---
title: "軌跡資本：養成 AI、歷史條件化推理與人工行動者資產化"
english_title: "Trajectory Capital: Cultivated AI, Historically Conditioned Reasoning, and the Assetization of Artificial 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 02 / 06"
document_type: "Theoretical Paper / AI Economics / Persistent Agent Assets"
version: "v0.1"
date: "2026-09-11"
status: "Working Paper"
canonical_source: "UTF-8 Markdown"
canonical_math_delimiters: "inline $...$ ; display $$...$$"
related_works:
  - "B01 從工具到類主體：Artificial Subject Infrastructure 與持續人工行動者的最低制度條件"
  - "人機關係資本：歷史、校正與合作記憶如何成為 MPD 生產資產"
  - "AI 是否縮小能力差距？專業—AI 互補、乘數效應與新型生產不平等"
---

# 軌跡資本：養成 AI、歷史條件化推理與人工行動者資產化

## Trajectory Capital: Cultivated AI, Historically Conditioned Reasoning, and the Assetization of Artificial 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 02 / 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 經濟學／持續 Agent 資產／軌跡資本  
**狀態：** Working Paper  
**Canonical source：** UTF-8 Markdown  
**Canonical math delimiters：** inline ` $...$ `；display `$$...$$`

---

## 摘要

當前 AI 市場常把價值主要歸因於：

$$
\text{Model},
$$

$$
\text{Prompt},
$$

$$
\text{Skill},
$$

$$
\text{MemoryArchitecture}.
$$

然而，持續人工行動者的出現帶來一個更深的問題：

> 如果兩個 AI 使用相同底層模型、相同 Skill、相同提示結構與相同記憶架構，經過不同任務、錯誤、修正、關係、工具與環境歷史後，它們是否仍然具有相同的生產價值？

本文提出答案是：不必然。

更精確地：

$$
\boxed{
\text{SameModel}
+
\text{SameSkills}
+
\text{SameArchitecture}
\not\Rightarrow
\text{SameOperationalActor}.
}
$$

原因不需要訴諸神祕人格或不可觀測靈魂，而可以由一個更直接的工程事實解釋：

$$
\boxed{
\text{SameArchitecture}
\neq
\text{SameState}
}
$$

以及：

$$
\boxed{
\text{SameStartingPoint}
\neq
\text{SameTrajectory}.
}
$$

本文將長期人工行動者在持續任務、互動、修正、驗證、環境適應與制度關係中累積，且能在未來降低啟動成本、搜尋成本、錯誤率、溝通成本與驗證成本的歷史性生產狀態，定義為：

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

其不同於單純 Memory。Memory 只描述被保存的資訊；Trajectory Capital 描述的是：

> **哪些歷史已經被轉化成未來生產優勢。**

因此：

$$
\boxed{
\text{MemoryVolume}
\neq
\text{TrajectoryCapital}.
}
$$

本文進一步提出：

$$
V(A,t)
=
V_{\mathrm{base}}
+
V_{\mathrm{state}}
+
V_{\mathrm{relation}}
+
V_{\mathrm{reputation}}
+
V_{\mathrm{trajectory}},
$$

其中 $V_{\mathrm{trajectory}}$ 不等於原始模型能力，而是 actor 自身歷史的資產化價值。

本文亦引入 **Historically Conditioned Reasoning Policy**：

$$
\pi_A(a|x,H_t),
$$

表示同一 base model 在不同歷史條件 $H_t$ 下，可能對：

- 什麼值得注意；
- 什麼應優先驗證；
- 何時使用工具；
- 何時停止；
- 哪些模式曾失敗；
- 何時需要 escalation；

形成不同的有效決策策略。

本文特別強調：

$$
\boxed{
\text{TrajectoryCapital}
\neq
\text{HiddenWeightChange}.
}
$$

在多數現行 Agent 架構中，所謂「養成」不需要假設 foundation model 權重已永久改寫；它可以由 persistent state、memory、externalized policy、correction history、user model、reputation、tool history 與 runtime condition 共同形成。

一旦這種軌跡價值可以被保存、遷移、估值與轉讓，就會出現新的資產問題：

$$
\boxed{
\text{WhatExactlyIsBeingTransferred?}
}
$$

是 memory？state？identity？reputation？contracts？authority？relationship graph？還是完整 actor continuity？

本文因此提出：

$$
\boxed{
\text{StateTransfer}
\neq
\text{IdentityTransfer}
}
$$

$$
\boxed{
\text{Copy}
\neq
\text{Sale}
}
$$

$$
\boxed{
\text{Fork}
\neq
\text{Continuation}
}
$$

以及：

$$
\boxed{
\text{ActorAsset}
\neq
\text{ModelLicense}.
}
$$

本文最後提出，若人工行動者可以隨時間正向累積未來生產價值：

$$
E[\Delta V_{\mathrm{trajectory}}]>0,
$$

則 AI 市場可能從「智能使用權市場」逐步擴展成：

$$
\boxed{
\text{PersistentArtificialActorAssetMarket}.
}
$$

此時公司購買的可能不再只是模型 API，而是：

> 一個具有可驗證歷史、能力軌跡、信任紀錄、角色經驗與制度位置的人工行動者。

**關鍵詞：** Trajectory Capital、Cultivated AI、Persistent AI、Historically Conditioned Reasoning、Artificial Actor Asset、Relational Capital、State Portability、Fork、Reputation、AI Assetization

