Digital Representation Does Not Imply Real-World Execution Qualification

A Theoretical Study of Protocol Objects, Governed Execution, and Verifiable Facts

文档类型： PUBLIC RESEARCH PAPER / NON-NORMATIVE / INFORMATIVE
研究主体： 住联科技（深圳）／Kamitu.ai
研究方向： Spatial Granule、Real-Space Execution、Execution Governance、Evidence—QC—Fact Formation

---

摘要

BIM、GIS、数字孪生、物联网、工业互联网、企业信息系统和人工智能已经显著提升了真实世界的数字表达能力。建筑、设备、空间、资产和业务过程可以被建模、编码、关联、感知和分析。然而，数字系统中存在一个对象，并不意味着该对象已经被正确锚定到现实世界，更不意味着它已经具备被人工智能、业务系统或自动化设备执行的资格。

数字表达主要回答对象“是什么”“在哪里”和“具有哪些属性”；真实执行还必须回答对象“是否仍然是同一个对象”“当前状态是否允许执行”“谁拥有授权”“由哪个专业系统实施动作”“结果如何被证明”“失败和撤销如何进入事实记录”。由此可见，Digital Representation与Real Execution之间并不是自然连续关系，而是存在一个由对象身份、边界、状态、能力、授权、安全、专业执行、Evidence和质量控制共同构成的协议缺口。

本文以Spatial Granule（SG，空间颗粒）为核心分析对象，提出“执行资格”概念：只有一个数字对象完成真实对象锚定、跨系统身份连续、边界确认、状态有效性判断、能力声明、治理配置、专业执行绑定、Evidence要求和QC规则配置后，才可以成为真实空间中的可执行协议对象。本文进一步建立执行资格分析模型，区分Digital Object、SG Candidate、Governed Execution Object和Verified Fact Carrier四种状态，论证Intent不等于Command、Command不等于Execution、接口成功不等于物理结果、Evidence不等于QC、QC不等于事实终局结论。

本文认为，人工智能进入真实空间所缺少的，不只是更强的模型、更多的传感器或更多的接口，而是一种能够使数字判断围绕正确真实对象，在组织授权和专业安全边界内形成可验证结果的协议对象体系。SG的理论价值不在于替代BIM、数字孪生、IoT或专业控制系统，而在于补充数字表达与真实执行之间的对象连续、治理执行和事实闭合能力。

关键词： Spatial Granule；真实空间；执行资格；对象身份；AI Agent；执行治理；Evidence；QC；可验证事实

---

Abstract

BIM, GIS, digital twins, the Internet of Things, industrial platforms, enterprise systems, and artificial intelligence have substantially improved the digital representation of real-world spaces and assets. Buildings, equipment, rooms, components, and operational processes can now be modeled, identified, monitored, and analyzed. However, the existence of a digital object does not mean that the corresponding real-world object has been correctly identified, nor does it mean that the object is qualified for execution by an AI agent, a business system, or an automated device.

Digital representation mainly answers what an object is, where it is located, and which attributes it has. Real-world execution requires additional answers: whether the object remains the same across systems and lifecycle stages; whether its current state permits execution; who is authorized to act; which professional system performs the physical action; how the result is evidenced; and how failure, revocation, and supersession are recorded.

This paper examines Spatial Granule (SG) as a protocol object model for governed real-space execution. It introduces the concept of execution qualification: a digital object becomes an executable protocol object only after real-object grounding, persistent identity, explicit boundary definition, valid state resolution, capability declaration, governance configuration, professional-system binding, evidence requirements, and repeatable quality-control rules have been established.

The paper distinguishes digital objects, SG candidates, governed execution objects, and verified fact carriers. It further clarifies that intent is not command, command is not execution, interface success is not physical success, evidence is not quality control, and quality-control output is not automatically a final legal, financial, or audit determination.

The paper argues that the missing foundation for AI entering the physical world is not merely larger models, more sensors, or more interfaces, but a protocol object system that binds digital decisions to the correct real-world objects and governs their transformation into verifiable execution facts.

