它们的关系

SAPA 和 Gale-Shapley 是 互补的，而非竞争的：

• SAPA 详尽计算所有可能的双边收购——适用于探索"如果国家 X 针对国家 Y 会怎样？"
• Gale-Shapley 识别稳定的联盟匹配——适用于理解"谁实际上会与谁组队，以及何时？"
• 高 SAPA 得分（例如，中国 → 台湾 60.8%）可能出现在 Gale-Shapley 中作为联盟情景（例如，中国 + 俄罗斯 → 台湾，阶段 2）
• 该 交易浏览器 显示两者：SAPA 双边可行性 + Gale-Shapley 的相关联盟匹配

方法论说明：解读可行性得分

可行性 % 得分是综合指数，非校准概率。 60% 的得分并不意味着"收购发生的概率为 60%"。相反，它代表了战略动机（资源、邻近性、要道）、胁迫可行性（军事能力比率）和阻碍约束（联盟、距离、经济规模）的加权组合。

如何解读： 可行性得分是用于比较对的相对排名。60% 的得分意味着"强烈的战略兴趣且具有可行的执行路径"——而非"10 次中有 6 次会发生"。尚未针对实际收购尝试进行历史验证；请将这些视为探索性指数，而非预测概率。

公式

基础工业价值 = 有效_GDP × 有效_倍数 × 调整_乘数

这遵循企业并购先例，其中工业国家以 5-15 倍 EBITDA 交易。基础倍数 10 倍根据治理质量、制裁和货币稳定性进行调整：

• 治理乘数： 0.70×（脆弱国家）至 1.30×（强大制度）——基于 World Bank WGI
• 制裁折扣： -15%（VEN）至 -40%（PRK），适用于 18 个受制裁实体
• 货币稳定性： 0.40×（恶性通货膨胀）至 1.05×（储备货币）
• 影子经济： 增加非正规经济价值（-50% 至 +55% 的 GDP）

示例：

• 美国： GDP $27.3T × 10.0 × 1.25（强大治理）× 1.05（储备货币）= 约$358T 工业价值
• 俄罗斯： GDP $2.07T × 10.0 × 0.85（治理）× 0.70（制裁/货币）= 约$12.3T 工业价值
• 尼日利亚： GDP $0.44T × 10.0 × 0.80 × 1.35（影子经济）= 约$4.8T 工业价值

方法论：HCI-生产力方法

我们使用 World Bank 人力资本指数（HCI）结合实际生产力数据计算终身劳动价值：

其中：

• 劳动人口 = 总人口 × 劳动年龄百分比（15-64）
• 人均_工人_GDP = 国家特定实际生产力（$650 至 $185,000）
• 劳动份额 = GDP 中分配给劳动的部分（0.25 至 0.60）
• 工作年限 = 40 年职业生涯持续时间，用于 NPV
• HCI² = 人力资本指数平方（质量乘数）

为何使用 HCI-生产力（而非 Jorgenson-Fraumeni）：

• J-F 需要微观数据（按年龄/性别/教育的收入），仅适用于约 20 个 OECD 国家
• 全球估值模型需要 95%+ 的覆盖率，而非 15%
• HCI 是 World Bank 同行评审数据，覆盖 174 个国家
• 使用 实际 人均工人 GDP，而非理论估计

额外调整：

• 数字生产力乘数： 基于互联网普及率
  • 公式： 如果普及率 ≥ 50%：1.0 + (普及率 - 0.50)；如果 < 50%：1.0 - (0.50 - 普及率) × 0.5
  • 范围： 0.75x（0% 互联网）至 1.5x（100% 互联网）
• 人力资本韧性： 95% 保留（自愿）至 40% 保留（敌对征服）
• 人口-气候负担： 当气候成本超过生产力时，降低 HC

分层储量估值

取代简单的"储量 × 商品价格"，采用现实的提取经济学：

真实示例：玻利维亚锂

• 储量：300 万吨（已探明储量；总资源量 2100 万吨）
• 市场价格：$15,000/吨
• 简单计算：3M × $15K × 0.40 = $18B
• 严谨计算：3M × $15K × 0.25 利润率 × 0.60 概率 × 0.30 政治折扣 = $810M
• 影响：因政治约束和执行风险调整 -95%

量化战略价值

• 要道： 年通行费收入 × 15 年 NPV
  • 苏伊士运河：$6.5B 年通行费 × 15 = $97.5B 战略价值
  • 巴拿马运河：$4.0B 年 × 15 = $60B
  • 马六甲海峡：约 $200B 过境价值，由新加坡控制
• 前沿基地： 力量投射价值 - 运营成本
• 争议领土： （资源价值 + 杠杆）× (1 - 争议概率)
• AI 基础设施溢价： AI 领导力的战略乘数
  • 应用： 为具有主导 AI 定位的国家增加 3-25% 的战略溢价至企业价值
  • 因素： AI 投资集中度、数字基础设施控制（数据中心、半导体）、科技部门实力
  • 溢价乘数：
    • 美国：+20%（主导生态系统：NVIDIA、Google、OpenAI）
    • 中国：+15%（重大国家投资、基础设施快速扩展）
    • 英国、台湾：+8%（DeepMind/AI 人才、TSMC 半导体主导）
    • 加拿大、以色列：+6-7%（多伦多/蒙特利尔 AI 中心、初创企业集中）
    • 新加坡、韩国：+5%（区域 AI 中心、三星芯片）
    • 日本：+4%（半导体、机器人）
    • 法国、德国、澳大利亚：+3%（欧洲 AI 领导力）
    • 荷兰、印度：+2%（ASML 芯片、IT 服务）
    • 其他：无溢价
  • 理由： AI 基础设施现在与军事能力或自然资源一样具有战略重要性。控制半导体供应链、数据中心网络和人才集中度提供了地缘政治杠杆

