# 全域智能不是世界政府：多尺度認知、現場主權與文明協調 ## Global Intelligence Is Not World Government: Multi-Scale Cognition, Genba Sovereignty, and Civilizational Coordination **系列：**《全域智能、資訊海與文明博弈》 **系列編號：** EML-GIOC **篇次：** Paper 07 / 08 **文件編號：** EML-GIOC-07 **作者：** Neo.K **機構：** EveMissLab／一言諾科技有限公司 **版本：** v0.1 **日期：** 2026-09-02 **文件性質：** 公開理論論文 --- ## 摘要 Paper 06 已提出全域智能的正面文明理由：科技進步不只解決舊問題，也提高系統耦合、作用尺度、速度、依賴深度與跨域外部性；當文明複雜度負載 $\mathcal L_C$ 增長快於文明協調能力 $\mathcal C_{coord}$ 時，就會形成協調赤字與高智能局部最優泥沼。因此，某些問題確實需要超越單一部門、企業、城市與國家的高尺度認知。 但這個結論若直接推成： $$ \boxed{ \text{Need for Global Cognition} \Rightarrow \text{Need for Global Government} } $$ 就會犯下另一個嚴重錯誤。 本文主張： $$ \boxed{ \text{Global Intelligence} \neq \text{Global Sovereignty}. } $$ 全域智能可以在觀測、模型、模擬、外部性分析、資源發現與跨域協調上具有極高作用域，而最終決策、法律授權、現場安全、個人權利與局部自治仍可以分散在不同層級。認知尺度與主權尺度不是同一個變量。 本文因此將「全域」拆成七個互不等價的維度： $$ \boxed{ \Gamma_G = ( G_O, G_K, G_R, G_C, G_D, G_A, G_M ) } $$ 其中： - $G_O$：Global Observation，全域觀測； - $G_K$：Global Knowledge / Modeling，全域知識與建模； - $G_R$：Global Reasoning / Simulation，全域推理與模擬； - $G_C$：Global Coordination，全域協調； - $G_D$：Global Resource Discovery，全域資源發現； - $G_A$：Global Authority，全域授權； - $G_M$：Global Commit，全域世界提交權。 成熟文明可以允許： $$ G_O,G_K,G_R,G_C\rightarrow high $$ 而保持： $$ G_A,G_M<1. $$ 這意味一個文明級 AI 可以看見大量跨域狀態、模擬複雜政策與提出協調方案，但不能因此自行覆寫地方政府、企業、社群、個人或現場安全系統的合法權限。 本文進一步整合 **現場主權（Genba Sovereignty）**。在高速、局部、直接安全相關且資訊高度新鮮的事件中，現場域可能擁有比遠端全域模型更高的即時認知優先權。因此本文建立動態權重： $$ \boxed{ (W_G,W_X) = F( Scope, Externality, Latency, Risk, Reversibility, Freshness, Affectedness ) } $$ 其中 $W_G$ 表示現場權重， $W_X$ 表示跨域／全域權重。對直接安全、低外部性、高新鮮度問題： $$ W_G\uparrow. $$ 對跨域外部性、長期不可逆、文明級風險問題： $$ W_X\uparrow. $$ 本文同時提出 **尺度適配治理（Scale-Fit Governance）**： $$ \boxed{ s^\ast(q) = \arg\min_s [ C_{coord}(s) + C_{externality}(s) + C_{authority\ mismatch}(s) ]. } $$ 其含義是：每一個問題都應尋找「最小足夠治理尺度」，而不是把所有問題都送往最高層。 本文最終提出一個文明級聯邦模型： $$ \boxed{ \mathfrak F_\Omega = ( \{G_i\}, O_\Omega, M_\Omega, \Sigma_\Omega, \Gamma_\Omega, R_\Omega, U_\Omega, H_\Omega ) } $$ 其中高階層主要負責公共觀測、共享模型、跨域風險、語義互操作、協調協議與公共未知，而局部層保留自身資料、主權、執行權與退出／拒絕機制。這種架構追求： $$ \boxed{ \text{Global Awareness} + \text{Local Sovereignty} + \text{Dynamic Delegation}. } $$ 因此，本文認為健康的文明級全域智能，不應是「AI 皇帝」，而更接近一個具有高認知帶寬、低主權集中度、可審計、可拒絕、可退出、可聯邦的文明神經系統。 本文提出本系列第七個終端命題： $$ \boxed{ \textbf{ 文明需要能看見整體的智能，但不需要因此把整個世界交給一個中心；真正成熟的全域智能治理，是讓認知可以全域化，而權力仍能依問題、風險與主權邊界保持多尺度分布。 } } $$ **關鍵詞：** 全域智能、Global Authority、現場主權、Genba Sovereignty、多尺度治理、聯邦智能、局部自治、動態授權、文明協調、AI 治理、Scale-Fit Governance --- # 0. 問題：文明需要看見整體，就等於需要一個世界政府嗎？ Paper 06 已經建立： $$ \boxed{ \text{Need for Global Cognition}. } $$ 但這不推出： $$ \boxed{ \text{Need for Global Sovereignty}. } $$ 兩者必須分開。 --- # 1. 第一個核心不變量 本文固定： $$ \boxed{ \text{Global Intelligence} \neq \text{Global Authority}. } $$ 這是整篇的起點。 --- # 2. 第二個核心不變量 $$ \boxed{ \text{Global Authority} \neq \text{Global Commit}. } $$ 即使某層有協調權， 也不代表它可以直接： $$ \boxed{ \text{commit every local world state}. } $$ --- # 3. 「全域」不能只是一個布林值 不能只有： $$ Global=1. $$ 更合理的是： $$ \boxed{ \Gamma_G = ( G_O, G_K, G_R, G_C, G_D, G_A, G_M ). } $$ --- # 4. 全域觀測 $$ G_O $$ 表示： > 能觀察多大範圍的世界狀態？ 高： $$ G_O $$ 不等於高： $$ G_A. $$ --- # 5. 全域知識與建模 $$ G_K $$ 表示： > 能否把跨域資訊維持成共同模型？ 這包含： - 關係； - 時序； - 外部性； - 不確定性。 --- # 6. 全域推理 $$ G_R $$ 表示： > 能否對跨域後果進行模擬與反事實比較？ 例如： $$ \boxed{ W^{do(a)} } $$ 與： $$ \boxed{ W^{do(\neg a)}. } $$ --- # 7. 全域協調 $$ G_C $$ 表示： > 能否提出跨多局部域的協調方案？ 但： $$ \boxed{ \text{coordinate} \neq \text{command}. } $$ --- # 8. 全域資源發現 $$ G_D $$ 表示： > 能否知道哪些地方有資源、能力、容量與限制？ 例如： - 床位； - 電力； - 運輸； - 算力； - 專家。 --- # 9. 全域授權 $$ G_A $$ 才是： > 能否合法要求不同局部域執行？ 這是政治與法律問題， 不是模型問題。 --- # 10. 全域提交 $$ G_M $$ 表示： > 能否直接改寫實際世界狀態？ 這是最高風險能力之一。 --- # 11. 高認知與低主權可以同時成立 可以設計： $$ G_O=0.95, $$ $$ G_K=0.95, $$ $$ G_R=0.9, $$ $$ G_C=0.8, $$ 但： $$ G_A=0.3, $$ $$ G_M=0.1. $$ 這不是矛盾。 --- # 12. 這種 AI 更像文明觀測站 它可以： - 看； - 模擬； - 警告； - 建議； - 協調。 但不是： $$ \boxed{ \text{automatic sovereign}. } $$ --- # 13. 權力集中不是認知整合的必要條件 如果多個局部域： $$ W_i $$ 共享： $$ \pi_i(W_i), $$ 就可以建立： $$ O_\Omega. $$ 不需要： $$ \boxed{ W_i^{raw}\rightarrow W_{central}^{raw}. } $$ --- # 14. 全域資料不必中央化 因此： $$ \boxed{ \text{Global Awareness} \neq \text{Global Raw Data Centralization}. } $$ --- # 15. 聯邦式認知 可以： $$ \boxed{ W_\Omega^{view} = \bigoplus_i \pi_i(W_i). } $$ 其中： $$ \pi_i $$ 只輸出協調必要狀態。 --- # 16. 聯邦的第一原則 $$ \boxed{ \text{Local First}. } $$ 能在局部解決： $$ \Rightarrow $$ 留在局部。 --- # 17. 聯邦的第二原則 $$ \boxed{ \text{Federate When Necessary}. } $$ 只有當： $$ ScopeGap>0 $$ 或： $$ Externality>\theta $$ 才提高尺度。 --- # 18. 聯邦的第三原則 $$ \boxed{ \text{Minimal Necessary Projection}. } $$ 不共享不需要的資料。 --- # 19. 聯邦的第四原則 $$ \boxed{ \text{Bounded Authority}. } $$ 高階協調層不能自行擴權。 --- # 20. 