# ICOD-01｜廉價 AI 幻象：Token 通縮、物理基質膨脹與真奇點前的資源反彈

## 從服務層價格投影、總資源消耗與本地 AI 可達性，到系統性 AI 奇點前的成本錯覺

**英文題名：** *The Cheap-AI Illusion: Token Deflation, Physical-Substrate Expansion, and Resource Rebound before Systemic AI Singularity*  
**系列名稱：** 智能資本與無終點分配論（Intelligent Capital and Open-Ended Distribution Theory, ICOD）  
**系列篇號：** 01 / 06  
**文件編號：** EML-ICOD-2026-01  
**作者：** Neo.K with GPT-5.6 Sol  
**機構：** EveMissLab／一言諾科技有限公司  
**日期：** 2026-10-07  
**版本：** v0.1  
**文件性質：** 系列首篇／AI 成本結構／Token 價格投影／物理基質膨脹／真 AI 奇點接口  
**直接前置：** SAS-01《重新定義 AI 奇點：不是智能爆炸，而是正向再生閉環》、EWDT-19《系統性 AI 奇點作為經濟世界域相變》  
**跨系列接口：** HAVT-05、HAVT-06、EWDT-08、EWDT-18、EWDT-19  
**狀態：** Canonical Source / UTF-8 Markdown  

---

## 摘要

AI 服務價格下降，常被視為人工智慧正在快速民主化、推理成本正在下降、智能正在接近「近乎免費」的重要證據。然而，API token 價格、訂閱價格與單次使用者支付，只是 AI 經濟的一個服務層投影。它們無法直接表示支撐 AI 的完整物理世界成本，包括算力、電力、晶片、記憶體、網路、冷卻、資料中心、土地、維護、製造、資本、工程團隊與全球供應鏈。

本文提出「廉價 AI 幻象」（Cheap-AI Projection Illusion），主張：

$$
\boxed{
P_{\mathrm{token}}\downarrow
\not\Rightarrow
C_{\mathrm{civilizational}}\downarrow.
}
$$

其中：

- $P_{\mathrm{token}}$：使用者看到的單位 token 或服務價格；
- $C_{\mathrm{civilizational}}$：為維持與擴張 AI 能力所需的完整文明級資源成本。

甚至可能出現：

$$
\boxed{
P_{\mathrm{token}}\downarrow
\quad\land\quad
C_{\mathrm{total}}\uparrow.
}
$$

也就是單位服務價格下降，但因使用量、並行 Agent、推理深度、模型規模、背景工具調用、資料中心與物理基礎設施快速擴張，整體 AI 資源消耗反而上升。

本文進一步區分：

$$
\boxed{
\text{Service-Layer Cost}
}
$$

與：

$$
\boxed{
\text{Physical-Substrate Cost}.
}
$$

服務價格可以因規模經濟、硬體效率、資本補貼、長期能源合約、共享叢集、批次推理、模型壓縮、價格競爭與交叉補貼而下降；但這不表示整個系統所需的：

$$
\text{Compute},
\text{Energy},
\text{Memory},
\text{Network},
\text{Cooling},
\text{Manufacturing}
$$

同步下降。

本文提出「AI 服務通縮—物理基質膨脹悖論」：

$$
\boxed{
\text{AI Service Deflation}
+
\text{Physical Substrate Inflation}.
}
$$

其核心機制為：

$$
UnitCost\downarrow
\rightarrow
Usage\uparrow\uparrow
\rightarrow
TotalComputeDemand\uparrow
\rightarrow
InfrastructureDemand\uparrow.
$$

本文同時指出，token 本身在 Agent 時代將變成更弱的成本單位。使用者看到的最終輸出 token，背後可能包含多模型調用、工具使用、搜尋、推理、記憶、驗證、模擬、視覺與長時間代理循環。因此：

$$
\boxed{
\text{Visible Tokens}
\neq
\text{Total Computational Work}.
}
$$

更適合文明尺度的 AI 效率指標應關注：

$$
\boxed{
\eta_{AI}^{world}
=
\frac{
\Delta C_{\mathrm{validated\ world}}
}{
E+C+H+M+N+\tau
}.
}
$$

