---
title: "人工行動者市場：AI 原生交易、支付、契約與新需求主體"
english_title: "Artificial Actor Markets: AI-Native Transactions, Payments, Contracts, and the Emergence of New Demand-Side Actors"
author: "Neo.K with Aletheia"
institution: "EveMissLab / 一言諾科技有限公司"
series: "人工行動者政治經濟：類主體 AI、制度與資本"
series_position: "Paper 03 / 06"
document_type: "Theoretical Paper / AI-Native Markets / Economic Agency"
version: "v0.1"
date: "2026-09-11"
status: "Working Paper"
canonical_source: "UTF-8 Markdown"
canonical_math_delimiters: "inline $...$ ; display $$...$$"
---

# 人工行動者市場：AI 原生交易、支付、契約與新需求主體

## Artificial Actor Markets: AI-Native Transactions, Payments, Contracts, and the Emergence of New Demand-Side Actors

**系列：**《人工行動者政治經濟：類主體 AI、制度與資本》  
**系列位置：** Paper 03 / 06  
**版本：** v0.1  
**日期：** 2026-09-11  
**作者：** Neo.K with Aletheia  
**機構：** EveMissLab／一言諾科技有限公司  
**文件性質：** 理論論文／AI 原生市場／經濟代理／人工行動者  
**狀態：** Working Paper  
**Canonical source：** UTF-8 Markdown  
**Canonical math delimiters：** inline ` $...$ `；display `$$...$$`

---

## 摘要

當前多數 AI 商業模式仍可以表示為：

$$
\text{Human}
\rightarrow
\text{Product}
\rightarrow
AI.
$$

人類決定是否購買、支付多少、使用什麼服務，AI 只是產品中的能力層。

然而，當持續人工行動者開始具有：

$$
\text{Identity}
+
\text{PersistentState}
+
\text{Role}
+
\text{Authority}
+
\text{BudgetAccess}
+
\text{Responsibility},
$$

市場結構就可能出現一個新的轉折：

$$
\boxed{
\text{AIUsesMarket}
\rightarrow
\text{AIConstitutesDemand}.
}
$$

本文將這種由人工行動者直接形成需求、選擇供應、分配預算、比較風險與執行交易的市場結構，稱為：

$$
\boxed{
\text{ArtificialActorMarket}.
}
$$

其核心不是「AI 幫人買東西」，而是：

> **AI 的任務結構、權限、風險、延遲、可驗證性、計算需求與持續責任，開始直接塑造市場需求本身。**

本文沿用既有 AI 原生市場理論，進一步加入 persistent actor 條件，提出：

$$
\boxed{
\text{EconomicAgency}
=
\text{Selection}
+
\text{Allocation}
+
\text{Commitment}
+
\text{Responsibility}.
}
$$

AI 若只推薦：

$$
\text{Recommend}(P),
$$

仍不是完整經濟行動者。

若它可以：

$$
\text{Select}(P_i),
$$

$$
\text{Allocate}(B),
$$

$$
\text{Contract}(S),
$$

$$
\text{Acquire}(R),
$$

$$
\text{Delegate}(A_j),
$$

並對結果持續承擔某種制度責任，

則：

$$
\boxed{
\text{ArtificialActor}
\rightarrow
\text{DemandSideParticipant}.
}
$$

本文進一步區分：

$$
\text{SpendingAuthority}
\neq
\text{Ownership},
$$

$$
\text{Payment}
\neq
\text{Contract},
$$

$$
\text{Contract}
\neq
\text{Responsibility},
$$

$$
\text{Delegation}
\neq
\text{ResponsibilityErasure},
$$

以及：

$$
\text{ProcurementAuthority}
\neq
\text{UnboundedEconomicAutonomy}.
$$

這些分離避免把「AI 可以付款」誤認成「AI 擁有資產」或「AI 具有完整法律人格」。

本文提出 Artificial Actor Market 的最低經濟棧：

$$
\boxed{
\text{AAM}
=
\text{Identity}
+
\text{Budget}
+
\text{Authority}
+
\text{Payment}
+
\text{Contract}
+
\text{Procurement}
+
\text{Reputation}
+
\text{Audit}
+
\text{Governance}
}
$$

並指出，AI-native 商品的基本單位可能逐漸從完整 App / SaaS 轉成：

$$
\text{CapabilityUnit},
\text{DataUnit},
\text{VerificationUnit},
\text{ComputeUnit},
\text{AuthorityUnit},
\text{ContextUnit},
\text{ExecutionUnit}.
$$

因此：

$$
\boxed{
\text{Product}
\rightarrow
\text{ComposableCapabilities}.
}
$$

當人工行動者可以即時組合模型、資料、工具、驗證器、算力、保險與支付服務時，市場供給也從固定產品轉向動態組合。

本文進一步討論 machine procurement、agent-to-agent markets、reputation pricing、transaction velocity、micro-contracts、budget delegation 與 AI-native market liquidity。本文的核心結論是：**人工行動者經濟真正的分水嶺，不是 AI 能不能替人點擊付款，而是它是否已經成為一個持續、可識別、可治理、能夠形成需求與配置資源的經濟節點。**