Keywords: Spatial Granule; real-space execution; execution qualification; object identity; AI agent; execution governance; evidence; quality control; verifiable fact

---

1. 引言

过去数十年的数字化进程，主要围绕“如何把现实世界转化为机器可以处理的表示”展开。

CAD解决图形表达，BIM解决建筑对象和工程信息表达，GIS解决地理位置与空间拓扑，IoT解决状态采集和设备连接，数字孪生解决现实对象与数字模型之间的状态映射，ERP和MES解决业务、生产与资源流程，人工智能进一步获得了识别、预测、推理和规划能力。

这些体系不断提高现实世界的“可见性”。

但是，当数字系统开始从观察、分析和建议走向任务生成、设备调度、流程控制和物理动作时，数字化的基本问题发生了变化：

过去的问题是世界如何被描述；
现在的问题是世界如何被可靠执行。

Kamitu.ai现有SG白皮书已经指出，BIM、GIS、CDE、数字孪生、成本、计划、项目管理、IoT、BMS/EMS和AI可以表达对象、组织信息、分析状态和生成任务，但当数字判断进入真实世界时，系统必须首先回答“现实中到底对谁执行”。

这一问题不能通过增加一个字段、接入一个API或生成一个新的数字模型自动解决。

模型中的房间、BMS中的控制区域、运维系统中的资产、预约系统中的空间、能耗平台中的表计，可能指向同一个真实对象，也可能只是名称相似。一个接口能够访问某设备，也不意味着组织已经授权执行；一个设备返回success，也不能自动证明物理结果达到要求。

因此，本文提出一个基础判断：

数字系统能够描述一个对象，不等于该对象已经具备真实执行资格。

---

2. 研究问题

本文围绕以下五个研究问题展开。

RQ1：数字对象与真实执行对象之间存在哪些本质差异？

一个Digital Object具备几何、属性或数据标识，是否足以支持物理执行？

RQ2：什么条件决定一个对象具备真实执行资格？

执行资格是否只依赖技术接口，还是同时依赖身份、边界、状态、授权、专业能力和事实验证机制？

RQ3：如何保持同一个真实对象跨系统和生命周期连续？

BIM GUID、设备ID、资产编码、传感器ID和任务ID如何共同指向同一现实对象？

RQ4：AI产生的判断如何成为组织上合法、专业上安全的真实执行？

AI的Intent如何经过身份确认、授权、Policy和Safety Gate形成Command？

RQ5：执行结果在什么条件下可以成为可信事实？

日志、照片、设备回执、状态变化、Evidence、QC和DQ之间应如何区分？

---

3. 研究方法与理论范围

本文采用概念分析、协议分层、对象生命周期分析和执行事实链建模方法。

研究基础包括：

1. 对数字对象与真实对象的语义边界分析；

2. 对BIM、GIS、IoT、数字孪生、BMS/EMS、ERP/MES、AI Agent和机器人系统的功能边界比较；

3. 对SG、UID、State、Capability、Authorization、Execution、Evidence、QC和DQ的关系建模；

4. 对成功、失败、拒绝、人工接管、撤销和替代路径的事实连续性分析；

5. 对真实Pilot和第三方复现所需验证条件的分析。

本文属于研究性与说明性文件，不构成正式Core Specification、Schema、Connector或一致性认证。现有SG文件也明确说明，其中的字段、枚举、状态机和示例结构属于说明性Reference Model，正式约束仍需由后续Core Specification、Namespace Policy、Profile Governance和Schema Registry冻结。

---

4. 从数字表示到执行资格

4.1 数字表示解决什么问题

一个典型Digital Object通常包含：

[
D_o = {ID,\ Geometry,\ Attributes,\ Relations,\ Data}
]

它能够回答：

• 对象在数字系统中叫什么；

• 对象具有何种几何形态；

• 对象有哪些属性；

• 对象与哪些其他对象相关；

• 系统采集到了哪些数据。

这些能力是执行的必要基础，但不是充分条件。

4.2 真实执行资格解决什么问题

真实执行资格要求对象进一步具备：

[Q_e =I_d \land B_e \land S_v \land C_a \land G_o \land P_x \land E_v \land Q_c]

