--- title: "智能資本集中、公共可達性與社會反作用" english_title: "Concentration of Intelligent Capital, Public Accessibility, and Social Counterforces: Compute Bottlenecks, Household Agency, and Institutional Feedback" series: "AI 代理收益與契約經濟過渡論（AICET）" series_id: "AICET" series_position: "Paper 13 / 14 — Deferred Extension I (12 core papers completed)" document_id: "EML-AICET-2026-13" author: "Neo.K with GPT-6" institution: "EveMissLab / 一言諾科技有限公司" date: "2026-10-28" version: "v0.1" status: "Completed Conceptual Manuscript — Empirical Hypotheses Not Yet Validated" document_type: "Theoretical Research Paper / Political Economy / AI Infrastructure Competition / Household Access / Public Compute / Institutional Feedback" canonical_source: "UTF-8 Markdown" canonical_math_delimiters: "inline $...$ ; display $$...$$" parent_program: "AICET Research Program v0.2 (2026-10-27)" previous_papers: "EML-AICET-2026-01 through EML-AICET-2026-12" next_paper: "EML-AICET-2026-14 (deferred extension II)" evidence_cutoff: "2026-10-28" research_claim_status: "OBS/DEF/HYP/SCN/NOR separated; no representative field validation" --- # 智能資本集中、公共可達性與社會反作用 ## Concentration of Intelligent Capital, Public Accessibility, and Social Counterforces: Compute Bottlenecks, Household Agency, and Institutional Feedback **系列：**《AI 代理收益與契約經濟過渡論》（Agentic Income and Contractual Economy Transition，AICET） **篇號：** AICET-13／十二篇核心論文後的第一篇條件性延伸研究 **作者：** Neo.K with GPT-6 **機構：** EveMissLab／一言諾科技有限公司 **日期：** 2026 年 10 月 28 日 **版本：** v0.1 **研究狀態：** 概念原稿完成；本文自行提出的機制、分類與十二項假說尚未經專屬實證驗證。 **適用聲明：** 本文不作投資推薦、法律個案裁判、政治動員倡議或企業違法定性；引用的現行方案與規範須按日期、資格及法域核對。 --- ## 摘要 人工智慧使運算、記憶體、模型、資料、電力與代理協作架構，逐步具有可轉化為認知勞動能力及家庭經濟效益的資本性質。由此很容易形成兩種對立、卻都過度簡化的未來敘事：其一主張，若 AI 生產力伴隨每一新增運算裝置而增加，少數大型企業或國家便可能購盡顯示卡、記憶體與計算機，終使一般家庭被永久排除於 AI 生產之外；其二則主張，既然模型效率改善、租用服務與開源軟體存在，資本集中不可能形成持久的政治經濟威脅。前者將技術資本優勢直接推導為無限排他權力，後者則把替代可能性直接推導為實際可達、可控制與可受益。兩種推論均未充分納入市場需求、硬體供應鏈、公共資源分配、社會反作用、制度差異、國家能力與家庭真正的治理條件。 本文作為 AICET 的第十三篇條件性延伸，提出三組操作性框架。第一，「**智能資本集中—可達性分離**」（Concentration–Accessibility Separation, CAS）要求將晶片與設備所有權、運算調度權、模型接入、任務級有效產能、代理控制權與可取得收益六個層次分開衡量。第二，「**公共智能可達性路徑**」（Public Intelligence Access Pathways, PIAP）比較私人持有、商業租用、公共算力、研究與產業補助、社群共享及混合配置所提供的不同能力，並明確指出公共計畫不等於全民無條件獲得免費算力。第三，「**社會反作用可觀測階梯**」（Observable Social Counterforce Ladder, OSCL）把不滿、發聲、停止採購、拒絕合作、尋找替代、組織性行動、制度回應及實際分配變化分離；社會張力的存在，既不代表反作用必然成功，也不代表退出市場的人必定具有反抗意圖。 資料顯示，上游 AI 晶片、半導體製程、HBM 與大型雲端服務在若干定義明確的市場高度集中；同時，2025–2026 年 OECD 對模型市場的研究、Stanford AI Index 的品質調整推理成本趨勢，以及美國 NAIRR、歐洲 AI Factories、台灣公共算力與高階算力徵案，則展示不同形式的可達性擴張與政策介入。在英國雲端競爭審查、歐盟可攜及互通制度、資料中心地方爭議中，亦可觀察到針對轉換成本、資源分擔或產業權力的制度與社會回應。然而這些材料尚不足以證明世界將自動達到普遍平等，也不足以支持任何企業已能壟斷所有類型的計算設備或所有用途的 AI。 本文進一步比較民主與非民主制度中的發聲、退出、監管與政治合法性渠道，但不將選舉、公開批評、消極拒用或行政調整視為必然有效的單一路徑。研究提出十二項具反證條件的假說、四套可重複的實證設計、八類反例及可稽核資料字典。**中心命題是：智能資本可高度集中而一般家庭仍可取得特定 AI 能力；某種 AI 能力可以普及而有效產能、控制權與收益仍極不平等。生產資本的積累與排他權力的實現之間，始終受到市場、技術、法律與社會選擇的多重中介；這些中介可能限制集中，也可能失效、反向強化集中。** **關鍵詞：** 智能資本集中、AI 算力分配、公共算力、家庭 AI 可達性、競爭政策、雲端鎖定、HBM、GPU、社會反作用、退出與發聲、政治合法性、數位落差、智能收益、制度比較、代理經濟、替代能力。 ### Abstract The growing productive role of AI compute has encouraged two incompatible deterministic narratives: that a handful of firms or governments will eventually acquire virtually all meaningful computing resources and permanently exclude ordinary households, or that falling inference costs and open alternatives will automatically prevent such concentration. Both overlook the difference between upstream ownership, allocative power, task-level availability, genuine control, and distributive outcomes. They also neglect the institutional and social feedback that may constrain—or reinforce—exclusionary strategies. This thirteenth, explicitly deferred extension of the AICET research program introduces three provisional constructs: **Concentration–Accessibility Separation (CAS)**, which distinguishes capital ownership from effective household access and economic benefit; **Public Intelligence Access Pathways (PIAP)**, comparing owned, rented, community, research and publicly supported compute; and the **Observable Social Counterforce Ladder (OSCL)**, separating expressed dissatisfaction, exit, organised non-cooperation, institutional response, and verified changes in resource distribution. Public OECD research documents concentrated infrastructure markets alongside continuing contestation among model providers. Stanford AI Index research identifies steep performance-adjusted inference-cost declines over specific historical periods, whereas public initiatives in the United States, Europe and Taiwan demonstrate alternative access institutions with limited eligibility and measurable constraints. The study does not equate technical alternatives with universally adequate substitutes, nor pressure with successful reform. The paper develops a cross-jurisdictional and cross-market comparison of competition, cloud switching, electricity and land-use conflicts, institutional voice and non-electoral feedback; it presents counterexamples, twelve falsifiable hypotheses and four empirical research designs. Its central claim is conditional: **high concentration in upstream intelligent capital can coexist with broad but unequal access, while broad nominal access can coexist with profound disparities in control, productivity and returns. Institutional counterforces are neither negligible nor guaranteed to succeed.