• $G_t$：治理、契約、責任、資料可攜、救濟、可替代與制度吸收能力。

這些項目在物理量、貨幣量及規範量上沒有共同單位；因此不得直接把向量元素加總成一個「AI 科技樹進步百分比」。若為實證對各項建立指數，須明示基準期、任務集合、品質門檻、取得成本與可辨識的資料誤差。不同研究團隊可選擇不同權重，但必須揭露，不得宣稱其權重是文明的唯一客觀尺度。

2.2 前沿、存量與有效可達性的區別

至少應將三種狀態分開：

• 前沿能力（frontier）：少數資源充足的系統在固定驗收標準下能達到的最高能力。
• 保留能力（retained stock）：某些舊模型、資料、演算法與知識是否仍能合法、可重現地維持存在。
• 有效可達能力（effective accessibility）：普通企業、家庭、工作者能否在當下硬體、價格、網路及法律條件下可靠使用該能力。

新模型一代不如預期，不等於已發布的舊模型必然消失。反過來，某個模型權重或論文還在網路上，也不能證明使用者仍買得起 GPU、享有 API 權限或能在電力短缺時運行。因此「AI 科技樹延續」可以有不同的含義，須按研究用途選擇其實際指標。

2.3 不可逆性的嚴格修正

在歷史與經濟敘事中，AI 一旦被廣泛採納，知識、程式、模型、供應鏈與企業流程會形成路徑依賴。這提供「泡沫破裂後，AI 不會回到尚未普及之前」的合理研究直覺。可是：

• 算力與電力可因天災、戰爭、政策或供應中斷而變得不可用。
• 專用模型可能因保密、授權撤銷、破產、硬體相容性或安全缺陷而實質退出市場。
• 領先能力可能因資料品質、評測更嚴格或研發縮減而暫時停滯或下降。
• AI 能力普及也可能因需求反轉而沒有形成穩定商業服務。

因此本文不用「所有 AI 技術單調上升」作為公理，僅提出條件式延續假說：只要已完成的技術知識、可再現資產、可用設備、持續需求與制度支持仍存在，某些 AI 分支可能在投資泡沫修正後繼續擴散。此假說有可觀察的反例，不是絕對預言。

3. 前沿訓練、推理普及與物理建設的非同步變化

3.1 六種常被誤當同一件事的下降

表中單項變化可能由景氣、價格、技術、設備折舊及法規共同形成，不能將所有變化視為同一個 AI 泡沫事件。

3.2 何時泡沫可能讓整體技術擴散加快？

以下為 HYP，不是已證實的歷史定律。金融估值修正後，可能出現：

1. 先前高成本租用的設備降價，部分工作室與企業取得更便宜的推理能力。
2. 關閉或合併的公司釋出人才、專利、模型、資料處理工具與客戶需求。
3. 模型服務商為維持設備利用率降低價格，促進終端採用。
4. 已在基礎設施中投入的沉沒成本，使存活供應商優先優化既有 GPU 利用率。
5. 前沿模型供應商轉向提高同算力下可驗證的任務品質、系統效率和產品可靠性。

但同時存在反向機制：

1. 企業現金與融資萎縮，停建或縮編造成實際有效算力下降。
2. 基礎研究、探索性實驗與高風險工程因資金不足而取消。
3. GPU、電網接入及能源合約未必容易轉讓，新公司無法直接取得被釋放的產能。
4. 兼併可能集中定價權，使模型服務價格不降反升。
5. 國家限制、專利、授權及資料權利可能使某些資產無法重用。

所以應以淨有效能力、可達性、品質調整後成本與實際部署，而非廉價設備的單一交易新聞，判斷泡沫後科技樹是否繼續擴張。

3.3 2026 年金融觀察與範圍限制

Reuters 於 2026-10-30 依 LSEG 及公司財報統計 Microsoft、Alphabet、Amazon、Meta、Oracle 五家美國大型科技企業在 2026 年前九個月合計營運現金流約 5,429 億美元、資本支出約 5,569 億美元；以這一財務口徑粗算自由現金流差額為 負 140 億美元，相對於上一年同期的正 1,435 億美元。[S01]

這組數字支持巨額資本建設對現金回收形成壓力，但不能直接推出五家公司均已陷入危機，亦不能將所有建設項目都歸入前沿 AI 訓練。企業現金餘額、負債結構、既有雲端、廣告及其他營收可形成不同的財務緩衝。評估 AI 專項報酬率，仍須獨立拆出可歸因的現金流與支出。

4. 能效、AI 科技樹與反彈效果

4.1 固定任務能耗下降，不等於總能耗下降

IEA《Key Questions on Energy and AI》（2026）預估全球資料中心整體用電由 2025 年約 485 TWh 增至 2030 年約 950 TWh；這是中央預測路徑，而非 2030 年已發生事實，也非 AI 專用訓練用電量。[S02]

