制度性比例定律：非单调适应度、能力-信任离散与生成式 AI 的共生扩张

经典比例定律将 AI 性能建模为随模型规模单调改进。我们挑战了这一假设，通过推导制度性比例定律，表明制度适应度——综合衡量能力、信任、可负担性和主权——在模型规模上呈非单调关系，存在环境依赖的最优规模 N*(ε)。我们的框架将 Han 等（2025）的可持续性指数从硬件层面扩展至生态系统层面，证明在关键规模处，能力与信任形式上发生离散。我们进一步推导共生扩张校正，表明在特定制度环境中，由领域特定模型组成的协同系统可优于面向通用场景的前沿模型。这些结果置于生成式 AI 从 1943 年至今的正式演化分类学中，涉及前沿实验室动态、主权 AI 的出现，以及从 RLHF 到 GRPO 的后训练对齐演进。制度性比例定律预测，下一阶段的范式转移将由更精细编排的领域特定模型驱动，而非更大的模型。