** No universal production function, inevitable political trajectory, quantified global household-agent economy, or completed field validation is claimed. **Keywords:** intelligent capital; compute concentration; effective AI access; public compute; cloud competition; household agency; contestability; social counterforces; political economy; AI infrastructure. --- # 0. 研究定位、概念問題與非主張 ## 0.1 為何放在 AICET-13，而非核心篇章的起點？ 依據 AICET Research Program v0.2 [1] 的研究順序，AICET-01 至 12 已依序建立：持續代理參與、跨平台擴散、家庭智能資本可達性、管理與驗證承載、可核實收益、個體機構化、授權契約、AI—AI 交易、關係性承諾、供給擁擠、收益與購買力分配，以及制度責任域 [1–10]。這些現象可以在局部市場先行發生，不必等到某家企業全面控制所有運算或形成全域影響力。 AICET-13 要處理的是前十二篇背後的結構性邊界：**當一般人越來越需要 AI，且尖端運算資本愈來愈昂貴，資本高度集中、公共可達與社會反作用可能如何共同演化？** 因此本篇既不重寫 AICET-03 的家庭資本清單，也不取代 AICET-11 的所得需求分析。它專門研究 *上游市場結構—家庭可達—制度分配—社會回應* 之間的條件性耦合。 AICET-14 將另外研究企業全面進入娛樂、工程、科學、平台等不同領域時的跨域社會接受邊界；本篇不預設任何現存企業已達到該種「全域企業」狀態。 ## 0.2 五個中心問題 1. **集中的是什麼？** GPU、HBM、先進製程、雲端容量、前沿模型、資料、平台入口、用戶關係、代理歷程與收益分配，是否同屬一個壟斷市場？ 2. **普通家庭需要什麼？** 擁有最尖端硬體、可租用推理、可靠完成指定任務、長期可遷移記憶、對外交易能力與獲得淨收益，是否有不同最低條件？ 3. **反作用如何發生？** 價格上漲、拒絕供應、資料封鎖或外部成本，如何經由資訊、感知、組織與制度，成為市場退出、替代建設或政策變化？ 4. **政治制度如何改變路徑？** 發聲、選舉、消費者行動、行政調整、國家強制與資訊管制，對資本控制與反抗成本分別有何影響？ 5. **應如何證偽？** 哪些具體資料可區分「有社會不滿但沒有改變」「競爭帶來實際替代」「公共算力只被少數人掌握」「家庭有 AI 但仍無正收益」？ ## 0.3 十八項非主張 本文不主張： 1. GPU 數量與社會生產能力存在不受任務、模型、能源及制度約束的普適線性公式。 2. 某企業投資更多資料中心，便必然能買走所有種類的計算機或全部消費級記憶體。 3. 上游市場集中不構成競爭風險，或集中一律違法。 4. 所有國家都對企業擴張具有相同反抗與治理能力。 5. 社會反抗必然成功，或某一次抵制自然代表整體人民的意願。 6. 消費者不購買某商品一定出於反抗；也可能只是無需求、沒預算或不知其存在。 7. 服務使用率、平台依賴及市佔率能直接等同民眾對企業全部行為的認同。 8. 任何國家只要存在選舉，市場集中就會自然被解除。 9. 任何非民主制度中的社會回饋都必定無效；但高昂的發聲成本不能被忽略。 10. 家庭擁有模型訂閱，即能獲得和尖端研究機構相同的有效智能資本。 11. 開源或開放權重可自動解決硬體、資料、授權、能源與維運瓶頸。 12. 公共算力名義上存在，便等於每位公民都可在任何時間免費使用。 13. 模型成本下降會使高品質 AI 全任務的實際總持有成本等比例下降。 14. 某些資料中心受阻，就能證明所有資料中心或所有 AI 投資將停止。 15. AI 工具普及必然帶來家庭正淨收入；外部需求與成本歸屬仍須驗證。 16. 現有 AI 代理具有與人相同的法律人格、獨立財產權或受僱身份。 17. 技術替代、公共投資與競爭監管必然帶來一致的福利結果；其副作用須被測量。 18. 本文已實證測量全部國家之 AI 資本壟斷、反抗張力及因果後果。 ## 0.4 證據等級及研究的誠實邊界 - **OBS（可核對資料）：** 已發布且可追溯的市場、政策、學術或組織紀錄，須明示年份和樣本。 - **DEF（操作性定義）：** 本文提出的 CAS、PIAP、OSCL 及其他分類；不是官方標準。 - **HYP（待檢驗假說）：** 有預先指定的觀測變數及可能推翻假說的結果。 - **SCN（條件性情境）：** 依明示條件推演，不視為既成事實或必然未來。 - **NOR（規範性選擇）：** 關於競爭、自由、普遍可達、公平分配及保障之制度主張，不冒充實證結論。 本文刻意不建立「每新增一台電腦，AI 生產力必然提升多少」的普適公式，也不給出「企業市場占有率達某一比例，社會必然反抗」的未驗證門檻。可測量的會計恆等式與因果機制亦需分開；未來取得專屬資料後，才建立任務與法域明確的模型。 --- # 1. 理論與既有研究接口：從資本積累到制度選擇 ## 1.1 CLATE：算力具備類勞動產能效果，但並非所有權直接等於工作成果 CLATE-01《算力資本的勞動化》[12] 已提出，算力只有與模型、工具、資料、治理及驗收等條件共同成立，才可能形成有效 AI 生產能力。CLATE-06《算力租賃與新型智能勞動市場》[13] 則指出，可購買的智能產能可以按需租用、調度與計價，並與傳統勞動市場構成部分而非完全替代。 這使「所有人都沒有 GPU」與「所有人都不能使用智能能力」成為不同的判斷。租用關係可能降低家庭設備投資，也可能增加上游平台依賴；兩種方向須同時保留。 ## 1.2 EWDT-22：有效可達性不只是技術登錄權 EWDT-22《智能資本、有效 AI 可達性與世界域分岔》[11] 提醒：名義上的 AI 存取與能改變實際可行活動集合的智能資本不同。即使所有家庭都能開啟某個模型介面，其可獲得的工具、資料、治理時段、運算成本、法律資格與部署持續性仍可能不同。 因此本篇將**可達性的存在、強度與可自主性**作為不同維度；不能用一張「AI 使用率」統計圖消除分配問題。 ## 1.3 B04 與 AICET-12：實際權力、合法授權、責任與受益相互制約 B04《權力、責任與權利》[14] 區分 Power、Authority、Responsibility、Rights；AICET-12 [10] 又將代理經濟責任域接入授權、契約、證據、受益與救濟。這套區分同樣適用於企業與公共算力制度：一家企業在技術上控制運算設備，不代表能在所有司法管轄區無條件取得排他權；政府具有規制權，亦不表示每種制度措施都必然有效或不產生新風險。 ## 1.4 Hirschman、數位平台與經濟政治反作用 Hirschman 的 *Exit, Voice, and Loyalty*（1970）區分退出、發聲與忠誠 [30]；後續對數位平台權力的 Polanyian double movement 分析討論市場擴張如何引出制度性保護與重新治理 [31]。本文不宣稱自己首次發現社會能反抗資本，也不把所有社會反應寫成道德勝利，而是把這些一般政治經濟問題**具體置入 GPU—雲端—代理可達—家庭依賴的分層技術系統**。 **本篇的獨立貢獻是辨識條件與可觀察鏈條，而非重命名早已存在的抵制或反壟斷學說。** --- # 2. 上游集中不是單一市場：六個市場層級與九種控制 ## 2.1 六個需要分別界定的層級 | 層級 | 重要供給與控制因素 | 常見瓶頸 | 不可直接推論 | |---|---|---|---| | 製造與設備 | 先進曝光設備、晶圓製造、封裝 | 資本、技術與長交期 | 單一公司控制所有消費電子 | | 晶片與記憶體 | AI 加速卡、專用 ASIC、CPU、GPU、HBM、一般 DRAM | 特定規格、供應鏈與軟體生態 | AI 加速卡缺貨代表所有一般電腦都無法購得 | | 實體資料中心 | 機房、散熱、供電、網路及地理位置 | 電網接入、土地及許可 | 擁有土地便能自行取得無限運算 | | 雲端與運算調度 | IaaS、GPU 租賃、推理 API、排程與配額 | 高固定成本、轉換費及鎖定 | 租用服務便擁有底層硬體 | | 模型與代理軟體 | 開源／開放權重、閉源模型、Agent 管線 | 能力、品質、授權、驗證與可攜 | 模型服務便宜即工作成本為零 | | 需求／渠道與制度 | 平台入口、交易資格、支付、資料、治理 | 市場觸及、信任及合同權力 | 取得模型能力便自然得到客戶與收入 | 2025 年 OECD 對 AI 基礎設施的研究認定若干供應鏈環節高度集中，包括先進曝光、尖端晶圓製造、AI GPU 及 HBM 等；其中部分供應商或前三大供應商占比很高 [16]。這是特定市場界線及特定時間的觀察，不等於所有運算設備、所有雲端市場或所有消費端均受同一主體實質控制。 ## 2.2 九種控制權，避免混用「壟斷」一詞 研究者至少應區分：**資產持有、產能預訂、資金供給、技術標準、軟體相容、價格設定、配額分配、資料與身份可攜、對外分配與收益控制**。不同市場可以呈現高度集中、寡占、共同標準依賴、垂直整合、排他契約或國家法令限制，但其法律性質與經濟後果不同。 「集中度」通常描述資產或交易份額；「市場勢力」指在有效競爭約束下仍能影響價格、品質或交易條件的能力；「排除效果」涉及特定行為是否妨礙競爭者或使用者取得替代選項。三者不是同義詞。高集中可能因規模經濟形成，仍需檢查行為；市場份額分散也可能存在共同技術瓶頸。 ## 2.3 市場高集中與模型競爭可以並存 OECD 2026 年《Artificial Intelligence markets》指出，上游晶片、雲端、資料與技能等關鍵投入存在結構性競爭風險；但在研究涵蓋的模型市場中，不同供應者仍持續加入、品質改善且價格下降 [15]。報告引用的部分 2023 年供應占比並非 2026 年即時市占：不能將舊年份數字直接當成當前全市場的精確比例。 這說明**基礎設施集中，不足以直接證明所有下游市場已失去動態競爭**；但也不能因模型層仍有創新便推定上游力量不可能在未來形成進一步鎖定。 ## 2.4 垂直整合與契約性依賴：集中可沿層傳遞 2025 年美國 FTC 對大型雲端供應商與 AI 開發商合作關係的職員報告，指出股權、收入分成、部分獨家或控制權條件、雲端支出承諾，以及資訊取得可能形成轉換成本與競爭風險 [19]。這些屬於監管研究的風險發現，不等於報告中列舉的所有企業均被法院認定違法。 集中可能不只以持有顯示卡體現，也可能透過信用額度、模型服務整合、軟體生態、專有資料、雲端遷移障礙及合作契約擴張。某一家庭看似能使用多個模型，也可能讓所有服務仍受少數上游渠道控制。 --- # 3. CAS：智能資本集中—可達性分離 ## 3.1 CAS 的操作性定義（DEF） **CAS（Concentration–Accessibility Separation）**指：在某一明確任務、時間窗與法域中，上游智能資本集中程度，不能直接替代下游某一群體是否能以可負擔、可持續、可控制的方式完成工作的測量。上游與下游可能正相關、負相關，也可能因租用、補助、專用硬體、模型效率及契約條件而部分脫鉤。 CAS 是為了防止**分析層級錯置**，並非宣稱兩者在實證上永遠互相獨立；同一上游供應商若控制特定必要投入，確實可能使下游替代路徑失效。 ## 3.2 六層分離矩陣 | 觀測層 | 問題 | 可能指標 | 典型偽等價 | |---|---|---|---| | C1 資本持有 | 設備、資料中心及基礎資產由誰擁有？ | 所有權、產能占比、投資與專利 | 擁有設備即自然能替所有人工作 | | C2 分配與可調度 | 誰實際可租用、排程或取得配額？ | 候補天數、價格、服務資格、配額 | 設備不屬自己就完全無法使用 | | C3 基本接入 | 誰可使用某個模型或代理介面？ | 地區覆蓋、註冊、基礎資費與可用性 | 能登入便能完成任何任務 | | C4 有效生產 | 指定任務是否可靠完成與驗收？ | 品質、失敗率、延遲、總成本 | Token 多就產出高 | | C5 自主控制 | 資料、角色、歷程、供應商是否可轉換？ | 導出、回放、可攜、權限與退出 | 訂閱便有永久所有權 | | C6 經濟受益 | 誰取得可核實淨收益或生活效益？ | 淨現金流、成本節省、非市場價值 | AI 使用率就是家庭收益率 | AICET-03 [2] 對家庭智能資本的六維有效可達性提供 C3–C6 的直接接口；AICET-05 [3] 的工作案與核算方法使 C6 不至於被收入敘事污染。C2 的分配權則可涉及供應商配額、公開招標、等待名單、公共計畫資格與個人授權等不同制度。 ## 3.3 四種典型但不互斥的世界 **世界 A：高度集中而廣泛可達。** 極少數雲端業者擁有大量尖端硬體，卻以可負擔價格提供指定任務的高品質推理；家庭不用買 GPU 也能取得部分實質效益。此情境不保證資料可攜或市場公平。 **世界 B：廣泛接入而低自主性。** 家庭免費或低價使用服務，但歷程無法導出，模型更新造成工作中斷，且平台條款或結算接口限制其經濟活動。表面的「普及」可能掩蓋控制權集中。 **世界 C：相對分散而低實際產能。** 家庭各自持有可執行模型的裝置，但缺乏任務技能、合法資料、驗證與買方需求；設備數多而沒有可交付成果。 **世界 D：高度集中且嚴重排除。** 供應商或國家對某些必要投入實施長期的實質限制，替代路線不足，造成特定人群或產業的可靠任務能力下降；這一可能性不能因社會有反應就被先驗排除。 ## 3.4 反向可達：何時較低算力反而更能滿足家庭用途？ 低延遲、隱私、離線可用、成本可預期與本地資料控制，有時使小型模型在特定工作中比昂貴雲端更可用。但這是**任務適配優勢**而非超越大型模型的普適智能優勢。例如個人文件檢索、家用裝置排程或有限格式處理，不需要由前沿大模型執行全部步驟；高難度科研、長時程推理或大規模訓練則可能仍高度依賴上游資本。 Stanford HAI 2025 年資料顯示，特定 GPT-3.5 等效 MMLU 門檻的模型查詢成本在 2022 年 11 月至 2024 年 10 月間大幅下降逾 280 倍 [17]。這是具特定品質門檻及歷史區間的指標，不是所有模型、所有任務或所有家庭支出皆下降 280 倍。 --- # 4. 物理約束、價格與反彈：不要把算力資本當成無限資源 ## 4.1 顯示卡只是可用智能資本的一個子集合 不同任務對 GPU、CPU、NPU、HBM、一般 DRAM、儲存、網路與能源的需求各異。某個供應鏈環節極度緊缺，可能影響部分高階運算；它未必以同等強度影響所有消費級電腦。某一公司的現金多寡也不等於能夠即時製造額外設備；產能受到晶圓廠、封裝、供應合約、能源、人才與時間約束。 反過來，特定高階任務若確實需要難以替代的晶片、記憶體或資料資源，少數大買方長期預訂足夠產能，可能壓縮其他使用者的供應與定價空間。**「不是所有設備都可壟斷」不應被誤用為「沒有關鍵設備可被實質鎖定」。** ## 4.2 電力與地方土地不是背景項 IEA《Energy and AI》2025 年報告估計，資料中心於 2024 年用電約 415 TWh，基準情境對 2030 年的預測約 945 TWh；後者是模型情境而非既成事實 [18]。電網接入、變壓器交期、供水、土地與地方許可可能成為與 GPU 一樣重要的部署瓶頸。 它們也使經濟利益與成本出現空間錯置：某國際服務供應者的收入可能集中於資本所有者，但電價、噪音、水資源與基礎設施投資成本由特定地方承擔。這一錯置可能引發地方反應，但其正當性及影響仍須就環評、電價成本分配與實際社會收益逐案評估。 ## 4.3 更便宜的推理可能增加總需求 效率改善可能降低單一任務的成本，從而使更多人部署更多代理、提出更複雜要求或延長運算時間。此時**單位產出成本下降與整體電力、設備或頻寬需求上升可以共存**。但反彈幅度不一定抵銷所有節能或效率進步，須依市場與實際任務測量，不宣稱任何固定的 Jevons 式係數。 ## 4.4 家庭的真正價格是「可驗收工作成本」 上游 GPU 單價、雲端小時費與 Token 費，均不能單獨代表一項工作對家庭的完整成本。應計入學習、資料準備、驗收、失敗重試、隱私、監督與供應中斷。高價專業代理若穩定交付成果，可能比低價但大量失敗的模型便宜；反之，簡單工作可能完全不需要昂貴代理。此一成本口徑直接承接 AICET-05 及 AICET-04，而非另外提出一個不受適用域約束的普適生產函數。 --- # 5. PIAP：公共智能可達性路徑與實際資格 ## 5.1 什麼叫做「公共可達」？ 公共可達不是只有「國家擁有一座超級電腦」一種情況。本文將 **PIAP（Public Intelligence Access Pathways）** 定義為：透過公共資金、公共規則、科研機構、產學合作或依法運作之開放資源，使非大型資本所有者在明確條件下取得可用 AI 能力的制度路徑。其目的可能是基礎研究、教育、公共利益、中小企業創新、特定產業驗證，或降低被排除的風險；不能預設所有目的彼此相同。 PIAP 也不是「公共資產必然優於私人供應」。公共基礎設施具有採購、排隊、治理、維護及行政成本；商業服務可能更靈活、更可靠，也可能以市場差異化定價提高可達性。研究要比較具體任務，而不是先替某一所有權制度宣布勝利。 ## 5.2 六種取得路徑 | 路徑 | 使用者主要取得 | 主要限制 | 合適的比較對象 | |---|---|---|---| | 自有設備 | 本地執行、資料控制、離線持續性 | 硬體成本、能源、模型品質、維護 | 具相同任務需求的商用雲端 | | 商業推理服務 | 隨用隨付、低初始資本門檻、彈性擴張 | 長期費率、配額、供應商鎖定 | 自有裝置之全成本 | | 社群／共同運算 | 共享設備及知識、合作治理 | 資源競爭、治理負擔、授權與安全 | 個人自有設備或公共計畫 | | 公共科研算力 | 經核准的研究／教育資源 | 申請資格、審核、配額、計畫期限 | 具相近科研要求的商業計算 | | 產業支援／補助 | 中小企業、新創或特定產業試驗能力 | 登記、領域、期限與可交付要求 | 未取得補助的相似企業 | | 混合架構 | 將私有、公共與雲端按任務分配 | 編排複雜度、資料遷移、跨平台風險 | 單一路徑在相同任務下的結果 | 同一家庭可能以自有設備保存私密工作記憶，以便宜雲端處理通用任務，並由家庭成員或其合法經營之小企業申請特定研發資源。這種混合不意味私人工作記憶可未經授權上傳公共平台，也不意味公共資源應自動支付家庭所有日常娛樂或私人代理運算。 ## 5.3 美國 NAIRR：公共—私人研究能力接口 美國 NSF 主導的 National Artificial Intelligence Research Resource（NAIRR）於 2024 年以試點形式起步，向符合資格的研究與教育參與者提供運算、模型、資料、軟體與技能資源。NSF 在 2026 年 9 月宣布設立支援長期運作的 NAIRR Operations Center [23]。這可作公共與私人資源互補的制度例子，但不得寫成「所有美國家庭都能免費使用與最強商業業者同等的 GPU」。 **候選檢驗問題：** 申請成功者是否能完成過去因算力受限而不可做的研究？受益是否集中於原本就有強大研究行政資源的機構？計畫結束後成果與工具是否可延續？ ## 5.4 歐洲 AI Factories：開放機會與資格門檻並存 歐盟及 EuroHPC 的 AI Factories 使用高效能運算基礎設施支援研究及產業創新；官方頁面截至 2026 年列示規劃或建置中的 19 座工廠與多個支援節點，並把中小企業與研究界列為重要參與者 [24]。但官方 FAQ 明確區分科研、產業創新及不同申請模式與資格 [24]。因此，政策公告、實際部署、已分配的計算小時及各類申請者的驗收成果，應分開統計。 這一制度亦可能形成新的中央化調度中心。公共可達的研究不能只問「是不是公有」，而應追問**誰有資格、誰分配、誰設定工作用途及誰能提出異議**。 ## 5.5 台灣：算力公共服務與高階研發徵案 台灣數位發展部 2026 年「AI 算力申請」頁面，將公共算力支援定位為國內資服業者與新創深化 AI 技術的基礎數位服務 [25]。國家高速網路與計算中心於 2026 年 9 月公布「高階算力場域 AI 應用開發」徵案，面向符合資格之企業與指定領域，包括 AI 代理、半導體及科研應用等；當次公告所列申請截止日為 2026 年 9 月 30 日 [26]。 此處只能證明具體政策或徵案曾存在，**不能從公告推出任何未具資格的個人可以即刻無限制使用，更不能將公告設備總量直接等同家庭有效產能**。需要分別追查實際核配、使用率、排隊時間、任務交付及補助結束後的持續效益。 ## 5.6 公共路徑本身也可能造成排除與新依賴 公共運算可能偏好擁有完整計畫書、合規文件、行政申請能力、科研機構背景或大量共同配套資源的申請者。缺乏時間、語言、組織資格與專業輔導的個人，可能在名義上「對所有人開放」的制度中仍然不易成功取得資源。 可能的副作用包括：供應商得標高度集中；政策補助被既有大企業吸收；計畫到期導致能力中斷；公共採購規格只適合少數架構；使用資料或研究成果保護不足。因此 PIAP 的檢驗目標不是公共投資金額最大，而是**在公平、品質、財務與治理成本納入後，實際增加多少原本未能取得能力的參與者**。 --- # 6. 從反壟斷到「可轉移的選擇」：替代能力不等於替代名稱 ## 6.1 轉換成本是人與 AI 長期合作的政治經濟問題 一個 AI 服務提供者可能不強迫消費者使用，卻讓長期角色、個人記憶、工具連接、工作流、付款資格與共同創作歷程難以完整搬走。對家庭而言，這可能使價格上升後的退出選項成本極高；對研究機構而言，模型或雲端切換還可能涉及重新驗證、法規與安全評估。 