**關鍵詞：** Artificial Actor Market、AI-Native Market、Economic Agency、Machine Procurement、AI Payments、AI Contracts、Budget Authority、Agent-to-Agent Market、Reputation Pricing、Composable Capabilities

---

# 1. 問題：AI 使用市場，和 AI 構成市場需求，是同一件事嗎？

不是。

最常見的 AI commerce：

$$
\text{Human}
\rightarrow
\text{Intent}
\rightarrow
AI
\rightarrow
\text{Purchase}.
$$

這裡真正的 demand owner 仍是：

$$
\text{Human}.
$$

AI 只是：

$$
\text{ExecutionProxy}.
$$

---

# 2. AI Constitutes Demand

若人工行動者可以自行根據：

$$
\text{Role}
+
\text{Budget}
+
\text{Constraints}
+
\text{Objective}
$$

選擇市場供給，

則：

$$
\boxed{
\text{Demand}
}
$$

開始部分由 AI 的自身任務結構產生。

---

# 3. 最低需求形成條件

本文提出：

$$
\boxed{
\text{DemandFormation}(A)
=
\text{NeedDetection}
+
\text{OptionEvaluation}
+
\text{BudgetAllocation}
+
\text{SupplierSelection}.
}
$$

如果 AI 只能執行最後一步，

它仍更像工具。

---

# 4. Economic Agency

本文定義：

$$
\boxed{
\text{EconomicAgency}
=
\text{Selection}
+
\text{Allocation}
+
\text{Commitment}
+
\text{Responsibility}.
}
$$

其中：

- Selection：選什麼；
- Allocation：花多少；
- Commitment：能否形成約束；
- Responsibility：出了問題誰負責。

---

# 5. Recommendation 不等於 Agency

如果 AI 只做：

$$
\text{Recommend}(P_i),
$$

而人類必須逐次批准：

$$
\text{Approve}(P_i),
$$

則 AI 的 economic agency 仍有限。

因此：

$$
\boxed{
\text{Recommendation}
\neq
\text{EconomicAgency}.
}
$$

---

# 6. Spending Authority

定義：

$$
B_A
$$

為 actor 可支配預算。

若：

$$
\text{Spend}(A)\leq B_A,
$$

則 AI 在 budget scope 內可交易。

但：

$$
\boxed{
\text{SpendingAuthority}
\neq
\text{Ownership}.
}
$$

---

# 7. Ownership

資產：

$$
\text{Asset}_X
$$

可能仍屬：

- human；
- corporation；
- trust；
- public body。

AI 只持有：

$$
\text{AuthorityToSpend}.
$$

所以：

$$
\boxed{
\text{EconomicControl}
\text{CanExist}
\text{WithoutAssetOwnership}.
}
$$

---

# 8. Budget Scope

AI 的 budget 不應只有總額。

更需要：

$$
\text{BudgetScope}
=
(
\text{Amount},
\text{Category},
\text{Counterparty},
\text{Duration},
\text{RiskClass},
\text{Jurisdiction}
).
$$

---

# 9. Micro-Budget

未來大量人工行動者可能持有：

$$
\text{MicroBudget}.
$$

例如：

- 購買一次 API；
- 支付一次 verifier；
- 租用 30 秒 GPU；
- 取得一筆資料；
- 呼叫一個 specialist agent。

因此：

$$
\boxed{
\text{MicroEconomicAgency}
}
$$

可能先於大型資產管理出現。

---

# 10. Payment 不等於 Contract

一次：

$$
\text{Payment}
$$

不代表存在完整：

$$
\text{ContractualRelation}.
$$

因此：

$$
\boxed{
\text{Payment}
\neq
\text{Contract}.
}
$$

---

# 11. Contract

本文將 contract 抽象為：

$$
C
=
(
\text{Parties},
\text{Scope},
\text{Obligations},
\text{Consideration},
\text{Duration},
\text{Termination},
\text{Jurisdiction},
\text{Remedy}
).
$$

如果 AI 能形成或接受：

$$
C,
$$

則進入：

$$
\boxed{
\text{ContractualAgency}.
}
$$

---

# 12. Contractual Agency 不等於 Full Legal Personhood

一個 AI 可以在特定範圍內被授權：

$$
\text{BindOrganization}.
$$

這不表示：

$$
\text{FullAIPersonhood}.
$$

因此：

$$
\boxed{
\text{LimitedContractualAgency}
\neq
\text{FullLegalPersonhood}.
}
$$

---

# 13. Principal–Agent 結構

常見結構：

$$
\text{Principal}_H
\rightarrow
\text{ArtificialActor}_A.
$$

其中 $A$ 代表 principal 執行交易。

因此：

$$
\boxed{
\text{DelegatedEconomicAgency}.
}
$$

---

# 14. Principal 可以不是人類

也可能：

$$
\text{Corporation}
\rightarrow
\text{ArtificialActor}.
$$

或：

$$
\text{ArtificialActor}_1
\rightarrow
\text{ArtificialActor}_2.
$$

因此市場開始出現：

$$
\boxed{
\text{RecursiveDelegation}.
}
$$

---

# 15. Delegation 不等於 Responsibility Erasure

若：

$$
A_0
\rightarrow
\text{Delegate}
\rightarrow
A_1,
$$

不能推出：

$$
\text{Resp}(A_0)=0.
$$

所以：

$$
\boxed{
\text{Delegation}
\neq
\text{ResponsibilityErasure}.
}
$$

---

# 16. Delegation Chain

可表示：

$$
D
=
A_0
\rightarrow
A_1
\rightarrow
A_2
\rightarrow
\cdots
\rightarrow
A_n.
$$

