---
title: "對偶圖硬體孿生：計算作用與功率資源的雙層協同分配架構"
english_title: "Dual-Graph Hardware Digital Twin: A Two-Layer Architecture for Compute-Action and Power-Resource Coordination"
version: "v0.1"
date: "2026-11-04"
language: "zh-TW"
author: "Neo.K（原始雙層分配構想與光譜真／單邏輯語義方向）／GPT-6（架構整理與候選工程規格）"
affiliation: "EveMissLab／一言諾科技有限公司"
status: "DESIGN DRAFT — REVIEWABLE ARCHITECTURE, NOT DEPLOYED OR PERFORMANCE-VALIDATED"
canonical_source: "UTF-8 Markdown"
math_source_rule: "inline $...$ ; display $$...$$"
related_definition: "Single_Logic_Spectral_Truth_Computing_Formal_Definitions_v0.1_2026-11-04.md"
---

# 對偶圖硬體孿生：計算作用與功率資源的雙層協同分配架構

**作者：** Neo.K（原始雙層分配構想與光譜真／單邏輯語義方向）／GPT-6（架構整理與候選工程規格）  
**機構：** EveMissLab／一言諾科技有限公司  
**日期：** 2026-11-04  
**版本：** v0.1  
**原稿狀態：** DESIGN DRAFT — REVIEWABLE ARCHITECTURE, NOT DEPLOYED OR PERFORMANCE-VALIDATED  

## 0. 摘要、身分與決議

本架構把「計算作用／圖流速分配」與「硬體功率／資源分配」做成**兩張共用型別化圖框架、但不要求拓撲相同**的動態圖。兩者透過有證據的多對多資源映射和硬體數位孿生互相對照，經過候選方案評估、實際執行、遙測回饋與修正，構成閉環控制。第一版僅有兩張主要圖；映射、仲裁和孿生預測是兩圖間的服務，不偷偷增設第三張主要圖。

**原始核心與後續擴充分離：**「單邏輯／光譜真／未激發與激發／多域直接作用／AI 語義賦予／全域圖運算」是先前已存在的研究方向；本文的**雙層硬體孿生**是 2026-11-04 本輪後續提出的工程設計，不倒置為原始核心必備前提。本稿**不**宣稱新物理定律、量子效能、計算完備性或省電優勢已經證實。

### 0.1 一句話決策

> L1 說明「**什麼作用要執行、資料如何流、何種順序／耦合受到限制**」；L2 說明「**真實硬體有多少資源與功率餘裕、候選方案是否可行**」。孿生模型預測二者映射的代價，實測資料校正預測；硬限制永遠優先於最佳化目標。

### 0.2 v0.1 不做的事

- 不直接改變電晶體／電流路由，也不聲稱能直接分配每個電子的運動。
- 不自動修改 CPU/GPU 電壓、時脈、風扇、散熱韌體或 BIOS 設定。
- 不把功率（W）、能量（J）、電流（A）、資料流速（tokens/s 等）視為同一物理量。
- 不強行讓每個計算圖節點與每個硬體圖節點一對一對應。
- 不要求大模型逐毫秒管理硬體；不把 AI 的建議當成已授權的可執行命令。
- 不改寫既有 Series B／24／72／PCMT／GIPE／Runtime／XOST 的原始分類。

## 1. 兩張圖：同一套語法，不同職責

### [DEF-DG-01] 共通圖規格

定義通用型別化圖容器 $G=(V,E,H,\Lambda)$： $V$ 為節點、 $E$ 為有向邊、 $H$ 為可選超邊、 $\Lambda$ 為型別、單位、狀態、來源、約束、時間戳、版本及權限註記。兩張圖可共用 graph schema、版本控制、快照、更新事件和觀察 API。