同一報告指出，單次 AI 任務的能源效率正在快速提升，但影片生成、深度推理與多步驟代理可能提高每次請求的總運算與耗電，且使用量擴張也會抵銷部分能效節省。因此，同品質單位能耗下降與系統總用電增加完全可能並存。

為避免用抽象比例混淆，對一個明確定義的任務類別 $k$，以 $N_{k,t}$ 表示該期間實際完成的合格任務數，以 $e_{k,t}$ 表示其同口徑的平均運行用電量。若不計共用機房負載分攤，其簡化任務用電為：

若 $e_{k,t}$ 降低，卻有 $N_{k,t}$ 增加或出現高耗能的新任務類別， $E_{\mathrm{task},t}$ 未必下降。實際全系統核算還必須計入機房待機、網路、冷卻、設備生產及電力系統外部性，不得把簡化式當成生命週期足跡。

4.2 參數量悖論是資源配置問題，而非 Scaling Law 全面失效

AIBT-02 已說明，總參數、活躍參數、模型精度、訓練算力、記憶搬運、專家路由、通信與推理成本不能混為一個指標。「更多參數」可能在若干任務和相同成本限制下帶來更高表現，但並不能保證每一個新應用都需要同等增加最大模型規模。後訓練、模型蒸餾、任務路由、外部記憶、檢索與工具系統，可能在不同預算下具有替代或互補作用。

2026 年 OECD《Artificial Intelligence Markets》發現，部分前沿模型性能—價格邊界仍高度競爭，模型價格下降、專門供應商增加，但晶片及雲端基礎設施有顯著集中風險。[S03] Demirer、Fradkin、Tadelis（2026）對企業推理市場的研究同樣指出，模型價格、品質與用途存在高度差異，並非單一模型支配所有任務。[S04]

因此本篇保留 AIBT-02 的實驗原則：每一次聲稱新架構節省算力，必須至少報告同品質、同算力與同資本預算三種對照，而不能用不同大小、不同資料、不同硬體的結果形成虛假效率比較。

4.3 推理需求可能重新吸收訓練設備

泡沫修正後，某些模型供應商可以把部分運算設備轉往推理、後訓練、科學運算及企業服務。但是這一安排受下列條件限制：

• GPU 與加速器型號是否適合新任務；
• HBM、互連與總體記憶體是否符合工作負載；
• 所在機房是否有能源、冷卻、網路及服務等級條件；
• 資料、授權與跨區域服務是否合規；
• 轉移後的利用率、營收及維護成本是否支持正淨收益。

因此不能假設「被淘汰的前沿訓練 GPU」可以零成本、零延遲、零損失地變為家庭或新創的可用算力。

5. 重新對齊 SAS-01：什麼才是系統性 AI 奇點？

5.1 SAS-01 的既定物理—產業狀態，不得重新命名

SAS-01 已將真正的 AI 奇點從單一模型智能爆炸移至正向再生閉環。其系統支撐狀態原式為：

其中 $I_t$ 表示智能／知識能力、 $C_t$ 為有效算力、 $E_t$ 為能源、 $H_t$ 為硬體、 $M_t$ 為製造、 $L_t$ 為物流、 $R_t$ 為資源、 $N_t$ 為網路／基礎設施。系統重點不是單一維度增加，而是 AI 對下一輪支撐自身成長的有效能力形成可核查的淨正回饋。

因此，AI 能改善程式、模型、演算法，乃至為企業產出遊戲或應用，仍只能證明數位能力或局部生產能力增加。若支撐 AI 的新增能源、硬體、製造與維護一直由人類透過同比例或更大幅度的外部投入完成，就不能單憑數位產能判定已跨越系統奇點。

5.2 EWDT-19 的既定狀態向量

EWDT-19 透過以下既定狀態向量表述系統性奇點所需審查的分量：

其中依原稿語義：

• $\mathcal R_{\mathrm{sys}}$：系統再生係數，需結合有效產能及成本核算；
• $\alpha_{AI}$：新增有效支撐能力中，AI 可以被因果歸因的貢獻比例；
• $\kappa_{\mathrm{closure}}$：必要支撐鏈實際閉合的程度；
• $\epsilon_H$：AI 支撐能力增長相對於新增外部人類致動投入的彈性；
• $P_{\mathrm{persist}}$：跨多個週期的持續性。

原稿明示， $\Sigma_{\mathrm{sys}}$ 是上述多維狀態跨越臨界面，不是單一 benchmark、單一公司、單一時間點或任意固定的百分比門檻。本篇只提出如何蒐集證據的觀測方法，不自行替 SAS-01 或 EWDT-19 指定已完成的實測臨界值。