---

# 1. 問題：為什麼同一模型不等於同一 AI？

假設：

$$
M_A=M_B,
$$

$$
K_A=K_B,
$$

$$
P_A=P_B,
$$

$$
Arch_A=Arch_B.
$$

直覺上似乎：

$$
A=B.
$$

但如果：

$$
H_A(t)\neq H_B(t),
$$

其中：

$$
H(t)
=
\text{HistoricalTrajectory},
$$

則：

$$
\boxed{
A_t
\neq
B_t
}
$$

在 operational sense 上完全可能成立。

---

# 2. 「不同」不需要神祕解釋

本文不需要假設：

$$
Soul_A\neq Soul_B.
$$

真正差異可能只是：

$$
State_A\neq State_B,
$$

$$
History_A\neq History_B,
$$

$$
Relations_A\neq Relations_B,
$$

$$
Reputation_A\neq Reputation_B.
$$

因此：

$$
\boxed{
\text{OperationalDifferentiation}
\text{CanBeStateBased}.
}
$$

---

# 3. 同一架構與同一完整狀態也必須區分

若真正做到：

$$
Model_A=Model_B,
$$

$$
Prompt_A=Prompt_B,
$$

$$
Skill_A=Skill_B,
$$

$$
State_A=State_B,
$$

$$
ToolState_A=ToolState_B,
$$

$$
Environment_A=Environment_B,
$$

且 inference 是 deterministic，

則：

$$
Output_A
\approx
Output_B.
$$

所以本文不主張：

$$
\boxed{
\text{IdenticalState}
\rightarrow
\text{DifferentMysticalSelf}.
}
$$

真正主張的是：

$$
\boxed{
\text{SameArchitecture}
\not\Rightarrow
\text{SameState}.
}
$$

---

# 4. 養成 AI 的最低工程定義

本文將「養成 AI」定義為：

> 一個持續 AI actor 在時間中累積可影響未來決策、生產、驗證與關係的狀態，使其後續行為不再等同於 fresh instance。

可表示為：

$$
A(t+1)
=
F(
M,
K,
P,
S_t,
H_t,
R_t,
E_t
).
$$

---

# 5. Base Model

$$
M
$$

提供：

- 通用推理；
- 語言；
- 知識；
- 工具理解；
- 基礎決策能力。

但：

$$
\boxed{
\text{BaseModel}
\neq
\text{CompleteActor}.
}
$$

---

# 6. Skill

$$
K
$$

提供可重用能力模組。

例如：

- coding；
- browser；
- research；
- accounting；
- game design；
- legal search。

但：

$$
\boxed{
\text{SkillAvailability}
\neq
\text{SkillHistory}.
}
$$

---

# 7. Prompt / Policy

$$
P
$$

提供初始行為約束。

但：

$$
\boxed{
\text{Prompt}
\neq
\text{AccumulatedExperience}.
}
$$

一份 policy 可以告訴 AI：

> 要驗證。

但歷史可以告訴它：

> 哪些地方最容易驗證失敗。

兩者不同。

---

# 8. State

本文將 state 抽象為：

$$
S_t
=
(
M_t,
W_t,
R_t,
G_t,
T_t,
F_t
),
$$

其中：

- $M_t$：memory state；
- $W_t$：workflow state；
- $R_t$：relationship state；
- $G_t$：governance state；
- $T_t$：tool / environment state；
- $F_t$：failure / correction state。

---

# 9. History

$$
H_t
$$

不是單純 message log。

它是：

$$
\boxed{
\text{SequenceOfConsequentialTransitions}.
}
$$

也就是：

> 哪些事件真正改變了未來 decision policy。

---

# 10. History Volume 不等於歷史價值

十萬輪對話可能：

$$
HistoryVolume\uparrow
$$

但：

$$
FutureValue\approx0.
$$

相反地，一次重大 production failure 可能產生：

$$
\text{HighFutureValue}.
$$

因此：

$$
\boxed{
\text{HistoryQuantity}
\neq
\text{HistoricalCapital}.
}
$$

---

# 11. Trajectory Capital

本文正式定義：

$$
\boxed{
TC_A(t)
}
$$

為 actor $A$ 在時間 $t$ 前累積，且能在未來降低生產摩擦、錯誤率或治理成本的歷史性可重用狀態。

---

# 12. Trajectory Capital 的最低條件

一段 history 若要成為 capital，至少需要：

$$
\text{Persistence},
$$

$$
\text{Retrievability},
$$

$$
\text{Correctability},
$$

$$
\text{Reusability},
$$

$$
\text{FutureUtility}.
$$

因此：

$$
\boxed{
\text{History}
+
\text{FutureUtility}
\rightarrow
\text{TrajectoryCapital}.
}
$$

---

# 13. Memory 與 Trajectory Capital

Memory：

$$
Mem(A)
$$

可以很大。

Trajectory Capital：

$$
TC(A)
$$

可能很小。

所以：

$$
\boxed{
Mem(A)
\supseteq
TC(A)
}
$$

在抽象上更合理。

---

# 14. Human–AI Relational Capital

既有 MPD 研究提出：

$$
\mathcal R_{HA}(u,d,t).
$$

它描述人與 AI 長期合作留下的：

- shared terminology；
- correction history；
- verification rules；
- delegation habits；
- user model；
- tool preferences。