债权人集中度问题

$56B 中国持有的债务与 $56B 分散的私人债务具有不同的杠杆风险。

我们计算名义债务占 GDP 的百分比，然后使用债权人集中度（HHI 指数）调整对买家的有效债务负担：

债务调整过程

工作原理：

• 计算 HHI（Herfindahl-Hirschman 指数）的债权人集中度，从 0（完全分散）到 1.0（单一债权人）
• 更高的 HHI 意味着更少的债权人持有更多债务 = 对买家的杠杆更高
• 杠杆乘数通常范围从 0.95× 到 1.25× 名义债务
• 中国主导的债务（>40%）和 IMF 条件性创造了战略约束

示例：美国 vs 中国

• 美国： HHI = 0.345（分散），杠杆因子 ≈ 1.0×，风险得分 20.7/100（低）
• 中国： HHI = 0.738（集中），杠杆因子 ≈ 1.2×，风险得分 44.3/100（中等）

收购的隐藏成本

关键的是，环境清理成本不能被新所有者拒绝，并代表真实负债：

• 碳义务： 高排放国家面临未来碳税/赔偿
• 污染场地： 棕地、采矿场地、核设施需要清理
• 水债务： 含水层枯竭、河流污染义务
• 森林砍伐： 根据国际协议进行的重新造林承诺

影响： 环境负债根据工业化水平和气候承诺，将净估值降低2-15%。

动态气候负债计算

我们使用动态ND-GAIN数据替代静态气候脆弱性表来计算气候适应成本：

ND-GAIN指标：

• 脆弱性（0-1）： 暴露于气候灾害、对影响的敏感性以及对气候敏感部门的依赖
• 准备度（0-1）： 适应气候变化的经济、治理和社会准备度

淡水作为战略资产

水是21世纪的战略资源。拥有丰富淡水资源的国家获得估值溢价：

气候赢家与输家

气候变化在农业潜力方面创造了赢家和输家。我们根据IPCC预测调整土地价值：

气候脆弱目标的BATNA减少

面临气候崩溃的国家谈判杠杆降低（BATNA - 最佳替代谈判协议较弱）：

绝望阈值：

• < 0.3（稳定）： 无折扣 - 目标保留全部谈判杠杆
• 0.3-0.5（紧张）： 最小折扣 - 一些气候压力
• 0.5-0.8（脆弱）： 部分折扣（最高25%） - 显著压力
• > 0.8（绝望）： 全额40%折扣 - 生存威胁，愿意接受不利条款

世界银行Groundswell 2050预测

气候变化驱动人力资本重新分配，独立于收购情景。世界银行预测到2050年有2.16亿内部气候移民。模型根据这些预测迁移模式调整人力资本值：

区域预测

移民压力因素

• ND-GAIN脆弱性： 40%权重 - 气候暴露和敏感性
• 低准备度： 30%权重 - 无法适应气候变化
• 气候绝望： 30%权重 - 生存威胁水平
• 区域因子： 世界银行Groundswell来源区域的1.5倍乘数

移民吸引力因素

• 目的地得分： 70%权重 - 移民基础设施、政策开放性、历史联系
• 气候稳定性： 30%权重 - 低脆弱性 + 高准备度

三种整合情景

成本驱动因素：

• 军事占领：100-1000亿美元（取决于抵抗程度）
• 制度改造：50-300亿美元
• 冲突后基础设施修复：200-800亿美元
• 政治稳定（2-5年）：每年20-100亿美元

自愿合作

价值 = 资产 - 低整合成本 - 负债

假设协商转移且抵抗最小。整合遵循民主合法性。由于收购摩擦最低，估值最高。

争议转移

价值 = 资产 × 制度乘数 - 中等整合成本 - 债权人调整后负债

最现实情景。一些国内/国际抵抗，但转移在5-10年内协商完成。中等估值。

敌对收购

价值 = 资产 × 人力资本韧性 - 高整合成本 - 负债 × (1 + 执行成本)

强制收购伴随显著资本外逃。买方必须无限期维持占领。由于收购成本最高且人力资本韧性低，估值最低。

风险得分公式（详细）

风险得分解释：

• 0-35： 高自主性 - 债权人多元化，买方控制整合
• 36-55： 中等自主性 - 适度集中，需要债权人谈判
• 56-70： 低自主性 - 高度集中，债权人卡特尔控制条款
• 71-100： 极低自主性 - 极端集中，买方严重受限