5.3 世界域的角色型別轉換

依 EWDT-19，AI 若仍只是在原有世界域中執行任務，即便能力很強，主要仍是工具、Agent 或基礎設施；只有當 AI 透過實際轉化的世界，反過來提高下一輪物理支撐條件，並形成持續的正向再生關係時，才涉及「遞迴再生的世界域轉化者」型別遷移。

以既有 EWDT 公式的簡化表示：

這兩式在本篇只是沿用前置的形式語言，不得由一般 AI 服務的營收或工具呼叫記錄直接推出。

6. 從數位成功到物理再生：四級證據審核

6.1 局部物理應用確實具有經濟價值

IEA 2026 年《Modernising Grids in the Age of Electricity》指出，AI 在電力網絡中的預測、異常偵測、資產分析、維護排序、網路容量篩選等已具實際用途，而安全關鍵的即時控制仍需可驗證、可稽核、資安、防失效規則與清楚的責任鏈。[S05]

因此不能認為「AI 還不能完成物理再生閉環，所以物理領域應用沒有價值」。相反地，物理進步可以從一些局部應用開始。但是用較少的人力預測負載，和 AI 自行擴張可用發電、輸配電、晶片製造及維修能力之間，仍有重要距離。

6.2 研究用四級證據梯度（不替代奇點原定義）

這些是證據蒐集層級，不是四種新奇點或現存通用工程標準。L4 只是提出進入原始 $\Sigma_{\mathrm{sys}}$ 判定所需的充分證據方向，不是宣稱達到 L4 就自動驗證奇點已發生。是否跨越臨界面仍以 SAS-01／EWDT-19 未完成校準的多維判準為準。

6.3 物理增益必須扣除什麼？

可觀察的物理效果，至少須區分：

• 反事實基線：沒有此 AI 系統，工程師、其他軟體或傳統控制方法會有什麼改進？
• 實際部署：模擬驗證、廠內測試和商用設備正式運行不是同一階段。
• 全成本及淨效益：新增算力、監測設備、維修、人力監督、電網備援、供料與設備折舊必須計入。
• 外部性與轉移：若一座資料中心改善能效，卻把高耗電負載轉往另一地區，不能把外包後的能源需求當作消失。
• 瓶頸替移：電力調度改善可能使晶片封裝、土地、材料或安全審批成為下一限制。
• 持續性與依賴性：系統需要持續的人類工程投入是常態，但要檢驗其是否仍必須與支撐能力同比例增加。
• 能力反饋：新增物理能力是否實際回饋到下一輪 AI 科研、部署、製造或支援，而不只是一次性節能帳面結果。

6.4 不是等待某一天所有物理系統突然完全自動化

SAS-01 從未要求一個模型能夠獨立挖礦、蓋發電廠、設計晶片、建置工廠、製造機器、運送貨物與維修所有設備。專門化 AI、自動化工廠、外部工程團隊、機器人與能源系統可共同組成支撐網路。關鍵是這個網路有沒有形成可歸因、可持續的遞迴物理再生能力，而不是模型在語言測試上是否自稱具備全能。

7. 稀缺性遷移、現實頻寬與科技樹的重配置

7.1 數位生產成本下降後，新的瓶頸會在哪裡？

一人或少數人加上 AI，可能在某些條件下完成過去需要較大團隊的設計、程式、圖片、影音、客服或研究輔助。然而可生成量增加，不會自動擴大：

• 電網實際可交付電量與穩定性；
• 具驗證的製造、藥品、設備與建設安全性；
• 有授權、可支付且可靠的推理資源；
• 對數位產品的注意力、信任、付費及維護需求；
• 家庭穩定收入與社會參與機會；
• 新產業認證、契約及法律責任的處理速度。

在 EWDT-19 的語境，這可描述為稀缺性由某些認知與重複數位工序，遷往物理實施、驗證、組織及最終需求。但稀缺性遷移不等於全面消除：例如設計成本降低之後，新遊戲反而需要更高的內容一致性、品牌信任及後續維運，部分原有製作環節仍有價值。

7.2 智能—世界轉化缺口不能用單一金額代替

EWDT-19 已命名智能—世界轉化缺口 $\mathcal G_{I-W}$。本篇建議以一系列可實測的對照來觀察，而不是把它設定為「模型有幾分、GDP 有幾元」的任意相減：

即使 AI 已在某些研究測試中取得高準確度，仍需對實驗、部署和可持續實體成果進行交叉檢查。Stanford 2026 年 AI Index 的科學章即指出，部分模型在專業測試上表現很強，卻仍可能無法完整複現實際科學研究。[S06]