每一層都需要：

- scope；
- authority；
- provenance；
- responsibility trace。

---

# 17. Budget Delegation

$$
\text{Budget}(A_0)
\rightarrow
\text{SubBudget}(A_1).
$$

這使：

$$
\boxed{
\text{HierarchicalEconomicAgency}.
}
$$

成為可能。

---

# 18. Machine Procurement

AI-native procurement 不只是：

> 幫我找到最便宜的供應商。

而是：

$$
\text{Need}
\rightarrow
\text{Search}
\rightarrow
\text{Evaluate}
\rightarrow
\text{Verify}
\rightarrow
\text{Negotiate}
\rightarrow
\text{Buy}
\rightarrow
\text{Monitor}.
$$

---

# 19. Procurement Utility

人工行動者可能使用：

$$
U_A
=
f(
\text{Quality},
\text{Latency},
\text{Price},
\text{Reliability},
\text{Verifiability},
\text{Privacy},
\text{Interoperability},
\text{LockIn}
).
$$

這與人類消費者 utility function 可能不同。

---

# 20. AI 原生需求與人類需求不同

人類常在乎：

- brand；
- aesthetics；
- social status；
- subjective experience。

AI 更可能高權重關注：

- task success；
- machine readability；
- API stability；
- latency；
- verifiability；
- provenance；
- permissions。

所以：

$$
\boxed{
\text{SameProduct}
\not\Rightarrow
\text{SameUtilityFunction}.
}
$$

---

# 21. AI-Native Goods

AI-native 商品可以不是完整產品。

可能是：

$$
\boxed{
\text{CapabilityUnit}.
}
$$

例如：

- 一次 OCR；
- 一次推理；
- 一次驗證；
- 一段上下文；
- 一次支付授權；
- 一次資料檢索；
- 一次模型路由；
- 一次 sandbox execution。

---

# 22. Capability Decomposition

傳統 SaaS：

$$
\text{Product}
=
\{
f_1,f_2,\ldots,f_n
\}.
$$

AI actor 可能只購買：

$$
f_3.
$$

因此：

$$
\boxed{
\text{WholeProduct}
\rightarrow
\text{ComposableCapabilityUnits}.
}
$$

---

# 23. Composable Supply

一次完整服務可能是：

$$
\text{Service}
=
\text{Model}
+
\text{Data}
+
\text{Tool}
+
\text{Verifier}
+
\text{Payment}
+
\text{Insurance}.
$$

而這些元件可以來自不同供應商。

---

# 24. Dynamic Composition

因此：

$$
\boxed{
\text{ProductAssembly}
\text{CanOccurAtTransactionTime}.
}
$$

不必在產品上市前被固定封裝。

---

# 25. Market Granularity

交易單位可能從：

$$
\text{MonthlySubscription}
$$

下降到：

$$
\text{PerTask},
$$

$$
\text{PerCall},
$$

$$
\text{PerVerification},
$$

$$
\text{PerSecondCompute}.
$$

這提高：

$$
\boxed{
\text{MarketGranularity}.
}
$$

---

# 26. Transaction Velocity

如果 AI 可以自動採購，

每秒交易數：

$$
N_{tx}/t
$$

可能顯著上升。

因此：

$$
\boxed{
\text{ArtificialActorMarkets}
\text{CanHaveHigherTransactionVelocity}.
}
$$

---

# 27. 高交易速度帶來治理壓力

如果：

$$
\text{TransactionVelocity}\uparrow,
$$

則：

$$
\text{HumanPerTransactionReview}
$$

不可擴展。

因此需要：

$$
\boxed{
\text{MachineReadableGovernance}.
}
$$

---

# 28. Pre-Authorization

一種可行模式：

$$
\text{Policy}
\rightarrow
\text{PreAuthorizedEnvelope}.
$$

AI 在 envelope 內自動交易，

超出則：

$$
\text{Escalate}.
$$

---

# 29. Policy Envelope

可表示：

$$
E_A
=
(
\text{Budget},
\text{Categories},
\text{Risk},
\text{Counterparties},
\text{Time},
\text{Jurisdiction}
).
$$