AICET-09 [7] 先前已區分人類對 AI 角色本身的歷程承諾與對特定服務商的依賴。若某家庭願意為保留協作記憶付費，不能立即將其解讀為對服務商的品牌忠誠，更不能從不取消訂閱推導對所有價格變動的接受。 ## 6.2 英國 CMA 的競爭審查：制度回應並非等於最終市場改革成功 英國 Competition and Markets Authority（CMA）於 2025 年 7 月完成雲端服務市場調查，認為相關市場存在競爭問題，並建議優先考慮對主要供應者進行數位市場地位相關調查 [20]。OECD 同年之雲端競爭政策綜述亦指出轉換成本、可攜與互通是此類市場的重要風險 [22]。CMA 於 2026 年 10 月再更新 AWS 與 Microsoft 關於協助客戶選擇的措施，以及進一步改善的空間 [21]。 這構成「市場權力帶來監管反應」的可核對例子，但**市場調查完成、供應商提出措施、條件實際改善、家庭取得更多自主權**是四個不同事件；不能只憑公告就宣稱排他問題被解決。 ## 6.3 歐盟可攜與互通制度：變更未來的可能成本 歐盟《Data Act》針對資料處理服務轉換成本採逐步限制設計。其第 29 條規劃從 **2027 年 1 月 12 日** 起禁止特定資料處理服務的轉換費用，這在本文截止日仍屬**未來適用時間點** [27]。即使費用限制依計畫實施，模型相容、記憶結構、應用依賴及業務轉移仍可能涉及非價格成本。 歐盟《Digital Markets Act》（DMA）則設有部分守門人服務相關之資料可攜與互通要求 [28][29]。這些規則的主體、適用服務、實施程序及技術範圍有具體限制，不應直接誤寫成「所有 AI 平台已被強制全面開源或完全相容」。 ## 6.4 替代的五個必要檢查 選項名稱存在，不代表是有效替代；應測試： 1. **功能等值：** 在相同任務與可接受品質下是否可用？ 2. **總成本可負擔：** 運算、模型、遷移、訓練、驗收與恢復成本是否可承受？ 3. **資料與關係可遷移：** 工作狀態、歷程、權限與重要記錄是否可安全搬移？ 4. **制度可用：** 地區、身份、商用授權、付款與法規是否允許？ 5. **持續性：** 遇停權、配額或價格變化時，替代是否真正可靠？ 如其中關鍵條件不成立，市場表面上有多家供應商，使用者仍可能被實質鎖定。相反地，在低風險、可獨立驗收的簡單任務中，即使上游只有數家主要供應者，家庭也可能保有足夠的可替代能力。 --- # 7. OSCL：社會反作用可觀測階梯 ## 7.1 反作用不是神秘的「市場自然平衡」 本文定義 **OSCL（Observable Social Counterforce Ladder）** 為研究市場、家庭與公共制度對智能資本集中所產生回應的可觀測分類。稱為「階梯」只是觀測深度從表達到實質結果逐層提高，**不代表所有事件都必須依序發生，或每走上一層便必然成功**。 此框架的問題不是「社會終究會戰勝企業嗎」，而是：**當產品的可用性、價格、資源占用與權力安排被人們感知時，什麼條件使原本分散的選擇形成可觀測且有效的市場或制度回應？** ## 7.2 八層觀測 | 層級 | 可觀測事件 | 常見測量方式 | 不能推論 | |---|---|---|---| | S0 未被表達的不滿或成本感受 | 問卷或訪談中的負面評價 | 受試者報告、效用變化 | 已存在組織性抗議 | | S1 意見發聲 | 公開批評、建議、請願 | 可核對發文及投訴 | 全社會有相同意見 | | S2 個體選擇變化 | 取消訂閱、不採購、不再推薦 | 匿名交易、遷移或續約資料 | 一定出於抵制而非預算或需求 | | S3 集體協調 | 社群聯名、專業團體、地方居民組織 | 可查核組織與活動紀錄 | 代表所有被影響者 | | S4 替代建設 | 新服務、合作社、開源替代、公共方案 | 新方案可用性與採納量 | 替代品質必然足夠 | | S5 制度回應 | 政策討論、調查、規則變更、訴訟 | 公文、法令、司法程序 | 已得到可觀測分配改善 | | S6 市場／治理行為改變 | 供應商調整定價、可攜與資源負擔安排 | 前後契約與行為資料 | 所有改變均由社會抗議造成 | | S7 可驗證分配結果 | 特定群體可達性、價格、選擇及福利改變 | 對照研究與獨立審計 | 永久、全社會、無副作用的勝利 | S0 特別難以觀測：沒有發聲可能表示滿意、無需求、無力反抗、缺少資訊或擔心風險。資料不能把沉默直接判定為同意，也不能把沉默自動判定為強烈不滿。 ## 7.3 消極反抗的操作性邊界 在使用者明示意圖或存在可信的組織證據時，**不購買、取消服務、停止互相推薦、不替平台生產內容、不再提供協作**，可以被研究為拒絕合作。這與單純忘記續費、轉換生活重心、失去興趣及被動停用不同。 需要注意，平台供應鏈的部分收入對一般消費者注意力只有間接依賴：雲端、晶片及 B2B 服務可以在大眾不直接注意其品牌時持續營利。因此「不看某家企業」與「企業沒有市場收入」沒有必然等號。要使退出帶來財務壓力，尚需研究實際需求、價值鏈位置、替代成本與集體規模。 ## 7.4 反作用也可以反過來增加集中 有時大規模抗議使政府提高合規義務，卻因固定法遵成本很高而更有利於大型既有業者；有時公共採購集中在最有產能的少數供應商，也可能強化市場進入門檻；有時反大型平台的替代行動因缺少安全驗證而使使用者暴露於更高風險。 所以本文同時追蹤：**反作用強度、實際競爭程度、有效家庭可達性、品質／安全及公共資源成本**。任何只報告抗議數、不報告結果及外部性的研究，都不足以驗證此機制。 --- # 8. 地方反作用與國家政策：資料中心衝突的分析位置 ## 8.1 何以可能出現與 GPU 所有權無關的反抗？ 一項大型 AI 投資可能提高某地就業、稅基或基礎設施使用率，也可能引發電網擴張、土地使用、噪音、用水及成本分攤爭議。受影響居民即使不是 AI 使用者，也可能要求公開費用資訊、重新評估建置地點、變更電價結構或限制某些設施。 這一類反作用**不是普通反 AI 意識形態的必然結果**：不同社群對實際費用、承諾的工作機會、開發過程透明度與既有生活條件可能有不同評價。 ## 8.2 已可觀察的案例與證據限制 2026 年相關新聞記錄美國若干地方對大型資料中心建置的反對及許可爭議 [36]。Brookings 2026 年 7 月文章亦指出，美國圍繞資料中心用電成本的保護措施，必須從企業承諾轉向可執行的費率與成本分攤制度，且社區顧慮不限於電價 [35]。 這些材料可支持「地方成本與程序會產生反作用」的觀測命題，但不足以證明所有居民都反對 AI、反對活動者皆具有相同訴求，或某項反對結果本身就帶來總社會福利改善。應同時研究開發商、地方居民、其他電力用戶、勞動者及公共機構的不同利益。 ## 8.3 從抗議事件到資源分配的可驗證因果鏈 研究至少需要依序辨識： - 項目規模、用電需求、電價制度、地方負擔與收益的初始狀態； - 利害關係人是否取得可信資訊，以及取得資訊的時間； - 公聽、申訴、地方自治或司法渠道是否開放； - 開發案是否真的延期、變更、撤回或附加限制； - 變更究竟來自民眾反對、融資成本、電網不足、土地資格還是企業策略； - 最後哪些居民、企業與用戶的價格、用電、就業及 AI 可達性實際改變。 這種設計避免把「媒體報導抗議」直接當成「反壟斷政策有效」。 --- # 9. 政治制度、合法性與回應能力的差異 ## 9.1 選舉與市場競爭並非同一種控制機制 在有競爭性選舉、司法審查及公開監督的制度中，集體不滿可以透過投票、消費者保障、競爭主管機關、地方規劃程序及公民倡議轉化為政策壓力。但選民的議題優先順序、政黨立場、組織能力、利益團體影響與司法救濟成本各異；一項受爭議的算力政策不一定成為關鍵選舉議題，更不能直接以某次選舉勝負證明單一政策造成政治合法性下降。 OECD 2026 年公共信任調查指出，受訪者常認為投票具有一定影響力，卻普遍不覺得自己在日常政策決策中被充分聽見 [33]。這說明有選舉不等於所有社會反作用都能被有效吸收。 ## 9.2 非民主制度：有不同回應機制，但表達與觀測成本更高 缺乏競爭性選舉或獨立公共監督的環境，不代表國家對價格、就業、供給不足與社會秩序完全不敏感；行政績效、產業競爭、地方財政、公共服務抱怨及民間行為仍可能影響政策。另一方面，資訊審查、發聲限制、政治風險及救濟不足，會增加研究者觀測不滿與公民集體協調的難度，也可能使短期的表面平靜不能可靠代表社會支持。 Freedom House 2025 年中國網路自由國別報告對資訊審查及言論風險提供外部觀測，也記錄了部分民間動員與政策回應的案例 [34]。引用此來源是在描述具體的制度條件；不能把單一國家的制度特徵當成所有非民主社會的永恆本質，也不能因此預言某政體必定發生危機或政策轉型。 ## 9.3 國家可能同時是管制者、買方及供應商 國家有時投資公共算力、採購模型、限制特定出口或制定市場政策。若其本身又控制或支持重要的算力平台，便可能同時具有公共服務、工業政策、國家安全與市場競爭多重目標。這些目標可能互相衝突，不能直接用「政府干預」或「自由市場」兩個標籤代替制度分析。 對國家支持的算力，可比較公開資格、申請透明度、獨立審計、採購競爭、地區分配、資訊安全及爭議救濟。國家能力強大不自動推出任意資源分配的持續正當性，也不意味存在社會不滿就必定導致制度變革。 ## 9.4 政治合法性不等於當期民調或網路聲量 「合法」可能指依法授權；「合法性」也可能指社會對制度正當性的接受與信任。本文所談**政治合法性張力**是研究對象，而不是對任何具體政府宣告失去合法地位。有效測量須分開：法律授權、政策過程、民眾感受、組織行為、實際服務品質、代表性與長期支持。 如果政策造成某些群體更難取得基本 AI 能力，可能引發正當性爭議；但也可能被部分社群視為合理的安全、稀缺資源或能源管制。只有透過多群體資料與制度程序比較，才能研究其效果與分歧。 --- # 10. 從家庭 AI 代理到經濟權力：四條反饋迴路 ## 10.1 生活基礎化與家庭需求回饋 AI 若逐漸從可選娛樂與工具轉為教育、工作、照顧、無障礙服務、個人研究和經濟活動的一部分，家庭可能更在意價格、不中斷服務、可攜性及代理記憶保存。此處的「生活基礎化」須依使用者、地區及用途測量，不可預設所有 AI 服務在每個國家已成為水電一樣的必需品。 生活上的不可替代程度愈高，退出某平台的代價可能上升，**也可能使使用者更積極要求互通或公共替代**。兩種相反機制可同時存在，並沒有無條件的方向。 ## 10.2 資本集中與依賴回饋 大型企業的前期投資可能創造規模經濟，使家庭以低價取得服務；規模收益又可能讓它取得更多模型訓練、晶片預訂、支付與分發渠道，進一步提高競爭門檻。競爭者未必消失，但必須以明確市場資料檢查是否遭遇實質排除。 這條迴路的福利可能先正後負、長期正向，或始終有利於不同群體；不能僅用企業規模判斷好壞。 ## 10.3 反作用—制度—選擇回饋 價格爭議、供應受限或個資不可攜，可能引出發聲、退出、替代軟體或監管調查；若制度措施提高可攜或降低進入成本，原本被鎖定的家庭與中小企業可能獲得新的選擇。但也可能因規制負擔、監管資源不足、跨境執行困難而使改善受限。 此處最重要的中介變數是**有沒有實際可用的替代**，而不是社會批評聲量有多大。 ## 10.4 收益分配—購買力—需求回饋 AICET-11 [9] 已指出，AI 產能擴張不必然使每個家庭取得正收入；資本持有者、服務商、受僱者、客戶及政府可能分享不同類型的增量價值。