7.3 現實頻寬的增加與需求端的限制

當 AI 能更快取得實驗、製造、實際電力改善與具身部署的結果，現實頻寬有可能提高。但即便供給更快，社會仍必須決定：誰使用資源、誰付款、誰承擔事故、誰具有申訴、審計與退出權。物理能力改善若伴隨高度集中，則 EWDT-21 的廣泛世界域傳遞仍可能不足。

8. 物理再生與文明正和：不能互相替代的兩道門檻

8.1 原有雙門檻

SAS-01 既定兩道門檻：

• $\Sigma_{\mathrm{sys}}$：系統性再生門檻。 檢驗 AI 是否跨週期持續提高支撐自身之有效物理—產業能力。
• $\Sigma_{\mathrm{civ}}$：文明正和門檻。 檢驗進一步計入資源、環境、社會、分配、制度與個體有效選擇後，文明是否形成可持續且足夠廣泛的淨正效益。

其邏輯關係由原稿保留為：

注意： 文明正和不要求每個人的收入在每一個月同步上升，也不能由總 GDP、全國平均壽命或主要股票價格單獨判定；但對於特定人群的嚴重權利、生活及環境代價，不得以總量增加自動抵銷。

8.2 候選文明觀測面板

為不改寫 EWDT-21 的原始概念，本文採用其四個世界域作審計接口：

本文不將上述四類硬壓成單一貨幣總和。實證可以在每一項內部用明確尺度衡量，並公開權衡與敏感性，卻不能假稱所有涉及尊嚴、權利與非市場價值的因素均可自動合法地折現。

8.3 AI 紅利流向的可觀察終點

AIBT-08 已建立相同 AI 技術在企業內可以造成裁員、減時、加薪、擴產、降價或混合決策；AIBT-09 指出新增供給未必形成有效需求；AIBT-10 指出家庭取得代理生產能力不保證取得持續訂單。對文明正和的審查，必須追蹤 AI 增量收益最終是否成為：

• 工作者與家庭可支配收入；
• 消費者取得更好品質、更低價格與更多有效選項；
• 研究者與企業可持續的創新與投資；
• 公共服務、社會保障、教育與醫療；
• 法定或契約上有保障的利益分享、可攜資產與決策權；
• 不受強迫、可持續的時間紅利；
• 實際可運作的能源、物流與生產性資產；
• 對環境及未來世代影響已被審查的改善。

這些不是任何單一政策的保證結果；應由資料確認不同受益者的實際變化及誰承擔成本。

8.4 當 AI 自身形成不同存在地位時

本系列主題以 2026 年已存在的工具、代理與市場主體分類作分析。未來若 AI 的主體性、法律地位、財產與資源受益權發生新的可驗證變化，文明正和研究亦須明確界定哪些存在者是受益者、責任承擔者及需被保護者，而不是永遠先驗地把所有 AI 排除，或因其使用第一人稱便直接賦予法定人格。這是不同理論與制度議程，不能用市場交易介面自行判定。

9. 2026 年末：哪些證據已支持，哪些尚未支持？

9.1 已可確認的現象（OBS）

9.2 尚缺乏的證據（LIMIT）

截至本稿截點，沒有足夠資料支持以下結論：

1. 全球 AI 產業已在 2026 年完成某種單一形式的泡沫總崩盤。
2. 2027 年所有前沿模型公司將主動停止擴張。
3. 2027–2028 年 Agent 能普遍獨立完成全部大型 3A 遊戲或所有商用軟體。
4. 世界大部分受雇人口已因 AI 被裁員。
5. 各國制度一定來不及回應，或任何單一再分配方案必然有效。
6. AI 已完成跨能源、製造、硬體、物流及再生支撐世界的多週期正向閉環。
7. 任何一個國家或公司已取得文明正和門檻的完整合規性與實證判定。

缺乏證據不等於證明未來不可能發生；但將待研究風險寫成已證成事實，會使本系列失去可反駁性。

10. 2027–2028 年情境矩陣：金融、科技樹、物理支撐、社會分配

10.1 四維條件組合，而不是一個預言年份

本篇以四個可區分觀察維度建立情境：

• 金融條件 $B$：估值／融資／企業回收是否承壓；
• 技術擴散 $T$：可部署、可支付、可靠的 AI 能力是否持續進步；
• 物理支撐 $P$：電力、硬體、製造與網路是否有可歸因且可持續的有效增益；
• 社會吸收 $S$：家庭收入、參與及制度是否能足夠及時地吸收轉型。