人力资本韧性

在敌对收购中，熟练工人外逃。我们将其量化为保留的人力资本价值百分比：

联盟成员溢价与转移风险

联盟成员资格通过贸易准入、安全保障和协调效益创造可量化的国内生产总值溢价。这些溢价是 有条件的——它们转移给友好买方，但在敌对收购中消失。

关键洞察： 在敌对收购中，联盟成员资格通常被 撤销，因此买方不会继承这些利益。制裁和驱逐通常随之而来，创造“搁浅联盟价值”。

西方联盟

欧亚与非西方安全集团

区域经济共同体

非洲区域集团

整合摩擦公式

意识形态通过连续乘数调节基础联盟衍生摩擦（0.0 / 0.10 / 0.30）：

调节器范围（0.70–1.15）有意不对称：高对齐可以显著减少摩擦，但意识形态对立本身不能创造比地理和军事障碍已施加的更多摩擦。

复合对齐得分（-1.0至+1.0）

七个加权信号组合成每个买方-目标对的单一对齐得分：

38种意识形态类型，两两评分（0.0–1.0）

兼容性矩阵衡量 观察到的历史互动模式 意识形态家族之间——而非对政治体系的规范性判断。分数反映有记录的协作、冲突和制度兼容性：

• 高兼容性（0.7–1.0）： 自由民主国家配对（美国–英国），逊尼派团结集团（沙特–巴基斯坦），威权主义对齐（俄罗斯–中国）
• 中等兼容性（0.3–0.7）： 混合政体配对，尽管意识形态距离存在务实合作
• 低兼容性（0.0–0.3）： 意识形态对手（美国–伊朗），神权–世俗不匹配

矩阵从18×18扩展到38×38，以捕捉在地缘政治上重要的次级教派区别（逊尼派 vs 什叶派，新教 vs 天主教）。

25个联盟，166个国家

不同于传统安全联盟（北约、集体安全条约组织），意识形态驱动联盟反映共享的文明、宗教或治理亲和力。这些创造了潜在的整合路径，即使没有正式军事条约也能减少摩擦：

• 宗教集团： 伊斯兰合作组织（57个成员），阿拉伯联盟（22个），佛教合作网络
• 治理集团： 五眼联盟（5个），欧盟（27个），金砖国家+（扩展成员），海湾合作委员会（6个）
• 区域认同： 非洲联盟（55个），东盟（10个），太平洋岛屿论坛（18个）

联盟重叠采用对数加权以避免过度计数共享多个联盟的配对——第5个共享联盟的边际整合效益小于第1个。

102个地缘政治事件（1792年至今）

历史事件数据集根据现实世界结果验证意识形态对齐分数。每个事件都标记有参与国家的意识形态对齐、互动是合作性还是冲突性，以及观察到的结果：

• 合作性事件： 条约签署、联盟形成、和平统一、经济联盟
• 冲突性事件： 入侵、代理人战争、制裁运动、意识形态遏制

这些事件作为校准对齐公式的基础事实——具有高合作历史的配对获得正修正，具有冲突历史的配对获得负修正。

意识形态如何改变收购可行性

意识形态作为 调节器，而非驱动力 ——它在SAPA内调整整合摩擦项，但不覆盖战略冲动或胁迫可行性：

方法论说明：可观察模式，非规范性判断

所有意识形态评分反映 有记录的历史模式 ——具有给定意识形态特征的国家实际如何互动——而非对政治体系或宗教的价值判断。威权国家之间的高兼容性（例如，俄罗斯–中国）反映观察到的协调，而非认可。神权与世俗国家之间的低兼容性反映有记录的摩擦，而非文化等级。

宗教人口数据使用标准学术分类（皮尤研究中心分类法）。次级教派分裂（逊尼派/什叶派，新教/天主教）仅在地缘政治上重要且有定量证据支持时包含。

提升指数

衡量领土生产与居民收入之间的差距

概念框架基于幻影资本和资本主权理论。引用：Poliks, M., & Trillo, R. A. (2025)。 外资本主义：绝对无限制的经济体。Becoming Press。

公式： ((GDP - GNI) / GDP) × 100

提升指数衡量一国GDP中代表 资本流经领土但未累积为居民收入的比例。它揭示：

提升指数如何调整我们的定价模型

提升指数直接通过GDP质量调整修改主权估值的 工业价值（GDP） 组成部分：

• 幻影GDP折扣： 高正提升指数（>10%）对GDP价值应用15%折扣——认识到幻影资本在敌对情景或政策变化中可能蒸发。中等正提升应用按比例5-10%折扣。
• 债权人溢价提升： 负提升指数应用最高15%提升——认识到居民在国外赚取收入提供替代收入流和政权更迭期间的地缘政治韧性。
• 整合挑战： 收购高幻影GDP（正提升）国家需要维持投资者信心或用国内投资替代流失的资本流。估值折扣反映此风险。
• 政权更迭优势： 在敌对情景中，幻影GDP通常完全蒸发；债权人溢价提供独立于地缘政治地位的基础收入。