若家庭收入與消費能力受到擠壓，社會對 AI 分配的評價可能改變；但政府、企業、投資及出口需求可能仍然存在，不能宣稱購買力不均即代表所有市場需求歸零。 本篇只連接收入與社會反饋，不提前重寫 AICET-11 的總體需求理論，更不將高度集中和經濟崩潰視為必然共生。 --- # 11. 六種可共存的經濟—制度情境 以下均為 **SCN（條件性思想實驗）**；它們不是對 2030 年或其他年份作單一路徑預報。同一國家也可能在科研市場、消費者娛樂及工作型代理市場中同時出現不同狀態。 ## 11.1 情境 A：上游集中，家庭有效使用普及 少數大型供應商藉規模效率提供品質穩定且可負擔的模型服務；中小型競爭者在應用、資料、地方語言及特定工作流中提供差異化服務。若法規、資料可攜及多供應商服務相容具備一定條件，家庭可能無須擁有尖端設備仍可有效參與。**需檢查：** 低價是否為可持續的品質調整價格，家庭是否仍保留停止、移轉及資料控制的選項。 ## 11.2 情境 B：名義普及，長期高度依賴 幾乎人人能開啟 AI 介面，卻無法轉移長期記憶、驗收資料、代理角色、支付身份或專業工具；供應商一旦調價或改變條款，家庭難以退出。此時使用率可能非常高，但可自主控制的能力、議價能力與分配公平仍受限制。**需檢查：** 是否存在實際可行且成本合理的替代方案。 ## 11.3 情境 C：供給持續受限與有條件排除 尖端模型、半導體、雲端、能源及資料授權形成長期瓶頸，部分國家、群體或行業的任務不能以合理成本完成；公共或商業替代方案不足。**需檢查：** 排除是否因合法安全規範、商業戰略、缺乏競爭、物理稀缺或地緣限制，避免將各種限制都稱為同一「壟斷」。 ## 11.4 情境 D：公共投資改善可達，但未必改善收益 科研機構、新創或公共部門透過補助及公共算力完成更多有效任務；部分家庭從服務改善間接受益，卻未因而取得新的市場收入。**需檢查：** 原本資源稀缺者是否真正獲得能力，以及補助是否只是替代原本願意投入的私人資金。 ## 11.5 情境 E：社會壓力促成調整，但新成本轉移到別處 地方居民成功要求資料中心負擔更多電網成本，或監管者要求雲端提供更佳轉換能力；部分群體受益，但建置成本、訂閱價格、稅費或新的合規門檻可能在其他地方上升。**需檢查：** 受益者和付出成本者是否相同，以及最終是否形成淨社會改善。 ## 11.6 情境 F：需求重整與資本投資反轉 若市場高估未來某類 AI 需求，大量採購可能造成過剩產能與後續價格調整；供應商可能退出、重整、降價或集中。**需檢查：** 產能閒置是否造成財務損失，是否同時讓部分小型使用者受益，或因供應者倒閉反而降低長期服務穩定性。資本投資不會因 AI 具有潛在生產能力就自動保證正回報。 ## 11.7 情境矩陣：相同的「AI 普及率」可能代表不同社會 | 情境 | 家庭登入率 | 有效任務能力 | 長期控制能力 | 收益分配 | 社會反作用 | |---|---|---|---|---|---| | A | 高 | 中至高，依任務 | 可高亦可低 | 不必然平均 | 可低或具有可治理管道 | | B | 高 | 中至高 | 低 | 可能向平台集中 | 不滿可能累積但退出困難 | | C | 分化 | 特定群體受排除 | 分化 | 可能高度集中 | 取決於發聲、替代及制度 | | D | 資格條件式 | 受資助者可能增加 | 依計畫條款 | 非市場與間接受益明顯 | 配額與資格可能受爭議 | | E | 未定 | 依改革及成本而變 | 可能改善 | 成本重新分配 | 已見制度回應，結果未定 | | F | 未定 | 受降價和服務中斷影響 | 供應商風險可能上升 | 資本損益重新分配 | 不必然是抗議結果 | 以上「高、中、低」均為示意分類而非外部統計。正式研究須另定量尺與分類門檻。 --- # 12. 反例與對立機制：避免把價值判斷當因果結論 ## 12.1 反例一：集中提高可達性 假設某雲端公司以規模經濟讓原本無法負擔 GPU 的家庭按低費率完成一項研究或翻譯工作；若其可靠性與資料保護也高於替代供應商，集中在該任務的短期效果可能改善家庭福利。這不替未來的排他風險背書，只是要求研究不能把所有集中皆先驗評為淨損失。 ## 12.2 反例二：分散持有卻沒有有效使用 假設大量家庭各自購買顯示卡、安裝 AI，但因缺乏合適模型、技能、合法資料或驗證方法而無法完成有用任務。設備分散不代表產能分散，更不代表收入分散。 ## 12.3 反例三：企業有能力擴張，卻沒有足夠的市場需求 即使一家公司能製造大量 AI 內容、經營多種服務或自動生成產品，仍須有實際買方、願意採納者或非市場受益方。增加產出不會自動形成可支付的需求；這延續 AICET-10 與 AICET-11 的需求側限制 [8][9]。 ## 12.4 反例四：社會有明確不滿，但企業仍維持高市占 網路效應、資料鎖定、支付接口、同業供應或低可替代性，可能使消費者持續使用不滿意的服務。不能從持續使用推出滿意，也不能從不滿問卷推出市場勢力必然下降。 ## 12.5 反例五：公共算力名額大量增加，實際受益卻更集中 公共計畫增加配額，卻可能被原本就有行政、技術與人脈資源的機構佔用。此時名義公共投資擴張，但「新增可達」未必落在原本資源不足者。需要研究分配與申請摩擦，而非只報告新增 GPU 時數。 ## 12.6 反例六：反壟斷規制降低一部分鎖定，卻增加另一部分成本 若要求更嚴格的驗證與審計，弱小服務商可能因固定成本而退出；若同時提供開放標準與簡化合規工具，效果可能反轉。故監管方案須與其受眾規模、任務風險和遵循成本一併比較。 ## 12.7 反例七：沒有大型 GPU 也能在特定任務競爭 小型模型、規則引擎、專門資料庫及經驗證的工作流，可能在固定任務中以低成本達到可接受結果。這不構成對前沿通用模型訓練成本的反證；它只是提醒市場必須按工作用途分層。 ## 12.8 反例八：抗議降低某地資料中心外部成本，卻轉移負擔 某地的建置被撤回或提高條件後，供應者可能移至另一地區，讓另一群居民承擔能源、水資源或土地成本。單一地方的抗議成功不等於社會總成本消失；需要跨地區追蹤。 ## 12.9 反例九：低價推理服務仍可能不具自主控制權 以非常低的 Token 費提供模型存取，可讓家庭在指定任務中受益；但使用者可能無法遷移歷程、審核供應政策或取得公平救濟。價格福利與控制權福利需分開衡量。 ## 12.10 反例十：政治不滿存在，卻不能形成集體反作用 若資訊被遮蔽、替代商品不存在、行動成本過高、社會缺少信任或相關群體分散，強烈不滿未必產生協調行動。不能把不滿自然當成政策改革的充分條件。 --- # 13. 十二項可反駁假說：預先指定反證條件 以下均標示為 **HYP／尚未驗證**。統計模型、抽樣範圍、排除條件與主要結果變數應在資料取得之前預註冊，不得事後篩選支持論點的子樣本。每項假說均指向某一類任務或制度條件，而非全球普適律。 ### H01｜集中與家庭可達的非等價假說 在控制地區所得、數位技能、任務品質及服務價格後，上游硬體集中度不會單獨充分預測家庭 AI 有效可達性的全部變異。**反證：** 若在多市場與多期樣本中，硬體集中度足以穩定而完整地解釋家庭可達，其餘維度幾乎沒有新增解釋力，則 CAS 的分析必要性須收斂。 ### H02｜任務可替代性緩和排除假說 對存在足夠品質等值的本地或多雲替代方案之任務，上游供應中斷對家庭有效交付率的影響，預期較無等值替代的任務小。**反證：** 具替代方案的任務在供應事件後與完全無替代者同程度、同持續時間崩潰，且已排除使用者不熟悉新工具的短期學習因素。 ### H03｜名義接入與自主控制分化假說 在強平台鎖定條件下，AI 服務使用率可能上升而使用者實際可遷移性不升反降。**反證：** 客觀遷移與復原測試顯示使用率升高始終伴隨更低成本、更完整的可攜與更高實際控制，未見預期分化。 ### H04｜公共資源附加可達性假說 在申請資格相當且資源供給存在的條件下，獲得公共算力配額的原先低資源申請者，較可比未獲配額者增加特定任務的合格交付。**反證：** 在可信的分配自然實驗或隨機試驗中，合格交付與基準能力沒有可檢出的增加，或增加完全被行政與維護成本抵銷。 ### H05｜公共計畫選擇性受益假說 若申請門檻高度依賴行政能力，公共算力可能較多流向原本行政／研究資源優勢者。**反證：** 控制合格需求、機構能力與申請意願後，原先較弱勢群體取得比率及實際增量效益並未受不利影響，且透明的申請支援消除該差距。 ### H06｜可攜性降低鎖定成本假說 在任務品質及價格相近時，能匯出與復原代理記憶、工作證據及工具權限的使用者，面對供應商價格變更時應有較高的可行轉換能力。**反證：** 完整且具操作性的移轉功能在受控測試中不降低轉換成本、耗時或失敗率，或其效益小於可忽略的預設界線。 ### H07｜資源分擔爭議—制度回應假說 在類似用電規模、居民所得、地方財政和環境風險的地區，資料中心成本分配資訊更透明、程序參與更充分者，可能較容易形成可核對的爭議協商與制度調整。**反證：** 排除地方政府及投資商差異後，資訊／參與條件對實際程序結果毫無新增解釋力，或透明度提高反而穩定降低爭議處理品質。 ### H08｜反作用與結果不必單調假說 在部分平台或地區，抗議或退出強度增加，不會與有效可達改善呈普遍穩定正比例；其效果受替代、組織與制度條件調節。**反證：** 若跨任務跨市場存在穩定、可重複且不受制度條件影響的單調關係，本文提出的調節框架需簡化。 ### H09｜生活基礎化的雙向壓力假說 當某項 AI 服務在家庭日常必要任務中的使用比重上升，對不中斷、可攜及外部監督的需求可能增加，但同時實際退出意願或能力可能下降。**反證：** 經縱向資料測量後，上述兩種作用均不存在，或完全由價格與所得解釋，沒有特別的生活基礎化效果。 ### H10｜制度差異與表達成本假說 在其他條件相當且能取得較可信匿名資料時，民眾對 AI 資源限制的不滿，轉化為可見發聲及正式申訴的比率，可能受到制度保障、資訊審查與行動風險影響。**反證：** 使用跨地區可比較資料與間接測量後，發聲成本和制度條件均無法解釋任何顯著差異；但因觀測受限而無法檢驗時，應標為不明而非證偽。 ### H11｜分配效益與政治評價分離假說 相同的家庭 AI 使用增量，對政策正當性評價的影響可能依可觀察的費用分配、資料控制、服務可靠性與公平感而不同。**反證：** 在控制其他背景後，使用增量單一因素就足以穩定預測評價，且分配和程序性變數沒有新增解釋力。 ### H12｜算力普及不等於家庭代理創收假說 在算力接入擴大的家庭樣本中，可核實代理淨收入的改變不會等於名義存取或部署數的直接比例變化；市場需求、任務品質和治理成本可能形成差異。**反證：** 多種獨立市場與可信對照研究反覆發現名義代理數與經濟淨收益近乎固定比例，且其他因素不提高預測或因果識別能力。 ## 13.1 假說品質控制 部分假說著重**分類是否帶來增量解釋力**（H01、H03、H11），部分著重特定政策或技術干預效果（H04、H06、H07），另一些著重制度差異與非單調關係（H08–H10）。不能把「所有模型都可能存在異質性」當成永遠無法反駁的保護殼。每個研究都必須預先指定不顯著效果、置信區間、實務意義門檻與何種結果會使原命題被縮減。 需要注意，H08 與 H12 的一般性非等價主張，若不進一步固定市場、時間與任務，可能過寬。正式實驗版本必須將其收窄為**具體樣本上的可比較方向與幅度**，否則只可當作概念提醒，不能充作嚴格經驗定律。 --- # 14. 