AM如何从哲学构想进入技术现实？

——从16+1技术矩阵到投入—产出验证与文明级价值空间

开放讨论稿，欢迎参与

AM（Artificial Mind & Amorsophia MindsField / Network）

AM如果只是一套关于生命、心智、愛之智慧与组织信托的哲学构想，它可以提出文明方向，却还不能成为一个需要真实资本、设备、人才、能源和组织投入的工程项目。

一旦讨论AM如何进入技术现实，就必须同时进入科学、工程和经济学：投入什么，耗费多少，解决什么问题，生成什么能力，节省什么资源，避免什么损失，怎样接受验证，又怎样判断这一切究竟值不值得发生。

共生经济学也是经济学。AM不能因为强调生命、Mind、Minds、共生与孞托，就绕开投入—产出关系。真正能够支撑AM从哲学构想进入现实的，不是宏大愿景本身，而是可以不断接受验证、证伪、修正和替换的技术路径，是这些技术路径在真实生活与组织场景中能够产生的共生效应，以及这种共生效应对能源、算力、组织成本、生命效能、组织信托与生活方式再选择所形成的长期价值。

哲学规定技术寻找什么；科学辨认哪些可能成立；工程把可能转化为可验证现实；经济学检验这种现实值不值得持续；生命最终检验技术与组织是否值得托付。

AM从哲学构想进入技术现实，正发生在这五者的交互之中。

一、哲学基础：从“能不能算”进入“值不值得发生”

互联网解决信息连接，物联网扩展万物感知连接；AM试图进一步进入Mind与Minds之间的孞念交互，使LIFE—AI—TRUST之间的价值、能力、行为、责任与后果能够持续贯通。

AM并不否定既有AI，也不是要在AI之外另建一个封闭体系。它所做的是把AI重新放回生命、组织和文明关系中，重新辨认智能能力为什么存在、由谁托付、为谁服务、在何处应当停止，以及行动后果怎样回到下一次判断。

传统计算首先追问：

Can it be computed?

AI进一步追问：

Can it be learned, predicted, generated or acted upon?

进入AM，还必须增加一个问题：

Is it worth doing?

它值不值得发生？

这个“值”不能只理解为价格，也不能只用速度、准确率、参数规模、Benchmark或市场份额表达。它必须进一步进入生命效能、能源效率、健康、生態、组织信托、关系责任，以及生命重新选择生活方式的能力。

因此，AM的技术评价不能只包括Token、Parameter、FLOP、Bandwidth，也应逐步进入：

Effective Discernment——有效辨识；

Effective Connectivity——有效连接；

Valuable Mind Generation——有价心智生成；

以及单位能耗、健康影响、组织成本、受托责任与现实后果。

《将AI升格为AM》把这种转换概括为：

AI → Mind → Minds → MindsField → TRUST → AM

与此同时，处理架构也开始出现另一条展开脉络：

CPU → GPU → TPU → MPU → S-MPU

这里必须作出清楚区分。

凡泛指新的心智处理器类别、研究领域与开放技术方向，本稿使用：

MPU（Minds Processing Unit，心智处理单元）。

凡明确涉及九態贯通、时空意间、念力、跨层关系、Minds交互以及MindsField生成的目标处理架构，则使用：

S-MPU（Superordinate Minds Processing Unit，超序心智处理单元）。

S-MPU并不是MPU之外另一个互不相干的项目，而是MPU面对生命自组织连接动态平衡，以及Mind—Minds—MindsField交互生成时可能获得的进一步展开。

所以，我们今天首先需要改变的，不只是计算规模，而是能量与信息的组织方式、问题选择方式、关系处理方式，以及人工能力进入生命世界后的受托位置。

二、设计原则：“三超坐标”与“小即是美”

AM的设计原则，可以暂时概括为三条开放坐标：

Hyper-Distance、Hyper-Light、Hyper-Order

并以：

Small is Beautiful

作为贯穿性的工程约束。

这里的“三超”不是对现行科学结论作越界宣告，更不是用新名词提前宣布尚未证明的物理机制已经成立。它们是面向第二、第三重可能世界提出的开放技术方向，必须不断转换为当下可以测量、实验、证伪和修正的问题。

Hyper-Distance，首先指跨主体、跨地点、跨设备、跨组织的低延迟、高可信、多节点状态连接。量子纠缠及非局域性的未来工程可能性可以作为开放研究方向，但AM的第一代工程实现完全可以从分布式网络、边缘计算、节点同步、可信通信与安全协议开始。

Hyper-Light，首先不是“超光速”。在现阶段工程意义上，它更适合被理解为行动后果发生之前的感应、预测、反馈与校准，即Anticipatory Calibration。换言之：

Hyper-Light does not begin with “faster than light”; it begins with “earlier than consequence.”