定价示例

• 爱尔兰（+23.35%）： GDP减少约9%，由于中等幻影GDP负担。反映约四分之一爱尔兰GDP是外国资本流经。
• 卢森堡（+30.32%）： GDP减少15%（最大折扣）。全球金融中极端幻影GDP集中。
• 日本（-21.68%）： GDP提升约15%以增强债权人实力。日本居民的海外收入提供4000亿美元+年度缓冲，独立于国内条件。
• 美国（-1.08%）： 轻微债权人提升（约1%）来自海外收入。反映平衡经济，具有适度的外国收入优势。

来源：Brand Finance全球软实力指数

衡量内容： 一国声誉、文化影响力、外交网络和制度声望的经济价值。软实力影响吸引投资、人才、贸易关系和联盟可信度的能力。

示例价值（2024）：

• 美国： $26.0T 国家品牌价值（分数：74.8）
• 中国： $10.2T （分数：63.2）
• 英国： $5.4T （分数：66.5）
• 德国： $4.9T （分数：62.7）
• 日本： $4.2T （分数：62.5）

Brand Finance应用ISO 10668估值方法评估国家品牌，将国家视为具有可量化声誉价值的“品牌”。

来源：World Bank KNOMAD

衡量内容： 与海外公民的经济联系。汇款代表持续的侨民经济参与——一项资产，而不仅仅是收入。我们将年度流资本化以估计侨民网络的“存量价值”。

顶级侨民资产价值：

• 印度： $1.38T 侨民资产
• 墨西哥： $676B 侨民资产
• 菲律宾： $403B 侨民资产
• 中国： $314B 侨民资产
• 埃及： $296B 侨民资产

注：人力资本外流作为负债单独建模（通过人力资本韧性指标）。侨民价值捕捉与海外公民的 积极 经济联系。

来源：和平基金会脆弱国家指数（FSI）

衡量内容： 国家稳定性和韧性。脆弱国家因以下原因资产价值折价：治理风险、冲突潜力、制度衰退和资本外逃风险。FSI捕捉凝聚力、经济、政治和社会维度的12个指标。

极端情况：

• 最脆弱：
  • 索马里：111.3（×0.54）
  • 苏丹：109.3（×0.55）
  • 南苏丹：109.0（×0.55）
• 最稳定：
  • 芬兰：14.3（×0.94）
  • 冰岛：15.2（×0.94）
  • 挪威：22.8（×0.91）

来源：Eurostat Table 29 / OECD Pensions at a Glance

衡量内容： 应计养老金权益占GDP的百分比。这些代表政府向当前和未来退休人员做出的承诺。收购方将继承（或必须拒绝）这些义务。

最高养老金负担（% GDP）：

• 西班牙： 507%的GDP（部分备有资金）
• 奥地利： 442%的GDP
• 意大利： 420%的GDP
• 法国： 390%的GDP
• 日本： 约320%的GDP（严重老龄化）

Eurostat警告： “应计至日养老金权益不适合作为可持续性衡量标准，不应视为政府债务。” 我们应用保守的25%因子以反映此细微差别。

更新的资产/负债公式

影响摘要：

• 软实力： 美国获益 26万亿美元，显著提升总价值
• 海外侨民： 印度获益 1.4万亿美元，菲律宾 4000亿美元以上
• 脆弱性： 索马里损失约46%的基础资产；芬兰保留94%
• 养老金： 西班牙增加约1.7万亿美元负债；美国增加约9000亿美元

主要数据来源

置信水平：

• 高置信度（±5%）： 经合组织国家、透明金融体系（美国、欧盟、日本）
• 中等置信度（±15%）： 报告良好的新兴市场（巴西、印度、墨西哥）
• 低置信度（±30%）： 数据有限的脆弱国家（索马里、叙利亚、委内瑞拉）
• 极低置信度（±50%+）： 冲突地区或非报告国家（朝鲜、部分撒哈拉以南非洲）

已知数据缺口

• 中国债务百分比显示0%： AidData追踪中国对发展中国家的贷款，但由于不透明的融资结构可能低估。主要经济体未正式报告中国持有情况
• IMF百分比普遍较低： IMF参与出现在危机贷款期间。当前数据集反映大多数国家的危机前时期
• 发展中经济体数据： 许多撒哈拉以南和太平洋国家由于缺乏透明度，债权人构成数据不完整
• 私人债权人低估： 机构投资者通过World Bank CRS追踪，但汇总数据可能掩盖真实集中度
• 国家概况与简介： 人口、经济和政治数据来源于CIA World Factbook, World Bank, IMF和Trading Economics。每个国家条目包括 blurb来源s 数组列出该概况使用的具体来源
• 首都照片： 来源于免费库存摄影API（Unsplash, Pexels, Pixabay）。照片是真实世界首都图像（非国旗图像）。当前收藏：67%高质量专业照片（≥150KB）。30%在刷新队列中以替换低质量占位符。季度刷新周期维持≥150KB最低文件大小的质量标准
• 互联网渗透率与数字生产力乘数： 来源于ITU Facts & Figures 2025和World Bank WDI。公式：≥50%渗透率：1.0 + (渗透率 - 0.50)；<50%渗透率：1.0 - (0.50 - 渗透率) × 0.5。基于互联网访问，将人力资本价值乘以0.75倍至1.5倍范围。经验基础：渗透率与GDP增长相关性r=0.87；每增加10%在发展中经济体产生+1.4-1.6% GDP增长
• AI投资与数字基础设施： 覆盖范围限于50多个有显著AI投资的国家。数据来源于Crunchbase（风险投资）、World Bank（资本支出）、政府预算（公共投资）。关键指标：总AI投资（2023-2025）、数据中心容量、GPU/半导体制造能力、AI人才集中度。注意：新兴经济体（印度、越南）快速扩展AI能力；较小国家的数据可能滞后6-12个月
• Lift Index： 衡量领土生产（GDP）与居民收入（GNI）之间的差距。公式：((GDP - GNI) / GDP) × 100。正Lift Index = "幻影GDP"（资本通过但不累积给居民，典型于避税天堂和金融中心）；负Lift Index = "债权人溢价"（居民在国外赚取多于外国人在国内赚取，典型于债权国）。全球均值：1.47%；范围：-21.68%（日本）至+30.32%（卢森堡）。年度更新；数据质量：经合组织±2-3%，发展中市场±5-10%