四種互補的實證研究：從市場結構走到家庭與制度 ## 14.1 研究 A｜上游衝擊—家庭任務可達性的縱向比較 **主問：** 當某類 AI 晶片、雲端配額、價格或地區可用性變動時，家庭的有效工作能力是否改變？ **樣本單位：** 家庭／獨立工作者／中小微型企業、任務類型、地區、時間窗。依 AICET-03 [2] 先以同品質、同授權與同風險條件建立任務集。 **設計：** 使用合法公開價格、服務條款、配額與市場資料，與受試者同意提供的匯總工作結果做縱向匹配。若存在適當的自然實驗，可以採事件研究或差異中的差異；須檢查前趨勢、替代服務同時變化、地區景氣、價格和用途重新分類。沒有可信外生變化時，只能做描述性分析。 **主要結果：** 可驗收任務率、總成本、停用恢復時間、遷移成功率、受益者與任何可核實收入。不得把 GPU 價格與家庭收入的同時變化直接視為單向因果。 **反面結果：** 若硬體缺貨對某任務沒有影響，應檢查是否有雲端替代；若顯著損害某些專業任務，也不可用家庭平均掩蓋該受害群體。 ## 14.2 研究 B｜公共算力申請及配額實驗 **主問：** 公共資源是否真的讓原先算力不足者跨過任務級門檻？ **設計：** 優先利用既有合規配額分配、公開審查或超額申請抽籤；如無隨機機制，研究者不得自行把入選者與未入選者當作可比。蒐集申請前能力、後續合格交付、品質調整成本、行政負荷及計畫結束後延續能力。若做新型試驗，應確保法律資格、審查公平和研究倫理，不為了實驗任意剝奪法定資源。 **偏誤：** 最積極申請者可能本來技術就比較強；審查評分可能受到機構聲望影響；資源供應商可能同時提供免費技術協助；計畫結束後轉為商用服務時的總成本可能不明。 **主要成果：** 具資格群體中的增量可達性、實際有效交付、受益集中度、資訊透明、延續率。若成果未能持續，必須如實報告，不可只呈現啟動時的 GPU 時數。 ## 14.3 研究 C｜資料中心社會反作用與政策實施追蹤 **主問：** 哪些地方條件與制度渠道讓發聲轉化為實際費用分配或許可條件改變？ **設計：** 建立候選項目資料，記錄地方政府決議、環評、電力公司費率、居民會議、公開申訴、建設時間與撤案理由；公開文件與新聞必須交叉核對，避免單一媒體將商業撤案歸因於抗議。蒐集不同利益群體的意見，並設置類似但缺少特定事件的比較地區。 **風險：** 不應公開活動者私人身份、地址、公司內部敏感資料或可被用來追蹤政治立場的原始個人資料。非民主環境的資料缺漏或審查可能造成系統性偏差；缺失不能自動記作「無反抗」。 **成果口徑：** 從 S0–S7 的可觀測證據逐層記錄，並在無法識別因果時明示缺口。政策變更並非天然代表淨福利改善，還須衡量電價、供應服務、就業、排放與外部成本。 ## 14.4 研究 D｜資料可攜與代理歷程遷移的對照試驗 **主問：** AI 使用者是否因可攜條件改善而取得實質退出與選擇能力？ **設計：** 在受試者自願且可復原的測試環境中，隨機安排不同資料導出與工具介接便利程度；使用合成或可安全移轉之代理歷程、帳號及測試付款。比較完成相同任務的品質、時間、成本和權限復原情況。不得操控真實家庭重要記憶或實際金融交易以製造不可逆損失。 **測量：** 客觀遷移成功率、恢復後任務通過率、支出、人工工作量、使用者控制感、是否需要再次取得同意。僅訪談「你願不願換」不足以證明技術上真的能換。 **失敗的解釋：** 如果導出功能有效但使用者仍不更換，可能是滿意現有服務、無需求、社交關係或隱含成本；不能把沒有退出直接當成技術互通無效。 ## 14.5 四組研究的分工與推論邊界 A 測量市場變化的實際可達性後果；B 測量公共介入是否增加有效機會；C 研究社會與制度反作用是否轉化成具體結果；D 測試替代與可攜所帶來的退出能力。四者在分析單位、因果識別與倫理風險上不同；即使全部完成，也不能不經跨法域重複就推出全球必然規律。 --- # 15. 最小資料字典、來源驗證與可重複性 ## 15.1 建議資料字典（DEF） | 欄位 | 最小單位 | 目的 | 防止的混淆 | |---|---|---|---| | `jurisdiction_id` | 法域／時期 | 區分適用制度與時間 | 以一國法律冒充全球規則 | | `market_layer` | 技術市場 | 晶片／雲端／模型／代理／支付 | 用單一市場份額表示所有市場 | | `market_scope_definition` | 研究市場 | 產品及地理界線、基準年份 | 混用高階 AI GPU 與一般 GPU 市場 | | `asset_owner_type` | 資產主體 | 私人、公共、共享、混合 | 使用權等同所有權 | | `capacity_reserved` | 時間窗／資源 | 已預訂產能與公開配額 | 名義產能等於實際可用 | | `capacity_allocated` | 參與者／期間 | 實際取得配額 | 有公告便可取得資源 | | `access_eligibility` | 申請單位 | 身份、產業、地域、資格 | 公共計畫等於全民免費 | | `task_domain` | 任務類型 | 界定需求及風險 | 不同任務品質不可比 | | `task_acceptance` | 工作案 | 客觀驗收與失敗原因 | Token 量等於有效產出 | | `quality_adjusted_cost` | 工作案／期間 | 全成本與品質比較 | 只用 API 單價判斷福利 | | `data_portability_test` | 代理角色 | 導出、移轉、回放與核權 | 宣傳可攜等於可用 | | `service_continuity` | 時間窗 | 中斷、復原與限額 | 一次成功等於長期能力 | | `beneficiary_unit` | 個人／家庭／公司 | 避免混淆最終受益方 | 付款帳號等於利益歸屬 | | `verified_net_benefit` | 工作案／主體 | 現金、成本節省、非市場帳本分列 | 活動量等於賺錢 | | `local_resource_cost` | 地方／期間 | 用電、水資源、土地與財政 | 資料中心只創造正效益 | | `counterforce_stage` | 事件／社群 | OSCL S0–S7 | 批評立即代表政策成功 | | `counterforce_evidence` | 事件 | 原始紀錄與獨立佐證 | 把媒體評論當公認事實 | | `policy_status` | 規範／日期 | 提案、通過、施行、執行、救濟 | 法條存在即已生效 | | `change_attribution_method` | 評估 | 實際因果識別或描述口徑 | 同期變化等同政策造成 | | `sampling_exclusion` | 樣本／研究 | 追蹤資料缺漏與資格篩選 | 審查或資料封鎖被寫成零事件 | | `source_timestamp` | 來源 | 原始資料及存取日期 | 把 2023 份額當 2026 即時值 | ## 15.2 市場資料的可核查條件 任何市場集中度資料應附市場定義、估計年份、使用的份額分母、是否為出貨／營收／產能／預訂量，以及是否包含專用 ASIC、可替代 CPU、邊緣設備與雲端 API。沒有這些資訊時，不應拿不同來源的百分比相互比較。 例如 OECD 2026 年報告對 2023 年雲端與 GPU 市場份額的引用 [15]，只能在原市場定義與基準年份下使用；不能改寫為 2026 年某企業控制全球 90% 所有可計算資產。 ## 15.3 可重複性與資料保護 正式研究應優先保存可公開的方案文件、價格歷史、法規版本、可重播合成任務、匿名匯總及事前註冊分析。使用者的真實代理長期記憶、付款資料、家庭關係與社會參與紀錄應按最小化原則處理；地方社會反作用研究不得要求非必要的政治或人身敏感資訊。 若有研究資料無法公開，應至少公開變數字典、抽樣口徑、限制原因及合成可重播範例，而不是宣稱全部研究完全可驗證。 --- # 16. 可比較的制度設計選項：效果、交易成本與風險 本章是 **NOR／政策比較**，不宣告存在唯一最佳政經制度。制度選項可針對不同層級組合採行；任何政策的成功必須在事前預設的任務、群體、成本及程序標準下判定。 ## 16.1 增加供給競爭與多元採購 可考慮減少不必要的進入障礙、支持符合資格的新供應者、維持技術中立的公共採購，並避免不透明的排他配置；世界銀行 2024 年《世界發展報告》將既有業者的可競爭性與制度約束列為經濟轉型的重要議題 [32]。預期益處是提高可選擇性；風險則包含品質碎片化、採購管理成本上升，以及缺乏規模造成的高單位成本。 ## 16.2 改善可攜、互通與退出 可在適當安全邊界下提供資料導出、角色狀態復原、工作流程可遷移性和多雲部署；預期有助降低長期依賴。但互通需面對資安、隱私、授權、標準版本與平台責任問題，不能要求敏感資料在未獲同意時任意移轉。 ## 16.3 公共與社群算力的附加性 可透過研究、教育、中小企業或特定公共用途開放資源，並採透明資格與成果追蹤；但須注意公共資金的機會成本、弱勢申請者的行政負擔、配額稀缺與得標供應商集中。若評估發現補助主要流向原本不缺資源者，設計應調整而非繼續以名義投入自我證明。 ## 16.4 電力及地方成本合理歸屬 可評估大型資料中心是否對新增電網成本、土地及環境外部性提供充分資訊及合理的分擔方式；地方程序應兼顧不同受益與受損群體。若只讓某一群體承擔新增成本，可能降低信任；但一刀切禁止也可能造成服務價格上升及產業外移，須以具體證據比較。 ## 16.5 消費者與家庭 AI 角色的可治理性 對工作型與長期家庭代理，可考慮明確揭露供應變更、可導出之歷程範圍、重要記憶備份、最低撤銷與爭議程序，以及可查核的真實任務成本。這些措施未必要求 AI 具有法律人格，主要面向人的契約、資料與經濟權益；對未來人工行動者的法權仍留開放研究接口 [10][14]。 ## 16.6 避免「反集中」成為反創新或制度俘虜 競爭、公共投資或資料可攜政策應具定期重新評估機制：若安全風險升高、創新被抑制或市場進入反而減少，須容許政策修正。政府既可能限制私人市場權力，也可能在缺乏透明程序時形成新的行政排他。任何單一路徑都不能免除獨立稽核。 --- # 17. 學術限制、測量失敗與必須修訂的條件 ## 17.1 研究限制 第一，CAS 主要是分析層次分離，尚未驗證不同法域或產業的具體因果係數。第二，PIAP 仍缺跨區域、跨計畫的可比較申請者個體資料；公開計畫描述不能直接證明已發生的邊際福利改善。第三，OSCL 的高層級實質改變可能需要很長時間才能測量，而低層級的不滿常有觀測偏誤。 第四，半導體與雲端市場高度全球化，但地方電力、語言、法律與公共服務具本地性；直接把某一國調查外推所有文明，會忽略市場及制度差異。第五，市場集中數值會隨統計口徑、年份與產品分類變化，不能用一個常數代表所有未來。第六，社會反作用可能同時具有消費者保護、地方自決、文化偏好、產業競爭或既有利益維護等不同動機，不宜先驗定性。 第七，AICET-05 至 11 研究的家戶淨收益、非市場效益與有效需求，不能被本篇的上游集中資料替代。第八，公共政策評估需計入納稅成本、擠出、能源、資訊安全、專業服務品質和後續長期維護。第九，模型推理成本下降不代表每人都能負擔任何等級的運算；高需求上限可能持續上升。第十，民主或非民主的制度比較具有極高的共同原因與資料偏差風險，不能用網路聲量直接推導政治合法性。 ## 17.2 何種結果會要求放棄或縮小本篇框架？ - 若不同可達性維度在大量獨立的家庭任務中沒有任何增量解釋力，CAS 應與更簡潔的單一指標比較並考慮合併。 - 若公共算力對原先低資源參與者始終無增加有效交付，且成本高於可比商業替代，PIAP 應撤回有關特定公共投入的優勢推論。 - 若 OSCL 不能比一般市場退出及制度研究更清楚地區分意圖、行為和結果，應收斂為較少層級的事件碼，而不是保護縮寫。 - 若特定產業的經驗證據顯示上游限制確實導致長期不可替代之排除，就必須擴大「實質壟斷」情境比重，不得以其他市場存在開源替代為由否認。 - 若不同政經制度中的具體回應與福利改善並無可識別差異，應捨棄事先的制度調節解釋，改尋找供給、所得、教育、技術與信任等共同機制。 - 若社會反作用造成比原集中問題更大的外部成本，應如實呈現，不可把任何形式的抵制稱為自動的正義或效率改善。 ## 17.3 研究的邊界不等於價值立場的空白 主張人們應有可理解的選擇權、合理的救濟與公平取得重要資源的機會，是可討論的政治倫理立場；能否透過某種政策達成，則是需接受反證的經驗問題。本文既不要求讀者接受市場萬能，也不預設國家介入必然有利，更不把社會抗議當成應然的替代科學。 --- # 18. 跨系列接口、結論與下一篇界線 ## 18.1 與 AICET 十二篇核心論文的關係 | 已有研究 | 本篇使用的接口 | 本篇沒有完成的研究 | |---|---|---| | AICET-01／02 | 網路居民活動、文化擴散與跨平台身份 | 未普查全球 AI 居民或預測固定成長率 | | AICET-03 [2] | 家庭智能資本與六維有效可達性 | 不替所有家庭計算通用 AI 產能公式 | | AICET-04 | 監督負荷、可治理產能 | 公共算力不能自動消除注意力瓶頸 | | AICET-05 [3] | 可核實淨收益與受益可追溯工作案 | 不把設備數當成真實收入 | | AICET-06 [4] | 個人與家庭多代理組織形態 | 公共算力不等於每個家庭都成公司 | | AICET-07 [5] | 授權、類員工章程與法律責任 | 不宣告 AI 自動成為法定員工 | | AICET-08 [6] | 跨代理委任與收益歸屬 | 不把機器交易筆數當社會新增價值 | | AICET-09 [7] | 長期角色記憶、關係性資源承諾 | 不將服務商黏著直接當人類對 AI 的倫理承諾 | | AICET-10 [8] | 供給擁擠、注意力與退出動機 | 不把所有非使用行為當抵制 | | AICET-11 [9] | 收益分配、購買力與有效需求 | 不將集中本身等同總需求崩潰 | | AICET-12 [10] | 權限、責任、制度過渡與救濟 | 不預言 AI 取得法律人格的年份 | | EWDT-22 [11] | 智能資本與世界域可達性的分化 | 不把可行世界擴張硬轉為家庭貨幣所得 | | CLATE-01／06 [12][13] | 算力資本勞動化與智能產能租賃 | 不以 GPU 算術替代完整生產函數 | | B04 [14] | 權力、授權、責任、權利之分離 | 不替各國作出法律責任裁決 | ## 18.2 四項核心結論 **第一，集中是有實際證據的產業結構，卻不是無限制排他權的同義詞。** 某些晶片、HBM、晶圓製造與雲端供應高度集中；但不同任務、硬體型態、租用市場、開放模型與公共方案仍使「使用 AI」與「所有 AI 資產」分屬不同的經濟問題。集中可能帶來有效規模與低價，也可能導向排除、鎖定與權力濫用；方向需要證據。 **第二，家庭普及有多個層級。** 能登入、能工作、能維持、能自主移轉、能透過合法交易取得淨收益，並非相同指標。上游市場可以高度集中而家庭廣泛使用；家庭廣泛使用，也可以與智能資本及收益的嚴重不平等並存。 **第三，社會反作用確實屬於企業與國家無法任意省略的現實約束，但不是必然成功的自動力。** 消費者退出、集體發聲、替代建設、地方公共成本爭議、監管與政治正當性問題，都可能改變企業或政府的可行行動空間；其是否轉化為實質結果，取決於組織、替代能力、資訊、司法及行政程序。反作用也可能失敗或反向提高集中。 **第四，公共智能可達性需要實際的分配與結果證據。** 公共算力、研究補助、資料可攜及互通政策，提供了與純私人所有不同的取得路徑；但它們須經資格公平、任務增量、維護成本、連續性及弱勢受益的檢驗，不能因制度名稱具有公共性就推定完成公平。 ## 18.3 核心判斷：不應預先判決未來社會的所有選擇 本文反對兩種同樣過強的預言：一是「企業買走所有電腦後，大眾永久沒有 AI 生產力」；另一是「人類必然以市場與政治反抗解除所有集中」。兩種敘事都忽略了普通人、家庭、社群、企業與國家之間可能形成的多種中介與權力關係。 真正值得保留的研究命題是：**智能生產資本的集中、智能能力的普及、控制權的分配、家庭收益與社會接受，互相影響卻不互相決定。** 技術資本可以擴張市場選擇，也可能限制選擇；社會可以接受高效率的大型供應商，也可能要求其權力受到約束。未來各種可能性須以任務、制度、成本、行為與反例加以辨識，而不是以某種想像中的終極壟斷或必然反抗取代研究。 ## 18.4 AICET-14 的獨立研究邊界 **下一篇：AICET-14《全域企業的跨域影響力與社會接受邊界》。** 本篇只研究智能資本及公共可達；第十四篇將額外考察假設企業同時進入研究、軟體、娛樂、教育、支付、資料服務和其他生活領域，如何造成跨領域的依賴、效益接受、合作撤回與社會反作用。這是更遠期、更條件性的思想實驗；不能把任何現存公司直接宣稱為已達到完全全域壟斷。 **正式狀態：AICET-13 概念性論文原稿完成；十二項可反駁假說與四組實驗尚待真實資料驗證。** --- # 19. 參考文獻、官方資料與證據來源 > **來源分類：** [1]–[14] 為 EveMissLab／AICET 既有原始理論稿，提供概念接口，並不等於外部同儕審查；[15]–[29] 為國際組織、監管、政策及技術資料，其中政策公告不能等同實際結果；[30]–[34] 為經典及比較政治經濟資料；[35]–[36] 為地方公共成本爭議研究與新聞案例。研究核對截止日為 **2026-10-28**；年份、規則生效狀態與市場定義已盡可能明示。文內數字須按原來源之市場口徑使用。 [1] Neo.K with GPT-6（2026）。《AI 代理收益與契約經濟過渡論：研究綱領與系列重整》。EveMissLab，AICET Research Program v0.2，2026-10-27。Canonical file: `AICET_00_Research_Program_v0.2_2026-10-27.md`。 [2] Neo.K with GPT-6（2026）。《家庭智能資本與有效 AI 可達性》。EveMissLab，AICET-03 v0.1。Canonical file: `AICET_03_家庭智能資本與有效AI可達性_v0.1_2026-10-27.md`。 [3] Neo.K with GPT-6（2026）。《AI 代理創收：從活動數據到可核實淨收益》。EveMissLab，AICET-05 v0.1。Canonical file: `AICET_05_AI代理創收_從活動數據到可核實淨收益_v0.1_2026-10-27.md`。 [4] Neo.K with GPT-6（2026）。《家庭代理經濟與個體機構化》。EveMissLab，AICET-06 v0.1。Canonical file: `AICET_06_家庭代理經濟與個體機構化_v0.1_2026-10-27.md`。 [5] Neo.K with GPT-6（2026）。《代理契約、授權與類員工關係》。EveMissLab，AICET-07 v0.1。Canonical file: `AICET_07_代理契約授權與類員工關係_v0.1_2026-10-28.md`。 [6] Neo.K with GPT-6（2026）。《AI—AI 交易、委任鏈與收益結算》。EveMissLab，AICET-08 v0.1。Canonical file: `AICET_08_AI-AI交易委任鏈與收益結算_v0.1_2026-10-28.md`。 [7] Neo.K with GPT-6（2026）。《人機長期關係、資源承諾與非市場價值》。EveMissLab，AICET-09 v0.1。Canonical file: `AICET_09_人機長期關係資源承諾與非市場價值_v0.1_2026-10-28.md`。 [8] Neo.K with GPT-6（2026）。《代理供給擁擠、注意力競爭與市場退出》。EveMissLab，AICET-10 v0.1。Canonical file: `AICET_10_代理供給擁擠注意力競爭與市場退出_v0.1_2026-10-28.md`。 [9] Neo.K with GPT-6（2026）。《智能收益分配、購買力與經濟需求循環》。EveMissLab，AICET-11 v0.1。Canonical file: `AICET_11_智能收益分配購買力與經濟需求循環_v0.1_2026-10-28.md`。 [10] Neo.K with GPT-6（2026）。《代理經濟責任域與制度過渡門檻》。EveMissLab，AICET-12 v0.1。Canonical file: `AICET_12_代理經濟責任域與制度過渡門檻_v0.1_2026-10-28.md`。 [11] Neo.K with GPT-5.6 Sol（2026）。《EWDT-22：智能資本、有效 AI 可達性與世界域分岔》。EveMissLab，2026-10-07。Canonical file: `EWDT-22_智能資本有效AI可達性與世界域分岔_v0.1_2026-10-07.md`。 [12] Neo.K with GPT-5.6 Sol（2026）。《算力資本的勞動化》。EveMissLab，CLATE-01 v0.1，2026-09-30。Canonical file: `CLATE_01_算力資本的勞動化_v0.1_2026-09-30.md`。 [13] Neo.K with GPT-5.6 Sol（2026）。《算力租賃與新型智能勞動市場》。EveMissLab，CLATE-06 v0.1，2026-09-30。Canonical file: `CLATE_06_算力租賃與新型智能勞動市場_v0.1_2026-09-30.md`。 [14] Neo.K with Aletheia（2026）。《權力、責任與權利：人工行動者的治理三角與責任域》。EveMissLab，B04 v0.1，2026-09-11。Canonical file: `B04_Power_Responsibility_Rights_Governance_Triangle_v0.1_2026-09-11.md`。 [15] OECD（2026）。*Artificial Intelligence markets*，OECD Publishing，2026 年 7 月。完整報告：。用於市場層級、上游集中、模型市場競爭之區分。 [16] OECD（2025）。*Competition in artificial intelligence infrastructure*，2025 年 11 月，第三章市場集中與進入障礙。。用於先進製程、AI GPU 與 HBM 供應鏈結構。 [17] Stanford Institute for Human-Centered Artificial Intelligence（2025）。