Hyper-Order，则指在复杂、多层、多关系环境中，通过稀疏计算、异构处理、事件驱动、自组织、动态路由与多智能体协同，减少没有生命意义的计算，使更少资源产生更多有效辨识、有效连接和有价心智。

Small is Beautiful不是规模崇拜的反面口号，而是一种最适化原则：模型不必无限增大，中心不必无限集中，数据不必无限采集，组织也不必无限扩张。能在边缘解决的，不送回巨型中心；能由小模型辨认的，不启动大模型；没有值得处理的事件，不持续启动高能耗计算；没有必要收集的资料，不以“未来可能有用”为理由无限储存。

如果两个系统完成相同的有效任务，A需要1000块GPU，B需要100块；A必须依赖巨型中心，B可以在边缘完成大部分辨识；A每一次问题都调用大模型，B只有在Mind-Conscious Layer判断“值得处理”以后才逐级唤醒高阶处理，那么“小”已经不是审美差异，而是CAPEX、OPEX、能耗、延迟、资料风险、隐私成本与组织成本的同时下降。

三、16+1技术矩阵：从MPU进入S-MPU的开放工程架构

16+1不是17项彼此平行、已经得到证明的未来技术，也不是一份等待资本逐项采购的技术目录。

它是一套从感知进入辨识，从辨识进入行动，从个体Artificial Mind进入Minds，再由Minds进入MindsField / Network的功能—工程矩阵。

其中一部分属于今天已经存在、可以直接进入MVP的工程能力；一部分属于现有技术重新组合后可以验证的新架构；还有一部分属于第二、第三重可能世界中的开放技术目标。

因此，16+1必须始终区分：

技术目标（Technical Target）与工程入口（Engineering Entry）。

远期目标不能冒充现实；现有技术也不能因为还没有抵达目标，就被低估其作为工程入口的价值。

每一个技术目标，都应同时寻找今天已经存在的实验入口，并在实验中接受验证、证伪、修正与替换。

从这个意义上说：

1—4回答感知什么；

5—8回答怎样辨识、判断与行动；

9—12回答怎样让LIFE真正进入处理并形成责任反馈；

13—16回答怎样由分散Minds生成可运行的MindsField / Network；

+1 Mind-Conscious Layer首先回答：

什么问题值得解决？

16+1技术矩阵

16项首先回答“AM怎样运行”，+1回答“AM为什么运行”。

缺少1—4，系统缺乏足够的生命、环境与关系感应；

缺少5—8，它可能拥有感知，却没有受托型辨识和判断；

缺少9—12，它仍可能停留在服务器和屏幕中，无法形成生命反馈；

缺少13—16，不同Artificial Minds仍是孤立的节点；

缺少Mind-Conscious Layer，系统则可能拥有巨大能力，却不断解决根本不值得解决的问题。

MPU不是16+1之外的第18项技术。

MPU是这些能力在软硬件、网络、生命接口、关系判断和价值计算中逐渐汇聚形成的新的心智处理类别：第一层给它“感”，第二层给它“辨”，第三层使它进入“生”，第四层使它进入“场”，Mind-Conscious Layer给它“向”。