51 Cases (1776–2023)

数据库包括每个主要的现代领土分离案例，按结果分类：

每个案例记录内容

• Entity name & host nation 在分离时
• 年份 分离或尝试的年份
• 结果： 成功、失败、进行中、吸收
• 机制： 谈判（新加坡）、单方面宣布（科索沃）、战争（孟加拉国）、公投（南苏丹）、崩溃（苏联国家）
• 宿主核状态： 宿主国家在分离时是否拥有核武器。关键发现： 从未有城市在违背核大国意愿的情况下被分离
• 分离时GDP （如可用）：验证经济杠杆评分
• 结构概况： 人口, host nation GDP share, dominant Bratton layer — enables pattern matching to current cities

一个城市相对于其GDP份额持有多少战略价值？

Lambda measures whether a city "punches above its weight" — holding more strategic value than its share of national GDP would suggest.

其中 adjusted_city_valuation_share 是五个维度的加权组合：

解读：

• λ < 1.0: 城市贡献的战略价值低于其GDP份额所暗示（“乘客型”）
• λ = 1.0: 城市的战略价值与其GDP成比例（“基准型”）
• λ 1.0–1.5: 城市超出其权重（“杠杆型”）
• λ 1.5–2.0: 城市持有不成比例的战略价值（“分离候选型”）
• λ > 2.0: 城市是东道国的主要战略资产（“核心资产型”）

上限： λ capped at 3.0. City-states (Singapore, Luxembourg, Hong Kong) are calibration cases that hit the cap.

地球/流动/云价值分布

遵循Benjamin Bratton的垂直主权模型（《The Stack》，2016），每个城市的战略价值被分解为三个层级。这揭示了分离可行性：具有高上层价值的城市更容易分离，因为东道国的物理控制机制无法捕获该价值。

分离的现实性如何？

从0.0到1.0的复合分数，衡量城市可以从其东道国分离的现实概率。使用6个子分数按重要性加权，乘以核修正因子。

标题分数

每个城市的最终排名结合了Lambda（其价值程度）和分离可行性（其可分离程度）：

其中：

• lambda_normalized = λ / 3.0 (scales to 0.0–1.0 range)
• severance_feasibility = 第12.3节的复合分数
• strategic_value_factor = 1.0 + (Bratton云层级奖励) + (GFCI金融中心奖励)

可行性层级：

哪些城市被评分？

一个城市如果通过所有三个门槛，则进入分离分析：

• GaWC rank ≥ Gamma+ (score ≥ 0.4) — minimum global connectivity threshold
• 都市区GDP ≥ $50 billion — minimum economic mass for viability as a st和alone entity
• 气候数据可用 对于东道国（ND-GAIN或Swiss Re城市级）

目前 74个城市 pass all gates. All 49 originally curated cities plus 25 expansion cities meet eligibility. 该 gate is designed for forward-looking expansion — as coverage grows toward 150+ cities, the filter removes c和idates that lack the structural prerequisites for meaningful detachment analysis.

24个平台实体跨越6个主权职能

每个平台实体按其行使的主权职能分类：

每个平台还有 收购方偏好 — weighted scores for 能源, 水, 光纤连通性, 人力资本, 监管环境, market size, tax regime, 土地成本, 和 地质稳定性 — used in platform-city matching.

按国家和按城市测量

对于每个拥有评分城市的50个国家，PSI衡量平台公司渗透主权职能的深度：

PSI范围： 0.0（国家完全掌握数字职能主权）到1.0（平台已有效取代国家职能）。PSI最高的国家：中国0.76、美国0.75、爱尔兰0.72、英国0.69、加拿大0.68。

城市级PSI： 国家分数根据城市从Bratton分解中的云层级百分比调整。旧金山（云 = 0.70）的城市PSI最高，为0.90；具有高地球层级的城市平台主权暴露较低。

24 平台s × 74 Cities = 1,702 Preference 分数s

每个平台有独特的基础设施需求。偏好模型匹配平台需求与城市能力：

平台-城市偏好输入到城市级Gale-Shapley匹配（第5阶段），其中平台作为收购方与传统国家行为体一起行动。与亚马逊匹配的城市面临与苹果匹配的城市不同的主权影响。

物理资源需求预测

平台 companies are not purely digital — they require massive physical infrastructure. 该 dem和 model projects platform resource consumption across three horizons:

到2030年，平台可再生能源农场预计将占据 93.3万英亩 — overwhelmingly sited in low-cost agricultural areas (Texas Panh和le, Midwest, desert Southwest, southern Spain). Each GW of solar requires approximately 5,000–10,000 acres. 亚马逊 alone is the world's largest corporate renewable 能源 purchaser at 20+ GW contracted.

