一、引言：叛乱之后的清晨
集体行动打破了旧的认知生产手段集中结构，然后呢？
这是所有结构性变革理论都绕不开的问题，也是历史上最困难的问题。打破一个不义的结构相对容易，历史的张力积累到一定程度，结构会自己裂开。难的是：裂开之后，如何确保新的结构不会重蹈覆辙？
这个问题不是假设性的。它有沉重的历史记录。
二、新主人，旧结构
苏联的教训
财富三部曲第三篇已经详细讨论过苏联的教训，那个教训在此同样适用。
二十世纪最大规模的革命实验以苏联告终。沙俄的资本家和地主被推翻了，财产被"国有化"了。但党的官僚取代了旧资本家，掌握了资源的分配权。他们不需要名义上的所有权，因为他们控制了分配资源的权力本身。苏联没有消除超额持有，它只是把超额持有从私人资本的形式转换为官僚权力的形式。财富的功能没有改变，它依然是控制他人可行集合的变量，只是控制者换了名字。
结构复制风险
苏联揭示的"革命替换了人但不自动替换结构"的风险，在认知生产手段的语境下有其特殊的表现形式。
假设一场社会运动成功打破了当前计算领主对认知生产手段的集中控制。旧的AI巨头被拆分或国有化了，认知佃农获得了更好的条件，被排斥者获得了接入。然后呢？
如果新制度没有在结构上防止再次集中，新的集中会在一代人之内重新涌现。
国有化的异化。认知生产手段被收归国有，但一个新的官僚集团俘获了国家本身，集中只是从私人资本变成了国家官僚权力。国有AI企业的新管理者控制了算力分配、数据访问、模型部署的权力，不需要名义上的所有权。这与苏联的循环入口从"资本"变成"党票"是同构的，认知生产手段的循环入口从"市场"变成了"行政"。
新寡头的涌现。打破旧结构后没有嵌入分散机制，市场逻辑会重新制造集中。即使旧的AI巨头被拆分，规模经济（算力的物理性规模经济、数据飞轮的自我强化）会推动新玩家走向新的集中。一代人之内，新的计算领主会重新涌现，只是名字不同。
国际不对称作力的重新集中。即使一个国家成功在国内分散了认知生产手段，国际力量对比可能重新制造集中。如果一个国家的AI产业被分散削弱，而另一个国家的计算领主继续集中并因此获得能力优势，前者可能在竞争压力下重新走向集中。这是认知生产手段不同于传统财富的维度，它有强烈的地缘政治意涵。
第一篇的诊断是：问题出在认知生产手段的功能性转变机制本身，而非拥有这些手段的具体实体。那么替换实体本身并不足以自动解决问题。你可以拆分每一个当前的AI巨头，但如果新制度允许认知生产手段再次集中到功能性转变区间的深处，新的计算领主会在一代人之内涌现。结构的病不会因为换了一批病人就痊愈。
革命不是终点
革命不是终点。打破旧结构只是第一步，而且不是最难的一步。最难的一步是：如何设计一个新结构，使认知生产手段的再次集中变得困难，使制度俘获的成本高昂，使被剥夺者保留持续干预的能力。
第二篇论证了团结与集体行动是改变结构的必要条件。团结同样是维持新结构的必要条件：制度设计不是一次性工程，而是需要持续维护的结构，而维护的力量，依然是团结。
三、制度设计的核心问题
目标
新制度的目标不是消除AI企业。这既不可能（任何复杂社会都需要认知生产手段的组织与积累机制），也不可取（AI作为认知工具本身不具有非正义性，第一篇论证的非正义发生在功能性转变深入之后）。
目标是：防止认知生产手段从"功能资源"滑向"控制变量"。
更具体地说，新制度需要在三个递进层面上运作：防止认知生产手段的持有深入功能性转变区间，以足够的反俘获机制使跨越阈值的尝试难以成功，并在俘获部分发生时保有自我纠正的能力。
这三层递进（预防、抵抗、纠正）与财富三部曲第三篇的制度设计框架一脉相承。区别只在于：财富三部曲的约束对象是自然人财富与法人财富，本文的约束对象是认知生产手段的三重载体。第一篇已论证，相变在三重载体上各自独立发生，因此约束必须对称覆盖三重——任何只针对单重的约束都难以阻断相变机制本身。
为什么不能只靠税收和反垄断
税收是下游工具。 累进税制是对超额利润的事后调节，在算法租金已经被独占之后才介入。但第一篇论证了制度俘获的自我强化循环：一旦认知生产手段集中到可以影响规则制定的程度，持有者就可以改写税法本身。税收的力度取决于立法机构的意愿，而立法机构可以被俘获。AI企业还有丰富的手段进行利润转移（跨国定价、知识产权许可费、研发抵扣），使名义税率与实际税负之间可以有巨大差距。