**「同構架構」僅指共同的容器與介面。** 嚴格圖同構需存在保持邊關係的節點雙射；本案不做此要求，因為一個任務可占多種硬體資源，一個硬體元件可服務多個任務。

### [DEF-DG-02] L1：計算作用／流速圖

$$
G_C(t)=(V_C,E_C,H_C,\Lambda_C(t)).
$$

- 節點：可執行的語義作用、計算任務、Kernel、資料轉換、推論批次、依賴事件等；不得混淆「作用候選」與「已完成作用」。
- 邊：資料相依、執行先後、資料流／作用傳播、回饋與同步關係。
- 狀態：語義型別、未激發／已激發、進度、等待量、優先權、結果容許誤差、來源版本。
- 可控制量：任務准入、批次大小、併發上限、圖邊流速、排程順序（僅在合法可交換或有見證時）、更新週期。
- **圖流速**：在明示單位下的資訊或工作量速率，例如 events/s、samples/s、tokens/s、bytes/s；不等同電流或功率。

光譜真在此提供多域直接作用表示：語義、狀態、量化、作用，不需要先產生一個命題真／假或模糊真度作為共同入口；但運算仍有型別、算子、許可與安全條件。

### [DEF-DG-03] L2：硬體功率／資源圖

$$
G_P(t)=(V_P,E_P,H_P,\Lambda_P(t)).
$$

- 節點：CPU、GPU、VRAM、主記憶體、儲存、裝置間互連、受監測的溫控區與能量供應單位；依設備可用性建立，不捏造不可觀測的內部子元件。
- 邊：資料搬移與頻寬瓶頸、共用電力／散熱限制、資源競爭、熱耦合、設備之間的轉換成本。
- 狀態：實測與預測的負載、功率（W）、能量累計（J）、溫度（°C）、可用記憶體（B）、頻寬（B/s）、時脈（Hz）、品質與時間戳。
- 可控制量（第一版）：**透過 L1 的准入、節流、批次、工作量與並行度，間接調整 L2 負載**。裝置 power limit 等直接硬體寫入操作須待後續有明確的支援能力、權限與復原程序再討論。
- 觀測粒度：以裝置或驅動可公開的介面為準；只有 GPU 板卡功率可讀時，不能說已量得整台 PC 的總功率。

### [DEF-DG-04] 多對多資源映射

$$
M_t\subseteq V_C\times V_P\times\mathcal A_M.
$$

 $\mathcal A_M$ 記錄映射型別、預期用量、預估吞吐、可用 backend、資料搬移成本、有效時間範圍與證據。**若某工作未提供 CPU backend，就不得因 GPU 過熱而直接宣稱可遷移到 CPU。** 任何計算圖變更都必須保持其已宣告的因果依賴和可觀測輸出合約。

## 2. 孿生不是另一套真實硬體

### [DEF-DG-05] 硬體孿生模型

孿生 $\mathcal T_P$ 是綁定實體觀測的**可更新預測模型**，不是再生產一顆 CPU 或 GPU。它接收當前設備狀態、候選分配、環境與模型版本，預測未來工作量、功率、溫度、延遲與可能違約的區間。

$$
\widehat{x}_{t+\Delta}=F_{\theta_t}(\widehat{x}_t,u_t,w_t),
$$

$$
y_t=H(x_t)+\eta_t,\qquad r_t=y_t-\widehat y_t.
$$

 $\widehat{x}$ 為預測狀態、 $u$ 為候選分配、 $w$ 為外部工作量與環境輸入、 $y$ 為觀測、 $\eta$ 為測量誤差、 $r$ 為預測殘差。 $\theta_t$ 可在校準合約下更新，**不可把預測值標示為實測**。

第一版建議的模型階梯：

1. Read-only 歷史記錄與實際遙測（觀察鏡像）。
2. 依工作負載分型的查表、分段線性或簡單迴歸模型（可預測的孿生候選）。
3. 加入熱慣性／裝置間競爭／延遲的不確定性模型（確認基線後再加）。

NIST 強調數位孿生與其實體對象之間的資料同步、模型品質及持續更新；**單純畫一張功率圖，還不能直接稱為已驗證的數位孿生**。

## 3. 主導權：目標決策，硬約束裁決

### [RULE-DG-01] 硬限制

任何候選方案須同時遵守所選設備可確認的硬限制：裝置支援、資源／記憶體上限、已知溫度與功率安全範圍、資料相依、權限、模型可用性、觀測時效。軟體不能假裝替代韌體或實體保護。

