2 · 已有测量体系与本工作的定位

2.1 · 测量单位的本体论地图

已有测量体系可以映射到两个轴上：测量单位（模型、组织、公司、国家或个人）与被测的量（能力、就绪度、产出或影响力）。表 1 展开这幅地图；它使本工作的定位精确化，也使新颖性主张可检验而非修辞。该表支持的主张不是 “不存在相对指数”，而是“单元格（单位 = AI 智原社群，量 = 社会影响力，形式 = 相对 + 居中 + 实时）是空的”。

表 1. 写作时 AI 测量文献中测量单位（行）与被测的量（列）的本体论地图。阴影单元格 = 本系统占据的单元格。

模型层面。诸如 LMArena 的 Elo 之类的成对比较评分把一个分数附加到模型上，并带有一个任意的尺度锚 (Zheng and others, 2023)。被测的量是能力（或群体偏好）；没有组织或集体影响力的概念，尺度在成对意义上是相对的，但在本文此处所用的聚合意义上并不以参考总体为中心。Elo 族在形式上是最接近的亲属（附录 E 比较了两个尺度）；它的分析层面是模型，而模型不是社群。一个作为更大智原组合组成部分的模型，只通过组合级聚合（第 6.5 节）对智原的测量作出贡献；单位从来不是模型本身。 社会/国家层面。诸如 Stanford AI Index (Maslej and others, 2024)、Global AI Index (Tortoise Media, 2024) 与 Government AI Readiness Index (Oxford Insights, 2025) 之类的年度报告按年节奏度量国家或社会。它们具有权威性但速度慢，并且不以创造 AI 的生产性社群作为被测单位。它们对政策的影响是真实且可取的；其粒度是国别的，这对于“哪个社群在改变社会运转方式”这个问题来说是错误的粒度。 公司/榜单层面。公司级追踪器（例如基于算力的前沿训练分析 (Sevilla et al., 2022)）与媒体榜单对组织或个人进行排名；它们是编辑性或研究性产物，而非持续维护的指数。媒体榜单可能很严谨，但它不是测量系统：它没有声明的构成规则、没有守恒定律、没有结算日历、没有审计协议。排名榜与指数之间的差别，正是编辑意见与可重复测量之间的差别。 个人影响力层面。引文式度量，如 h-index (Hirsch, 2005) 与 PageRank (Page et al., 1999)，在一个工件图（引文、网页链接）上量化个人影响力。它们是影响力指数最接近的形式祖先，并继承了影响力度量已有充分记录的累积优势动力学 (Garfield, 1955; Merton, 1968)。它们都没有以作为社群的 AI 智原为目标。两条经验直接迁移进 FA 的设计：(i) 影响力度量表现出路径依赖（马太动力学），因此测量系统必须决定多少惯性是正当的合法的——在这里，FA 的存量维度刻意携带惯性，而实时信号被居中，使讨论可以重排但不能复利；(ii) 一个可分解的影响力度量（h-index 分解为引文桶）远比一个不透明标量易于审计。

2.2 · AI 基准评估的失效作为动机

“能力 $\ne$ 影响力”的最强经验论据不来自理论，而来自基准评估近年来在自身本职工作上失败的记录。我们在此汇集这些失效模式，因为它们是“能力分数是评估管线中可操纵的人造产物、因而不可能充当公众衡量领域所处位置的标尺”这一点的具体证据。 污染。大型公开基准语料在预训练或微调期间经常暴露给模型，因此在泄露的基准上“测量”一个模型测量的是记忆而非能力。MMLU 基准 (Hendrycks et al., 2021) 与 BIG-bench (Srivastava and others, 2023) 的文档显式讨论了污染风险，一项对闭源 LLM 的系统研究发现已发布排行榜普遍存在泄露与评估不当做法 (Balloccu et al., 2024)。Koch 等人 (Koch et al., 2021) 记录了 ML 数据集的复用与再循环生命周期，表明一个最初作为测试项出现的基准条目经常通过下游分叉重新进入训练语料。其后果是一种测量环境：在这种环境中，一个很高的“能力”数字可以在没有真实能力提升的情况下被制造出来——这正是系统前提所警告的古德哈特式失效。 过度优化与奖励破解。即使没有泄露，直接针对代理目标进行优化也会损害目标的有效性：这是奖励过度优化 (Gao et al., 2023)、奖励破解 (Skalse et al., 2022) 与自精炼中的自发奖励破解 (Pan et al., 2024) 的经验内容。其机制是通用的——任何被作为目标的分数都会停止度量底层的量，而成为优化者与评分者之间的谈判筹码——并且它完整地适用于公开 AI 排行榜，因为每个认真的模型开发者都会针对它们优化。 评估者偏差。即使一个干净的基准也需要评分函数，而当评分函数是另一个模型时（LLM-as-a-judge），它带有系统性偏差：自我偏好、位置偏差与价值污染 (Zheng and others, 2023; Wang and others, 2023; Santurkar and others, 2023)。这些不是实现 bug；它们是被要求评判同侪的模型的预期行为，并且与系统第二论证（第 1.2 节）对任何 “哪个更好”评估所预测的价值污染属于同一类别。 失效记录对设计意味着什么。该记录支持贯穿本文的三条设计承诺。(i) 度量难以伪造的东西：影响力度量应当倚重操纵成本高的输入——累积存量、交叉核对的第三方数据、经过核实的事件——并把快速、易于制造的信号当作一个有界的、居中的扰动（第 7.5 节）。(ii) 将来源去平均化：因为任何单一基准都可以被操纵，FA 能力块对七个独立来源取加权平均，并带有制度化的可替换机制（第 6.5 节与第 6.2 节）；没有任何单一基准是决定性的。(iii) 把慢与快分开：污染与过度优化文献在很大程度上是关于快目标被操纵的故事。系统的两分量设计——一个慢的、类存量的、多来源的 FA 锚，与一个快的、居中的、有预算的 RI 信号——就是结构性回应：它使可被操纵的表面积尽可能小。