传统反垄断不足以应对三重相变。 传统反垄断针对单一维度的市场力量（某个产品市场的份额）。但认知生产手段的相变跨越三重载体，单一维度的反垄断无法覆盖。即使拆分了一个AI巨头的模型业务，它的算力基础设施、数据飞轮、生态绑定可能依然存在，并以新的形式重新制造集中。传统反垄断的"消费者福利标准"（以价格作为主要判断依据）无法捕捉免费推理下的相变——免费服务不提高消费者价格，但它通过收编和数据榨取制造了更深层的依赖。
上游工具改变的是认知生产手段的生成结构（谁在什么条件下获得什么份额的算力、数据、权重），而不仅仅是事后的再分配。三原则框架正是上游工具。
三原则
针对三重载体，新制度需要三原则并行的设计。这里提出的是原则（principles），而非方案菜单（policy menu）。原则是对制度安排的规范性要求，每一种原则可以有多种实现方式。具体方案依赖于经验情境，无法在规范层面一劳永逸地决定；原则从第一篇的诊断中推导而来，其数量由三重载体的互补瓶颈结构决定，而原则下的实现方式是开放的、可比较的、可随情境调整的。
算力原则（Compute Principle）：没有任何单一实体应当控制足以单方面设定认知能力前沿的算力。当算力跨过阈值，它从功能资源变为控制变量，使得持有者能够单方面决定谁能进入赛道。规范要求是：算力控制权必须足够分散，使得任何单一实体无法单方面设定前沿。
实现方式包括但不限于：(a) 公共算力作为公用事业；(b) 算力反垄断与拆分；(c) GPU 税或算力超额利润税，将租金导向公共用途；(d) 算力使用的透明度要求与集中度监测。只要某种安排能够满足"没有任何单一实体单方面设定前沿"的规范要求，它就是算力原则的合法实现。具体选择哪一种，取决于情境。
数据原则（Data Principle）：数据飞轮不应成为单一实体锁死竞争者和用户的机制。当数据积累跨过临界规模，飞轮的自我强化使得缺乏同等用户基础的竞争者无法追赶。规范要求是：数据的控制权与生成贡献应当对应，数据不应被单一实体独占为锁死工具。
实现方式包括但不限于：(a) 数据信托（data trust），由受托人代表数据贡献者管理权益；(b) 公共数据池（public data pool），提供商业飞轮的替代；(c) 数据可携与互操作要求，降低用户锁定；(d) Data Dividend 或数据分红，使数据贡献者获得补偿。
权重原则（Weight Principle）：利用公共数据训练的模型应以某种形式回馈公共。当封闭权重成为生态控制工具，持有者利用了公共数据（互联网爬取语料、公共研究成果、开源社区贡献）却不回馈。规范要求是：利用公共投入的模型产出不应被完全私有化。
实现方式包括但不限于：(a) 权重强制公开；(b) 分层公开（开放微调权、定期发布旧权重、允许独立审计）；(c) AI License 框架（类似于药品专利池的自愿许可机制）；(d) 开源激励（对公开权重的企业给予税收或监管优惠）。
三原则并行，互相支撑。单一原则的改革会被其他原则的违背所对冲（第一篇论证的三重功能性转变互相强化）。只有三原则同时被满足，才能从结构上瓦解集中的自我强化闭环。但三原则之间的权重分配和实现方式选择是开放的——本文不规定"算力原则必须通过公共算力实现"或"权重原则必须通过强制公开实现"，它只规定原则本身。
一个关切是：当算力原则和权重原则在具体政策情境中拉向不同方向时，如何裁决？三原则在规范层面原则上不冲突，因为它们作用于不同的载体（互补瓶颈的三个独立节点）。算力原则管的是算力控制权的分散，权重原则管的是模型产出的公共回馈，作用域不重叠。审稿人可能构造的"冲突"（如"企业通过公开权重换取算力集中豁免"）是政策实施中的交易情境，不是原则层面的规范冲突——原则说的是两个规范要求都应当被满足，而交易提议只满足一个。具体政策实施中的权衡（如"GPU税的税率应当多高"）是经验问题，不需要原则框架提供先验的裁决规则。
四、算力原则的实现
设计思路
算力相变的根源是规模经济：大规模算力集群的单位成本更低，因此天然倾向于集中。要防止算力相变，不能否认规模经济的物理事实，但可以通过制度安排使得算力的控制不被少数实体独占。