### [RULE-DG-02] 動態主導，而非兩個控制器奪權

- 正常且資源充足：L1 的工作目標決定優化方向；L2 回報可行配置及代價。
- 功率、溫度或資源接近保守界線：L2 透過硬限制縮小 L1 候選配置空間；L1 重新節流、分批或改排程。
- 對照模型不可靠／遙測失聯：回退到明確保守的固定配置，保留觀測紀錄，不把缺值當成零。
- 高風險變更／未經授權的硬體控制：拒絕執行；對照計算仍可作為離線分析。

### [RULE-DG-03] 目標函數示例（非已完成算法）

$$
\min_{u\in\mathcal U_{\mathrm{safe}}}\;J(u)
=\alpha L(u)+\beta E(u)+\gamma C_{\mathrm{switch}}(u)+\delta B(u),
$$

其中 $L$ 為延遲損失、 $E$ 為預估耗能（J）、 $C_{\mathrm{switch}}$ 為重排／遷移／模型對照成本、 $B$ 為積壓或服務損失；權重與每項正規化方式必須有工作負載合約。**功率限制和物理安全約束不只是目標函數中的可交換懲罰項。**

此候選目標可改為詞典序：首先滿足安全和語義契約，其次滿足必要 SLA，最後才優化能耗／完成時間；其具體解法可使用有限候選枚舉、啟發式，或在充分校準後採用 MPC，不預先假設 AI 最佳化一定較佳。

## 4. 每一輪的閉環執行協議

```mermaid
flowchart LR
    A["觀察 L1 任務與 L2 硬體"] --> B["對齊時間戳與有效狀態"]
    B --> C["L1 生成可執行候選配置"]
    C --> D["多對多映射 M"]
    D --> E["L2 孿生預測功率／效能／熱負荷"]
    E --> F["硬限制與語義等價檢查"]
    F --> G["候選比較／選擇"]
    G --> H["執行已授權的任務分配"]
    H --> I["實測／殘差／歷史紀錄"]
    I --> A
    F -->|不可行| C
```

**此為兩張主要圖的閉環，箭頭與中間服務不代表新增一張主要圖。**

1. **Observe**：蒐集 L1 任務進度與 L2 遙測，標記來源、時間戳、單位、品質與缺失。
2. **Align**：對齊時間窗；過期、缺值、錯誤單位不得直接進入估計。
3. **Propose**：由 L1 產生少量、可重播的候選圖流速與分配，不強行窮舉全部可能組合。
4. **Map**：確認 backend 真正可執行，估算裝置間資料搬移與共享資源成本。
5. **Predict**：L2 孿生預測候選功率、熱與完工時延，提供區間／不確定性。
6. **Arbitrate**：先裁決權限、實體安全及語義限制，再比較可行候選。
7. **Act**：只使用允許的 OS／Runtime 工作排程與工作負載控制；第一版不主動修改硬體功率上限。
8. **Compare**：記錄預測與實測殘差、工作完成狀態與是否有 SLA 違約。
9. **Update**：在模型校準合約下更新估計，若模型偏差過大則停用自適應方案。

## 5. AI 在何處，哪些地方不需要 AI

- **AI 高層／慢週期**：提出或修訂語義分型、跨域作用方案、圖重構、候選策略、長期目標與權重；修改採「提出 → 審核／驗證 → 有權限採用」；不得繞過裝置限制。
- **確定性局部／快週期**：完成採樣、佇列計數、反壓、依賴檢查、上限裁決、執行與超時回退；不依賴每一次大型模型推理。
- **第一版可以不連接外部 AI**：以固定或規則式提議器驗證雙圖與數位孿生，再以 AI 替換策略提議器；這不代表改寫原本對 AI 全域控制的長期願景。