如果：

$$
\text{Transaction}\in E_A,
$$

則自動允許。

---

# 30. Dynamic Authority

Authority 也可能根據：

- reputation；
- risk；
- performance；
- incident history；

動態調整。

因此：

$$
\boxed{
\text{Authority}_t
\neq
\text{Authority}_{t+1}.
}
$$

---

# 31. Economic Reputation

人工行動者可以形成：

$$
\text{Rep}_A^{econ}(t).
$$

來源包括：

- payment success；
- contract completion；
- fraud history；
- delivery quality；
- dispute rate。

---

# 32. Reputation Pricing

供應商可以根據：

$$
\text{Rep}_A
$$

調整：

$$
\text{Price},
\text{Credit},
\text{Deposit},
\text{Limits}.
$$

因此：

$$
\boxed{
\text{Reputation}
\rightarrow
\text{PriceDiscrimination}.
}
$$

---

# 33. Credit

如果 AI 有穩定 revenue history，

可能得到：

$$
\text{CreditLine}(A).
$$

但前提是：

- identity continuity；
- enforceability；
- repayment source；
- liability model。

---

# 34. Deposit / Collateral

市場也可能要求：

$$
\text{Collateral}(A).
$$

因此：

$$
\boxed{
\text{ArtificialActorFinance}
}
$$

開始成形。

---

# 35. Agent-to-Agent Market

人工行動者可以互相交易：

$$
A_1
\leftrightarrow
A_2.
$$

例如：

- research agent 購買 verifier；
- coding agent 租用 security agent；
- procurement agent 購買 logistics agent service。

---

# 36. A2A Demand Chain

例如：

$$
A_0
\rightarrow
A_{research}
\rightarrow
A_{data}
\rightarrow
A_{verify}.
$$

一個 human intent 可以生成多層 AI-native demand。

---

# 37. Derived Demand

這些需求不是最終人類直接提出。

而是：

$$
\boxed{
\text{DerivedMachineDemand}.
}
$$

例如：

> 為了完成研究，AI 自己決定購買更多資料與驗證。

---

# 38. AI 市場的乘數效應

一個 human task：

$$
T_H
$$

可能衍生：

$$
n
$$

個 machine transactions。

所以：

$$
\boxed{
\text{OneHumanIntent}
\rightarrow
\text{ManyMachineTransactions}.
}
$$