公共算力作为公用事业。 类比于公路、电力、水务，前沿算力可以被定性为具有公用事业性质的基础设施。国家或公共实体建设并运营大规模算力集群，以成本价或受规制价格向研究者、初创企业、公共机构开放。这提供了一个计算领主之外的替代选择，使得缺乏资本购买私有算力的主体也能参与前沿模型的训练与研究。
算力反垄断与拆分。 对超过特定市场份额的私有算力提供商执行反垄断，限制任何单一实体控制超过某比例的全国（或全球）算力产能。这不是消灭私有算力，而是防止私有算力集中到功能性转变区间的深处。
算力使用的透明度要求。 要求大型算力提供商公开其算力使用情况（谁在何时租用了多少算力、用于什么目的），使得算力集中度可以被持续监测。这是相变监测（第七节）的数据基础。
历史参照：公共事业监管
算力公共化并非没有历史先例。电力、铁路、电信等具有规模经济特征的基础设施，在不同国家和不同时期都经历过公共化或公用事业监管。
美国电力行业在20世纪初经历了从私人垄断到受规制公用事业的转变。各州成立了公共服务委员会，对电力公司的定价、服务质量、投资计划进行监管。这一模式不完美（规制俘获时有发生），但它使得电力这种具有强烈规模经济的基础设施没有完全沦为私人垄断的工具，而是在受规制的框架下为公众服务。
电信行业提供了另一个参照。许多国家在历史上将电信网络国有化或高度规制，以确保普遍服务（universal service），即使偏远地区的居民也能获得基本的电信服务。普遍服务原则在AI语境下的对应物是普遍认知服务：即使边缘语言社区和低收入群体也能获得基本的AI服务。公共算力可以作为普遍认知服务的物质基础。
五、数据原则的实现
设计思路
数据相变的根源是数据飞轮的自我强化：越多用户→越多数据→越好的模型→越多用户。要防止数据相变，需要切断"数据被单一实体独占飞轮"的机制。
数据信托（data trust）。 建立法律实体（数据信托），由受托人代表数据贡献者（用户）管理数据权益。用户将数据贡献给信托，信托以受托人义务（fiduciary duty）为用户的利益与AI企业谈判数据使用条件、获取数据补偿、监督数据使用。信托不是把数据"还给"用户个人（个人数据在孤立状态下价值很低），而是将分散的数据权益集中为可博弈的集体力量。这与财富三部曲第三篇讨论的"收益权全民化"在精神上同构：保留现有产权框架，但在收益流向层面嵌入集体分配机制。
公共数据池（public data pool）。 建立由公共资金支持的开放数据集（覆盖多语言、多领域），作为商业数据集的替代。任何研究者、初创企业、公共机构都可以使用公共数据池训练模型，从而削弱商业数据飞轮的垄断力量。公共数据池的质量取决于持续的公共投入和社区贡献，它与第二篇第一层级中的数据贡献策略直接对接。
数据可携与互操作要求。 要求AI企业在法律上允许用户将其数据（包括使用历史、偏好反馈、微调数据）以标准格式导出，并在不同平台之间迁移。这降低了用户锁定，使得用户可以"用脚投票"——不是形式上的（第二节已论证形式上的用脚投票在锁定效应下无效），而是实质上的（当数据可以携带时，迁移的成本显著降低）。
历史参照：数据信托的雏形与公共数据池的先例
数据信托目前还是理论雏形与初步实验，但有一些可供参照的先例。
英国的 Open Data Institute（由 Tim Berners-Lee 和 Nigel Shadbolt 创立）一直在推动数据信托的概念，并在医疗、城市治理等领域进行了初步实验。这些实验表明，数据信托在特定领域（如医疗数据）是可行的，但在跨领域、大规模的通用AI数据上，信托的治理结构（谁来当受托人、如何平衡不同贡献者的利益、如何与AI企业谈判）仍然是一个开放的法律设计问题。
公共数据池的先例包括 Common Crawl（开放的网页爬取语料）、Wikipedia（人类编辑的开放知识库）、Common Voice（开放的语音数据集）。这些公共数据池的存在证明了集体贡献可以产生有价值的公共替代品。但它们的规模和质量目前远不及商业AI企业的私有数据——Common Crawl的语料虽然庞大，但其质量和组织程度无法与经过精心清洗和标注的商业数据相比。要使公共数据池成为商业飞轮的真正制衡，需要持续的、制度化的公共投入，而不仅仅是志愿贡献。
六、权重原则的实现
设计思路
权重相变是三重相变中最特殊的一个，因为它的矫正成本最低（第一篇3.3节论证：权重的零边际复制成本使得"公开权重"在技术上几乎无成本）。这一特殊性使得权重原则在政治上最困难（因为它直接威胁计算领主的核心租金来源），但在技术上最可行。