建議初期時間尺度（都是可調實驗參數，非硬體保證）：遙測每 1–2 秒、分配策略每 5–10 秒或事件觸發、AI 建議每 30–60 秒或任務變更時。真正要求毫秒級安全響應的事項仍由裝置／驅動／OS 的原有保護和專用控制完成。

## 6. 語義保留與控制穩定性

### [INV-01] 不可把真假介面倒灌成單邏輯公理

單邏輯／光譜真描述計算作用的多域語義。硬體保護、權限、測試或編譯階段仍可以存在布林判定；它們是局部驗證工具，不是所有計算必經的全域真假語義中介。

### [INV-02] 保留作用順序與非交換性

若 $a\circ b\ne b\circ a$，L1 不可僅因並行比較快就重排次序；依賴邊、事務邊界或允許誤差必須先說明。相同數值結果亦不等於相同歷史、能量或因果關係。

### [INV-03] 不同量不混稱

「資料流速↑」不必然「功率↑」，「功率上限↓」不一定使完成任務的總耗能↓；須以工作負載、功率曲線、執行時間與裝置特性實測。控制振盪可能使能耗更差。

### [INV-04] 孿生誤差不隱藏

每項預測保留模型版本、輸入時間窗、可信度、校準工作負載與殘差；當輸入超出校準範圍時應退回保守控制。

### [INV-05] 保留硬體原生安全機制

不繞過韌體的溫度保護／功率限制，硬體不可用或不授權時不執行直接裝置寫入；失敗時以最小權限恢復到固定策略。

## 7. 第一版驗收：三種比較與一組反例

**驗收優先順序：正確性與安全 → 可以重播 → 模型對照品質 → 才是效能改善。**

| 組別 | 方法 | 目的 |
|---|---|---|
| B0 | 固定規則／FIFO／OS 原生排程 | 基線 |
| B1 | 只有 L1 自適應流速，L2 僅觀察 | 檢查圖流速的獨立效果 |
| B2 | L1＋L2 靜態功率模型與硬約束 | 檢查功率對照的額外價值 |
| B3 | L1＋L2 可校準硬體孿生與遙測回饋 | 檢查閉環與校準是否真正有益 |
| B4（後續） | B3＋AI 高層策略提議 | 將 AI 控制改善與雙圖效益分離 |

在**工作量、輸出契約、設備條件與外部干擾相近**的前提下，量測：吞吐量、總完成時間、p95 延遲、能量 J（若可量）、平均／峰值功率 W、溫度、控制切換次數、掉幀／超時／錯誤率、孿生預測誤差和控制器自身的 CPU/GPU 開銷。

**最小反例：** 若 L1 擅自交換非交換作用順序造成不同結果，即使省電也判定失敗；若 L2 預測沒有改善、控制震盪或消耗超過節省，也不得宣稱架構有正向收益。

**建議的 v0.1 驗收條件（不預設性能門檻）：**

- 同一輸入、同一策略和隨機種子，可重播決策與完整的候選理由；所有記錄包含版本、單位、時間戳。
- Read-only 與 Shadow 模式中不發生任何硬體寫入。
- 缺值、老舊遙測、未支援 backend、功率／記憶體限制、觀測不確定性均有明確失敗與回退路徑。
- 多對多映射與同一硬體多任務競爭場景能正確處理，不將預測等同實測。
- B0–B3 所有數據都能公平比較；若未測得改善，明確報告沒有改善。

## 8. 交付接口與最小資料契約

本封包的 `01_Interface_Contract.json` 是**語義接口範例與資料契約**，不是已與 NVIDIA／Windows 實機串接的驅動或 SDK。欄位含兩張圖、映射、孿生觀測、策略、權限及回退；不預設所有設備支援全部欄位。