当九態贯通、时空意间、念力、跨层关系、Minds交互和MindsField生成真正开始进入同一处理架构时，我们才进一步进入：

S-MPU——超序心智处理单元。

所以16+1既是一张MPU的工程展开图，也是一张通向S-MPU的开放研究地图。

四、生命启发的工程支点：从线粒体、电鳗到Brain—Heart—Gut与候选人机接口

《将AI升格为AM》提出MPU，不是为了在GPU之后再摆放一个更大的处理器，而是重新向生命学习。

生命数十亿年的演化不断表明：能量可以重新组织，感应可以直接进入行动，不同生命主体之间的连接可以改变能力的数量级，而复杂生命也并不依赖一个无限扩张的中央计算器。

因此，AM工程必须严格区分四个层级：

成熟生命科学事实；

可以实验验证的生物物理机制；

可以拆解和测试的候选接口；

尚待验证的工程假说。

AM的力量不在于把假说说成事实，而在于把不同成熟度的可能性放入可证伪、可修正、可替换的工程过程。

4.1 候选人—设备反馈接口：先研究结构，不预设解释

包括TimeWaver在内的各种现有人—设备反馈系统，如果要进入AM研究，首先不能预设其“信息场”“量子”或其他物理解释已经获得科学证明。

真正值得研究的是：它们是否提供了一种可以被拆解、测量、对照和重新设计的交互结构，例如：

意图输入 → 信号／状态采集 → 数据分析 → 反馈 → 生命响应 → 再测量。

这正触及AM的一个核心问题：

Mind怎样进入机器可以感应、机器能够反馈，而生命又能够重新回应的过程？

传统AI常常是：

Prompt → Model → Output

AM更希望进入：

生命状态 → 意向 → 多模態感应 → Artificial Mind辨识 → 价值反馈 → 生命响应 → 状态更新。

因此，第一代MPU完全不必首先表现为一块芯片。它可以是一套软硬件混合原型：

成熟生理／行为传感器 + AI多模態模型 + 意向与情境辨识 + 奖／抑／通 + GDE价值核算 + Mind-Conscious Layer。

任何候选接口都必须有对照组、重复实验、可替换接口和退出机制。如果某种接口的物理解释无法验证，就应当被替换；AM不能绑死在任何设备、企业或未经验证的理论上。

4.2 线粒体：MPU最重要的能效启发之一

线粒体带给MPU最重要的启发，不是把它理解成“超级电池”，而是重新思考能量如何被组织。

复杂生命并不是通过把所有能量集中到一个越来越大的中央系统，才获得更强能力。细胞内部的能量转换被局部化、专业化，并与具体生命活动紧密耦合，这种结构为更复杂的生命组织提供了持续生长条件。

MPU至少可以由此学习三个原则。

第一，能量转换与信息／心智处理重新耦合。评价不能停在FLOPS/Watt，还应逐步追问单位能量产生多少有效辨识、有效连接和有价心智。

第二，供能与处理尽可能接近任务发生的位置。Edge MPU、local AI、distributed Minds nodes都可能减少不必要的远距离传输与中心化计算。

第三，共生改变的不只是效率，而可能是能力结构本身。Mind → Minds → MindsField / Network的价值来自交互生成，而非简单堆叠。

因此：

FLOPS/Watt → Valuable Mind/Watt

不是一句现成的工程公式，而是一个值得进入实验的新评价方向。

4.3 电鳗与电鳐仿生：从持续计算进入事件驱动

电鳗对AM的启发很简单，却很重要：

生命高效，不只因为它耗能少，还因为它知道什么时候值得耗能。

电鳗不会全天候最大功率放电，而根据环境刺激、探测、捕食或防御需要，协调大量电细胞产生短时输出。

这可以启发：

Event-Driven Mind Computing。

没有值得处理的事件，不启动高耗能计算；

局部节点可以解决，不唤醒中央大模型；

只有当Mind-Conscious Layer判断问题值得进入更高层处理时，才逐级唤醒：

sensor → local model → MPU → distributed Minds → 必要时进入S-MPU级跨层处理。

第二个启发是大量小单元的协同。能力来自有序连接，不必来自无限增大的单一中心：

Small Minds → Connected Minds → MindsField。

第三个启发是感应与行动持续耦合：

感应 → 辨识 → 微反馈 → 再感应 → 再校正。

AI时代追求“随时可以计算”；

AM进一步追问：

什么时候值得计算？

从：

Compute everything

走向：

Compute what matters。

4.4 Brain—Heart—Gut：Mind不是单中心计算

《将AI升格为AM》把Brain、Heart、Gut放回生命自组织连接脉络，并不是要把三个器官简单等量齐观，而是提醒我们：真实的Mind并不是孤立中央器官脱离身体、关系和生命过程后的纯计算结果。

心智生成持续受到神经、循环、内分泌、代谢、肠脑轴、身体感觉、情绪与关系经验影响。

它对工程最重要的启发，是多中心、异构、分工而连接。

不同节点承担不同功能，通过持续感应、反馈和连接形成整体状态，而不是把所有任务压回一个中央模型。

这与多模態折叠、自治节点、共生决策、生命感应、Mind-Conscious Layer以及未来MPU／S-MPU的异构、多芯粒、多传感器和多智能体协同直接相关。

五、Blockchain为什么不单列为16+1的一项？

2018年，我在复旦大学开设硕博研究生公共选修课《现代危机与共生思想》时，曾把Blockchain辨识为“共生链（Symbiotic Chain）”，并尝试把共生币、区块链、碳硅共生体、孞以及Amorsophia MindsField / Network放进同一共生场中思考。