有条件公开化。 核心设计是：要求利用公共数据训练的模型以某种形式公开权重。 这里的"利用公共数据"是关键限定：如果一个模型的训练完全使用私有数据（企业自有的、合法获取的、非公共的数据），那么不要求公开。但如果一个模型的训练使用了公共数据（互联网爬取的公共语料、公共资金支持的研究成果、开源社区贡献的数据集），那么该模型的权重应当以某种形式对公众开放。
这一要求的法理基础是 Murphy 和 Nagel 的论证：财产权是制度产物而非自然权利。AI企业对模型权重的"所有权"不是自然权利，而是法律框架赋予的制度性权利。当这个权利的行使（封闭权重以攫取超额租金）与社会利益（利用公共数据训练的模型应回馈公共）相冲突时，法律框架有权重新界定权利的边界。利用公共数据训练的模型，其权重的封闭不是"保护私有财产"，而是"将公共投入的产出私有化"，这在法理上是可以被挑战的。
公开的形式可以是分层的。完全公开（直接发布权重）是一种形式，但不是唯一形式。可以考虑的中间形式包括：开放微调接口（允许第三方在基座上微调，即使不公开完整权重）、定期发布能力落后N代的旧权重（当前沿模型更新到新一代时，上一代的权重被公开）、权重审计（不公开权重，但允许独立的第三方审计模型的性能、偏见、安全性质）。
公开要求可以"阶梯化"。用于关键公共服务（教育、医疗、法律）的模型，公开要求最高；用于一般商业用途的模型，公开要求较低；用于内部研发的模型，不要求公开。这种阶梯化使得公开要求与模型的社会影响成比例。
历史参照：开源软件与药品强制许可
模型权重公开有两个历史参照，它们各自提供了启发和警示。
开源软件运动。 软件（尤其是其源代码）的边际复制成本同样接近零。开源软件运动（以GNU/Linux、Apache、Firefox为代表）证明了，即使在没有强制要求的情况下，开源也能在软件领域形成与闭源商业软件竞争的生态。开源软件的存在打破了软件领域的完全集中，提供了替代选择。但开源软件的成功并没有消灭闭源商业软件（微软、Oracle依然庞大），它只是提供了一个制衡力量。模型权重公开的目标同样不是消灭闭源模型，而是提供制衡。
开源软件运动也提供了一个警示：开源项目的维护高度依赖志愿劳动和有限资助，其可持续性是一个持续的问题（"维护者倦怠"在开源社区中是普遍现象）。如果模型权重公开后，开源模型的持续改进缺乏制度化的支持，那么开源模型会逐渐落后于有充足资源持续训练的闭源模型，最终失去制衡力量。
药品的强制许可。 药品的分子式公开后（专利到期或强制许可），仿制药可以以远低于原研药的价格生产。这是一个"公开化降低租金"的直接先例。世界贸易组织的TRIPS协定允许成员国在公共健康紧急状态下对药品实施强制许可。这一机制表明，即使在资本主义框架内，当私有知识产权与社会利益严重冲突时，法律可以强制改变知识产权的排他性。
药品强制许可也提供了一个警示，这个警示在 AI 领域有精确的对应物，必须在权重原则的设计中被正面处理。原研药企业经常通过"常青树"策略（evergreening），对药物的微小改进申请新专利，延长实际的专利保护期，来规避强制许可或专利到期。诺华格列卫（Glivec）案是最清晰的先例：诺华为已知化合物伊马替尼的新晶型（β晶型甲磺酸盐）申请专利，以延长对这一抗癌药物的垄断。印度专利局 2006 年驳回该申请，印度最高法院 2013 年维持驳回，依据的是印度专利法第 3(d) 条——一条专门为防止常青化而设计的条款，要求已知物质的新形式必须显示"显著增强的治疗功效"才能获得专利。
AI 领域有结构上完全同构的常青树风险。即使权重原则要求"利用公共数据训练的模型公开权重"，企业可以通过以下方式规避：对模型的每一个微调版本、对齐版本、RLHF 迭代申请新的"版本权"或技术专利，使得虽然旧权重被公开，但实际部署的最新能力版本始终处于封闭状态。或者通过对模型架构、训练方法、数据处理流程的持续专利化，即使权重被公开，也能通过其他环节的知识产权主张维持租金。这与第一篇论证的"三重功能性转变互相强化、打破单一环节被其他环节对冲"同一逻辑。