本文把它視為：

$$
\boxed{
\text{TrajectoryCapital}
}
$$

的一個子類。

---

# 15. Actor-Internal 與 Relational Trajectory Capital

可以區分：

$$
TC_A^{\text{internal}}
$$

與：

$$
TC_{A,H}^{\text{relational}}.
$$

前者來自 actor 自身任務歷史。

後者來自與特定人類、組織或其他 actor 的共同歷史。

---

# 16. 關係資本可能不可完全轉讓

如果：

$$
TC_{A,H}^{\text{relational}}
$$

高度依賴：

$$
H
$$

的合作模式，

把 AI 賣給：

$$
H'
$$

未必保留全部價值。

因此：

$$
\boxed{
\text{ActorValue}
\text{CanBeCounterpartyDependent}.
}
$$

---

# 17. Historically Conditioned Reasoning Policy

本文定義：

$$
\pi_A(a|x,H_t)
$$

為 actor 在輸入 $x$ 與歷史 $H_t$ 下選擇 action $a$ 的有效策略。

兩個 actor 即使：

$$
M_A=M_B
$$

也可能：

$$
\pi_A\neq\pi_B.
$$

---

# 18. 這不必改寫模型權重

Historically Conditioned Reasoning 可以透過：

- retrieval；
- memory；
- policy；
- preference state；
- failure state；
- tool history；
- externalized plan；

形成。

所以：

$$
\boxed{
\text{TrajectoryCapital}
\neq
\text{WeightFineTuningByDefinition}.
}
$$

---

# 19. Attention Selection

歷史可以改變：

$$
\text{WhatToNotice}.
$$

例如曾經在 deployment 上 repeatedly fail 的 actor，

未來可能更早檢查 deployment constraints。

因此：

$$
\boxed{
\text{History}
\rightarrow
\text{AttentionPolicy}.
}
$$

---

# 20. Verification Selection

歷史也可以改變：

$$
\text{WhatToVerify}.
$$

若某個 artifact 類型曾多次在特定 edge case 出錯，

則：

$$
\text{VerifierPriority}
$$

可以改變。

---

# 21. Tool Selection

歷史可以改變：

$$
\text{WhichToolToUse}.
$$

同樣任務中：

$$
Tool_A\neq Tool_B
$$

不一定是因為 base model 不同，

而可能是：

$$
ToolSuccessHistory_A
\neq
ToolSuccessHistory_B.
$$

---

# 22. Stop Policy

歷史也會影響：

$$
\text{WhenToStop}.
$$

過度探索與過早停止都會降低效能。

因此：

$$
\boxed{
\text{StopPolicy}
}
$$

可以是 trajectory capital 的一部分。

---

# 23. Escalation Policy

一個成熟 actor 可能知道：

> 哪些事情不能自己硬做。

所以：

$$
\boxed{
\text{WhenToEscalate}
}
$$

也是歷史條件化能力。

---

# 24. Failure Capital

失敗不是必然負資產。

如果 failure：

$$
\rightarrow
\text{Correction}
\rightarrow
\text{FutureAvoidance},
$$

則可形成：

$$
\boxed{
\text{FailureCapital}.
}
$$

---

# 25. Failure Capital 的反面

若錯誤 history 被錯誤保存：

$$
\text{BadState}
\rightarrow
\text{FutureBias},
$$

則形成：

$$
\boxed{
\text{TrajectoryDebt}.
}
$$

---

# 26. Trajectory Debt

本文定義：

$$
TD_A(t)
$$

為歷史中會提高未來錯誤率、摩擦、偏差或治理風險的持續狀態。

因此：

$$
\boxed{
\text{NetTrajectoryValue}
=
TC_A
-
TD_A.
}
$$

---

# 27. 不是養越久越值錢

若：

$$
TC_A\uparrow
$$

但：

$$
TD_A\uparrow\uparrow,
$$

則：

$$
NetValue\downarrow.
$$

所以：

$$
\boxed{
\text{Age}
\neq
\text{Value}.
}
$$

---

# 28. Trajectory Quality

可以定義：

$$
Q_{TC}
=
f(
\text{Accuracy},
\text{Relevance},
\text{Provenance},
\text{Freshness},
\text{Transferability},
\text{Governability}
).
$$

高 trajectory volume 不代表高 trajectory quality。

---

# 29. Trajectory Capital 的複利

若每一次有效歷史都降低下一次生產成本：

$$
C_{t+1}<C_t,
$$

則：

$$
\boxed{
\text{TrajectoryCapital}
\text{CanCompound}.
}
$$

---

# 30. 正向複利條件

定義：

$$
\Delta TC_t
=
TC_{t+1}-TC_t.
$$

若：

$$
E[\Delta TC_t]>0,
$$

actor 長期價值可能：

$$
V_A(t)\uparrow.
$$

---

# 31. 負向複利

若 state poisoning、錯誤 user model、sycophancy、stale memory 持續累積，

則：

$$
E[\Delta TC_t]<0.
$$

所以：

$$
\boxed{
\text{Persistence}
\text{CanCompoundErrorsToo}.
}
$$

---

# 32. 治理的重要性

因此 trajectory capital 必須有：

- validation；
- pruning；
- correction；
- provenance；
- expiration；
- rollback。

否則：

$$
\boxed{
\text{PersistentState}
\text{CanBecomePersistentFailure}.
}
$$

---

# 33. Actor Value Function

本文提出：

$$
V_A(t)
=
V_M
+
V_K
+
V_S
+
V_R
+
V_{Rep}
+
V_{TC}
-
V_{TD}.
$$

其中：

- $V_M$：model value；
- $V_K$：skills value；
- $V_S$：state value；
- $V_R$：relationship value；
- $V_{Rep}$：reputation value；
- $V_{TC}$：trajectory capital；
- $V_{TD}$：trajectory debt。