其中：

• (I_d)：Identity Continuity，身份连续；

• (B_e)：Explicit Boundary，边界明确；

• (S_v)：Valid State，当前状态有效；

• (C_a)：Declared Capability，能力已声明；

• (G_o)：Governance Ready，治理配置完成；

• (P_x)：Professional Execution Binding，专业执行绑定；

• (E_v)：Evidence Requirement，证据要求明确；

• (Q_c)：Repeatable QC，可重复质量验证。

上述公式是本文提出的分析性表达，并非当前正式规范中的机器校验公式。

只有当这些条件在具体业务和执行场景中成立时，数字对象才具备进入真实执行链的资格。

4.3 执行资格不是永久属性

执行资格具有：

• 场景性；

• 时间性；

• 状态依赖性；

• 授权依赖性；

• 版本依赖性。

一个房间可能具备接受能源优化的执行资格，但不具备接受结构改造的执行资格；一台设备在正常运行状态下允许调整参数，在维护锁定状态下则不允许执行；一个主体可能在特定项目、时间窗口和Capability范围内获得授权，但不能无限期执行其他动作。

因此：

[Execution\ Qualification = f(Object,\ Scenario,\ State,\ Time,\ Authority,\ Rule)]

执行资格不是对象永久拥有的抽象标签，而是特定上下文下的协议状态。

---

5. Spatial Granule：面向执行事实的协议对象

5.1 SG的正式定义

现有SG白皮书将Spatial Granule定义为：

在特定业务和执行场景中，具有稳定身份与明确边界，能够被独立识别、寻址、表达状态、声明能力、接受受治理执行、产生可追溯Evidence并接受QC验证的最小协议对象。

该定义表明，SG不是传统意义上的模型对象，也不是单纯的数据容器。

SG同时具有三种性质：

1. 真实对象锚点：最终指向明确的物理对象、空间范围、系统对象或业务执行对象；

2. 跨系统协议对象：允许外部系统保留自身模型和ID，但围绕同一真实对象建立共同执行入口；

3. 事实承载对象：State、Event、Intent、Authorization、Command、Execution、Evidence、QC、DQ和Responsibility均围绕Target SG组织。

现有文件明确指出，SG不是任何单一系统的原生对象，而是BIM、GIS、成本、施工、控制、机器人和运维系统围绕同一真实对象协作时使用的共同协议入口。

5.2 SG不是把空间切得更细

“Spatial Granule”中的Granule容易被误解为几何最小颗粒。

实际上，SG的最小性是场景相对的协议最小性。

一个对象只有在能够形成以下至少一种独立价值时，才有必要成为独立SG：

• 独立状态价值；

• 独立执行价值；

• 独立验证价值；

• 独立责任价值。

因此，应先确定需要形成什么执行事实，再确定对象边界，而不是先将模型无限拆分。

5.3 SG Candidate与执行资格

一个数字对象进入SG体系，可以分为四个阶段：

阶段	含义
Digital Object	已在某数字系统中被表达
SG Candidate	被提出作为潜在执行对象
Qualified SG	通过身份、边界、运行和事实门
Governed Execution Object	已配置状态、能力、治理、Connector、Evidence与QC

这一过程不是简单的格式转换，而是执行资格审查。

---

6. 对象准入的四道门

6.1 身份门

对象能否跨系统、阶段、组织和名称变化被持续确认？

身份门要防止：

• 同一对象重复注册；

• 不同对象错误合并；

• 系统变更导致历史断裂；

• 名称匹配代替真实身份确认。

6.2 边界门

对象是否具有明确的空间、系统、业务或责任边界？

一个房间在BIM中可能是一个几何空间，在BMS中可能由多个控制分区构成，在物业系统中可能是一个运营单元。SG边界必须根据执行目标和责任结构明确，而不能默认复制某一系统的原生边界。