聯邦的第五原則 $$ \boxed{ \text{Independent Audit}. } $$ 高階全域模型不能只審計自己。 --- # 21. 為什麼局部仍然重要？ 因為： $$ \boxed{ \text{Local Freshness} } $$ 可能高於： $$ \boxed{ \text{Global Freshness}. } $$ --- # 22. 現場可以看到中央看不到的東西 例如： - 感測延遲； - 隱性知識； - 非正式狀態； - 直接物理風險。 所以： $$ \boxed{ \widehat W_G^{local} } $$ 在某些時刻可能優於： $$ \boxed{ \widehat W_X^{global}. } $$ --- # 23. 第一個現場原則：現場真值保留 若現場看到： $$ Hazard=1, $$ 中央模型不能因為： $$ \widehat Hazard=0 $$ 就刪掉現場觀測。 因此： $$ \boxed{ \text{Local Observation} \neq \text{Central Override Target}. } $$ --- # 24. 第二個現場原則：安全拒絕權 若遠端命令： $$ a^\ast $$ 違反： - 硬安全； - 合法權限； - 現場已驗證條件； 則局部域應可： $$ \boxed{ Refuse(a^\ast). } $$ --- # 25. 第三個現場原則：安全停止權 若： $$ Risk>\theta_{safe}, $$ 則： $$ \boxed{ EnterSafeState. } $$ 可以優先於遠端指令。 --- # 26. 第四個現場原則：斷線權 在極端情況下： $$ \boxed{ Disconnect. } $$ 可以是合法安全動作。 但必須： - 有條件； - 有日誌； - 有後續覆核。 --- # 27. 第五個現場原則：申訴與重授權 局部拒絕不是永久脫離。 需要： $$ \boxed{ Appeal \rightarrow Review \rightarrow Reauthorization. } $$ --- # 28. 現場主權不是地方無限主權 $$ \boxed{ \text{Genba Sovereignty} \neq \text{Unlimited Local Sovereignty}. } $$ 局部不能因為看見一個現場問題， 就自行重寫整個文明規則。 --- # 29. 三種權力不能混淆 本文區分： $$ \boxed{ \text{Epistemic Priority} } $$ $$ \boxed{ \text{Safety Veto} } $$ $$ \boxed{ \text{Sovereign Authorization}. } $$ --- # 30. 現場可能有認知優先權 例如： $$ Freshness_{local} \gg Freshness_{global}. $$ 所以： $$ \boxed{ EpistemicPriority_{local}\uparrow. } $$ --- # 31. 現場可能有安全否決權 如果： $$ Risk_{local} $$ 直接且立即， 則： $$ \boxed{ SafetyVeto_{local}=1 } $$ 可能合理。 --- # 32. 但不因此獲得全域主權 $$ \boxed{ SafetyVeto \not\Rightarrow SovereignAuthority_\Omega. } $$ --- # 33. 第二個定義：動態權重治理 本文定義： $$ \boxed{ (W_G,W_X) = F( Scope, Externality, Latency, Risk, Reversibility, Freshness, Affectedness ). } $$ --- # 34. 局部問題 若： $$ Scope\downarrow, $$ $$ Externality\downarrow, $$ $$ Freshness_{local}\uparrow, $$ 則： $$ \boxed{ W_G\uparrow. } $$ --- # 35. 全域問題 若： $$ Externality\uparrow, $$ $$ Irreversibility\uparrow, $$ $$ Scope\uparrow, $$ 則： $$ \boxed{ W_X\uparrow. } $$ --- # 36. 權限不是固定樹 傳統組織喜歡： $$ CEO \rightarrow Manager \rightarrow Worker. $$ 但多尺度世界更像： $$ \boxed{ \text{Authority Lattice}. } $$ --- # 37. 同一個局部域可能同時受不同權限 例如： $$ W_{hospital} $$ 同時受： - 醫療專業； - 法律； - 消防； - 資安； - 個資； 約束。 所以： $$ \boxed{ \Gamma } $$ 不是單一父節點。 --- # 38. 第三個定義：尺度適配治理 $$ \boxed{ s^\ast(q) = \arg\min_s [ C_{coord}(s) + C_{externality}(s) + C_{authority\ mismatch}(s) ]. } $$ --- # 39. 