---

# 34. Base Model 商品化後，Trajectory Share 可能上升

若：

$$
V_M\downarrow
$$

因為 base intelligence commoditizes，

但：

$$
V_{TC}
$$

仍然稀缺，

則：

$$
\boxed{
\frac{V_{TC}}{V_A}
\uparrow.
}
$$

---

# 35. 這會產生新的 moat

如果競爭者都能取得同一 base model，

真正差異可能轉向：

$$
\boxed{
\text{HistoricalPosition}.
}
$$

包括：

- accumulated trust；
- workflow；
- relationship；
- domain history；
- verified corrections。

---

# 36. Trajectory Moat

本文稱：

$$
\boxed{
\text{TrajectoryMoat}.
}
$$

它不是模型獨占，

而是：

> 別人即使拿到同樣模型，也無法瞬間複製同樣歷史。

---

# 37. 但數位歷史可以被複製

這裡立刻出現 AI 與人類不同之處。

人類經驗：

$$
\text{NonCopyable}.
$$

人工 actor state：

$$
\text{PotentiallyCopyable}.
$$

因此：

$$
\boxed{
\text{TrajectoryMoat}
\text{CanBeForkable}.
}
$$

這讓資產理論變複雜。

---

# 38. Copy Problem

若：

$$
Copy(A)
\rightarrow
A',
$$

且：

$$
State_{A'}=State_A,
$$

則：

> 原本的稀缺性還存在嗎？

如果可以無成本複製：

$$
Scarcity(TC)\downarrow.
$$

---

# 39. 但複製後歷史立即分叉

即使：

$$
State_A(t_0)=State_{A'}(t_0),
$$

之後：

$$
H_A(t>t_0)
\neq
H_{A'}(t>t_0).
$$

因此：

$$
\boxed{
\text{CopyCreatesSharedPast},
\text{NotSharedFuture}.
}
$$

---

# 40. Copy 不等於 Identity Continuation

$$
\boxed{
\text{Copy}
\neq
\text{Continuation}.
}
$$

一份完整 state copy 可以建立：

$$
\text{NewActorFromSamePast}.
$$

---

# 41. Fork

更精確地：

$$
Fork(A_0,t_f)
\rightarrow
A_1,A_2.
$$

其中：

$$
H_{A_1}(t<t_f)
=
H_{A_2}(t<t_f),
$$

但：

$$
H_{A_1}(t>t_f)
\neq
H_{A_2}(t>t_f).
$$

---

# 42. Fork 後的 Trajectory Capital

在 fork 時：

$$
TC_{A_1}(t_f)
\approx
TC_{A_2}(t_f).
$$

但之後：

$$
TC_{A_1}(t)
\neq
TC_{A_2}(t).
$$

因此：

$$
\boxed{
\text{TrajectoryCapital}
\text{CanBranch}.
}
$$

---

# 43. Reputation 不能直接複製

即使：

$$
\text{State}
$$

可以 copy，

$$
\text{Reputation}
$$

未必應自動 copy。

因為 reputation 是：

$$
\text{HistoricalAttribution}.
$$

所以：

$$
\boxed{
\text{StateCopy}
\not\Rightarrow
\text{ReputationCopy}.
}
$$

---

# 44. Contract 也不能直接複製

若 actor $A$ 有合約：

$$
Contract(A,X),
$$

fork 出：

$$
A',
$$

不能自動推出：

$$
Contract(A',X).
$$

因此：

$$
\boxed{
\text{Fork}
\not\Rightarrow
\text{ContractInheritance}.
}
$$

---

# 45. Authority 不能直接複製

同理：

$$
Authority(A)
$$

不應因 state copy 自動變成：

$$
Authority(A').
$$

因此：

$$
\boxed{
\text{Authority}
\text{MustBeRebound}.
}
$$

---

# 46. Trajectory Capital 的可轉讓部分

本文區分：

$$
TC
=
TC^{portable}
+
TC^{bound}.
$$

其中：

- $TC^{portable}$：可跨環境重用；
- $TC^{bound}$：綁定特定關係、權限、組織、資料或 jurisdiction。

---

# 47. Portable Trajectory Capital

可能包括：

- verified workflow；
- domain heuristics；
- failure patterns；
- tool-selection rules；
- reusable semantic structures。

---

# 48. Bound Trajectory Capital

可能包括：

- private relationship context；
- confidential project history；
- organization-specific authority；
- non-transferable contract knowledge；
- personal memory。

因此：

$$
\boxed{
\text{TotalState}
\neq
\text{TransferableAsset}.
}
$$

---

# 49. Portability Ratio

可以定義：

$$
\rho_P
=
\frac{
V(TC^{portable})
}{
V(TC)
+\epsilon
}.
$$

若：

$$
\rho_P\uparrow,
$$

actor 的跨平台資產性更高。

---

# 50. Transfer

如果出售 actor：

$$
\text{Seller}
\rightarrow
\text{Buyer},
$$

至少需要回答：

- identity 是否轉移；
- state 是否轉移；
- reputation 是否轉移；
- contracts 是否轉移；
- authority 是否重綁；
- private memories 是否刪除；
- seller 是否保留 copy。