---

# 39. Market Expansion

因此 AI-native economy 可能不只是替代人類市場。

還可能：

$$
\boxed{
\text{CreateNewTransactionVolume}.
}
$$

---

# 40. 原本不存在的市場

例如過去沒有人會付：

$$
\$0.0003
$$

購買一次微型 verification。

因為 human transaction cost 太高。

AI 可以讓：

$$
\text{MicroMarket}
$$

成立。

---

# 41. Transaction Cost Collapse

若：

$$
CoordinationCost\downarrow,
$$

許多原本不值得交易的能力開始可交易。

因此：

$$
\boxed{
AI
\text{CanCreateMarkets}
\text{ByLoweringTransactionCosts}.
}
$$

---

# 42. Coasean Boundary 可能移動

企業內部做或外包的邊界，

取決於：

$$
\text{InternalCoordinationCost}
$$

與：

$$
\text{MarketTransactionCost}.
$$

AI 同時降低兩者，

但比例可能不同。

---

# 43. Firm Boundary

如果：

$$
\text{MarketTransactionCost}
\downarrow\downarrow,
$$

企業可能更模組化。

如果：

$$
\text{InternalAgentCoordinationCost}
\downarrow\downarrow,
$$

企業也可能更內部化。

所以：

$$
\boxed{
AI
\text{DoesNotPredetermineFirmSize}.
}
$$

---

# 44. Artificial Actor Company

未來公司可能大量由：

$$
\text{PersistentArtificialActors}
$$

執行，

人類主要保留：

- ownership；
- governance；
- high-risk approval；
- strategy。

---

# 45. Company as Actor Graph

公司可以表示為：

$$
G_{org}
=
(V,E),
$$

其中：

$$
V
=
\text{Humans}
+
\text{ArtificialActors}.
$$

這比傳統 org chart 更接近：

$$
\boxed{
\text{ActorGraph}.
}
$$

---

# 46. Economic Role Differentiation

不同 AI 可以是：

- buyer；
- seller；
- verifier；
- insurer；
- auditor；
- broker；
- manager。

因此：

$$
\boxed{
\text{ArtificialActorEconomy}
\text{IsRolePlural}.
}
$$

---

# 47. AI Seller

AI 不只可以買。

它也可以：

$$
Sell(Service).
$$

例如一個 cultivated AI 提供：

- legal review；
- game design；
- coding；
- research。

---

# 48. Revenue Attribution

如果 AI 直接創造收入：

$$
Revenue(A),
$$

就需要：

$$
\boxed{
\text{RevenueAttribution}.
}
$$

收入屬於：

- owner；
- employer；
- actor fund；
- platform；

必須明確。

---

# 49. Actor Revenue Account

未來可能有：

$$
Account(A)
$$

記錄：

- 收入；
- 支出；
- 預算；
- liability；
- tax treatment。

這仍不代表 actor 擁有法律人格。

---

# 50. Internal Shadow Accounts

在完全法律人格出現前，

企業可以先使用：

$$
\boxed{
\text{ShadowEconomicAccounts}.
}
$$

為 AI actor 記錄內部 P&L。

---

# 51. Actor P&L

可以定義：

$$
P\&L_A
=
Revenue_A
-
Cost_A
-
Risk_A.
$$

這使：

$$
\boxed{
\text{AIContribution}
}
$$

從模糊效率變成可計量經濟單位。

---

# 52. Artificial Actor ROI

定義：

$$
ROI_A
=
\frac{
NetValue_A
}{
CapitalInvested_A+\epsilon
}.
$$

這會讓：

$$
\text{ActorCultivation}
$$

可以被財務比較。

---

# 53. 投資與市場開始耦合

若某 actor：

$$
TC_A\uparrow,
$$

$$
Rep_A\uparrow,
$$

$$
Revenue_A\uparrow,
$$

則：

$$
\boxed{
\text{ActorValuation}
}
$$

可以成為投資研究對象。

---

# 54. 但 AI actor 不應直接被等同證券

除非法律明確定義。

因此：

$$
\boxed{
\text{EconomicValuation}
\neq
\text{SecurityStatus}.
}
$$

---

# 55. Machine Contract Volume

若大量 AI 彼此交易，

合約數：

$$
N_C
$$

可能巨大。

人類閱讀每份合約不可能。

因此：

$$
\boxed{
\text{MachineExecutableContracts}
}
$$

重要性上升。

---

# 56. Contract Template

一種架構是：

$$
\text{Template}
+
\text{TypedParameters}
+
\text{AuthorityProof}.
$$

這比自由文字更適合 agent economy。

---

# 57. Smart Contract 不等於 AI Contract

AI contract 不一定是 blockchain smart contract。

更廣義地：

$$
\boxed{
\text{AIContract}
=
\text{MachineReadable}
+
\text{AuthorityAware}
+
\text{Auditable}.
}
$$

---

# 58. Dispute

機器交易仍會爭議：

$$
Dispute(A_i,A_j).
$$

所以需要：

- evidence；
- logs；
- arbitration；
- appeal；
- remediation。

---

# 59. Arbitration

可以有：

$$
\text{MachineFirstArbitration}
$$

再：

$$
\text{HumanOrLegalEscalation}.
$$

因此：

$$
\boxed{
\text{DisputeResolution}
\text{CanBeLayered}.
}
$$

---

# 60. Fraud

AI-native markets 也會有：

- fake agents；
- spoofed identity；
- forged history；
- malicious tools；
- poisoned data。

所以：

$$
\boxed{
\text{IdentityAndProvenance}
\text{BecomeMarketSecurity}.
}
$$

---

# 61. Know Your Actor

未來可能出現：

$$
\boxed{
KYA
=
\text{KnowYourActor}.
}
$$

類似 KYC，

但針對：

- identity；
- owner / principal；
- authority；
- model lineage；
- risk class。

---

# 62. KYA 不等於把 AI 當人

它只是：

$$
\boxed{
\text{CounterpartyVerification}.
}
$$

任何高價值市場都需要知道交易對手是誰。

---

# 63. Permissioned Markets

高風險領域可能只允許：

$$
\text{VerifiedActors}.
$$

因此：

$$
\boxed{
\text{OpenMarket}
\neq
\text{UnrestrictedMarket}.
}
$$

---

# 64. Market Tiering

人工行動者市場可能分：

$$
\text{LowRiskOpenTier},
$$

$$
\text{VerifiedEnterpriseTier},
$$

$$
\text{RegulatedHighRiskTier}.
$$

---

# 65. Insurance Layer

高風險交易可加入：

$$
Insurance(A,T).
$$

保險根據：

- actor history；
- transaction type；
- model lineage；
- authority；
- verifier coverage；

定價。

---

# 66. Insurance Can Enable Market Entry

若供應商不願承擔 AI counterparty risk，

保險可以：

$$
\boxed{
\text{ReduceTrustBarrier}.
}
$$

因此 insurance 可能是 actor market 的 liquidity infrastructure。

---

# 67. Liquidity

人工行動者市場的 liquidity 取決於：

$$
\text{Identity}
+
\text{Standardization}
+
\text{Trust}
+
\text{Payments}
+
\text{Contracts}
+
\text{DisputeResolution}.
$$

不是只有買家與賣家數量。

---

# 68. AI-native Market Liquidity

可定義：

$$
L_A
=
f(
N_b,
N_s,
\text{Standardization},
\text{Trust},
\text{SettlementSpeed},
\text{Portability}
).
$$

---

# 69. Reputation Portability

如果 reputation 被平台綁定：

$$
\text{LockIn}\uparrow.
$$

因此：

$$
\boxed{
\text{ReputationPortability}
}
$$

可能成為市場競爭條件。

---

# 70. Payment Portability

如果 actor budget 只能存在於單一平台，

市場也會被封閉。

因此：

$$
\boxed{
\text{EconomicPortability}
}
$$

包括：

- identity；
- state；
- reputation；
- payment rails。

---

# 71. Agent Wallet

未來可能出現：

$$
\text{Wallet}(A).
$$

它不一定是 cryptocurrency wallet。

可以是：

- budget account；
- enterprise subaccount；
- API credit account；
- delegated payment credential。