太低尺度 如果： $$ ss^\ast, $$ 可能： $$ \boxed{ CoordinationCost\uparrow } $$ 與： $$ \boxed{ LocalKnowledgeLoss\uparrow. } $$ --- # 41. 所以最高層不等於最好層 $$ \boxed{ \text{Highest Scope} \neq \text{Best Decision Scope}. } $$ --- # 42. 全域智能的智慧包括知道何時退出 成熟： $$ G_\Omega $$ 應能判斷： $$ \boxed{ \text{No Global Intervention Needed}. } $$ --- # 43. 全域 AI 最危險的錯誤之一：過度介入 如果： $$ G_\Omega $$ 對所有： $$ q $$ 都： $$ Intervene=1, $$ 則會形成： $$ \boxed{ \text{Cognitive Micromanagement}. } $$ --- # 44. 認知微管理會增加世界脆弱性 因為所有局部： $$ G_i $$ 逐漸失去： - 獨立判斷； - 錯誤隔離； - 多樣性； - 恢復能力。 --- # 45. 多樣性是系統韌性資產 若所有： $$ G_i $$ 使用完全相同： $$ Model, Data, Policy, $$ 則： $$ \boxed{ \text{correlated failure}\uparrow. } $$ --- # 46. 所以文明需要認知異質性 $$ \boxed{ Diversity_{cognition}>0. } $$ 這不是效率缺陷。 --- # 47. 全域協調與獨立驗證需要並存 理想： $$ \boxed{ SharedState + IndependentModels. } $$ --- # 48. 公共世界模型也不應唯一 可以有： $$ \widehat W_\Omega^{(1)}, $$ $$ \widehat W_\Omega^{(2)}, $$ $$ \widehat W_\Omega^{(3)}. $$ 互相比較。 --- # 49. 全域智能需要異議層 若： $$ G_\Omega^{main} $$ 提出： $$ Y, $$ 應有： $$ \boxed{ G_\Omega^{challenge} } $$ 尋找反例。 --- # 50. 異議不是故障 $$ \boxed{ \text{Disagreement} \neq \text{System Failure}. } $$ 在不確定世界中， 異議可以提高韌性。 --- # 51. 第四個定義：文明級聯邦 本文定義： $$ \boxed{ \mathfrak F_\Omega = ( \{G_i\}, O_\Omega, M_\Omega, \Sigma_\Omega, \Gamma_\Omega, R_\Omega, U_\Omega, H_\Omega ). } $$ --- # 52. 成員局部智能 $$ \{G_i\} $$ 維持： - local world； - local memory； - local authority； - local agents。 --- # 53. 公共觀測層 $$ O_\Omega $$ 只維持： $$ \boxed{ \text{cross-domain necessary state}. } $$ --- # 54. 公共記憶層 $$ M_\Omega $$ 保存： - 跨域事件； - 公共風險； - 歷史協調； - 重大失敗。 --- # 55. 共享語義 $$ \Sigma_\Omega $$ 提供： $$ \boxed{ \text{minimum interoperable language}. } $$ --- # 56. 權限層 $$ \Gamma_\Omega $$ 明確定義： - 誰能讀； - 誰能建議； - 誰能協調； - 誰能執行。 --- # 57. 公共資源狀態 $$ R_\Omega $$ 可以表示： - 公共算力； - 災害資源； - 緊急容量； - 協調預算。 --- # 58. 公共未知 $$ U_\Omega $$ 保存： $$ \boxed{ \text{cross-domain unknowns}. } $$ 這避免高階系統假裝全知。 --- # 59. 人類／制度治理層 $$ H_\Omega $$ 保留： - 法律； - 民主程序； - 專業制度； - 人類審議； - 社群自治。 --- # 60. 聯邦層不是新的 Mother Emperor $$ \boxed{ \mathfrak F_\Omega \neq \text{One Mother Emperor AI}. } $$ 它是： $$ \boxed{ \text{coordination substrate}. } $$ --- # 61. 文明級 AI 的典型權限可以是讀多寫少 例如： $$ ReadScope\rightarrow high, $$ $$ WriteScope\rightarrow low. $$ 這是合理設計。 --- # 62. 