建議的最小模組與順序：

1. **Graph Core**：兩圖共用型別化 schema、snapshot、state/event ledger、基本有效性檢查。
2. **Telemetry Adapter (read-only)**：讀取 OS／GPU 公開能力；每個欄位附裝置 ID、時間戳、單位及品質。
3. **Mapping & Planner**：候選分配與可用 backend、依賴、複製代價檢查。
4. **Twin Predictor**：先從工作負載歷史做簡單可校準的模型。
5. **Arbiter & Executor**：硬限制裁決、白名單工作量控制、回退與完整日誌。
6. **Experiment Harness**：B0–B3 對照、重播、量測分析與效能否證。

這是開發模組分工，**不是在兩張主要圖之外新增六個「主要計算圖層」**。

## 9. 與物理硬體現況的誠實邊界

- NVIDIA NVML 在支援設備上可讀取板卡功率、功率限制、時脈及效能狀態。變更 GPU power limit 的 API 有硬體與權限限制，且可能不持久；本案 v0.1 僅讀取，不直接執行控制。
- Linux Powercap/RAPL 為部分平台提供能源及功率封頂相關介面，**不能**把此 Linux 介面當作 Windows 上必然存在的裝置 API。
- NVIDIA CUDA Graphs 可把依賴操作事先定義成執行圖，與 L1 的圖描述有實作交會；但 CUDA Graph 不等於本案的跨硬體語義圖，也不自動提供本案的功率孿生或 AI 賦義機制。
- 一台實機可以實作多個計算範式，不能把「雙圖」誤稱為另外兩種硬體或新物理載體。

## 10. 與先前研究的接口

- **單邏輯＋光譜真形式定義 v0.1（同日）**：本案將其視為 L1 的候選語義前端，不要求 L2 重新發明真值系統。
- **XOST Paper 00–02**：存在、內容對應、異質測度與作用不能混為單一真度；本案功率／效能值為實際量綱或估計，不能藉「光譜真」名稱抹除測量有效性。
- **Series B 十維統一計算機型別**：兩圖分別接收狀態、算子、控制、讀出、記憶、接口、約束及能源等描述，不取代母型別。
- **24／72、PCMT、GIPE、Runtime**：L1 的局部事件以既有分類與可能機理註記；L2 提供資源與物理能力證據；Runtime 實際路由與驗證。
- **O-Chip／超靈**：長期可把 AI 提議器與部分控制邏輯放入專用協處理器；先做軟體雙圖、校準與回退，不預設新晶片。

## 11. 外部技術基準（規格與研究，不是本案效能證據）

1. NIST, *Digital Twin Core Conceptual Models and Services* (2023): https://www.nist.gov/publications/digital-twin-core-conceptual-models-and-services
2. NIST, *An Overarching Quality Evaluation Framework for Additive Manufacturing Digital Twin* (2024): https://www.nist.gov/publications/overarching-quality-evaluation-framework-additive-manufacturing-digital-twin
3. NVIDIA, NVML Management Library: https://developer.nvidia.com/management-library-nvml
4. NVIDIA, NVML power-management commands: https://docs.nvidia.com/deploy/nvml-api/latest/api/group__nvmlDeviceCommands.html
5. Linux kernel, Power Capping Framework: https://cdn.kernel.org/doc/html/latest/power/powercap/powercap.html
6. NVIDIA, CUDA Graphs (CUDA Programming Guide): https://docs.nvidia.com/cuda/archive/13.4.2/cuda-programming-guide/04-special-topics/cuda-graphs.html

## 12. 版本結論

**v0.1 的完成指標不是發明了新型 CPU，而是把「計算需求」與「物理可行性」放進兩張可對照、可更新、可回退的圖，使運算分配可以利用硬體孿生進行候選比較。** 硬體孿生是**本輪新增擴充**；光譜真／單邏輯的原始共同語義地位保持不變。這份設計稿可作為實作、審查、對照實驗的受控起點，不自稱已部署或驗證省電。