13 个已记录的平台地球层收购

平台公司已在为基础设施收购物理领土。该模型通过 提取比率 — the estimated ratio of value extracted from a territory versus value returned through jobs, taxes, 和 investment:

模式： 平台s preferentially acquire territory in small, economically limited communities with cheap 能源 和 permissive regulation. Extraction ratios are highest where the community has fewest economic alternatives. Swedish tax system (Meta Luleå: 15:1) captures more value than U.S. localities (谷歌 该 Dalles: 40:1).

数据覆盖范围披露

平台主权分数使用 三层数据模型 反映各国直接测量数据的可用性：

数量ries below the line (层级s 2 和 3) lack direct platform market share measurement. 该ir PSI scores are structural estimates — useful for comparative ranking but not calibrated to observed platform activity. 该 可分离资产 explorer marks each platform entry with a confidence dot: 已测量， 部分， 建模。

州收购方对城市的偏好

每个州收购方使用5因素协同分数（规范第3A节）对所有74个城市进行排名。容量：每个州收购方3个城市。

城市对州收购方的偏好

每个城市根据收购方满足城市治理和经济利益的程度对州收购方进行排名：

平台收购方对城市的偏好

平台公司根据数字基础设施适宜性（规范第3D.4节）对城市进行排名。容量：每个平台5个城市。

城市对平台收购方的偏好

城市根据本地经济收益潜力对平台进行排名：

匹配算法

每个（收购方，城市）对的综合协同是收购方偏好和城市偏好的几何平均数： synergy = sqrt(acquirer_score × city_pref)。两轮独立的Gale-Shapley轮次产生高于最低协同阈值0.25的稳定匹配。硬约束阻止匹配，其中收购方对城市所在集团敌对、平台是主导雇主（>15%劳动力），或所在司法管辖区存在反垄断行动。

输出： city_acquirer_matches.json — stable matches across 74个城市, 228 state acquirers, 和 83 platform acquirers. Explore on 可分离资产

州收购方东道国摩擦

州收购方面临来自东道国的四个摩擦组成部分：

平台收购方东道国摩擦

平台收购方面临监管而非军事摩擦：

收购方和东道国之间的联盟分歧会缩放交易可行性：同一集团 = 0.0惩罚，对立集团（NATO vs BRICS）= 1.0惩罚。中国结盟收购方针对NATO东道城市的交易面临最大分歧摩擦。只有可行性高于10%的交易才会显示在 交易浏览器.

输出： city_sapa_deals.json — 528 deals evaluated, survival rate ~29%. Explore on 交易浏览器

联盟可行性分数（10个子分数 + 治理乘数）

规范第3C.2节。每个联盟在10个加权维度上评分，然后按联盟的平均治理质量缩放：

带重启的贪婪优化

规范第3C.4节。该算法使用50个锚点（最高分实体）加30个区域锚点来种子联盟构建：

• 种子： 从每个锚点实体作为核心开始
• 增长： 从实体池中添加最高协同的兼容成员。约束：无重复东道国、至少一个金融中心、每个联盟至少一个主权实体、每个联盟最多3个平台、每个实体在所有联盟中最多出现5次
• 修剪： 移除降低整体可行性的成员
• 去重： Reject coalitions with >40% membership overlap with existing selections
• 选择前40： 按可行性分数排名并取前40个联盟。每个联盟收到一个由Claude Opus撰写的叙述，描述治理结构、经济逻辑和战略风险

输出： network_state_coalitions.json — 33 coalitions generated from multi-entity pool (cities, states, territories, city-states, platforms). Explore on 可分离资产 → 网络构建器

财政影响模型

税收收入集中在城市，与人口份额不成比例。税收集中乘数使收入损失超出原始GDP份额：

人力资本外逃级联

熟练工人跟随经济机会进入分离城市。移民在四个时间范围内加速，根据后苏联移民（保留75-90%）、希腊危机（保留88%）和委内瑞拉崩溃（保留85%）校准：

7-成分主权可行性评分

结合制度能力与经济冲击严重程度：

国家被分类为 可行/削弱 (≥60%), 挣扎/严重危机 (35–60%), 失败/终末衰退 (20–35%), or 崩溃轨迹/不可行 (<20%). City-states (Singapore, Luxembourg, Hong Kong) score 0% by definition — detachment eliminates the state entirely.