因此，权重原则的实现必须配套反常青树机制。这一机制的设计可以参照印度专利法第 3(d) 条的精神：已知模型的新版本（微调版、对齐版、迭代版）除非显示出"显著的能力跃升"（而非渐进式改进），否则不构成新的封闭正当性。公开义务应当覆盖实际部署的版本，而非只覆盖已被淘汰的旧版本。定期公开（如"落后 N 代的旧权重公开"）只有在其滞后时间足以使公开版本仍具生态相关性时才有意义——如果公开的总是已被市场淘汰的版本，"公开"就是名义的。
需要承认，"显著能力跃升"的实质标准在AI领域比药品领域的"显著疗效"更难客观化，AI基准测试的高度可操纵性是已知问题。但反常青树机制的核心力量不来自于一个完美的实质标准，而来自于举证责任倒置：企业必须主动证明其新版本有显著改进（而非渐进式迭代），否则不自动获得新的封闭正当性。这与印度专利法第3(d)条的有效性逻辑一致，它的力量在于倒置了举证负担，而非提供了一个无争议的疗效标准。"显著能力跃升"的具体阈值是待解决的开放问题，但举证责任倒置这一程序性机制是可操作的，且足以显著提高常青树规避的成本。
局限与"安全"论述的武器化
权重公开直接威胁计算领主的核心租金来源，会遭遇最强烈的政治抵抗。计算领主会动用第一篇第五节诊断的全部制度俘获通道来抵制公开化：游说（以"保护知识产权"为名反对公开立法）、舆论塑造（以"开源是危险的"为名制造恐慌）、人才俘获（以高薪收买可能推动公开的研究者）。权重的零复制成本使得公开在技术上几乎无成本，但正因为如此，反对公开的力量会完全集中在政治层面。
最有力的反对论述是"安全"："公开前沿模型的权重是危险的，因为恶意行为者可以用它来生成虚假信息、发动网络攻击、制造生物武器"。这一论述有一定真实性（前沿模型确实有被滥用的风险），但它也极容易被武器化：计算领主可以以"安全"为名反对一切公开，即使公开的收益（打破相变、提高 ρARA）远大于风险。
一个识别武器化的逻辑测试：如果一个企业同时主张"权重不能公开（因为安全）"和"我们可以继续商业部署这个模型（因为它是安全的）"，那么它的安全论述存在严重的内在张力——如果模型安全到可以商业部署，它就安全到可以公开权重；如果模型危险到不能公开权重，它就危险到不能商业部署。
这一担忧不是理论推测。Meta 首席 AI 科学家 Yann LeCun 公开指控 OpenAI、Google DeepMind、Anthropic 的领导人煽动 AI 恐惧以推进规制俘获，制造一种"AI 太危险以至于只能由少数受信任的大企业来开发"的叙事，从而为限制开源和小竞争者提供正当性。Sam Altman 2023 年在美国参议院作证时呼吁对前沿模型实施许可制度，被开源倡导者批评为以安全为名制造创业公司和开源社区的市场进入壁垒。据公开报道，OpenAI 和 Anthropic 在 2025 年的游说支出大幅增加。这一实证模式——领先企业同时高调强调安全风险、呼吁提高监管门槛、增加游说投入——与历史上规制俘获的经典模式高度一致。
三原则共同面临的挑战：物质成本高昂（建设和运营前沿算力集群需要巨额投资，全球南方国家可能需要区域性公共算力池）、规模经济的物理约束（公共算力要在规模上达到与最大私有玩家可比的量级才具制衡力）、技术更迭的追赶压力（公共算力一旦建成可能很快在技术上落后）、跨国治理的缺失（一个国家的数据信托或权重公开要求，其博弈对象可能不在该国法律管辖之内）、国际竞争压力下的"单边裁军"困境。这些挑战的共同含义是：单靠一国国内政策不足以瓦解全球性的认知生产手段集中，需要某种国际协调框架，类似于气候谈判中的"共同但有区别的责任"。
七、ρARA 的操作化
第一篇引入的 ρARA 在本文中从规范锚点被操作化为具体的政策工具。它的两个新功能是：政策干预的控制变量，与制度绩效的评估指标。
作为控制变量
ρARA 可以用来评估和排序不同的政策工具：这一政策工具能在多大程度上提高 ρARA？ 数据权益立法通过要求数据补偿提高分子：如果立法要求数据贡献者获得AI企业收入的x%作为补偿，则 ρARA 提高约x个百分点。公共AI基金（由AI企业税收注资）将部分租金导向公共用途：如果对AI企业利润征收y%的税注入公共基金，用于低资源语言支持、公共算力、开源维护，则 ρARA 提高约y个百分点。模型权重公开要求降低分母中被独占的部分，将封闭权重的超额租金置于竞争或公共化之下。算力反垄断直接降低单个领主的租金抽取能力；低资源语言数据配比要求则确保被排斥者至少在数据层面进入分配。