6.3 运行门

对象是否拥有独立State，或者是否能够独立接受某项Execution？

没有独立运行语义的细小模型元素，不应仅因几何上可拆分而成为SG。

6.4 事实门

对象是否能够产生独立Evidence、接受独立QC或形成明确责任？

无法形成独立事实价值的元素，应当保留为上级SG的属性、组成部分或关系对象。

这四道门已经在SG白皮书中被明确为准入理论的核心结构。

---

7. UID与跨系统身份连续

7.1 多个系统ID不等于一个真实身份

同一个真实设备可能同时具有：

• BIM GUID；

• 设备序列号；

• BMS Point ID；

• ERP Asset Code；

• MES Equipment ID；

• IoT Sensor ID；

• 运维编码。

这些ID是不同系统中的本地标识。

它们可能生命周期不同、管理主体不同、语义不同，也可能随系统迁移而变化。

7.2 Master UID的作用

UID回答的不是“对象具有什么属性”，而是：

如何持续确认它仍然是同一个真实对象？

现有SG体系提出，同一个真实对象原则上只拥有一个Kamitu Master UID，外部系统ID通过版本化映射指向该主身份。

身份连续至少包括：

[Continuity =Object + State + Evidence + Responsibility + Rule]

对象名称可以改变，系统可以替换，生命周期阶段可以转换，但事实链不能静默断裂。

7.3 冲突不能静默覆盖

当两个External ID错误指向同一对象，或同一External ID被映射到多个对象时，系统必须进入：

[
Conflict \rightarrow Review \rightarrow Resolution \rightarrow Versioned\ Update
]

而不能直接覆盖旧记录。

对象被替换后，旧SG应进入REPLACED或RETIRED状态，并保留：

• replaced_by关系；

• 历史State；

• Evidence；

• Responsibility；

• Fact History。

---

8. State与Capability：从对象存在到对象可执行

8.1 State回答当前是否允许执行

State不是单一数值，而应包含：

[State =Value + Source + Time + Version + Confidence]

一个温度值、设备回执或传感器读数不能脱离来源、时间和版本直接被视为可信状态。

必须区分：

• Observed State；

• Derived State；

• Predicted State；

• Declared State；

• Confirmed State。

预测状态不得静默覆盖真实采集状态。

8.2 Capability回答对象能够执行什么

Capability是面向SG的标准化能力声明，不是底层设备命令。

例如：

Room SG
├─ ENTER_READY_STATE
├─ ENTER_ENERGY_SAVING_STATE
└─ CLOSE_FOR_MAINTENANCE

专业设备命令则可能是：

SET_MODE=ECONOMY
TARGET_TEMPERATURE=26
LIGHTING_CIRCUIT_03=OFF

Capability负责统一业务和执行语义，Connector负责将其映射到专业系统命令。

因此：

Capability ≠ Command。

---

9. 从Intent到受治理执行

9.1 Intent不能直接成为Command

AI或业务系统可以产生目标，例如：

“将无人使用的会议室切换到节能状态。”

这是Intent，而不是设备指令。

Intent必须经过：

1. Target SG Resolution；

2. UID确认；

3. State Snapshot；

4. Capability Check；

5. Subject Identity；

6. Authorization Decision；

7. Policy Check；

8. Safety Gate；

9. Command Generation。

现有SG主链同样明确要求自然语言目标必须解析为唯一Target SG/UID，并处理名称歧义、对象失效、版本变化和映射冲突；未通过身份、授权、业务规则、专业规则和安全边界的Intent必须被拒绝或进入人工复核。

9.2 技术可调用不等于业务被授权

执行授权可以表示为：

[A_d =Subject + Target + Capability + Purpose + Scope + Time + State + Policy + Safety]

技术账号拥有写权限，只能说明系统“能够访问”，不能说明它在当前业务场景中“被允许执行”。

因此：

Technical Access ≠ Authorized Use。

9.3 专业系统继续负责真实动作

Kamitu.ai不应绕过PLC、BMS、MES、SCADA、机器人控制器和专业人员。

专业系统继续负责：

• 底层控制；

• 运动控制；

• 工艺逻辑；

• 设备保护；

• 安全联锁。

Kamitu.ai负责：

• 确认正确对象；

• 组织授权与规则；

• 形成标准Command语义；

• 绑定执行结果；

• 组织Evidence和QC；

• 保持事实连续。

---

10. 从接口成功到物理结果

数字系统中最危险的语义放大是：

[
HTTP\ 200
\Rightarrow API\ Success
\Rightarrow Command\ Success
\Rightarrow Physical\ Success
\Rightarrow QC\ PASS
\Rightarrow Fact
]