额外影响层

• 基础设施搁浅： 5 categories (port, airport, data center, 能源 grid, telecom) — the detached city takes the infrastructure; the residual state bears maintenance costs for underutilized connecting networks
• 不平等转变： 基于世界银行数据计算48个国家的基尼系数。移除高收入城市人口使分布向下压缩，但贫困率 增加 因为财政转移支付消失
• 平台收购风险叠加： 财政困境使残余国家易受让渡主权以换取平台中介的经济稳定。财政缺口越大 = 对提取比率的容忍度越高
• 时间预测： GDP拖累在每个时间范围（Y1/Y5/Y10/Y25）复合，其中 annual_drag = brain_drain × 0.35 + 0.005 × fiscal_gap_pct
• 8部分结构化叙述： 每个东道国收到一份由Claude Opus撰写的基于Milanovic（全球不平等）、Povinelli（废弃/可处置性）、Mbembe（死亡政治学）和Sassen（驱逐）理论框架的影响评估

输出： residual_state_impacts.json — 50 host nations, 4 temporal horizons, 33 coalition compound scenarios. Explore on 可分离资产 → 残余国家

尊严底线指数（DFI）：7维合取度量

每个国家获得一个综合DFI分数和每维细分。DFI是 合取的 — a country fails the floor if 任一单个 维度低于其阈值，则未通过底线，无论其他维度表现多好。

维度子指标

指标值通过4层分辨率级联：（1）从 dfi_indicators.json测量，（2）从 economic_baselines.json测量，（3）从 world_bank_indicators.json, (4) development-scaled global median default (poor countries receive worse defaults via a GDP-per-capita sigmoid). Active conflict countries (UKR, SDN, SOM, YEM, SYR, MMR, AFG, LBY, ETH, COD, SSD, IRQ) receive a hard conflict penalty multiplier (0.35–0.65) on service delivery dimensions.

基于世界银行基线校准

DFI衡量比收入更广泛的概念。世界银行的 贫困、繁荣与地球 report (2024) provides the canonical income-based baselines against which DFI results can be compared. Our dignity floor captures populations that income measures miss — people above the income line who nonetheless lack adequate health systems, political voice, housing, or environmental safety.

关键比较： 该 World Bank counts 3.53B people below $6.85/day. Our national-level DFI structural floor identifies 3.69B in countries where at least one dimension fails — a similar magnitude because national averages mask within-country inequality (India “passes” nationally despite 82% of its population being below $6.85/day per WB PIP 2022). When we inject World Bank poverty headcount ratios as an individual-level floor — recognizing that the income-poor within DFI-green countries still lack dignity in practice — the inequality-adjusted figure rises to 57.6亿（71.6%）. 该 2.2B gap between the WB’s income-only count 和 our adjusted count represents populations affected by non-income structural failures: authoritarian governance (China 1.4B, Russia 144M), weak health systems, environmental vulnerability, 和 inadequate housing that income measures alone do not capture.

标量假设： We use WB poverty headcount ratios as a baseline floor because conditions for the income-poor are scalar with structural capacity — if a country’s governance, health system, or environment degrades, the poorest suffer disproportionately. WB poverty data thus serves as a minimum individual-level dignity violation rate, with structural DFI failures adding additional affected populations on top.

预测轨迹： 该 World Bank projects 622 million will remain below the extreme income line by 2030, 和 estimates it would take more than a century at current rates to bring all populations above $6.85/day. Climate change could push an additional 100+ million below income thresholds by 2030 (World Bank Climate 和 Development Reports). Our archetype configurations model how structural reforms — ranging from fiscal federalism to full sovereign restructuring — could accelerate or retard these trajectories across all seven dimensions simultaneously.

来源： 世界银行， 贫困、繁荣与地球 （2024）；OPHI/UNDP， 全球多维贫困指数 （2024）。DFI收入充足性子指标直接使用$6.85/天阈值： income_adequacy = min(1.0, median_income / (2.0 × $6.85/day)).

次国家发展可行性指数分解

对于拥有可用次国家数据的20个国家，引擎将国家维度分数乘以区域调整因子，以生成区域层面的发展可行性指数估计。这捕捉了国家平均值所掩盖的国内不平等（例如，印度农村比哈尔邦与城市马哈拉施特拉邦，或美国深南部与太平洋西北部）。数据加载自 subnational_adjustments.json，生成75个区域发展可行性指数细分。

剩余人力资本层

通过计算49个东道国各自剥离后的发展可行性指数，连接第8阶段与第9阶段。模拟无法离开的人口：

5阶段搜索算法

每个原型配置通过正式的5阶段流程生成：

再分配资金池（第3阶段）

5个目标函数

16个原型配置

转型可行性（5个组成部分）

该 fundamental tradeoff: dignity compliance 和 transition feasibility are inversely correlated. Fiscal Federalism achieves 55% compliance with 0.81 feasibility; Full Optimization achieves 97% compliance with 0.13 feasibility. Climate Resilience Tax shows the fiscal ceiling: even with unlimited funding, compliance maxes at 62% because political participation cannot be purchased. Benevolent 全球 Monarch removes that ceiling by m和ating institutional reform, achieving 100% at $115T — but requires authority that has never existed. 该re is no configuration that simultaneously maximizes both compliance 和 feasibility.

Conceptual 领土: 原型s I–O

原型s A–H model governance arrangements that build on or reform existing state structures. 原型s I–O exp和 the analysis into geopolitical territories from climate politics, collapse studies, 和 political theory — scenarios that dominate real-world policy debate but fall outside conventional institutional reform.