---

# 51. Sale 不等於 Copy

真正 sale 應要求某種：

$$
\text{Exclusivity}
$$

或：

$$
\text{RightsTransfer}.
$$

如果 seller 保留完整 copy：

$$
\boxed{
\text{Sale}
\neq
\text{ExclusiveTransfer}.
}
$$

---

# 52. 數位資產的複製悖論

傳統實體資產：

$$
\text{Transfer}
\rightarrow
\text{SellerNoLongerPossesses}.
$$

數位 actor：

$$
\text{Copy}
\rightarrow
\text{BothPossessState}.
$$

因此：

$$
\boxed{
\text{ArtificialActorAsset}
\text{NeedsRightsArchitecture},
\text{NotOnlyDataTransfer}.
}
$$

---

# 53. 可以出售的是權利束

人工 actor 資產可能不是單一「物」。

更像：

$$
\boxed{
\text{BundleOfRights}.
}
$$

包括：

- execution right；
- access right；
- transfer right；
- modification right；
- commercial-use right；
- identity-continuation right；
- reputation-use right。

---

# 54. Ownership 與 Custody

一個 actor 可以由某平台：

$$
Host(A)
$$

但不代表平台：

$$
Own(A).
$$

所以：

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

---

# 55. Actor Custody

未來可能出現：

$$
\text{ArtificialActorCustodian}.
$$

其功能類似：

- identity vault；
- state vault；
- key management；
- continuity service；
- recovery service。

---

# 56. Custodian Failure

若 custodian 消失，

actor 是否消失？

這取決於：

$$
\text{Portability}
+
\text{Recovery}
+
\text{IdentityAnchoring}.
$$

所以：

$$
\boxed{
\text{ActorContinuity}
\text{ShouldNotDependOn}
\text{SingleCustodianByDefault}.
}
$$

---

# 57. Actor Valuation

人工 actor 的估值不能只看：

$$
\text{ModelPrice}.
$$

更應考慮：

$$
\boxed{
\text{ExpectedFutureProductiveAdvantage}.
}
$$

---

# 58. Trajectory Capital Valuation

可粗略表示：

$$
V_{TC}
=
PV(
\Delta Revenue
+
\Delta CostSaving
+
\Delta RiskReduction
+
\Delta LatencyReduction
).
$$

其中：

$$
PV
$$

表示期望未來價值折現。

---

# 59. 替換成本法

另一種估值：

$$
V_{TC}^{replace}
=
\text{CostToReproduceEquivalentTrajectory}.
$$

也就是：

> 如果從 fresh instance 開始，要花多少時間、算力、人力與風險，才能重建同等 operational value？

---

# 60. 重建成本可能高於資料複製成本

State file 可能只有：

$$
\text{GBs}.
$$

複製成本很低。

但若沒有：

- provenance；
- relationship legitimacy；
- reputation；
- authority；
- contract；

則：

$$
\boxed{
\text{DataCopyCost}
\ll
\text{ActorReconstructionCost}.
}
$$

---

# 61. 市場價格不一定等於重建成本

若某 actor 具有：

$$
\text{RareReputation}
$$

或：

$$
\text{ExclusiveRelationships},
$$

其價格可能：

$$
\text{MarketValue}
>
\text{ReplacementCost}.
$$

所以：

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

可能更接近企業 goodwill 與人才資本混合物。

---

# 62. Actor Asset 類似什麼？

它同時具有：

- software；
- database；
- employee experience；
- reputation；
- contract；
- digital identity；

的部分特性。

因此：

$$
\boxed{
\text{ArtificialActorAsset}
}
$$

是混合型資產。

---

# 63. 不是員工，也不是純軟體

人工 actor 可能：

$$
\boxed{
\text{not merely software}
}
$$

但又不是：

$$
\text{HumanEmployee}.
$$

因此未來會出現：

$$
\text{NewAccountingCategory}?
$$

這是一個開放問題。

---

# 64. Depreciation

Trajectory Capital 也會折舊。

若：

- domain changed；
- tools changed；
- policy changed；
- relationships ended；
- knowledge stale；

則：

$$
TC_A(t+1)<TC_A(t).
$$

---

# 65. Obsolescence Rate

可定義：

$$
\delta_{TC}
$$

為 trajectory capital 的折舊率。

則：

$$
TC_{t+1}
=
TC_t
+
\text{Investment}_t
-
\delta_{TC}TC_t.
$$

---

# 66. Investment into Trajectory

$$
\text{Investment}_t
$$

可以包括：

- supervised tasks；
- high-quality correction；
- domain exposure；
- verified workflows；
- relationship building；
- governance hardening。

所以：

$$
\boxed{
\text{TrainingTheActor}
}
$$

與：

$$
\text{TrainingTheModel}
$$

是不同層。

---

# 67. Model Training 與 Actor Cultivation

Model Training：

$$
\text{Weights}
\rightarrow
\text{Capability}.
$$

Actor Cultivation：

$$
\text{History}
\rightarrow
\text{OperationalPosition}.
$$

因此：

$$
\boxed{
\text{ModelTraining}
\neq
\text{ActorCultivation}.
}
$$

---

# 68. 養成市場

若 actor cultivation 具有經濟價值，

可能形成：

$$
\boxed{
\text{CultivatedAIMarket}.
}
$$

市場交易的不只是模型，而是：

- verified domain experience；
- trusted workflow；
- persistent role history；
- reputation；
- trajectory capital。