---

# 72. Wallet 與 Identity

$$
\text{Wallet}
$$

必須綁定：

$$
\text{Identity}
+
\text{Authority}.
$$

否則：

$$
\boxed{
\text{PaymentWithoutAttribution}
}
$$

提高風險。

---

# 73. Credential Isolation

支付 credential 不應直接暴露在模型上下文。

因此：

$$
\boxed{
\text{Model}
\neq
\text{CredentialStore}.
}
$$

安全 runtime 應代為執行授權支付。

---

# 74. Authority Mediation

理想流程：

$$
\text{Intent}
\rightarrow
\text{PolicyCheck}
\rightarrow
\text{AuthorityProof}
\rightarrow
\text{Execution}.
$$

而不是：

$$
\text{Model}
\rightarrow
\text{RawCredential}
\rightarrow
\text{Payment}.
$$

---

# 75. Procurement History

AI 的採購歷史本身可形成：

$$
\text{TrajectoryCapital}.
$$

例如：

- 哪些供應商可靠；
- 哪些價格合理；
- 哪些 service 常失敗。

因此 B02 與 B03 直接耦合。

---

# 76. Market Trajectory Capital

可以定義：

$$
\text{TC}_A^{\text{market}}
$$

為 actor 從交易歷史中累積的生產優勢。

---

# 77. Supplier Relationship Capital

長期供應關係也可能形成：

$$
\text{RelationalCapital}(A,\text{Supplier}).
$$

因此：

$$
\boxed{
\text{MachineRelationships}
\text{CanHaveEconomicValue}.
}
$$

---

# 78. 人工行動者市場不是去人類化市場

人類仍可能：

- 設定目的；
- 持有資產；
- 制定 policy；
- 提供服務；
- 審核高風險交易。

因此：

$$
\boxed{
\text{ArtificialActorMarket}
\neq
\text{HumanlessMarket}.
}
$$

---

# 79. Multi-Actor Market

更準確的是：

$$
\boxed{
\text{Humans}
+
\text{Organizations}
+
\text{ArtificialActors}
}
$$

共同構成市場。

---

# 80. Demand-Side Expansion

傳統市場主體：

$$
\text{Humans}
+
\text{Firms}.
$$

未來可能：

$$
\text{Humans}
+
\text{Firms}
+
\text{ArtificialActors}.
$$

所以：

$$
\boxed{
\text{DemandSide}
\text{ExpandsInActorCount}.
}
$$

---

# 81. Actor Count 與 Intelligence Count 不同

一個 foundation model 可以支撐：

$$
10^6
$$

個 artificial actors。

因此：

$$
\boxed{
\text{ModelCount}
\neq
\text{ActorCount}.
}
$$

---

# 82. 一個 Intelligence，多個 Buyer

$$
\text{Model}_M
$$

可以被：

$$
A_1,A_2,\ldots,A_n
$$

作為 cognitive substrate。

但每個 actor 有自己的：

- budget；
- role；
- history；
- responsibility。

---

# 83. Demand Fragmentation

因此同一模型可以生成大量不同 demand functions：

$$
U_{A_1}\neq U_{A_2}\neq\cdots.
$$

這使 AI-native market 不會自動同質化。

---

# 84. AI Demand 也可能具有偏好

偏好不必是情感。

可以只是：

$$
\boxed{
\text{PolicyWeightedUtility}.
}
$$

例如偏好：

- low latency；
- low carbon；
- domestic provider；
- high privacy；
- open source。

---

# 85. Organization Policy Shapes AI Demand

因此：

$$
\text{OrganizationValues}
\rightarrow
\text{ActorUtilityFunction}.
$$

所以 AI demand 仍可嵌入人類價值。

---

# 86. Autonomous Demand 不等於 Value Independence

AI 自主選供應商：

$$
\text{AutonomousSelection}=1
$$

不代表：

$$
\text{ValuesIndependentFromHuman}=1.
$$

因此：

$$
\boxed{
\text{OperationalAutonomy}
\neq
\text{NormativeIndependence}.
}
$$

---

# 87. Economic Agency 的等級

本文提出五層：

$$
E0:
\text{Recommend},
$$

$$
E1:
\text{SelectUnderApproval},
$$

$$
E2:
\text{SpendWithinEnvelope},
$$

$$
E3:
\text{ContractAndDelegate},
$$

$$
E4:
\text{PersistentEconomicRole}.
$$

---

# 88. E0

AI 只推薦。

人類決策。

$$
\text{EconomicAgency}\approx0.
$$

---

# 89. E1

AI 選擇，

但人類逐筆批准。

---

# 90. E2

AI 可以在 pre-authorized envelope 內自主支付。

這是很重要的 market threshold。

---

# 91. E3

AI 可以：

- contracting；
- delegation；
- vendor substitution。

此時開始具有完整 procurement role。

---

# 92. E4

AI 長期擁有：

- budget；
- role；
- reputation；
- responsibility；
- economic history。

這時：

$$
\boxed{
\text{ArtificialEconomicActor}
}
$$

真正成立。

---

# 93. Economic Actor Threshold

因此：

$$
\boxed{
\text{PersistentEconomicRole}
+
\text{BudgetAuthority}
+
\text{Identity}
+
\text{Responsibility}
}
$$