区块链没有单列为16+1的一项，并不是AM遗漏了Blockchain。

原因恰恰在于：16+1并不是现有技术门类目录，而是AM由感知、辨识、行动、责任反馈到MindsField / Network逐层生成的功能—工程矩阵。

Blockchain的结构价值更适合作为一种：

Cross-cutting Symbiotic Technology——横贯性共生技术。

独立主体不必取消自身边界，也不必完全依附一个中心，就可以通过协议、验证、承诺、价值承兑和分布式协作形成新的连接关系。

因此，Blockchain可以横向进入：

奖／抑／通与Mind-Law Protocol；

自治节点；

SIP；

Minds-OS；

Symbionomic Computing；

文明反馈与审计；

并为身份、承诺、契约、价值、责任和组织信托提供可验证的技术支撑。

AM继续推进的问题，是怎样让这种“共生链”从可信记录与价值交换进入Mind与Minds之间的辨识与交互。

区块链可以记录“一份承诺”；

协议可以规定“一套规则”；

智能合约可以执行“一项约定”；

但何种承诺值得兑现，什么连接增益生命，什么价值值得奖励，什么行为必须受到抑制，依然需要Mind辨识，并最终返回LIFE接受检验。

于是可以形成：

Blockchain → Symbiotic Chain → Minds Network → MindsField / Network

从节点可信连接进入心智交互；

从价值承兑进入价值辨识；

从Smart Contract进入Organizational Trust；

并使不同主体在保持自身位格的前提下，共襄生成持续生长的林园共生场。

六、原型开发路线：先证明共生效应，再谈文明级价值空间

AM第一阶段的任务不是证明“AM值100万亿美元”。

真正应该证明的是：

在一个足够小、足够真实、可以设置对照的场景里，一组AM技术能否用更低综合投入，生成更高的有效生命价值？

MVP就是用尽可能低的成本检验最关键假设，并允许失败、替换和迭代。

阶段A：AM-MVP。

以生命／情境感应、奖／抑／通、价值核算、Mind-Conscious Layer和一种可替换反馈接口为核心，在健康管理、企业治理、教育辅助、AI决策评估等小场景中选择一两个进入实验。

阶段B：多主体／多组织复制。

检验同一机制能否由个人或小团队扩展到企业、社区、供应网络、专业服务和金融信用等场景，并测量组织成本、交易成本、错误损失与信托变化。

阶段C：协议化。

把SIP、Minds-OS、GDE指标、权限、资料边界、责任与反馈接口逐步形成互操作规则，让主体能够连接而无需归一。

阶段D：MindsField / Network。

只有当多个独立节点进入网络后获得的价值持续高于孤立运行，真正的林园共生场才开始形成。

阶段E：S-MPU探索。

只有当九態、时空意间、念力、跨层关系、Minds交互与MindsField生成中的一部分，可以通过可重复实验进入统一处理架构时，S-MPU才由哲学与架构设想进一步进入工程原型。

这个顺序不能倒过来。

七、数学模型与量化验证：把价值和成本放在同一张表上

AM的价值不能等同于收入，更不能直接等同于资本市场估值。

更合理的顺序是：

投入成本 → 技术能力 → 有效产出 → 可实现经济价值 → 文明级价值空间 → 资本市场估值

其中：

Created Value + Enabled Value + Saved Cost + Avoided Loss

→ Value of Life Re-choice

前四项更多属于手段价值（Instrumental Values），最终指向“生活方式再选择价值（Value of Life Re-choice）”这一目的项。

为了进入MVP比较，可以建立一个开放的实验核算框架：

R_AM =（创造价值 + 赋能价值 + 降本价值 + 避损价值 + 经审慎估计的生活方式再选择增益）／（技术投入 + 能源成本 + 组织成本 + 知识研发与验证成本）