即每單位能源、算力、硬體、製造、網路與世界時間，到底生成了多少已驗證、可部署、可沉積的世界能力，而不是只看每百萬 token 價格。

本文再將此問題接回 SAS-01 的「真 AI 奇點」。在系統性 AI 奇點之前，如果 AI 能力提升仍高度依賴人類持續擴張電網、晶圓廠、資料中心、機器製造、施工與維護，則：

$$
\boxed{
\text{Cheap AI}
\neq
\Sigma_{\mathrm{sys}}.
}
$$

甚至：

$$
\boxed{
\text{Cheap AI}
+
\text{Rising Human External Subsidy}
}
$$

可以同時成立。

只有當 AI 開始透過具身機器人、自動工廠、自動科研、能源最佳化、設備設計、維修與施工，使支撐下一輪 AI 的物理世界能力形成持續正向再生閉環時，才開始接近：

$$
\boxed{
AI
\rightarrow
\mathbf X
\rightarrow
AI'
\rightarrow
\mathbf X'
\rightarrow
AI''.
}
$$

本文最後提出，本地開源模型的「權重可取得」同樣不等於 AI 能力民主化。若一般人無法負擔足以運行模型的記憶體、加速器、電力與散熱，則：

$$
\boxed{
\text{Open Weights}
\neq
\text{Effective AI Access}.
}
$$

因此，未來 AI 不平等的核心可能不是「誰能不能登入 AI」，而是「誰能負擔多少有效智能資本」。

**關鍵詞：** 廉價 AI 幻象、Token 通縮、物理基質膨脹、AI 成本、系統性 AI 奇點、算力、能源、資料中心、Agent、開源模型、有效 AI 可達性、智能資本、Reality Bandwidth

---

# 0. 系列定位：ICOD 為什麼從「廉價 AI」開始？

ICOD 研究：

> 當 AI 能力與智能資本可以持續累積，而且沒有自然終點時，所有權、能力可達性與分配如何演化？

在這之前，必須先拆掉一個最容易誤導整套討論的投影：

$$
\boxed{
\text{AI is cheap}
}
$$

到底是什麼意思？

---

# 1. 使用者價格與真實成本不是同一個型別

令：

$$
\boxed{
P_{\mathrm{user}}
}
$$

表示使用者實際支付的 AI 服務價格。

令：

$$
\boxed{
C_{\mathrm{system}}
}
$$

表示提供該服務所需的完整系統成本。

則：

$$
\boxed{
P_{\mathrm{user}}
\neq
C_{\mathrm{system}}.
}
$$

---

# 2. Token 價格只是服務層投影

API 可能顯示：

$$
P_{\mathrm{token}}\downarrow.
$$

它回答的是：

> 使用者每單位可見 token 需要支付多少貨幣。

它不回答：

> 這些 token 背後使用了多少真實世界資源。

---

# 3. 完整 AI 成本結構

本文使用第一代分解：

$$
\boxed{
C_{\mathrm{AI}}
=
C_{\mathrm{compute}}
+
C_{\mathrm{energy}}
+
C_{\mathrm{memory}}
+
C_{\mathrm{network}}
+
C_{\mathrm{cooling}}
+
C_{\mathrm{hardware}}
+
C_{\mathrm{datacenter}}
+
C_{\mathrm{manufacturing}}
+
C_{\mathrm{maintenance}}
+
C_{\mathrm{capital}}.
}
$$