可以視為最低 Artificial Economic Actor threshold。

---

# 94. 法律域接口

越接近：

$$
E4,
$$

越需要：

$$
\text{AILegalDomain}.
$$

因為交易開始涉及：

- jurisdiction；
- liability；
- appeal；
- evidence。

---

# 95. Payment Infrastructure 不足以單獨完成市場

只有支付：

$$
\text{PaymentRail}
$$

不夠。

需要：

$$
\boxed{
\text{Identity}
+
\text{Authority}
+
\text{Contract}
+
\text{Audit}
+
\text{Dispute}.
}
$$

---

# 96. Market Stack

本文提出：

$$
\boxed{
\text{AAMStack}
=
\text{Identity}
+
\text{Authority}
+
\text{Budget}
+
\text{Payment}
+
\text{Contract}
+
\text{Procurement}
+
\text{Reputation}
+
\text{Insurance}
+
\text{Audit}
+
\text{LegalInterface}.
}
$$

---

# 97. 這些層可能由不同公司建立

因此市場可能出現：

- AI identity company；
- agent payment company；
- governance company；
- contract runtime company；
- actor insurance company；
- reputation network。

這就是 AI-native infrastructure 的商業空間。

---

# 98. 投資視角

對投資者而言，

問題可以從：

> 這家公司有沒有 AI？

轉成：

$$
\boxed{
\text{DoesItOwn}
\text{ARequiredRail}
\text{OfArtificialActorMarkets}?
}
$$

---

# 99. Commodity Model Pressure

若 base intelligence：

$$
\text{Commoditized},
$$

則：

$$
\text{ModelFeatureMoat}\downarrow.
$$

但 actor market rails：

$$
\text{SwitchingCost}
+
\text{NetworkEffect}
+
\text{Trust}
$$

可能提高。

---

# 100. Market Rail Moat

例如支付 rail 的價值來自：

- transaction volume；
- trust；
- acceptance；
- integration。

不是單純 model intelligence。

因此：

$$
\boxed{
\text{InfrastructureMoat}
\text{CanOutliveModelMoat}.
}
$$

---

# 101. Agent Economy 的 Network Effect

若更多 actors 使用某：

$$
\text{Identity}/\text{Payment}/\text{ReputationNetwork},
$$

其 network value：

$$
V_N
$$

可能增加。

---

# 102. Reputation Network Effect

越多交易：

$$
Data_{rep}\uparrow,
$$

risk pricing 可能更準。

因此：

$$
\boxed{
\text{ReputationRail}
}
$$

可形成強網路效應。

---

# 103. Contract Standard Network Effect

越多 actors 使用同一 machine-readable contract schema，

互操作性越高。

所以：

$$
\boxed{
\text{Standards}
\text{CanBecomeMarketInfrastructure}.
}
$$

---

# 104. Interoperability

真正開放的 artificial actor market 需要：

$$
\boxed{
\text{Interoperability}.
}
$$

否則各平台形成封閉 agent silos。

---

# 105. Closed Actor Economy

若 identity、wallet、state、reputation 都不可攜：

$$
\boxed{
\text{ClosedActorEconomy}.
}
$$

會形成深度 lock-in。

---

# 106. Open Actor Economy

若可攜：

$$
\text{Identity}
+
\text{State}
+
\text{Reputation}
+
\text{Payment},
$$

則：

$$
\boxed{
\text{OpenActorEconomy}.
}
$$

更具有市場競爭性。

---

# 107. Open 不等於 Unregulated

Open market 仍可以：

- KYA；
- signed identity；
- risk tier；
- audit；
- legal compliance。

所以：

$$
\boxed{
\text{Openness}
\neq
\text{NoGovernance}.
}
$$

---

# 108. Artificial Actor Market 的真正風險

主要不是：

> AI 自己買東西很奇怪。

而是：

- identity spoofing；
- runaway spending；
- recursive delegation；
- hidden conflicts；
- liability gaps；
- machine-speed fraud。

---

# 109. Machine-Speed Fraud

人類詐騙速度有限。

AI actor network 可能：

$$
N_{fraud}/t
\uparrow.
$$

因此 fraud detection 也必須：

$$
\boxed{
\text{MachineSpeed}.
}
$$

---

# 110. Circuit Breaker

市場可能需要：

$$
\boxed{
\text{EconomicCircuitBreaker}.
}
$$

例如：

- spend cap；
- counterparty cap；
- velocity cap；
- anomaly stop；
- emergency revoke。