实际上，每一个箭头都需要独立验证。

可能出现：

• API成功，但Connector没有完成分发；

• Connector成功，但专业系统拒绝；

• 专业系统返回成功，但对象映射错误；

• 动作发生，但State After不符合目标；

• State After符合目标，但Evidence不完整；

• Evidence完整，但QC未通过；

• QC通过，但该结论不自动等于法律或审计终局结论。

因此必须长期保持：

Intent ≠ Command
Command ≠ Execution
Execution Success ≠ QC PASS
Log ≠ Evidence
Evidence ≠ QC
QC ≠ DQ

---

11. Evidence、QC与事实形成

11.1 Evidence回答观察到了什么

有效Evidence至少应包含：

• Target SG / UID；

• Execution ID；

• 来源系统；

• 采集主体或设备；

• 采集时间与生效时间；

• 原始材料；

• 处理过程；

• Provenance；

• 版本；

• 完整性信息；

• Hash或签名。

现有白皮书明确指出，日志可以成为Evidence来源，但日志本身不自动构成有效Evidence。

11.2 QC回答Evidence是否足以支持结论

QC应具有：

• Rule ID；

• Rule Version；

• Input Schema；

• Threshold；

• Calculation Method；

• Manual Review Condition；

• Responsible Subject；

• Result。

QC的关键不是显示一个PASS图标，而是允许第三方在相同输入和规则版本下重复计算。

11.3 Fact回答这次执行是否形成协议事实

一个执行事实可以分析性表示为：

[F_e =Target + State_{before} + Authorization + Execution

• State_{after} + Evidence + QC + Responsibility + Version]

事实不是一句“已完成”，而是一个带对象、时间、责任、证据、规则和版本的结构化记录。

DQ Fact Record可以为运维、审计、履约、数据产品和风险分析提供输入，但不自动等于法律、会计、金融或资产终局判断。

---

12. 为什么失败也必须成为事实

一个只记录成功的系统，记录的不是现实，而是筛选后的叙事。

真实执行必须保留：

• Authorization Rejected；

• UID Conflict；

• State Conflict；

• Connector Offline；

• Command Timeout；

• Partial Execution；

• Evidence Insufficient；

• QC Failed；

• Manual Takeover；

• Fact Revoked；

• Fact Superseded。

失败事实具有五种研究和工程价值：

1. 还原真实运行边界；

2. 区分责任发生在哪一层；

3. 验证Policy和QC是否真正有约束力；

4. 为风险预测和系统优化提供高信息密度样本；

5. 保持整改、复验、撤销和替代的完整历史。

现有Pilot框架已经明确要求保留上述失败路径，并指出页面、Mock、HTTP 200、数据库记录、设备接口success或演示视频均不能替代真实现场闭环。

---

13. 与现有数字体系的关系

体系	主要能力	执行资格层仍需补充
BIM	几何、构造和工程信息	对象身份、状态、能力、授权、Evidence与QC
GIS	位置和空间拓扑	对象运行语义与执行结果
IoT	连接、遥测和告警	数据所属对象及事实语义
BMS/EMS	楼宇与能源专业控制	跨系统身份、组织授权与结果验证
ERP/MES	订单、物料、计划与生产	任务与真实对象、现场结果的连续关系
数字孪生	映射、监测、模拟与预测	Intent如何进入受治理执行
AI Agent	推理、规划和工具调用	Target SG、授权、安全和事实反馈
机器人系统	感知、定位、路径与运动	对哪个对象执行、是否授权、结果如何证明

SG的定位是：

不是替代，而是补层；
不是直接控制，而是受治理地接入。

这一定位与当前SG白皮书对既有系统的关系说明一致。

---

14. 从模型可读到真实世界可验证

AI可以把图像、点云、光谱、波形、遥测和轨迹编码为Feature、Embedding或Token。

但：

Raw Signal ≠ Real Object
Token ≠ Object Identity
Observation ≠ State
Signal ≠ Evidence
Correlation ≠ Execution Fact