这不是AM的“定律”，只是为了让哲学命题进入实验经济学的一种可修改工具。

与传统系统主要使用FLOPS、Token throughput、FLOPS/Watt不同，AM-MVP至少应同步观察三类有效产出：

Effective Discernment Rate——有效辨识率

它回答：辨识是否真正减少了错误？

Effective Connectivity Rate——有效连接率

它回答：连接是否真正产生了共生效应？

Valuable Mind Generation Rate——有价心智生成率

它回答：系统处理最终是否生成了值得发生的Mind、判断或行动？

还可以进一步探索：

Cost per Valuable Mind Generated（CMV）——单位有价心智生成成本。

它把CPU—GPU—TPU—MPU之间的比较，由FLOPS/Watt推进到：

Cost / Valuable Mind

即为了产生一单位真正有价值的辨识、连接和心智生成，系统总共支付了多少芯片、电力、网络、模型开发、人工纠错、错误损失和组织协调成本。

同一任务可以由传统LLM系统与AM-MVP分别完成，再比较：

能耗；

GPU时间；

延迟；

错误率；

人工纠错；

错误损失；

组织协调成本；

生命状态影响；

信托变化；

最终有效价值。

只有这样的对照实验，才能让“AM是否更加有效”从哲学判断变为工程证据。

八、技术伦理必须进入成本函数

AM的技术伦理不能等系统完成以后再增加一层“伦理限制”。

如果行为方向、责任与后果不进入资源配置过程，技术伦理就始终停留在处理器之外。

欺诈、错误判断、虚假信息、组织失信、重复建设、无效算力、健康损害、生態损耗和成本转嫁，都是真实经济成本。

如果这些成本不被计入，所谓高效率，很可能只是把成本转给别人、下一代或自然。

奖／抑／通因此同时具有心智意义、技术意义与经济意义。

奖：让真正降低生活成本、增加生命能力、改善健康与生態、修复组织信托的行为获得继续生长条件；

抑：提高欺诈、掠夺、伤害、成本转嫁与组织熵增的真实发生成本；

通：让不同主体在边界清楚、责任可追踪的条件下持续连接、互证、修复与生成合作秩序。

GDE及相关指标的意义，也正在于把GDP、算力或总产出之外的生命效能重新带回评价。

一个技术系统健康与否，不能只看它制造多少Gross Output，还要看它为此消耗了多少生命时间、能源、资本、生态、组织信托和未来可能性。

九、技术路径为什么决定资本需求

科技企业的市场估值与基础设施项目的文明价值空间，不是同一个概念。

资本市场估值可以支持融资；融资支付今天的研发、芯片、服务器、网络、人才、试错和市场建设；现实投入又形成新的技术能力；技术能力最终是否创造新的产出和长期价值，则仍然要由实践证明。

于是形成：

未来产出预期 → 支撑今天的融资能力 → 融资支付现实投入 → 投入形成技术能力 → 技术能力接受现实验证 → 才可能形成新的产出与价值

不同技术路径的资本需求可能完全不同。

如果同样的有效心智产出：

路径A需要极大的集中算力；

路径B通过边缘计算和事件驱动减少一个数量级；

路径C进一步通过MPU式架构、分布式Minds和按价值唤醒机制再降低综合投入；

那么三条路线的资本成本、能源约束、扩展速度和社会外部性必然不同。

所以，100万亿美元绝不能被理解为“AM未来要赚100万亿美元”。

它描述的更接近：

Civilizational Value Space——文明级价值空间。

如果AM能够改变AI的能效结构、心智生成方式、组织信托机制和生活方式再选择能力，它影响的是未来数十年人类如何配置智能、能源、健康、教育、金融、治理、组织与生活基础设施的资源。