高影響寫入應要求多重授權 對： $$ Impact(a)\uparrow, $$ 可要求： $$ \boxed{ n\text{-party authorization}. } $$ --- # 63. 單一 AI 不應自行修改自己的權限 $$ \boxed{ \Gamma_{t+1} \neq F_{AI\ alone}(\Gamma_t). } $$ 高影響權限變更應外部治理。 --- # 64. 權限租約比永久權限更安全 可以定義： $$ \boxed{ Lease( scope, action, time ). } $$ 權限只在： - 特定範圍； - 特定時間； - 特定任務； 有效。 --- # 65. 緊急權限必須自動失效 若： $$ Emergency=1, $$ 可以提高： $$ Authority. $$ 但： $$ \boxed{ EmergencyEnd \Rightarrow Authority\downarrow. } $$ --- # 66. 否則緊急權會變永久集中 $$ \boxed{ \text{temporary override} \rightarrow \text{permanent sovereignty} } $$ 是重要風險。 --- # 67. 高階協調應保留理由與證據 每個重大： $$ Proposal_\Omega $$ 應附： $$ \boxed{ Evidence, Assumptions, AffectedDomains, Uncertainty, Fallback. } $$ --- # 68. 這讓局部可以有理由地不同意 不是： > 中央說了算。 而是： $$ \boxed{ \text{evidence-bearing coordination}. } $$ --- # 69. 協調失敗不應直接升級成強制 如果： $$ Agreement=0, $$ 下一步可以： - 模擬； - 談判； - 補償； - 第三方審議。 而不是直接： $$ \boxed{ Force=1. } $$ --- # 70. 跨域補償是重要治理工具 如果政策： $$ a $$ 對： $$ W_i $$ 有利， 對： $$ W_j $$ 不利， 可以考慮： $$ \boxed{ Compensation_{i\rightarrow j}. } $$ --- # 71. 全域智能可以尋找非直覺妥協 AI 可以搜尋： $$ \boxed{ \text{high-dimensional compromise space}. } $$ 這是其文明價值之一。 --- # 72. 但妥協空間也不能取代權利底線 即使： $$ \sum_i U_i $$ 最大， 也不能合理化： $$ Rights_j\rightarrow0. $$ 因此： $$ \boxed{ Rights } $$ 應是 constraint。 --- # 73. 公共智能下限與本篇相接 Paper 05 已要求： $$ Agency_i\geq A_{min}. $$ 所以： $$ G_\Omega $$ 不能藉全域效用最大化， 把普通人變成純變量。 --- # 74. 個人也是合法的局部域 對個人： $$ W_u, $$ 其身體、資料、記憶、財產與選擇， 具有： $$ \boxed{ \text{local sovereignty}. } $$ --- # 75. 世界級 AI 不代表可讀所有個人資料 因此： $$ \boxed{ G_O^{global} } $$ 應建立在合法投影上， 而不是： $$ \boxed{ \text{total personal surveillance}. } $$ --- # 76. 全域智能必須知道自己的不可觀測邊界 成熟： $$ G_\Omega $$ 應保存： $$ \boxed{ U_\Omega^{privacy} } $$ 即： > 有些資料我依法不應知道。 --- # 77. 不知道也可以是合法設計 因此： $$ \boxed{ \text{Designed Ignorance} } $$ 不是系統缺陷。 它可以是權利保護。 --- # 78. 全域 AI 的治理目標不是最大化資訊攝取 而是： $$ \boxed{ \text{maximize useful coordination under lawful information bounds}. } $$ --- # 79. 理論命題一：認知尺度與主權尺度可以分離 $$ \boxed{ Scope_{cognition} > Scope_{authority} } $$ 可以成立。 --- # 80. 理論命題二：局部真值在某些窗口具有認知優先權 若： $$ Freshness_{local} \gg Freshness_{global}, $$ 則： $$ \boxed{ W_G>W_X } $$ 可能合理。 --- # 81. 理論命題三：高外部性問題提高全域權重 若： $$ Externality\uparrow, $$ 則： $$ \boxed{ W_X\uparrow. } $$ --- # 82. 理論命題四：全域協調不要求全域原始資料 $$ \boxed{ GlobalCoordination \not\Rightarrow GlobalRawData. } $$ --- # 83. 