每個維度可按不同國家、產業及季度分段觀察。以下六種情境可同時在不同地方存在，沒有被賦予未經數據支持的機率。

10.2 六種候選情境

時間規則： 2027–2028 只是觀察窗口，不是預定相變日。若 L4 證據需跨越更長工程週期，不能因研究方案時間已到便宣布達成或未達成。

10.3 可能存在的反向因果

AI 能力改進可能增加對資料中心的需求，帶動設備與電力資本支出；資料中心建設增加又可能改善可用算力、促進模型能力。反過來，設備供給先行過剩可能降價、擴大推理需求；而高利率、住房危機、地緣政策、能源價格變動也會同時影響財務與就業。要因果辨識，必須建立反事實對照，不可把任何兩個同步變動量直接當成單向因果。

11. 十六項可反駁假說與明確否證條件

以下假說均為待測試（HYP），不代表研究已支持或否定。

註：H15、H16 為用於檢驗判準區分是否具有實務價值的研究假說，不是試圖以有限樣本在形式邏輯上證明或否定 SAS-01 已定義的不蘊涵關係。若某些假說未成立，應修訂對應經濟路徑，不可用任何一項局部失敗宣稱所有研究都被證成或推翻。

12. 可重複的比較研究與資料字典

12.1 五個最小觀測研究

研究 A：金融泡沫與可部署能力的差異序列

問題： 在特定模型供應商與算力公司資本支出收縮前後，實際可用的推理成本、任務品質與用戶採用如何變化？

方法： 同一任務集合、同一完成品質門檻、同一貨幣單位和硬體口徑下，建立季度資料。比較大幅估值修正與沒有相同修正的供應商，並控制 API 方案、模型更換、資料中心區域、模型品質變更、價格補貼及利率。

反證： 若資本修正之後質量調整後價格與可用性都持續惡化，則「泡沫後普及加速」不能成立於該市場。

研究 B：物理再生的階梯式現地審查

問題： 一個 AI 工程系統是否只是優化現有設備，還是實際促進可用物理產能跨週期再生？

方法： 在電網、晶片良率、工廠或實驗室建立「AI 系統部署／既有工具對照」與清晰基準；記錄可用產出、可靠性、全成本、外部效應、對下一輪 AI 支撐的回饋，以及維持多輪運作的人類致動工時。跨地點及時段重複驗收，避免把選擇性成功樣本當通用效率。

反證： 局部節能未轉化為可歸因的淨新增有效能力，或下一輪支撐改善不存在。

研究 C：家庭購買力與人機委託市場的動態面板

問題： AI 降低數位產品成本時，失業者與微型工作室是否真正提高淨現金流、生活穩定性及市場參與？

方法： 經同意與適當保護下，追蹤家庭實際已到帳收入、可變 AI 工具成本、非現金效益、住房及必要開支、交易退款、平台抽成、工作時數、服務使用與職涯入口。對照一般接案者、受雇工作者及轉型前家庭，並處理選擇偏差和遷入／遷出平台。

反證： 若人機接案僅增加帳面成交數，扣除工時和費用後家庭長期淨收入並無改善，市場緩衝假說應下修。

研究 D：制度反應時間與個人損失

問題： 當 AI 改變招聘、外包與薪資時，政府或私人保障能否在家庭流動資金耗盡前生效？

方法： 沿用 AIBT-11 的 IERL 與 HBPG 原始定義，記錄衝擊事件、家庭緩衝期、資格認定、法律授權、服務可用、實際到帳與住房、健康、信用後果。利用制度推出時間差、地區覆蓋差異及可辨識自然實驗，並報告非 AI 的經濟衝擊。

反證： 若制度已能及時有效覆蓋絕大部分受影響家庭且降低了不可逆損失，強烈「制度永遠跟不上」假說不成立。

研究 E：文明正和的多維長期審核

問題： AI 物理增益及數位供給擴張，有沒有使更多人擁有實際生活與參與能力，而不只是企業營收或模型分數增長？

方法： 以 EWDT-21 四世界域為結構，分組報告不同家庭、年齡、地區、殘障群體、未來世代相關環境代價、居住與公共服務可及性、資料和權利保障、時間主權與法律救濟，並在量化不可比較時保留分量敘述。對 AI 供應商、使用者與受影響非使用者同時設置評估。

反證： 若原先看似顯著的總福利增加無法穿透至家庭可使用資源，或外部性吞噬大部分效益，不能宣告文明正和門檻成立。

12.2 最小公共資料字典

資料字典不是標準化產品規格，也不表示上述欄位可以在同一張資料表中被加總。實際研究須有受保護之跨表關聯鍵、資料最小化、明確法律依據和可追溯來源。

12.3 因果辨識的最低防護

1. 同期對照：比較有無 AI、不同部署深度或不同程度技術暴露，不能只用採用前後平均值。
2. 反向因果：高效企業可能更早採用 AI；資本充裕可能同時提高模型能力與服務收入。
3. 選樣偏差：成功接案工作室、高能力 AI 模型與公開明星案例常過度曝光。
4. 共同衝擊：利率、疫情、能源與住房價格、人口變化、國家政策都可能影響就業及需求。
5. 品質一致：內容數增加、圖像解析度提高與商用品質、服務保固不能直接互換。
6. 跨期審核：系統奇點與文明正和都要求超越一次性的新聞與業績季度，觀察多週期持續性。
7. 可重現性：保留資料版本、模型版本、授權、假設、置信區間與審計紀錄；資料不可公開時，提供合法的統計重現及方法說明。