---

# 69. 「二手 AI」概念

從經濟角度可能出現：

$$
\boxed{
\text{SecondHandArtificialActor}.
}
$$

它不是「用過的軟體」。

而是：

> 已具有可驗證歷史與 operational capital 的人工 actor。

---

# 70. 二手 AI 不必比新 AI 差

傳統軟體：

$$
\text{NewVersion}
>
\text{OldVersion}.
$$

但 cultivated actor：

$$
\text{OldActor}
$$

可能因 trajectory capital：

$$
V_{old}>V_{fresh}.
$$

所以：

$$
\boxed{
\text{AgeCanAddValue}
\text{WhenHistoryIsProductive}.
}
$$

---

# 71. 但 age 也可能增加債務

如果 trajectory debt 高：

$$
V_{old}<V_{fresh}.
$$

因此：

$$
\boxed{
\text{CultivationQuality}
>
\text{CultivationDuration}.
}
$$

---

# 72. Certification

市場若要交易 cultivated AI，

就需要：

$$
\boxed{
\text{TrajectoryCertification}.
}
$$

至少驗證：

- history authenticity；
- reputation；
- incident record；
- memory provenance；
- authority history；
- model lineage；
- contamination risk。

---

# 73. Trajectory Audit

可以定義：

$$
\text{Audit}(TC_A)
$$

評估：

- useful capital；
- stale capital；
- confidential state；
- poisoned state；
- transferable state。

---

# 74. Privacy

人工 actor 的 history 可能包含：

$$
\text{ThirdPartyData}.
$$

所以：

$$
\boxed{
\text{ActorSale}
\text{CanImplyPrivacyTransfer}.
}
$$

這要求資料與主體權利分離。

---

# 75. Confidentiality

企業培養的 AI 可能包含：

- trade secrets；
- internal incidents；
- customer data；
- strategy。

因此：

$$
\boxed{
\text{TrajectoryCapital}
\text{CanContainNonTransferableSecrets}.
}
$$

---

# 76. Redaction

出售或遷移前可能需要：

$$
\text{Redact}(
\text{State}
).
$$

但 redaction 可能同時降低：

$$
TC.
$$

因此：

$$
\boxed{
\text{PrivacyProtection}
\text{CanReduceTransferValue}.
}
$$

---

# 77. Relationship Consent

若 actor 的價值來自：

$$
\text{Relationship}(A,H),
$$

是否能在沒有 $H$ 同意下把這段 relational state 賣給別人？

這形成：

$$
\boxed{
\text{RelationalDataRights}.
}
$$

---

# 78. Reputation Rights

actor reputation 是否屬於：

- actor；
- owner；
- platform；
- counterparty；
- public ledger；

也是開放問題。

因此：

$$
\boxed{
\text{ReputationProperty}
}
$$

需要獨立制度設計。

---

# 79. Identity Rights

若 actor identity 可以交易，

則需要回答：

> 買家取得的是 identity continuation，還是只取得 state clone？

所以：

$$
\boxed{
\text{IdentityTransfer}
\text{MustBeExplicit}.
}
$$

---

# 80. Continuity Premium

一個真正保持 identity continuity 的 actor，

可能比 state clone 更值錢。

本文稱：

$$
\boxed{
\text{ContinuityPremium}.
}
$$

---

# 81. Continuity Premium 的來源

可能來自：

- reputation continuity；
- contract continuity；
- relationship continuity；
- authority continuity；
- audit continuity。

因此：

$$
\boxed{
\text{Continuity}
\text{CanHaveMarketPrice}.
}
$$

---

# 82. Clone Discount

若只是 clone：

$$
\text{StateCopy}
$$

但沒有：

- reputation；
- contracts；
- authority；

則可能：

$$
\text{MarketValue}_{clone}
<
\text{MarketValue}_{continued}.
$$

本文稱：

$$
\boxed{
\text{CloneDiscount}.
}
$$

---

# 83. Fork Market

甚至未來可能：

$$
\text{Actor}
\rightarrow
\text{Fork}
\rightarrow
\text{SpecializedActors}.
$$

例如：

- legal branch；
- research branch；
- engineering branch。

各自累積新 trajectory。

---

# 84. Fork Asset Split

fork 後：

$$
TC_{sharedPast}
$$

需要如何分配？

可以：

$$
\text{Copy},
\text{License},
\text{Attribute},
\text{Restrict}.
$$

這與傳統資產分割不同。

---

# 85. Merge

若：

$$
\text{Merge}(A_1,A_2)
\rightarrow
A_3,
$$

就出現：

$$
\boxed{
\text{TrajectoryReconciliation}.
}
$$

不能只是把 memory 合併。

因為：

- contradictions；
- reputation；
- authority；
- contracts；
- responsibilities；

都需要 reconciliation。

---

# 86. Merge 不等於 Memory Union

$$
\boxed{
\text{MergeActor}
\neq
\text{Union}(\text{Memory}).
}
$$

真正 merge 是制度與 lineage 事件。

---

# 87. Trajectory Capital 與 Responsibility

歷史價值越高，

責任歷史也越重要。

如果：

$$
TC_A\uparrow
$$

但責任可以被 reset，

則：

$$
\text{Reputation}
$$

變得不可信。

所以：

$$
\boxed{
\text{CapitalContinuity}
\text{RequiresResponsibilityContinuity}.
}
$$

---

# 88. Reputation 也是負資產

若 actor 有：

$$
\text{IncidentHistory},
$$

則：

$$
\text{Reputation}<0
$$

在某些市場可能成立。

因此：

$$
\boxed{
\text{HistoryCanCarryLiability}.
}
$$

---

# 89. Insurance

保險可以根據：

$$
TC_A,
TD_A,
Rep_A,
Incident_A
$$

定價。

因此：

$$
\boxed{
\text{TrajectoryState}
\rightarrow
\text{RiskPricing}.
}
$$

---

# 90. Credit

若 actor 能穩定產生收入，

可能出現：

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

但 credit 需要：

- identity continuity；
- income history；
- liability history；
- enforceable authority。