理論命題五：最適治理尺度不是固定層級 $$ \boxed{ s^\ast=s^\ast(q,t). } $$ --- # 84. 理論命題六：局部拒絕權是系統韌性元件 在合法條件下： $$ \boxed{ R_{refuse}>0 } $$ 可以降低： $$ \boxed{ single\text{-}loop failure. } $$ --- # 85. 理論命題七：高階智能需要退出與降權機制 若： $$ G_\Omega $$ 無法： - 被停用； - 被替換； - 被降權； 則： $$ \boxed{ GovernanceRisk\uparrow. } $$ --- # 86. 理論命題八：真正成熟的全域 AI 應能選擇不介入 $$ \boxed{ \text{Intelligence} \supset \text{restraint}. } $$ --- # 87. 對企業的含義 企業 Mother AI 不等於 AI CEO。 更合理： $$ \boxed{ \text{Persistent Enterprise Cognition} + \text{bounded authority}. } $$ --- # 88. 對城市的含義 城市 AI 可以高度整合： - 交通； - 能源； - 水務。 但社區、醫院、現場仍應保留： $$ \boxed{ \text{local decision envelopes}. } $$ --- # 89. 對國家的含義 國家級 AI 應更像： $$ \boxed{ \text{National Cognitive Federation}. } $$ 而不是： $$ \boxed{ \text{One National Super AI}. } $$ --- # 90. 對文明的含義 文明級 AI 更應是： $$ \boxed{ \text{federation of federations}. } $$ 它提供： - 公共觀測； - 模擬； - 協調； - 跨域警告。 --- # 91. 文明級 AI 的最高價值可能是「看見衝突」 不是： $$ \boxed{ \text{decide everything}. } $$ 而是： $$ \boxed{ \text{show what no local actor can see alone}. } $$ --- # 92. Paper 07 與 Paper 08 的接口 到這裡，本系列已建立： - 資訊海； - 反身性； - 入場券； - 多玩家； - 公共底線； - 全域必要性； - 權限分離。 最後還剩下一個規範性問題： > 如果這套遊戲規則具有巨大能力效果，為什麼還要公開？ 答案不能只是： > 因為開源很好。 而必須處理： $$ \boxed{ \text{Disclosure Risk} } $$ 與： $$ \boxed{ \text{Rule Concentration Risk}. } $$ 這就是 Paper 08： **《公開遊戲規則：為什麼全域智能方法論不應只存在於高資源玩家之間》**。 --- # 93. 結論：文明需要全域視野，但不需要全域王座 Paper 06 的問題是： > 文明為什麼需要全域智能？ 本文的問題則是： > 需要全域智能之後，怎麼避免它變成全域支配？ 答案是： $$ \boxed{ \text{separate cognition from sovereignty}. } $$ 我們可以讓： $$ G_O, G_K, G_R, G_C $$ 非常高， 同時限制： $$ G_A, G_M. $$ 我們可以讓文明： $$ \boxed{ \text{see globally} } $$ 但： $$ \boxed{ \text{decide at the appropriate scale}. } $$ 我們可以讓局部： $$ \boxed{ \text{act locally} } $$ 同時讓全域層： $$ \boxed{ \text{detect global consequences}. } $$ 因此本文的終端命題為： $$ \boxed{ \textbf{ 全域智能不是世界政府。真正成熟的文明級 AI 應該是一個能提高整體可見性、模擬能力與協調能力，卻仍保留地方、現場、個人與多制度主權的多尺度認知聯邦。 } } $$ 最理想的結構不是： $$ \boxed{ \text{One Intelligence} \rightarrow \text{One Authority} \rightarrow \text{One World}. } $$ 而是： $$ \boxed{ \text{Global Awareness} + \text{Local Sovereignty} + \text{Dynamic Delegation} + \text{Public Audit}. } $$ 文明需要一個能看見自己全身的神經系統。 但它不需要因此把每一個器官、每一個細胞、每一個人，都變成中央大腦的附屬物。 --- ## 系列總路徑 1. 從大數據到 AI 資訊海； 2. 反身性資訊與動態決策博弈； 3. 全域 AI 的資源入場券； 4. 多個局部全域 AI 的競合世界； 5. 能力不平等與公共智能底線； 6. 文明為何需要全域智能； 7. 多尺度認知、現場主權與文明協調； 8. 公開遊戲規則與認知規則去集中化。