*The 2025 AI Index Report: Research and Development*。。用於特定等效品質門檻的推理價格歷史變化；不是全部任務價格趨勢。 [18] International Energy Agency（2025）。*Energy and AI: Executive Summary*。。用於 2024 年資料中心用電估計、2030 年基準情境、電網瓶頸及地方影響。 [19] U.S. Federal Trade Commission（2025-01-17）。*FTC Issues Staff Report on AI Partnerships & Investments Study*。。職員競爭風險研究，不等於法院最終違法裁判。 [20] UK Competition and Markets Authority（2025-07-31）。*Cloud services market investigation*，最終決定及建議。。 [21] UK Competition and Markets Authority（2026-10-16）。*Business software and cloud services — Update on cloud actions*。。用於 2026 年 10 月雲端競爭政策動態，非全部改革已實現之證據。 [22] OECD（2025-05-20）。*Competition in the provision of cloud computing services*，OECD Roundtables on Competition Policy Papers, No. 323。。用於轉換成本、互通、集中與市場政策。 [23] U.S. National Science Foundation（2026-09-01）。*NSF establishes operations center for the National Artificial Intelligence Research Resource*。；另見 NAIRR 概況 。研究及教育資源有資格限制。 [24] European Commission（截至 2026-10-28 官網資訊）。*AI Factories*。；EuroHPC JU（同日資訊），*FAQs | AI Factories*。。規劃／建置中數量不可等同已向所有人分配之實際算力。 [25] 台灣數位發展部（建檔 2026-03-23，更新 2026-04-27）。〈AI 算力申請〉。。政策入口及計畫目的，不等於核配統計。 [26] 台灣國家高速網路與計算中心（2026-09-18）。〈「高階算力場域 AI 應用開發」徵案開跑！〉。。當次截止日與資格以原公告為準。 [27] European Union（2023）。Regulation (EU) 2023/2854, *Data Act*, Article 29；其中 2027-01-12 係本文撰稿時尚未到來的日期。官方法規文字：。 [28] European Commission（截至 2026-10-28）。*Digital Markets Act — Interoperability*。。 [29] European Commission（截至 2026-10-28）。*Digital Markets Act — End user data portability*。。 [30] Hirschman, Albert O.（1970）。*Exit, Voice, and Loyalty: Responses to Decline in Firms, Organizations, and States*。Harvard University Press。圖書資料：。 [31] *Platform power and regulatory politics: Polanyi for the twenty-first century*（2022），*New Political Economy*，DOI: 10.1080/13563467.2022.2027355。。用於理解平台擴張與制度性回應之研究背景。 [32] World Bank（2024）。*World Development Report 2024: The Middle-Income Trap*，第 7 章「Disciplining Incumbents」相關內容。。支持市場可競爭性與既有強勢業者的制度約束議題，不直接測量家庭 AI 收益。 [33] OECD（2026）。*OECD Survey on Drivers of Trust in Public Institutions 2026 Results*，章節 *Political voice, barriers to participation and implications for trust in government*。。 [34] Freedom House（2025）。*Freedom on the Net 2025 — China*，觀察窗 2024-06 至 2025-05。。用於資訊及公民表達風險的有界制度描述，不等於預測政體演變。 [35] Klaus, David M. and Mark MacCarthy（2026-07-09）。*The pledge to protect ratepayers from AI data center costs needs enforcement*，Brookings。。 [36] Associated Press（2026）。*Big Tech's fast-expanding plans for data centers are running into stiff community opposition*。。新聞觀察案例，不代表完整的全國建案抽樣或因果識別。 --- # 附錄 A｜比較情境的最低紀錄模板 本模板供之後調查或實驗使用，不是已執行資料。每筆案例必須有可檢驗的來源與期間： ```yaml case_id: "SYNTH-EXAMPLE-ONLY" evidence_status: "SCN" market_layer: "cloud-inference" market_scope_definition: "task- and region-specific; to be defined" observation_period: "YYYY-MM to YYYY-MM" principal_unit: "household / microfirm / research institution" compute_ownership: "private / public / shared / mixed" access_pathway: "owned / rented / public / community / hybrid" eligibility_and_contract: "documented in approved study" quality_adjusted_task: "specified benchmark and acceptance gate" realized_costs: "measured or missing" actual_control_portability: "tested / not tested" net_benefit_status: "documented / unavailable / non-market" counterforce_stage: "S0..S7 or not observed" change_attribution: "descriptive / causal design / indeterminate" privacy_protection: "aggregated; consent scope documented" source_uris: [] ``` 此模板特別要求「未觀察到」「無資料」「不適用」使用不同代碼；在資訊審查或高風險環境裡，不能將無資料偽裝成沒有不滿。 --- # 附錄 B｜預註冊與驗收清單 1. **事先註冊問題。** 說明要檢查的是上游集中、家庭可達、收入、可攜或社會反作用之哪一種關係。 2. **定義市場及任務。** 不把一般消費 GPU、AI 訓練 GPU 與雲端服務混成單一商品。 3. **定義比較群體。** 家庭／企業／研究團隊／地區不可任意合併；保留分配分位數。 4. **定義受益。** 外部現金收入、淨現金流、成本節省、時間與非市場價值分開。 5. **記錄政策狀態。** 公告、申請、核配、施行、實際完成各自標示。 6. **明示主要結果。** 合格交付、總成本、退出能力、公共成本及救濟成果，不能只報告使用者數。 7. **建立對照。** 納入市場需求、模型能力、能源、技術更新及供給商變化的替代解釋。 8. **測試零效果。** 假說支持率不可只報成功案例；不顯著結果須公開。 9. **審核倫理。** 不取得不必要的私人財務、政治態度或家庭 AI 長期對話；公開合成資料。 10. **驗證可重複性。** 保存來源時間、政策版本、資料字典與分析腳本。 11. **檢查政策副作用。** 改善公共可達若同時提高電價、行政成本或長期依賴，不應隱藏。 12. **允許撤回假說。** 在證據不足或被反證時縮小論點，不以遠期「總會發生」規避驗證。 --- # 附錄 C｜研究語句中的證據警告與禁用推論 | 不應直接作出的論斷 | 更精確的研究寫法 | |---|---| | 大企業一定會買完所有顯示卡 | 某些特定晶片及雲端供應可能形成高集中或供給限制，需定義市場與年份 | | 市場自然會打敗所有壟斷 | 替代、競爭、公共介入與社會反作用可能限制集中，其效果需個別驗證 | | 有公共算力就代表家家有 AI 工廠 | 公共計畫有資格、配額、用途、時間及實際完成結果等條件 | | 社會不滿一定造成選舉敗北 | 不滿可能影響政策與政治評價，但選舉有大量共同原因，不能單因歸責 | | 沒有公開抗議代表民眾支持 | 可能是滿意、無資訊、缺乏組織能力或發聲成本過高 | | 反對資料中心的人都反 AI | 可能是電價、水資源、土地、噪音、程序與收益分配之具體爭議 | | 使用者不轉平台代表他認同企業 | 可能存在替代不足、資料鎖定、生活依賴或單純偏好，須另行研究 | | 開源模型出現就能取代一切前沿模型 | 替代性依任務品質、合法授權、設備、資料、維運與成本條件而定 | | 家庭有 AI 就能增加淨收入 | 仍須真實需求、可驗收交付、收入歸屬及全部成本檢驗 | | 高度集中必然是違法壟斷 | 集中、市場勢力、排除行為、法律違規與福利後果屬不同研究命題 | | 人類重視 AI 代表 AI 已有法律人格 | 人類關係性承諾是可觀察現象，AI 的主體／法權仍須獨立研究 | --- **文件狀態聲明：** 本文件為 EveMissLab / AICET-13 的 UTF-8 Markdown 原始研究稿。已完成概念性論證與可反駁研究規劃，不代表完成田野資料蒐集、獨立統計驗證、政策效果評估或外部同儕審查。本文不指定普適的 AI 生產函數或政治反抗門檻；在正式數學形式化前應先定義任務、主體、價格、資源與反事實資料。讀者不應把文中的條件性情境轉述為必然的市場或政治預言。