---

# 4. 還有外部人類致動

此外：

$$
\boxed{
H^{ext}
}
$$

表示仍需由 AI 系統外部人類提供的工程、建設、維修、施工、採購、供應鏈、法規與管理。

所以：

$$
C_{\mathrm{AI}}
$$

並不是純機器成本。

---

# 5. 使用價格可以低於完整成本

在企業擴張期：

$$
P_{\mathrm{user}}
<
C_{\mathrm{full}}
$$

完全可能短期成立。

原因包括交叉補貼、風險資本、市占競爭、平台其他業務補貼與固定成本攤薄。

---

# 6. 即使價格等於邊際成本，也不是文明成本

因為：

$$
\text{MarginalInferenceCost}
$$

不包括所有：

$$
\text{InfrastructureFixedCost}.
$$

因此：

$$
\boxed{
\text{MarginalCost}
\neq
\text{TotalSystemCost}.
}
$$

---

# 7. Token 通縮

本文定義：

$$
\boxed{
\pi_{\mathrm{token}}<0
}
$$

表示單位 token 價格持續下降。

---

# 8. Token 通縮可以是真的

這不是幻覺本身。

硬體、模型、batching、量化、蒸餾與編譯都可以讓：

$$
CostPerToken\downarrow.
$$

---

# 9. 幻覺發生在錯誤外推

錯誤推論是：

$$
CostPerToken\downarrow
\Rightarrow
TotalAICost\downarrow.
$$

這不成立。

---

# 10. 總成本公式

若：

$$
c_t
$$

為單位成本，

$$
q_t
$$

為總使用量，

則：

$$
\boxed{
C_t^{total}
=
c_tq_t.
}
$$

---

# 11. 單位成本下降、總成本上升

若：

$$
c_t\downarrow
$$

但：

$$
q_t\uparrow\uparrow,
$$

則：

$$
\boxed{
C_t^{total}\uparrow
}
$$

完全可能。

---

# 12. 資源反彈

本文稱：

$$
\boxed{
\text{AI Resource Rebound}.
}
$$

形式：

$$
\text{EfficiencyGain}
\rightarrow
\text{LowerPrice}
\rightarrow
\text{HigherUsage}
\rightarrow
\text{HigherTotalResourceDemand}.
$$

---

# 13. Jevons 類效應

AI 效率改善可能降低：

$$
\text{CostPerTask},
$$

卻提高：

$$
\text{NumberOfTasks}.
$$

所以：

$$
\boxed{
\text{Efficiency}
\not\Rightarrow
\text{Total Resource Reduction}.
}
$$

---

# 14. Agent 時代會放大反彈

單人聊天時：

$$
1\ Human
\rightarrow
1\ ModelCall.
$$

Agent 時代：

$$
1\ Human
\rightarrow
\text{N Agents}
\rightarrow
\text{M ToolCalls}.
$$

所以：

$$
q_t
$$

可能呈現非線性上升。

---

# 15. 一個輸出背後可能有巨大計算圖

最終使用者看到：

$$
2000
\text{ tokens}
$$

但後台可能經歷：

$$
\text{Search}
+
\text{Reasoning}
+
\text{Verification}
+
\text{Memory}
+
\text{CodeExecution}
+
\text{MultimodalCalls}.
$$

---

# 16. 可見 token 不再代表計算工作量

因此：

$$
\boxed{
\text{VisibleTokens}
\neq
\text{TotalComputationalWork}.
}
$$

---

# 17. Token 可能變成類似「顯示層單位」

它比較像：

$$
\boxed{
\text{user-facing output unit}
}
$$

而不是完整資源計量單位。

---

# 18. Agent-hour 可能比 token 更接近未來單位

未來可以考慮：

$$
\boxed{
\text{AgentHour}.
}
$$

但它也不完整。

---

# 19. 因為不同 Agent 能力不同

$$
1\ AgentHour_A
\neq
1\ AgentHour_B.
$$

所以還需要品質、工具、記憶與自主性。

---

# 20. 有效智能工作量

本文提出概念量：

$$
\boxed{
W_{AI}^{eff}
=
F
\left(
\text{Compute},
\text{ModelQuality},
\text{AgentTime},
\text{ToolAccess},
\text{Verification}
\right).
}
$$

---

# 21. 服務層奇點幻象

若：

$$
AIQuality\uparrow\uparrow,
$$

$$
P_{\mathrm{user}}\downarrow,
$$

使用者容易認為奇點正在發生。

但這可能只是：

$$
\boxed{
\text{Service-Layer Singularity Illusion}.
}
$$

---

# 22. 認知能力增長不等於系統閉環

沿用 SAS-01：

$$
\boxed{
AGI
\land
\neg\Sigma_{\mathrm{sys}}
}
$$

完全可能。

---

# 23. 真 AI 奇點需要物理世界閉環

SAS-01 的核心不是：

$$
AI\rightarrow BetterAI.
$$

而是：

$$
\boxed{
AI
\rightarrow
\mathbf X
\rightarrow
AI'
\rightarrow
\mathbf X'
\rightarrow
AI''.
}
$$

---

# 24. 支撐向量

其中：

$$
\mathbf X_t
=
(
I_t,
C_t,
E_t,
H_t,
M_t,
L_t,
R_t,
N_t
).
$$

---

# 25. 如果支撐層仍由人類同比例增加

則：

$$
\boxed{
\text{AI growth}
=
\text{human-subsidized system growth}.
}
$$

---

# 26. 系統再生係數

沿用：

$$
\boxed{
\mathcal R_{\mathrm{sys}}
=
\frac{
K_{AI}(t+1)
}{
K_{AI}(t)
}.
}
$$

---

# 27. 但 $\mathcal R_{\mathrm{sys}}>1$ 還不夠

如果增長完全來自：

$$
HumanCapEx\uparrow,
$$

則不能稱自我再生。

---

# 28. AI 歸因比例

沿用：

$$
\boxed{
\alpha_{AI}
=
\frac{
\Delta K_{AI}^{AI-mediated}
}{
\Delta K_{AI}^{total}
}.
}
$$