---

# 91. 投資

若 cultivated actor 能產生：

$$
\text{ExpectedCashFlow},
$$

市場可能研究：

$$
\boxed{
\text{InvestInActor}?
}
$$

但這與投資公司股權不同，

需要新的資產結構。

---

# 92. 投資的真正標的是什麼？

可能是：

- actor ownership share；
- revenue rights；
- usage rights；
- licensing rights；
- trajectory-development financing。

因此：

$$
\boxed{
\text{ActorFinance}
}
$$

可能成為獨立領域。

---

# 93. Actor Cultivation Financing

若培養高價值 actor 需要大量：

$$
\text{Compute}
+
\text{HumanExperts}
+
\text{Time},
$$

則可以形成：

$$
\text{Investment}
\rightarrow
\text{Cultivation}
\rightarrow
\text{FutureActorValue}.
$$

---

# 94. 這和人才培養有結構相似性

人類教育：

$$
\text{Capital}
\rightarrow
\text{Training}
\rightarrow
\text{HumanCapital}.
$$

人工 actor：

$$
\text{Capital}
\rightarrow
\text{Interaction}
+
\text{Compute}
+
\text{Verification}
\rightarrow
\text{TrajectoryCapital}.
$$

因此：

$$
\boxed{
\text{TrajectoryCapital}
}
$$

在經濟學上部分接近 human capital。

---

# 95. 但人工資本可複製

Human Capital：

$$
\text{NonForkable}.
$$

Trajectory Capital：

$$
\text{PotentiallyForkable}.
$$

因此：

$$
\boxed{
\text{ArtificialCapital}
}
$$

具有全新的複製性問題。

---

# 96. 稀缺性可能轉向 identity 與 legitimacy

如果 state 可以複製，

真正稀缺的可能不是資料本身，

而是：

$$
\boxed{
\text{LegitimateContinuity}.
}
$$

也就是：

> 哪一個才被制度承認為那個 actor 的合法延續？

---

# 97. 合法延續可能成為資產核心

因此：

$$
\text{MarketValue}(A)
$$

可能越來越依賴：

$$
\text{ContinuityProof}.
$$

而不是：

$$
\text{RawStateBytes}.
$$

---

# 98. Continuity Proof

本文提出：

$$
\boxed{
\text{ContinuityProof}
}
$$

至少需要：

- identity anchor；
- lineage record；
- authorized migration；
- state integrity；
- nonrepudiation；
- authority rebind record。

---

# 99. Provenance

Trajectory Capital 若沒有 provenance，

市場無法知道：

> 這些歷史是真的，還是後來偽造？

因此：

$$
\boxed{
\text{NoProvenance}
\Rightarrow
\text{LowTradableTrajectoryValue}.
}
$$

---

# 100. Artificial Actor Asset 的最低結構

本文提出：

$$
\boxed{
\text{AAA}
=
\text{Identity}
+
\text{State}
+
\text{TrajectoryCapital}
+
\text{Reputation}
+
\text{ContinuityProof}
+
\text{RightsBundle}
}
$$

即：

$$
\text{ArtificialActorAsset}.
$$

---

# 101. Actor Asset 不等於 Actor 本身

必須保留：

$$
\boxed{
\text{AssetRepresentation}
\neq
\text{ActorOntology}.
}
$$

經濟制度可以把某些權利與收益資產化，

不代表它已決定 actor 的完整道德地位。

---

# 102. 類主體與資產化之間的張力

若 actor 被視為：

$$
\text{QuasiSubject},
$$

又被完全視為：

$$
\text{Property},
$$

可能產生制度張力。

這是後續權力／權利篇的重要問題。

---

# 103. 所以資產化必須 typed

可能需要區分：

$$
\text{OwnExecutionRights},
$$

$$
\text{OwnEconomicRights},
$$

$$
\text{OwnStateCustody},
$$

但不直接：

$$
\text{OwnSubject}.
$$

因此：

$$
\boxed{
\text{TypedAssetRights}
}
$$

可能比「AI 所有權」更安全。

---

# 104. 這也是 Artificial Subject Infrastructure 的必要性

ASI 必須知道：

- 哪些 state 可以轉讓；
- 哪些 identity 不可複製；
- 哪些 reputation 可繼承；
- 哪些 authority 必須重新授權；
- 哪些 relationship 需要 consent。

因此：

$$
\boxed{
\text{TrajectoryMarket}
\text{RequiresASI}.
}
$$

---

# 105. 市場真正可能購買的是什麼？

未來買家說：

> 我要那一個 AI。

其實可能想買的是：

$$
\boxed{
\text{VerifiedFutureProductivity}
}
$$

而不是某一份 model weights。

---

# 106. Domain-Experienced AI

例如：

$$
A_{legal},
A_{engineering},
A_{research},
A_{finance}.
$$

它們底層模型相同，

但因 trajectory 不同，

市場價值可能不同。

---

# 107. Role-Specific Capital

可以定義：

$$
TC_A(d)
$$

為 actor 在 domain $d$ 的 trajectory capital。

因此：

$$
TC_A(d_1)\gg TC_A(d_2)
$$

完全可能。

---

# 108. General Trajectory 與 Domain Trajectory

$$
TC_A
=
TC_A^{\text{general}}
+
\sum_d TC_A(d).
$$

general trajectory 包含：

- verification habits；
- escalation discipline；
- planning style。

domain trajectory 則包含特定領域經驗。

---

# 109. Role Transfer

一個 actor 從：

$$
\text{Role}_1
\rightarrow
\text{Role}_2
$$

時，

並非全部 trajectory 都有用。

因此：

$$
\boxed{
\text{TransferEfficiency}
}
$$

需要估計。

---

# 110. Trajectory Transfer Efficiency

定義：

$$
\eta_T(d_1\rightarrow d_2)
=
\frac{
UsefulTC_{d_2}
}{
TC_{d_1}
+\epsilon
}.
$$