Tokenization解决模型如何处理数据。

SG/UID Grounding解决：

这些数据究竟属于哪个真实对象、对象版本、项目、站点和执行上下文。

现有SG研究已经明确提出，模型能够读取数据不等于模型已经读懂世界；只有当数据被锚定到明确SG、状态、时间、关系和执行事实中，模型才开始理解真实世界如何运行。

因此，AI进入真实空间的上游语义链应为：

[
Raw\ Signal
\rightarrow Measurement
\rightarrow Observation
\rightarrow State/Event
\rightarrow Evidence
\rightarrow Execution\ Fact
]

不能把相关性、多模态一致或模型高置信度直接升级为因果执行事实。

---

15. 执行资格的分级模型

本文提出研究性执行资格等级 EQM-0—EQM-6。

等级	名称	最低条件
EQM-0	Represented Object	对象仅被建模或记录
EQM-1	Grounded Object	已锚定明确真实对象
EQM-2	Identity-Continuous Object	已建立跨系统身份连续
EQM-3	Runtime-Qualified Object	具备State和Capability
EQM-4	Governed Execution Object	已配置授权、Policy、Safety与Connector
EQM-5	Verifiable Execution Object	已定义Evidence和可重复QC
EQM-6	Fact-Forming Object	能形成成功、失败、撤销和替代事实

该分级是本文提出的分析框架，不是Kamitu.ai当前正式认证等级。

它可用于研究和比较：

• 一个BIM对象是否已经进入执行段；

• 一个数字孪生是否仅做状态展示；

• 一个AI Agent是否真正进入受治理执行；

• 一个Pilot是否形成了完整执行事实。

---

16. 研究命题

本文形成以下基础命题。

P1：Representation Insufficiency

数字表示是执行的必要条件，但不是充分条件。

[
Representation \nRightarrow Execution\ Qualification
]

P2：Object-First Principle

真实执行的第一步不是调用接口，而是确认正确真实对象。

P3：Identity Continuity

没有跨系统、跨版本和跨生命周期身份连续，就没有可靠事实连续。

P4：Governance Precedence

AI的智能能力不能替代组织授权、专业规则和安全边界。

P5：Professional Execution

协议层不能替代专业系统对底层控制、工艺和安全的责任。

P6：Evidence Separation

日志、信号、观测、Evidence、QC和Fact必须保持语义分层。

P7：Failure Completeness

失败、拒绝、部分完成、人工接管、撤销和替代是执行事实体系不可缺少的组成部分。

P8：Independent Verifiability

真正的协议能力必须允许第三方根据相同Evidence和QC规则复核结论。

---

17. 验证框架

本文提出四类验证。

17.1 对象验证

验证：

• Target SG是否正确；

• UID映射是否唯一；

• 边界是否清晰；

• 生命周期版本是否有效。

17.2 治理验证

验证：

• Subject身份；

• 授权范围；

• 时间窗口；

• State Condition；

• Policy；

• Safety；

• Revocation。

17.3 执行验证

验证：

• Command是否正确生成；

• Connector是否正确映射；

• 专业系统是否真实执行；

• Result Event是否与State After一致。

17.4 事实验证

验证：

• Evidence是否完整；

• Provenance是否可追溯；

• QC能否重复；

• Failure是否被保留；

• DQ是否可撤销和替代；

• 第三方是否可以独立复算。

当前SG体系在Definition层已经形成较完整研究框架，但Formal Model、Schema Validation、Integration、Real System和Evidence/QC仍需逐项验证。

---

18. 对学术研究的意义

18.1 对数字孪生研究

研究重点可从“现实如何被映射”进一步扩展到：

映射结果如何进入组织授权和真实执行。

18.2 对AI Agent研究

Agent能力评估不能只包含任务成功率，还应包括：

• 对象解析准确率；

• 授权符合率；

• 安全阻断正确率；

• Evidence完整率；

• 失败路径处理能力；

• 事实复核能力。

18.3 对具身智能与机器人研究

对象Grounding不仅是视觉定位问题，还包括：

• 对象身份；

• 组织责任；

• 可执行Capability；

• 安全边界；

• 结果Evidence。

18.4 对信息系统研究

信息系统不应只记录业务状态，还应研究：

• 业务声明如何对应物理动作；

• 不同系统ID如何保持事实连续；

• 数字流程和真实结果如何闭合。

18.5 对标准化研究

未来标准竞争不只围绕数据格式，还会围绕：

• 对象资格；

• 身份连续；

• 授权语义；

• 执行边界；

• Evidence要求；

• QC重复性；

• 事实版本机制。

---

19. 对企业和机构治理的意义

执行资格模型可以帮助企业区分五种常被混淆的状态：

声明	实际含义
系统已接入	只证明技术连接
对象已建模	只证明数字表示
Agent可调用	只证明工具可访问
设备返回成功	只证明某技术回执
执行事实成立	需要对象、授权、动作、Evidence和QC共同支持