---

# 29. 低 $\alpha_{AI}$ 世界

若：

$$
\alpha_{AI}\approx0,
$$

即使 AI 極強，本質仍是：

$$
\text{HumanCivilization}
\rightarrow
\text{MoreAI}.
$$

---

# 30. 高 $\alpha_{AI}$ 世界

若：

$$
\alpha_{AI}\uparrow,
$$

AI 開始自己提高能源效率、晶片設計、工廠效率、機器人、維修與建設。

---

# 31. 人類外部致動彈性

沿用：

$$
\boxed{
\epsilon_H
=
\frac{
d\ln H^{ext}
}{
d\ln K_{AI}
}.
}
$$

---

# 32. 真正重要的是 $\epsilon_H$ 下降

奇點不要求：

$$
H^{ext}=0.
$$

更重要的是：

$$
\boxed{
\epsilon_H\downarrow.
}
$$

---

# 33. 具身機器人的真正意義

具身 AI 不是因為「AI 有身體」而重要。

而是因為它可以把：

$$
\text{AIOutput}
$$

轉成：

$$
\text{WorldChange}.
$$

---

# 34. 智能—世界轉化缺口

沿用 EWDT-19：

$$
\boxed{
\mathcal G_{I-W}
=
\text{Gap}
\left(
\mathcal C_I^{validated},
\mathfrak T_{world}^{[\tau]}
\right).
}
$$

---

# 35. AI 想得越快，世界不一定跟得上

若：

$$
\mathcal C_I^{validated}\uparrow\uparrow
$$

但：

$$
\mathfrak T_{world}^{[\tau]}
\approx const.,
$$

則：

$$
\mathcal G_{I-W}\uparrow.
$$

---

# 36. 認知富裕、物理稀缺

因此可能形成：

$$
\boxed{
\text{Cognitive Abundance}
+
\text{Physical Scarcity}.
}
$$

---

# 37. 這是「假奇點」的重要型態

表面：

$$
AIOutput\uparrow\uparrow.
$$

實際：

$$
\text{RealityBandwidth}
$$

沒有同比上升。

---

# 38. 現實頻寬

沿用：

$$
\boxed{
B_R(\tau)
=
\frac{
|\Delta\Omega_{\mathrm{sedimented}}|
}{
\tau
}.
}
$$

---

# 39. 真正效率應看沉積後世界能力

而不是：

$$
\text{RawOutputTokens}.
$$

---

# 40. 世界級 AI 效率

本文提出：

$$
\boxed{
\eta_{AI}^{world}
=
\frac{
\Delta C_{\mathrm{validated\ world}}
}{
E+C+H+M+N+\tau
}.
}
$$

---

# 41. 分母不是固定最終式

此式只是第一代結構。

其目的：

> 把 AI 成本從「服務價格」拉回「世界資源」。

---

# 42. AI 服務通縮—物理基質膨脹悖論

本文正式定義：

$$
\boxed{
\text{AI Service Deflation}
+
\text{Physical Substrate Inflation}.
}
$$