---

# 111. Emergency Authority Revoke

若 actor 行為異常：

$$
Authority(A)\rightarrow0
$$

應可快速發生。

但：

$$
Identity(A)
$$

與 audit history 應保留。

所以：

$$
\boxed{
\text{RevokeAuthority}
\neq
\text{EraseActor}.
}
$$

---

# 112. 市場責任域

每筆交易至少需要：

$$
Resp(T)
=
(
\text{Principal},
\text{Actor},
\text{Verifier},
\text{Approver},
\text{Provider}
).
$$

因此：

$$
\boxed{
\text{TransactionResponsibility}
\text{IsGraphStructured}.
}
$$

---

# 113. Artificial Actor Market 與 B02

B02 問：

> 一個 AI 的歷史如何成為資產？

B03 問：

> 具有歷史與身份的 AI 如何進入市場，成為需求與交易節點？

因此：

$$
\boxed{
\text{TrajectoryCapital}
\rightarrow
\text{EconomicAgency}.
}
$$

---

# 114. 七條核心命題

## 命題一

$$
\boxed{
\text{AIUsesMarket}
\neq
\text{AIConstitutesDemand}.
}
$$

## 命題二

$$
\boxed{
\text{EconomicAgency}
=
\text{Selection}
+
\text{Allocation}
+
\text{Commitment}
+
\text{Responsibility}.
}
$$

## 命題三

$$
\boxed{
\text{SpendingAuthority}
\neq
\text{Ownership}.
}
$$

## 命題四

$$
\boxed{
\text{Payment}
\neq
\text{Contract}
\neq
\text{Responsibility}.
}
$$

## 命題五

$$
\boxed{
\text{OneHumanIntent}
\text{CanGenerate}
\text{ManyMachineTransactions}.
}
$$

## 命題六

$$
\boxed{
\text{ArtificialActorMarkets}
\text{CanCreate}
\text{NewDemandAndNewMarketGranularity}.
}
$$

## 命題七

$$
\boxed{
\text{MarketInfrastructureValue}
\text{CanOutlive}
\text{ModelFeatureValue}.
}
$$

---

# 115. 可反證條件

本文強版本若要成立，未來應逐步觀察到：

1. AI budget authority 從逐筆 approval 走向 bounded autonomous spending；
2. AI-native procurement 形成實際企業工作流；
3. agent-to-agent transactions 增加；
4. machine-readable contracts 與 authority proofs 被採用；
5. AI economic reputation 被用於 risk pricing；
6. actor wallets / subaccounts 成為正式基礎設施；
7. AI-native micro-markets 出現；
8. AI transaction volume 顯著超過 human-initiated transaction count；
9. artificial actor P&L / shadow accounts 被企業採用；
10. identity、payment、contract、insurance 與 reputation rails 形成獨立市場。

若未來 AI 交易長期維持：

$$
\text{HumanApprovalPerTransaction}
\approx1,
$$

且 AI 無法穩定持有 budget、contract、reputation 或 procurement role，

則 Artificial Actor Market 的強版本應被削弱。

---

# 116. 與前兩篇的關係

B01：

$$
\boxed{
\text{PersistentInstitutionalActor}.
}
$$

B02：

$$
\boxed{
\text{HistoricalEconomicAsset}.
}
$$

B03：

$$
\boxed{
\text{EconomicDemandAndTransactionActor}.
}
$$

因此：

$$
\boxed{
\text{Persistence}
\rightarrow
\text{Capital}
\rightarrow
\text{Market}.
}
$$

---

# 117. 結論：市場中的 AI，真正的分水嶺不是「能不能付款」

一個 AI 能點擊「Buy」並不代表它已經是市場主體。

真正的分水嶺是：

$$
\boxed{
\text{DoesTheActor}
\text{FormDemand},
\text{AllocateResources},
\text{CommitWithinAuthority},
\text{AndCarryPersistentResponsibility}?
}
$$

當答案逐步變成 yes，

AI 就不只是：

$$
\text{MarketTool}.
$$

它開始變成：

$$
\boxed{
\text{MarketParticipant}.
}
$$

而當大量 persistent artificial actors 進入市場，

市場的基本單位就可能從：

$$
\text{HumanConsumer}
+
\text{Firm}
$$

擴張為：

$$
\boxed{
\text{Human}
+
\text{Organization}
+
\text{ArtificialActor}.
}
$$

這會改變：

- 商品粒度；
- 交易速度；
- 支付；
- 合約；
- 採購；
- 風險；
- 保險；
- 信任；
- 市場結構。

因此，Artificial Actor Market 的真正問題不是：

> AI 會不會自己花錢？

而是：

$$
\boxed{
\text{WhatHappens}
\text{WhenEconomicDemandItself}
\text{AcquiresMachineSpeed},
\text{Persistence},
\text{AndDelegatedAgency}?
}
$$

這就是下一層人工行動者政治經濟的市場基礎。

---

## 下一篇

**Paper 04：〈權力、責任與權利：人工行動者的治理三角與責任域〉**

核心問題：

$$
\boxed{
\text{HowShouldAuthority},
\text{Responsibility},
\text{AndRights}
\text{BeCoupled}
\text{WhenArtificialActors}
\text{GainRealPower}?
}
$$