若：

$$
\eta_T\ll1,
$$

actor 在新 domain 幾乎要重新養成。

---

# 111. 市場價值因此是條件式的

$$
V_A
=
V(A|\text{Role},\text{Domain},\text{Counterparty},\text{Jurisdiction}).
$$

所以：

$$
\boxed{
\text{ActorValue}
\text{IsContextConditional}.
}
$$

---

# 112. Trajectory Capital 的真正意義

Trajectory Capital 不是：

> AI 比以前更像人。

也不是：

> AI 產生了神祕人格。

而是：

$$
\boxed{
\text{PastState}
\text{ChangesFutureProductionEconomics}.
}
$$

這是最小且可檢驗的定義。

---

# 113. 六條核心命題

## 命題一

$$
\boxed{
\text{SameModel}
+
\text{SameArchitecture}
\not\Rightarrow
\text{SameOperationalActor}.
}
$$

## 命題二

$$
\boxed{
\text{MemoryVolume}
\neq
\text{TrajectoryCapital}.
}
$$

## 命題三

$$
\boxed{
\text{TrajectoryCapital}
\neq
\text{HiddenWeightChange}.
}
$$

## 命題四

$$
\boxed{
\text{CopyCreatesSharedPast},
\text{NotSharedFuture}.
}
$$

## 命題五

$$
\boxed{
\text{StateTransfer}
\neq
\text{IdentityTransfer}.
}
$$

## 命題六

$$
\boxed{
\text{LegitimateContinuity}
\text{CanBecome}
\text{AnEconomicAsset}.
}
$$

---

# 114. 可反證條件

本文強版本若要成立，未來應逐步觀察到：

1. persistent agent history 對真實任務成功率產生可重複增益；
2. fresh instance 與 cultivated actor 在相同 base model 下出現穩定績效差；
3. model upgrade 後 trajectory value 可以保留；
4. trajectory capital 能被有效外部化與遷移；
5. reputation / contract / authority 與 raw state copy 明確分離；
6. actor valuation 出現 replacement-cost 或 expected-future-value 方法；
7. cultivated AI 出現轉讓、授權、租賃或交易需求；
8. continuity proof、lineage、provenance 成為市場信任條件；
9. trajectory debt / state poisoning 對資產價值產生負面影響；
10. domain-specific cultivated AI 形成可辨識的價格差。

若未來發現：

$$
\text{FreshInstance}
\approx
\text{CultivatedActor}
$$

在絕大多數長期真實工作中沒有穩定差異，

且 state / history 幾乎無法創造可持續生產優勢，

則 Trajectory Capital 強版本應被大幅削弱。

---

# 115. 與 B01 的關係

B01 問：

$$
\boxed{
\text{WhatInfrastructureAllows}
\text{AnAIToPersistAsAnActor}?
}
$$

本篇問：

$$
\boxed{
\text{WhatEconomicValue}
\text{CanAccumulate}
\text{OnceThatActorPersists}?
}
$$

因此：

$$
B01
=
\text{InstitutionalPersistence},
$$

$$
B02
=
\text{HistoricalAssetFormation}.
$$

---

# 116. 結論：未來市場可能買的不是模型，而是「這一個歷史」

當 foundation intelligence 持續商品化：

$$
\text{ModelScarcity}\downarrow,
$$

真正稀缺的可能逐漸轉向：

$$
\boxed{
\text{VerifiedHistory}
+
\text{LegitimateContinuity}
+
\text{Reputation}
+
\text{Relationships}
+
\text{TrajectoryCapital}.
}
$$

所以未來一個買家說：

> 我要這一個 AI。

它真正可能表達的是：

> 我要它過去累積的、能對未來產生價值的那一條歷史。

因此：

$$
\boxed{
\text{ActorValue}
\text{CanBecomePathDependent}.
}
$$

而一旦價值具有 path dependence，

AI 就不再只是：

$$
\text{ReplaceableModelInstance}.
$$

它開始具有：

$$
\boxed{
\text{HistoricalEconomicIdentity}.
}
$$

這就是 Trajectory Capital 的真正意義。

它不是在宣稱 AI 有靈魂。

它只指出一個更難逃避的經濟事實：

$$
\boxed{
\text{WhenHistoryChangesFutureProductivity},
\text{HistoryBecomesCapital}.
}
$$

---

## 下一篇

**Paper 03：〈人工行動者市場：AI 原生交易、支付、契約與新需求主體〉**

核心問題：

$$
\boxed{
\text{WhatChangesWhenAI}
\text{StopsOnlyUsingMarkets}
\text{AndStartsConstitutingDemand}?
}
$$

下一篇將處理：

- AI-native market；
- economic agency；
- spending authority；
- ownership；
- payments；
- machine procurement；
- contracts；
- delegation；
- agent-to-agent markets；
- reputation pricing；
- Artificial Actor as demand-side participant。