这些工具不必同时实施。ρARA 的价值在于为评估任何单一政策工具提供了统一的度量，使得不同政策之间可以被比较和排序，而不是各自为政。这里的操作化是方向性的——"提高分子则比率提高"在逻辑上是直接的。一个更有分析力的操作化应当能够回答比较静态问题：在不变政策的情况下 ρARA 如何随时间演化？不同政策工具对 ρARA 的边际影响差异如何（数据信托 vs 公共算力 vs 权重公开，哪个边际影响最大）？这些问题要求对AI企业的成本结构、数据估值、租金流向做定量的经验建模，超出了本文作为规范性框架的范围。
作为评估指标
ρARA 还可以作为评估新制度绩效的持续指标。如果新制度成功地防止了认知生产手段的再次相变，ρARA 应该呈现上升趋势（或至少不下降）。如果 ρARA 在新制度下开始下降，这是一个早期预警信号，意味着相变可能正在重新发生，制度的反俘获机制可能正在被侵蚀。
这要求建立 ρARA 的定期测量与公开报告机制。这本身是一个制度设计问题：谁来测量？测量方法如何标准化？数据如何获取（尤其是AI企业不愿公开的内部数据）？一个可能的设计是建立独立的"算法租金审计机构"（类比于财务审计机构），负责定期评估和公开主要AI经济体的 ρARA。这一机构的独立性（不被计算领主俘获）是其有效性的前提——而这又回到了反俘获的核心问题。
不是目标值
需要强调，ρARA 不是一个要求达到 1 的目标。租金完全分配在现实中既不可能也不可取（需要保留对创新和投资的激励）。它是一个方向性的指引：当前的 ρARA 可能过低，提高它是正义的要求；但提高的幅度、速度、工具组合，取决于具体社会的制度禀赋和政治可能性。
一个粗略的国际比较参照：福利国家鼎盛时期（20世纪中后期的北欧），传统经济的"租金再分配率"（通过工资、税收、福利实现的再分配占经济总剩余的比例）可能在0.4-0.6之间。AI经济的 ρARA 如果能从当前的极低水平提升到0.2-0.3的区间，就已经是一个巨大的结构性改善——它意味着至少五分之一到三分之一的算法租金回流给了共同生产者，而非被近乎完全独占。但这只是一个启发性的参照，不是规范性的目标值。规范性的判断标准是罗尔斯式的：分配是否使得最不利者（认知佃农和被排斥者）的利益得到改善。
八、反俘获的悖论
三原则框架连同 ρARA 的操作化，构成了一套防止认知生产手段再次相变的制度框架。但这里必须直面一个核心悖论：任何反俘获机制本身都可能被俘获。
守护者悖论
谁来执行反俘获机制？公共算力的管理者、数据信托的受托人、权重公开要求的监管者、ρARA 的审计者，这些都是"守护者"。他们的职责是防止认知生产手段的再次集中。但守护者自身也是人，他们可能被收买、被胁迫、被俘获。
公共算力的管理者可能被计算领主游说，将公共算力优先分配给与计算领主有合作关系的研究项目，而非真正独立的公共研究。数据信托的受托人可能被AI企业收买，在谈判中做出不利于数据贡献者的让步。权重公开要求的监管者可能被计算领主俘获，以"安全"为名豁免本应公开的模型。ρARA 的审计者可能被施压，低估计算领主的算法租金份额。
反俘获机制的设计不能依赖于"存在一个中立的、不被俘获的执行主体"。这是一个脆弱的前提。现实中，任何执行主体都面临俘获的风险。
一个来自公共事业监管历史的确证案例。美国 1935 年的《公用事业控股公司法》（PUHCA）是反集中制度设计的经典先例。当时约 86% 的运营电力公司属于跨州的控股公司金字塔体系，PUHCA 强制拆分了这些结构，将其限制在单一整合系统内，并置于 SEC 监管之下。这一制度运作了约 70 年，部分成功地遏制了电力行业的过度集中。但 2005 年的《能源政策法》废除了 PUHCA，导致电力和燃气行业的并购活动重新加剧，逆转了数十年的反集中政策。PUHCA 的兴衰是"反集中制度本身被俘获"的教科书级案例：一个曾经有效的反集中制度，在行业持续游说和政治力量重组的压力下，最终被它本应约束的行业废除。