13. 規範性問題：如果社會適應真的來不及，應優先測量什麼？

本系列沒有先預設解方，也不把研究者已提出之全球基本收入（GBI）、GBI 2.0 或動態股權視為唯一答案。不同制度在保障範圍、稅務、行政、財政、時間與自由度上具有不同約束。AIBT-11 已比較的候選類型包括：既有失業保障的可及性改善、基本服務、短工時、職業轉型、企業收益分享、家庭與 Agent 委託市場、可攜福利、公共智能可達性及依法建構的收入移轉。

真正需要在制度實驗中先量測的是：

• 保障何時實際到達，而不只是何時宣布政策。
• 家庭是否仍有可以支付必要食物、住房、醫療與交通的資源。
• 個人是否能拒絕不合理委託、取得有效契約救濟、轉換平台及重新選擇生活路線。
• 哪些人可以取得智能生產資本，哪些人雖能使用卻不能形成可支配收益。
• 新制度的財政成本、供給限制、價格效果、行政錯誤與意外排除。
• 成果是否能跨越經濟景氣、公司破產與個別模型供應商改版繼續成立。

規範性界線： 保護失去收入與選擇權的人，不等於必須永久凍結所有舊職位；讓市場可以創業，也不等於允許其把全部風險移轉到沒有保障的家庭。經濟政策可依不同國家的民主程序與條件比較選擇，不可用「AI 很強」替代公開審查。

14. 最強競爭解釋與本研究的預測失敗條件

14.1 競爭解釋 A：沒有廣泛泡沫，只是資本支出進入新均衡

如果未來幾季，AI 服務的實際營收、毛利與客戶使用足以支持投資，而自由現金流改善、折舊與設備利用率符合預期，2027 年不一定出現 AIBT-01 所假設的廣泛出清。這不否定 AIBT 對時間與價值分離的概念區分，但會削弱特定泡沫情境的支持度。

14.2 競爭解釋 B：AI 效率提升促進普及與大量新需求

如果價格下降引入大量原本被排除的客戶，並且創造互補服務、工作及適當的家庭收入，AIBT-09 的購買力斷裂可能只局限於少數產業或群體，而非全球需求不足。這與 OECD 所指出模型市場具有相當競爭動態的觀察相容。

14.3 競爭解釋 C：物理效率改善比制度採用更快

AI 在能源、電力管理、材料科學及製造的實驗成果有可能比預期更快落地。若形成具可歸因且可持續的正向物理再生能力，那麼本篇對「物理支撐滯後」的階段性假說就應修正。即便如此，文明正和仍須另驗。

14.4 競爭解釋 D：政策與市場即時重組使家庭沒有長期損失

如果 AI 促進減時不減薪、新任務、可攜保障與人機委託市場，而現有保障迅速到達家庭，則制度落後和 AI 朋克危機可能不是多數人的實際經驗。本系列不把反烏托邦設定成唯一歷史出口。

14.5 競爭解釋 E：技術本身真實退步或大幅停滯

若算力、電力、人才與資料受長期限制，前沿模型和部署效能在品質與取得成本相同條件下持續惡化，則「AI 泡沫後仍大幅擴張科技樹」的假說不成立於該時段。沒有足夠資料時，不可用抽象「科技必然進步」抵消反例。

14.6 競爭解釋 F：高度集中但文明可受益

大型雲端、能源與模型平台的集中可能與基礎服務降價、投資回收、消費者受益並存。集中本身不是文明負效益的邏輯充分條件；應檢驗可替代性、退出、治理問責和受益分配。反之，一個競爭者眾多但沒有收入保護的市場，也可能造成廣泛不穩定。

15. 核心系列的最終結論

本系列從 2026 年 10 月的 AI 資本市場與能源供應壓力出發，經過核心模型公司集中、企業自研與 API 契約選擇、數位功能被平台吸收、Agent 改變最小有效生產組織、工作替代與增強交叉作用、家庭購買力與有效需求、人機微型委託市場，再到制度保障能否趕上個體緩衝期，最終回到文明級的問題：AI 科技樹的生長究竟如何變成支撐其自身與廣泛文明生活的可持續現實能力？