2.3 · 治理文献中的 AI 行动者

治理文献使用AI 行动者的概念在 AI 系统的生命周期中分配责任：部署者、提供商与开发者角色出现在欧盟 AI 法案 (European Union, 2024)、OECD AI 原则 (Organisation for Economic Co-operation and Development, 2019)、NIST AI 风险管理框架 (National Institute of Standards and Technology, 2023) 与国际 AI 安全报告 (Bengio and others, 2025) 中；对 AI 系统的测量本身也被作为治理机制研究 (Kwa and others, 2025; Shevlane and others, 2023)，针对智能体的监管提案将这一以行动者为中心的路径延伸到自主系统 (Gardhouse et al., 2026; Hacker and Holweg, 2026)。在这一文献中， “行动者”是责任分配的工具，而非测量单位。本系统继承了生命周期框架但反转了其目的：它不再归咎于人，而是测量累积的社会影响力。两种解读互补：治理行动者是智原类中承担责任的实例，而一个需要把责任归于开发者的治理体制，也需要关于该开发者累积足迹的说明。系统不以治理形式提供该说明；它提供测量形式，两者之间的映射留给治理共同体。

2.4 · 金融 AI 股票指数作为形式先例

相对、居中、实时的指数化在金融股票指数中有成熟的形式先例，包括跟踪从事 AI 的公司的行业垂直股票指数（例如，由交易所和指数提供商汇编的 AI 行业指数）。这些指数确立了一个相对的、以中心为锚的、实时的尺度可以被公开运营并因其测量语义而受到信任。本系统借用这一形式但改变了被测的量：股票指数度量市值，即市场对公司的定价；Eins 指数度量 AI 智原的社会影响力。因此新颖性在于组合——测量单位与量——而不在指数形式本身。 这一先例带来三条可迁移的经验，三者均被采纳。第一，相对尺度需要一个显式的、可复现的构成规则和一个显式的再平衡日历；第 10.3 节的结算日历扮演该角色。第二，以中心为锚的尺度（一个不因构成原因而漂移的指数“水平”）需要一条守恒或归一化纪律；第 5.6 节中 RI 的居中就是那条纪律，而第 3.5 节的不回溯规则保持水平历史的可审计性。第三，实时指数需要一个针对完整性事件的暂停/中止机制；系统的暂停–恢复发布协议（第 10.5 节）就是该机制。差异同样重要，并以免责声明的形式陈述（第 13.6 节）：股票指数度量受监管市场中的价格发现；Eins 指数度量一个没有市场机制、也没有监管授权的社会科学构念，形式上的相似不蕴含任何金融地位。

2.5 · 空白定位与诚实的边界

相对度量在模型层面已经存在（成对 Elo）。因此精确的主张不是“首个相对指数”；而是：据我们从可检索的公开信息所知，Eins 指数是第一个针对 AI 智原社会影响力、以贡献者层面单位计量的相对的、居中的、实时的测量尺度。写作时，中英文检索均未浮现出可比较的公开 AI 影响力指数。这一主张带有两条诚实的边界。第一， “检索未发现”不等于“不存在”；该主张刻意保持弱。第二，系统的广度受其来源所限：它度量的是在可核实的公开数据范围内可表达的影响力，而非某种不受限制意义上的影响力。因此“全面”不被主张；被主张的是以可核实公开来源为界的可测社会影响力。 第三条边界是认识论的而非经验的。“首个针对智原的相对、居中、实时影响力尺度”是对组合的主张，而组合主张的强度不超过其最弱组件。相对与实时组件有既定先例（第 2.4 节与第 7.3 节）；居中的守恒纪律与智原单位是先例最少的组件。

返回目录  |  ← 1 · 引言：为什么社会需要可度量的 AI 影响力概念  |  3 · 测量对象：AI 智原与测量场域 →