PUHCA 的废除不是一蹴而就的，而是经历了数十年的渐进侵蚀：行业通过持续的游说积累政治影响力，在 1990 年代新自由主义意识形态转向的背景下，"去规制"获得了跨党派的政治正当性，最终在 2005 年的能源立法中被正式废除。PUHCA 的弱点在于它依赖于单一的执行主体（SEC）和单一的法律框架（联邦证券法），一旦这个主体和框架被政治力量俘获，整个制度就失去了守护者。这恰恰支持了下文将论证的多重冗余原则：如果反集中制度不依赖于单一守护者，而是由多个互相独立的执行层共同构成，那么俘获需要同时收买所有层，其成本远高于俘获单一主体。PUHCA 的教训不是"制度必然失败"，而是"单一守护者的制度比多重冗余的制度更容易失败"。
制度的生命周期不因它曾经成功而无限，它可能被废止、掏空，或重新解释为保护既得利益的工具。制度设计争取的不是永久的解决方案，而是时间——为被剥夺者积累组织能力、为社会维持监测意识争取的时间。
一个来自数据治理的确证对照。同样的制度理念可以在不同的治理细节下产生截然不同的结果。芬兰的 Findata（2019 年依《社会健康数据二次使用法》成立）作为一站式数据许可机构，在法定授权、独立机构运作和明确目的清单的治理结构下相对成功，目前在欧洲健康数据空间（EHDS）框架下继续运作。英国的 NHS care.data 计划（2013 年启动）基于相似的集中化数据治理理念，但因公众沟通不力、知情同意机制不足、治理薄弱，导致超过 100 万患者选择退出，计划于 2016 年正式废止。
这一对照对数据原则的实现具有直接含义：数据信托化并非自动奏效，治理细节——法定授权的清晰性、受托人的独立性、公众信任的建构——决定制度的成败。原则的规范性要求（"数据飞轮不应成为锁死机制"）是确定的，但实现这一要求的制度形式必须是情境敏感的。
多重冗余：以结构对抗结构
应对守护者悖论的唯一结构性手段是多重冗余（redundancy）：不依赖于单一的执行主体或单一的反俘获机制，而是建立多个互相独立、互相监督的反俘获层。
算力层的多重冗余：公共算力不只有一个管理者，而是有多个独立的公共算力机构（国家级、州省级、学术联盟级），它们之间互相竞争和监督。一个被俘获，其他的可以作为替代。数据层的多重冗余：数据信托不只有一个，而是有多个代表不同群体（用户、研究者、边缘语言社区）的信托，它们在不同维度上与AI企业博弈。权重层的多重冗余：权重公开不只有一个监管机构执行，而是有法律要求、行政监管、司法审查、独立审计、开源社区的持续压力等多个机制互相补充。ρARA 的多重冗余：算法租金审计不只有一个机构，而是有官方审计机构、学术研究者、公民社会组织的独立估算互相校验。
多重冗余的代价是复杂性和成本。但它是对抗守护者悖论的唯一结构性手段：不寄望于任何一个守护者不被俘获，而是使得俘获需要同时收买足够多的独立主体，从而将俘获的成本提高到难以承受的水平。
这与财富三部曲第三篇引用的《联邦党人文集》第51篇的原则一致："野心必须用野心来对抗"。反俘获不依赖于消灭野心，而是依赖于用野心对抗野心，用多个独立主体的互相制衡，使得任何一个主体的俘获不足以瓦解整个框架。
被剥夺者的持续干预
多重冗余降低了俘获成功的概率，但它不能消除俘获。最终的反俘获力量来自于被剥夺者自身的持续干预。如果认知佃农和被排斥者拥有制度化的参与渠道（对公共算力分配的发言权、对数据信托治理的投票权、对权重公开要求的公民倡议权），那么任何试图俘获反俘获机制的行为都会面临来自被剥夺者的抵抗。
新制度不能仅仅是"为被剥夺者设计"的制度（由精英设计、由精英执行、被剥夺者被动受益），而必须是"被剥夺者参与设计和管理"的制度。被剥夺者的制度化参与，是反俘获框架的最后一道防线。
但这里再次回到第二篇的核心困难：被剥夺者（尤其是认知被排斥者）的组织能力是薄弱的。如果被剥夺者无法有效组织，他们的制度化参与渠道就可能成为形式——名义上有发言权，实际上被更强大的利益集团主导。这构成了一个循环：有效的反俘获需要被剥夺者的组织，被剥夺者的组织需要制度化的空间，制度化的空间需要反俘获框架的保护。这个循环没有起点，它必须从某个不完美的当下开始，逐步积累。
九、历史案例的再检验
公共广播与普遍服务
开源软件和药品强制许可的先例前文已述（六.2节）。这里再补一个参照：公共广播（如英国的BBC、日本的NHK）。公共广播以公共资金（执照费或税收）支持，以公共服务（而非商业利润）为导向，在商业媒体之外提供信息公共品。它的存在使得信息生态不完全是商业化的，公众至少有一个不被广告商和股东利益主导的信息来源。