本文形成五項結論，均是不同層級的研究綱領而非已被證明的普遍歷史定律。

第一，泡沫不是技術的另一個名字。 股價修正、現金流壓力、企業出清與技術可達能力不同。泡沫破裂有可能傷害某些分支，卻不保證所有 AI 能力同步停止；也可能因再配置促進某些應用的普及。

第二，技術擴張不是收入分配的另一個名字。 更多軟體、遊戲、圖片及 Agent 工作量，可能伴隨不同的價格、工資、就業、資本收入與家庭購買力。消費者得到真實福利，不等於負責訓練模型的投資人與被替代工作者得到相同收益。

第三，制度終將適應不是及時保護的證明。 技術部署、企業調整與失業家庭的資金緩衝，可能比教育、保障、法院、平台改良與立法更快。是否發生嚴重 AI 朋克過渡危機，需要具體測量，不能由 AI 能力本身宣告。

第四，數位創造不是物理再生的另一個名字。 AI 可以大量完成數位產品，亦可能改善局部電網運行與材料研究；但是否形成跨週期、可歸因且淨正的能源—算力—硬體—製造—物流等支撐鏈再生，必須另以 SAS-01／EWDT-19 判定。

第五，系統奇點不是文明正和的另一個名字。 即使 AI 開始持續再生自身物理支撐世界，也必須獨立審查人、家庭、社群及其他相關主體的實質生活世界、時間主權、環境、責任、退出及保障條件。文明級 AI 進步不應僅由模型分數、股價或公司營收定義。

本篇最終提出可供後續實證工作檢驗的總論命題：

AI 泡沫可以使某些資本路線與企業結束，卻不必同步終結 AI 技術樹的所有分支。AI 的數位能力與生產效率可以先於經濟分配及實體世界改善而迅速成長，造成前奇點失配；真正的系統性 AI 奇點必須以物理支撐世界的跨週期正向再生判定，而文明正和還必須看進步能否廣泛、可持續地轉化為現實生活與有效選擇。

這是研究起點與可否證框架的完成，不是宣告 2027 年將必然發生什麼，也不是宣告當前文明已經越過奇點。

附錄 A｜形式符號表與尺度限制

符號衝突修正原則： 本篇的科技樹候選向量使用部分與 SAS-01 相同的字母只是方便對照，不表示其量測定義已自動完成同一化。跨文件實作時必須以完整命名空間區分資料欄位（例如 AIBT.tech_tree.power_available 與 SAS.support.energy），不對早期原始論文的正式公式直接改名或覆蓋。

附錄 B｜外部實證與公開資料來源

所有來源的公開資料截點均不晚於 2026-10-31。引用中的統計數字保留其原始地區、樣本、基準年及發布日期；外部報告之預測仍為預測。來源僅供文獻審查，不保證其所有估計或政策判斷成立。

• [S01] Reuters（2026-10-30），Big Tech returns smallest share of cash to shareholders in 15 years, given AI spending。Microsoft、Alphabet、Amazon、Meta、Oracle 合計前三季經營現金流及資本支出。https://www.reuters.com/legal/transactional/big-tech-returns-smallest-share-cash-shareholders-15-years-given-ai-spending-2026-10-30/
• [S02] International Energy Agency（IEA，2026），Key Questions on Energy and AI，Executive Summary。2025 資料中心 485 TWh 與 2030 中央預測 950 TWh；能源與 HBM 限制。https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary
• [S03] OECD（2026-07-10），Artificial Intelligence Markets: Recent Developments and Competition Issues。模型品質／價格動態與上游資本、雲端、晶片集中。https://www.oecd.org/en/publications/artificial-intelligence-markets_d531d73f-en/full-report.html
• [S04] Demirer, M., Fradkin, A., & Tadelis, N.（2026），The Emerging Market for Intelligence: How Firms Buy and Sell AI，Journal of Economic Perspectives, 40(3), 23–46。https://www.aeaweb.org/articles?id=10.1257/jep.20261506
• [S05] IEA（2026-09-21），Modernising Grids in the Age of Electricity 及 AI-enhanced solutions 章。https://www.iea.org/reports/modernising-grids-in-the-age-of-electricity/ai-enhanced-solutions
• [S06] Stanford HAI（2026），AI Index Report 2026，Science 章。https://hai.stanford.edu/ai-index/2026-ai-index-report/science
• [S07] Stanford HAI（2026），AI Index Report 2026，Economy 章。組織採用、Agent 部署、資本與消費者剩餘。https://hai.stanford.edu/ai-index/2026-ai-index-report/economy
• [S08] ILO（2026-05-06），Chan, C. Y. C. 與 Shedania, K.，The Aggregation Paradox of AI: Why Do Micro-economic Productivity Gains from AI Disappear at Scale?。https://www.ilo.org/publications/aggregation-paradox-ai-why-do-micro-economic-productivity-gains-ai
• [S09] Brynjolfsson, E., Chandar, B., & Chen, R.（2026-08-12 修訂），Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence，Stanford Digital Economy Lab。https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/
• [S10] METR（2026-09-08），Task-Completion Time Horizons of Frontier AI Models。需區分任務時長、人類工時及可靠性；長任務外推有限。https://metr.org/time-horizons/
• [S11] OECD（2026-07-30），Competition in the Age of AI: Initial Evidence from Microdata。https://www.oecd.org/en/publications/competition-in-the-age-of-ai_6f88a1ea-en.html
• [S12] Reuters（2026-10-30），S&P Global revises Meta's outlook to 'negative' on AI spending, cash flow worries。一家企業的信用評級展望事件，不可推成整體破產潮。https://www.reuters.com/business/sp-global-revises-outlook-meta-negative-cashflow-concerns-2026-10-30/