这可以降低：

• 跨系统对象错误；

• AI越权执行；

• 接口成功冒充物理成功；

• Evidence补造；

• 责任争议；

• 项目“页面闭环、现场断链”。

---

20. 局限与后续工作

本文仍存在以下限制。

第一，执行资格公式属于分析模型，尚未转换为正式机器校验Schema。

第二，SG与不同行业对象模型之间仍需通过Building、Construction、Energy、Manufacturing和Robot Profile进行验证。

第三，UID跨组织治理、Namespace、权利边界和身份冲突解决仍需要正式规则。

第四，Evidence与QC在不同行业中的充分性条件不同，不应由单一通用模板覆盖。

第五，目前理论需要通过真实Connector、真实专业系统、失败注入、Site Acceptance和第三方复现进一步检验。

后续研究重点应包括：

1. Core Specification；

2. JSON Schema与RDF/OWL Ontology；

3. Namespace与Version Policy；

4. Authorization Policy Model；

5. Connector Interface；

6. Evidence Manifest；

7. QC Rule Schema；

8. DQ Fact Ledger；

9. Conformance Test Suite；

10. Independent Implementation。

---

21. 结论

数字系统能够描述一个对象，不等于该对象已经具备真实执行资格。

数字表示可以使对象被看见、计算和分析，但真实执行还要求：

对象正确、身份连续、边界明确、状态有效、能力已声明、授权成立、安全通过、专业系统执行、Evidence完整、QC可重复。

因此，Digital Representation与Real Execution之间并不是简单的技术接口关系，而是一条对象、治理、执行和事实共同构成的协议链。

Spatial Granule的研究价值，在于提出一种面向执行事实的协议对象模型。它不要求BIM、数字孪生、IoT、AI Agent和专业控制系统放弃自身对象模型，而是使这些系统能够围绕同一个真实对象形成：

[Object\rightarrow Identity\rightarrow Governance\rightarrow Execution\rightarrow Evidence\rightarrow QC\rightarrow Fact]

Kamitu.ai之所以存在，不是因为现实世界缺少更多数字模型，而是因为数字模型进入真实行动之前，仍然缺少一套能够回答以下问题的共同协议：

对谁执行？
谁允许执行？
由谁专业执行？
如何证明执行？
如何形成事实？
如何记录失败和修正历史？

最终，Kamitu.ai关注的不是让数字世界更像现实，而是：

让数字系统围绕正确真实对象，在治理、安全和责任边界内参与现实，并使每一次执行都能够被验证、复核和负责。

---

参考文件

1. 住联科技（深圳）／Kamitu.ai. Kamitu.ai Spatial Granule White Paper V1.0. KAMITU-SG-01-WHITEPAPER-V1.0，REVIEW / INTERNAL MASTER。

2. Kamitu.ai. Spatial Granule Admission and Granularity Theory.

3. Kamitu.ai. Spatial Granule Ontology and Object Theory.

4. Kamitu.ai. Execution Governance Research.

5. Kamitu.ai. World Data Grounding and Observation Semantics.

6. Kamitu.ai. Digital Building Execution Segment Theory.

---

论文引用信息

中文建议引用：

住联科技（深圳）／Kamitu.ai：《数字系统能够描述一个对象，不等于该对象已经具备真实执行资格——从数字表达、协议对象到受治理执行事实的理论研究》，Kamitu.ai Public Research Paper，2026。

英文建议引用：

Kamitu.ai. Digital Representation Does Not Imply Real-World Execution Qualification: A Theoretical Study of Protocol Objects, Governed Execution, and Verifiable Facts. Kamitu.ai Public Research Paper, 2026.