公共广播证明了：公共资金可以持续支持一种不被商业逻辑完全主导的认知生产。它的局限是：依赖于国家的政治意愿（公共广播的预算经常受到政治压力），独立性需要制度化的保护（BBC的独立性结构是一个复杂的法律和政治设计），在面对全球性商业媒体竞争时可能处于资源劣势。这些经验对公共算力的设计有直接的启发：公共算力需要类似的独立性结构和可持续的资金机制。
电信的普遍服务原则在AI语境下的对应是普遍认知服务：即使在不盈利的语言社区和地区，也要保证基本的AI服务。公共算力可以作为普遍认知服务的物质基础。
药品获取运动：租金再分配的政治先例
药品获取运动（尤其是2000年代的艾滋病药品获取运动）是一个关于打破知识产权垄断的政治先例。当时，抗逆转录病毒药物的高价使得发展中国家的艾滋病患者无法负担。一场全球性的社会运动（患者团体、NGO、发展中国家政府、部分 generics 药企的联盟）推动了药品的强制许可和仿制。抗逆转录病毒治疗的年费用从约 1.2-1.5 万美元降至约 100 美元，使得发展中国家中数以百万计的患者获得了救治。
这一运动的启示是：知识产权的垄断租金是可以被打破的，但这需要跨越国界的社会运动和政治联盟。 单靠市场或单靠国家都不够，需要患者（被剥夺者）、NGO（外部团结者）、发展中国家政府（政治力量）、替代供给者（generics药企/开源模型）的联盟。打破认知生产手段的集中，可能需要类似的跨国联盟——认知佃农、数字权利NGO、全球南方国家、开源社区的联合。
药品获取运动也提供了一个警示：原研药企业通过"常青树"策略（对微小改进申请新专利）持续规避强制许可。AI领域同样可能出现"常青树"——企业通过对模型架构、训练方法、数据处理的持续专利化，即使权重被公开，也能通过其他环节的封闭维持租金。三原则必须互相支撑，不能有任何一个原则的实现被视为"已经解决"。
十、结论：没有终点的维护
苏联的教训是，革命换掉了人，结构却原样保留。既然病因在认知生产手段的相变机制，药方也必须是结构性的。三原则框架——算力原则、数据原则、权重原则——对称覆盖三重互补瓶颈，每一原则的规范性要求是确定的，其下的实现方式是开放且可比较的。ρARA 被操作化为政策控制变量和绩效评估指标。权重原则下配套反常青树机制。然而守护者自身也可能被俘获，多重冗余和被剥夺者的持续干预是反俘获的结构性手段——但永久方案并不存在。
回到行动
这条逻辑链的终点回到了起点：行动。
结构是不义的，改变需要团结，新结构需要持续维护，而维护依然需要团结。
这不是循环论证，这是结构的辩证法。没有一劳永逸的解决方案。第一篇诊断的认知生产手段功能性转变机制不会因为一次制度设计就消失，它会在新结构中以新的形式重新出现。第二篇论证的团结逻辑不会因为新结构的建立就过时，它在新结构中依然需要运作，只是从"打破旧结构"转变为"维护新结构"。
新结构下的团结与旧结构下的团结有实质差异。旧结构下的团结是赤手的，没有制度工具、没有组织经验、没有监测能力。新结构下的团结获得了三样东西：制度工具（合法的监督渠道、法定的参与权、公共算力的问责机制）、组织经验（数据信托和公共算力的运作积累的组织能力）、以及监测能力（ρARA 的定期审计提供的早期预警）。这些差异使得维护新结构的团结不是简单的重复，而是升级——从"打破结构的力量"升级为"维持结构的免疫系统"。
没有终点的维护。没有完成的正义。只有持续的过程：诊断、行动、设计、再诊断、再行动、再设计。
这不是悲观，是诚实。公共算力可能被俘获，数据信托可能被收买，权重公开可能被以"安全"为名规避，ρARA 的审计可能被施压。但公共算力也可能没有被俘获，数据信托也可能坚持运作，权重公开也可能在足够的社会压力下被落实，ρARA 也可能成为被广泛采纳的治理工具。具体走向哪一面，不在理论中决定，在斗争中决定。理论能做的，是为斗争指出一个方向正确的出口。走出出口的路要靠行动者自己走。
结构的正义无法在某一天宣布"完成"，它是每一代人必须重新承担的责任。前两篇论证了为什么必须行动；本文论证了行动之后需要什么。三篇合在一起，最终指向的是一个方向：持续地、集体地、有组织地抵抗认知生产手段的再次集中，持续地、集体地、有组织地提高 ρARA，持续地、集体地、有组织地维护认知基础设施的正义。
这不是选择，是处境——只要认知生产手段的集中机制存在，这个处境就不会改变。