附錄 C｜本研究承接的既有原始文獻

以下是獨立於本篇的既有 canonical 或研究原稿；本篇沒有直接覆寫其中任何一篇的內容、公式、狀態或正式篇號。

• AIBT_00_研究總綱_AI泡沫產業重整與文明適應論_v0.1_2026-10-31.md
• AIBT_01_AI泡沫不是技術終結_估值現金流與投資回收期限_v0.1_2026-10-31.md
• AIBT_02_算力資本密度_能源約束與參數量悖論_v0.1_2026-10-31.md
• AIBT_03_地緣政治不是無限資本支票_國家競賽與企業利潤的分歧_v0.1_2026-10-31.md
• AIBT_04_核心模型席位_平台集中與投資組合博弈_v0.1_2026-10-31.md
• AIBT_05_自研模型的經濟合理性_API契約與供應風險的替代機制_v0.1_2026-10-31.md
• AIBT_06_數位企業不可替代性危機_當產品變成平台附加功能_v0.1_2026-10-31.md
• AIBT_07_Agent生產革命與最小有效企業規模的重估_v0.1_2026-10-31.md
• AIBT_08_替代與增強的交叉作用_生產力紅利如何分配_v0.1_2026-10-31.md
• AIBT_09_數位供給充裕_有效需求與購買力斷裂_v0.1_2026-10-31.md
• AIBT_10_開放人機委託市場_家庭智能資本與微型契約工作室_v0.1_2026-10-31.md
• AIBT_11_制度適應時間差_分配張力與AI朋克危機_v0.1_2026-10-31.md
• SAS-01_Redefining_AI_Singularity_Positive_Regenerative_Loop_v1.0_2026-08-18.md
• EWDT-19_系統性AI奇點作為經濟世界域相變_v0.1_2026-10-03.md
• EWDT-21_自動化社會閉合與廣泛世界域傳遞_v0.1_2026-10-06.md
• AICET_11_智能收益分配購買力與經濟需求循環_v0.1_2026-10-28.md
• WIIW_08_賽博朋克不是科技終態_自由退出權與反權力失效_v0.1.md
• SGCR_S11_Subjects_Not_Fuel_for_Civilizational_Machinery_v0.1_2026-10-27_zh-TW.md

附錄 D｜形式化驗證與後續審查界線

1. 本篇的數學分隔符固定使用行內單美元與行間雙美元；不做任何 Unicode 數學符號回寫成正式 LaTeX source。
2. 本篇內出現的 SAS-01 與 EWDT-19 公式，在前置定義語義上保留原有結構；如發現與原始文獻文字細節不符，應以原稿修訂註釋，而不直接覆寫原文。
3. 本篇新建觀測構件（科技樹向量、L1–L4 物理證據梯度、情境矩陣）只供研究操作，不冒充既有學術標準。
4. 2027–2028 年均是可檢驗的未來情境，不得在本稿日期下以實際發生之結果填入。
5. AIBT 核心十二篇至此完成 正文撰寫；「全文撰寫完成」不等同於「全部論點已由專屬研究實證證成」或「已經過同行評審」。
6. 外部研究資料、政策與產業報導隨時間可能修訂；未來回測應另立 version，不得在未留下紀錄的情況下悄悄改動本 canonical 原稿。

終局研究命題： 金融泡沫的時鐘、技術科技樹的時鐘、家庭收入的時鐘、制度適應的時鐘與物理再生的時鐘可能各自不同。文明級人工智慧進步的判準，不在於把這些差異強迫壓縮為「AI 成功」或「AI 失敗」兩句話，而在於分別查核哪些轉化真正已發生、哪些仍受限、哪些人因此取得新的現實選擇，哪些人承擔未被吸收的成本。