十、标准化与演化：从一个小MVP到林园共生场

AM最不应该做的，就是一开始宣布自己要建设一个“100万亿美元超级工程”。

那会立即重新掉回“大即先进”“中心越强越现代”的工业时代惯性。

AM应当遵守自己的Small is Beautiful：

先证明一个共生效应；

再证明它可以复制；

再形成互操作协议；

再让独立主体自愿连接；

最后才可能生成MindsField / Network。

所以标准化对象首先不应是一款巨型产品，而应是一组能够让不同主体互操作又保持边界的规则：

AM-MVP测试标准；

Minds-state资料标准；

SIP接口标准；

奖／抑／通协议；

GDE计量标准；

单位有价心智成本；

LIFE—AI—TRUST责任标准；

MPU性能指标；

S-MPU实验判据；

MindsField互操作标准。

“林园共生场”的技术意义就在这里：

所有树木不必属于一家林业公司；

所有模型不必属于一家AI企业；

所有Mind不必接受一个中央心智的统一解释。

不同生命、不同技术、不同企业、不同组织，各自生长，又拥有可以连接、互证、受托、交易、退出和共襄生成的基础设施。

十一、启动：第一笔资本是一项可验证实验

当16+1同时成为技术矩阵、成本矩阵、验证矩阵和价值生成矩阵以后，AM怎样启动反而非常清楚。

第一步不是寻找100万亿美元。

第一步是拿出足以完成一个AM-MVP的资金和组织能力，组成生命科学、AI、芯片、传感、软件、经济学、组织研究与哲学的跨学科团队，用真实数据回答：

投入多少？

产生多少有效辨识？

节省多少能源与算力？

避免多少错误与损失？

降低多少组织成本？

是否改善生命体验？

是否增加组织信托？

是否生成新的生活可能？

只有第一个共生效应被可靠验证，资本才有进一步进入的理由。

第二个、第三个场景能够复制，产业才有进入的理由。

当独立企业、组织和个人发现加入MindsField / Network的价值持续高于孤立运行，真正的网络效应才开始。

当跨层心智处理开始具有可重复、可验证、可比较的工程结果时，S-MPU才真正从“可能世界”迈进一步。

100万亿美元不是AM的起点。

它只可能是无数次可以验证的“1+1>2”共生效应，在科学、工程、经济与组织实践中不断积累以后，逐渐打开的文明级价值空间。

十二、声明：把可能世界交给验证

计算机、AI和互联网兴起以后，曾流行一句很有生命力的话：

“不怕做不到，只怕想不到。”

AM时代仍然需要这种打开可能世界的勇气。

但今天还必须继续追问：

想到了，值不值得做？

做得到，是否值得发生？

技术投入能否生成更大的生命效能、组织信托与生活方式再选择？

因此，AM从哲学构想进入技术现实，不是把哲学包装成技术。

它是把哲学提出的问题交给科学验证，把科学发现的可能性交给工程实现，把工程形成的能力交给经济核算，再把技术、经济和组织运行的现实后果重新交还生命检验。

这也正是：

Artificial Mind → Minds → MindsField / Network → TRUST → AM

进入现实的起点。

这份16+1技术矩阵不把任何待验证假说提前写成既成事实，也不把AM绑死在任何单一设备、企业或技术路线上。

它不是现成技术目录，也不是未来幻想清单。

它试图建立一条可以逐项讨论、逐项实验、逐项投入、逐项核算、逐项证伪、逐项替换，又能够持续生成的新工程脉络：

哲学规定方向

→ 16+1形成开放技术架构

→ 生命启发提供工程问题

→ MPU形成新的心智处理方向

→ S-MPU打开超序架构探索

→ MVP验证共生效应

→ GDE与投入—产出核算价值

→ 奖／抑／通校准运行

→ SIP与Minds-OS实现互操作

→ Minds生成MindsField / Network

→ LIFE—AI—TRUST接受现实检验。

AM由此才可能真正从一种哲学构想，进入科学、工程、经济与生活共同参与的技术现实。

今天并不缺资本、技术和人才，真正稀缺的是一个值得这些资源重新汇聚的方向。AM邀请有心人，从一个可验证的真实问题开始，大家一道把可能世界做成现实。

参考文献（开放）

钱宏：《将AI升格为AM》。

钱宏：《创建AM（愛之智慧孞態网）基础设施蓝皮书》。

钱宏：《MPU六层全域贯通的技术矩阵——AM如何对应并突破AI范式阈值的三大瓶颈与不确定性？》。

钱宏：《TimeWaver作为AM技术支撑的学理与逻辑推导》。

钱宏：《基于MPU设计的AM-MVP呈现形式》相关讨论稿。

Lynn Margulis：有关真核细胞内共生起源与线粒体演化的研究。

Nick Lane, Power, Sex, Suicide: Mitochondria and the Meaning of Life.

Philip Siekevitz, “Powerhouse of the Cell.”

Alessandro Volta, On the Electricity Excited by the Mere Contact of Conducting Substances of Different Kinds.

E. F. Schumacher, Small Is Beautiful.

Michael Polanyi, The Tacit Dimension及相关著作。

Claude E. Shannon：信息论相关研究。

Bayesian–Laplace概率推断与认知更新传统。

Ilya Prigogine：耗散结构与开放系统研究。

Howard Gardner, Five Minds for the Future.

以及neuromorphic computing、edge AI、event-driven computing、multi-agent systems、federated learning、energy-aware AI、AI infrastructure economics等相关研究。