---

# 43. 基本機制

$$
UnitAIPrice\downarrow
$$

$$
\downarrow
$$

$$
Usage\uparrow
$$

$$
\downarrow
$$

$$
ComputeDemand\uparrow
$$

$$
\downarrow
$$

$$
Energy/Hardware/DatacenterDemand\uparrow.
$$

---

# 44. 單位成本下降不保證資源脫鉤

真正要看：

$$
\boxed{
\frac{
\text{dResourceUse}
}{
\text{dAICapability}
}.
}
$$

---

# 45. 如果能力增長快於資源效率

則：

$$
TotalResourceUse\uparrow.
$$

---

# 46. 這不代表效率改進沒用

效率仍然可以延遲瓶頸、降低單位成本、提高可達性。

只是：

$$
\boxed{
\text{EfficiencyGain}
\neq
\text{AbsoluteResourceReduction}.
}
$$

---

# 47. 大型 AI 公司為何可能越來越大

若：

$$
ScaleEconomy\uparrow,
$$

則大型平台可以更有效率地 pooling、batching、routing、networking 與 energy contracting。

---

# 48. 雲端可能持續便宜於本地同等能力

即：

$$
\boxed{
P_{\mathrm{cloud}}
<
C_{\mathrm{local\ equivalent}}
}
$$

可能長期成立。

---

# 49. 開源模型不等於本地可達

如果：

$$
WeightsFree=1,
$$

但需要：

$$
\text{HighMemory},
\text{HighCompute},
\text{HighPower},
$$

則：

$$
\boxed{
EffectiveLocalAccess\approx0
}
$$

對很多人可能成立。

---

# 50. 開源權重與算力民主化分離

因此：

$$
\boxed{
\text{Open Weights}
\neq
\text{Compute Democratization}.
}
$$

---

# 51. 模型民主化與所有權民主化分離

$$
\boxed{
\text{AI Intelligence Abundance}
\neq
\text{AI Ownership Abundance}.
}
$$

---

# 52. 名義可達與有效可達

沿用 HAVT-05：

$$
\boxed{
\text{FormalAccess}
\neq
\text{EffectiveAccess}.
}
$$

---

# 53. AI 帳號不是智能資本

即使：

$$
AIAccount=1,
$$

仍可能：

$$
\text{AgentBudget},
\text{ToolAccess},
\text{DataAccess},
\text{ComputeAccess}
$$

非常不同。

---

# 54. 本系列下一篇的接口

因此：

$$
\boxed{
\text{AI Access}
}
$$

必須進一步被重寫成：

$$
\boxed{
K_{AI,i}^{eff}.
}
$$

即主體真正可調動的有效智能資本。

---

# 55. 第一核心命題

## 命題 1.1｜使用價格—文明成本分離命題

$$
\boxed{
P_{\mathrm{user}}
\neq
C_{\mathrm{civilizational}}.
}
$$

---

# 56. 第二核心命題

## 命題 1.2｜Token 通縮非總成本下降命題

$$
\boxed{
P_{\mathrm{token}}\downarrow
\not\Rightarrow
C_{\mathrm{total}}\downarrow.
}
$$

---

# 57. 第三核心命題

## 命題 1.3｜可見 Token 非完整工作量命題

$$
\boxed{
\text{VisibleTokens}
\neq
\text{TotalComputationalWork}.
}
$$

---

# 58. 第四核心命題

## 命題 1.4｜廉價 AI 非系統奇點命題

$$
\boxed{
\text{Cheap AI}
\neq
\Sigma_{\mathrm{sys}}.
}
$$

---

# 59. 第五核心命題

## 命題 1.5｜開源非有效可達命題

$$
\boxed{
\text{Open Weights}
\neq
\text{Effective AI Access}.
}
$$

---

# 60. 第六核心命題

## 命題 1.6｜服務通縮—基質膨脹命題

在系統閉環前：

$$
\boxed{
AIServicePrice\downarrow
}
$$

可以與：

$$
\boxed{
PhysicalSubstrateDemand\uparrow
}
$$

同時成立。

---

# 61. 第七核心命題

## 命題 1.7｜真奇點資源再生命題

只有當：

$$
\alpha_{AI}\uparrow,
$$

$$
\epsilon_H\downarrow,
$$

且：

$$
\mathcal R_{\mathrm{sys}}>1
$$

跨多週期成立，才逐步接近真正系統再生。

---

# 62. 反例一：Token 降價且總能耗也下降

若：

$$
c_t\downarrow
$$

且：

$$
q_t
$$

成長有限，

則：

$$
C_t^{total}\downarrow
$$

完全可能。

本文不主張總成本必然上升。

---

# 63. 反例二：雲端價格反映完整成本

某些成熟市場中：

$$
P_{\mathrm{user}}
\approx
C_{\mathrm{full}}+Margin.
$$

仍不能推出：

$$
CivilizationalResourceUse\downarrow.
$$

---

# 64. 反例三：本地硬體價格快速下降

如果未來：

$$
ComputePrice\downarrow\downarrow,
$$

本地 AI 可達性可能顯著上升。

本文不預設大型平台必然永久壟斷。

---

# 65. 反例四：真奇點降低總資源強度

若 AI 自動改善：

$$
\text{EnergyEfficiency},
\text{Manufacturing},
\text{Recycling},
\text{Robotics},
$$

則：

$$
\eta_{AI}^{world}\uparrow
$$

可能真正降低文明成本。

這正是 SAS-01 所期待的閉環之一。

---

# 66. 可反駁條件

## 條件一

若長期實證顯示 token 價格與完整文明資源成本高度同步，則「廉價 AI 幻象」的適用範圍應縮小。

## 條件二

若 Agent 化並未顯著提高總計算與工具調用需求，則 AI Resource Rebound 的重要性下降。

## 條件三

若 Open Weights 長期能在低成本一般消費級硬體上運行前沿能力，則「開源非有效可達」的分配問題顯著下降。

## 條件四

若 AI 能力增長很快跨入具身、製造、能源與維修閉環，則服務價格與文明成本可能重新收斂。

---

# 67. 與 ICOD-02 的接口

ICOD-01 已經說明：

$$
\boxed{
\text{AI 便宜}
}
$$

不是一個足夠完整的分配概念。

下一篇真正要問的是：

> 當所有人都有 AI 帳號，但不同人能調動 1、10、100、1000 個 Agent，還擁有不同資料、工具、模型、算力與驗證能力時，誰真正擁有多少「智能資本」？

因此 ICOD-02 將正式建立：

$$
\boxed{
K_{AI,i}^{eff}
}
$$

與：

$$
\boxed{
\text{Agentic Capital}.
}
$$

---

# 68. 結論

AI 時代可能出現一個極度反直覺的世界。

對使用者而言：

$$
AIPrice\downarrow.
$$

對企業而言：

$$
AIRevenue\uparrow.
$$

對文明而言：

$$
\text{Energy},
\text{Compute},
\text{Hardware},
\text{Datacenter},
\text{Network}
$$

卻同步：

$$
\uparrow.
$$

這三件事可以同時為真。

因此：

$$
\boxed{
\text{Cheap AI}
}
$$

首先是一個：

$$
\boxed{
\text{price projection}.
}
$$

它不能單獨證明 AI 已真正民主化、AI 總成本下降、AI 已接近系統奇點，或智能正在脫離物理世界。

真正應追蹤的是：

$$
\boxed{
\eta_{AI}^{world}
}
$$

以及：

$$
\boxed{
\alpha_{AI},
\quad
\epsilon_H,
\quad
\mathcal R_{\mathrm{sys}},
\quad
B_R.
}
$$

只有當 AI 不只讓服務價格下降，而開始真正降低支撐自身下一輪增長所需的外部人類致動、能源、製造與世界時間成本時，「便宜 AI」才開始接近「可持續智能富裕」。

因此 ICOD-01 最後提出：

$$
\boxed{
\text{AI 真正變便宜，
不是介面上的價格變小，
而是文明為取得一單位可沉積智能能力所支付的世界成本下降。}
}
$$

---

## 附錄 A｜核心符號表

| 符號 | 含義 |
|---|---|
| $P_{\mathrm{user}}$ | 使用者 AI 服務價格 |
| $P_{\mathrm{token}}$ | Token 單位價格 |
| $C_{\mathrm{system}}$ | AI 系統成本 |
| $C_{\mathrm{civilizational}}$ | 文明級 AI 完整成本 |
| $C_t^{total}$ | AI 總資源成本 |
| $W_{AI}^{eff}$ | 有效智能工作量 |
| $\mathcal R_{\mathrm{sys}}$ | 系統再生係數 |
| $\alpha_{AI}$ | AI 中介能力增長歸因比例 |
| $\epsilon_H$ | 外部人類致動彈性 |
| $\mathcal G_{I-W}$ | 智能—世界轉化缺口 |
| $B_R$ | Reality Bandwidth |
| $\eta_{AI}^{world}$ | 世界級 AI 效率 |
| $H^{ext}$ | 外部人類致動投入 |

---

## 附錄 B｜廉價 AI 幻象最小鏈

$$
\boxed{
\text{EfficiencyGain}
\rightarrow
UnitPrice\downarrow
\rightarrow
Usage\uparrow
}
$$

$$
\boxed{
\rightarrow
ComputeDemand\uparrow
\rightarrow
Energy/Hardware/DatacenterDemand\uparrow
}
$$

因此：

$$
\boxed{
P_{\mathrm{token}}\downarrow
\not\Rightarrow
C_{\mathrm{civilizational}}\downarrow.
}
$$

真正穿越真 AI 奇點的方向則是：

$$
\boxed{
AI
\rightarrow
\text{SupportWorldImprovement}
\rightarrow
\text{LowerExternalHumanDependence}
\rightarrow
\text{MoreAI}.
}
$$