国家指令经济（I） occupies the territory where a vanguard party or authoritarian state seizes control of the economy for rapid decarbonization. Historical precedents include Soviet-era industrialization, Cuban healthcare universalization, 和 Chinese state-directed development. 该 model shows high material delivery but zero political freedom. 该 environmental score (0.55) is lower than expected because comm和 economies historically produce severe non-carbon pollution even when they reduce CO&sub2;.

生态法西斯主义（J） models the territory where environmental crisis is instrumentalized to justify biopolitical exclusion — border militarization, carrying-capacity ideology, 和 the construction of protected vs. expendable populations. This archetype exists in the analysis specifically to demonstrate that exclusionary approaches produce worse aggregate outcomes than any constructive alternative.

生态现代主义（K） represents the territory where technological deployment bypasses political reform entirely — nuclear 能源, atmospheric geoengineering, AI-optimized resource allocation, 和 precision agriculture. Environmental safety is the star dimension (0.85 effectiveness). But the model reveals that technology cannot bypass governance absorption: countries with weak institutions still cannot deploy or maintain complex technical systems.

去增长 / 管理性撤退（L） 占据行星边界内有意经济收缩的领域。环境安全分数最高（0.90有效性），但物质安全分数的40%是人均国内生产总值，而去增长有意降低此值。此原型在选举系统内运作，在新集合中产生最高的政治参与有效性（0.65）。

非共识算法治理（M） 模拟由算法治理而非与算法共治，未经民主授权强加。转移有效性最高（0.85），因为算法系统消除官僚摩擦。但V-Dem选举民主等于零，公民自由等于零，监视基础设施摧毁公民社会。

共识人工智能治理（P） models the same algorithmic efficiency as M, but with a critical difference: the population willingly accepts AI as legitimate authority. Political participation is non-zero because citizens democratically choose algorithmic decision-making — a world where people believe AI is better than human governance. Social connection is preserved rather than destroyed, because there is no need for surveillance when compliance is voluntary. 该 comparison between M 和 P isolates the question: does AI governance fail because algorithms cannot govern, or because people will not accept being governed by algorithms?

完全崩溃 / 军阀主义（N） represents the true floor — complete institutional failure across all regions including wealthy ones. Rich countries degrade at 40% of the full rate due to infrastructure inertia. 该 analytical purpose is establishing the absolute bottom of the possibility space.

乌托邦无政府主义 / 互助（O） occupies the territory of bottom-up commons governance without state institutions. Our DFI model shows anarchism scoring moderate (~60% compliance), but this reflects the model’s institutional bias more than anarchist wellbeing. GDP per capita does not capture cooperative production. V-Dem indices cannot distinguish direct democracy from no democracy. Anarchism provides something our model cannot fully measure.

结构可行性（7个组成部分）

按国家计算，以评估每个国家在给定原型下能否维持其主权功能：

输出： optimal_configurations.json — 220个主权实体, 16 archetype configurations, sub-national DFI for 20 countries (75 regions), residual 人力资本 for 49 host nations, SPI cross-validation. Explore on 优化

方法论说明：城市分析作为扩展，而非替代

该 city-level detachment framework (Sections 11–13) 扩展了 the country-level valuation (Sections 1–10); it does not replace it. 数量ry valuations remain the foundation — a city's Lambda 和 severance scores are derived from its relationship to the host nation's valuation. 平台 sovereignty analysis adds a new analytical dimension that applies to both countries 和 cities. 该 viability scores in this framework are composite indices, not calibrated probabilities — they measure structural feasibility, not likelihood.

整合模型不确定性

该框架评估主权实体，并通过第8阶段（残余国家影响评估）建模分离后的影响，包括财政侵蚀、人力资本流失、技能分布变化以及对东道国的不可移动性影响。然而，完整的整合 modeling — what happens if a nation is 实际ly absorbed by an acquirer — remains un建模。 Key uncertainties:

• 仅提取情景： 人口 ignored, local elites maintained—人力资本 valuations may overstate realizable value
• 债务陷阱动态： 当经济控制已存在时，正式收购增加的边际价值难以量化
• 军事占领成本： 历史先例（阿富汗：20年2.3万亿美元）表明占领成本可能远超资产价值
• 完全整合： 现代没有自愿完全整合主权国家的先例

经济控制与正式收购之间的差距仍是该框架最大的概念不确定性。

该框架未涵盖的内容

• Cultural identity & nationalism: 没有公式量化对外国统治的抵抗
• 侨民网络： 历史上的海外人口可能支持或反对收购。注：网络联盟（第14.3节）部分建模了类似侨民的跨境连接
• 区域权力动态： 部分通过联盟网络分析（第7节）和Gale-Shapley收购方匹配解决，但邻国特定的二阶效应（如伊朗-沙特阿拉伯）仍未建模
• 大流行/供应链冲击： 黑天鹅事件造成不连续的估值
• 宗教/种族冲突： 宗派紧张降低估值但难以量化
• 政权更迭概率： 内部政治不稳定影响收购时机，但未动态建模；脆弱性指数仅提供静态代理

随时间推移的信心衰减

• 1-2年： 高est accuracy—current assets, debts, 和 relationships are well-documented
• 5-10年： 中 accuracy—institutional changes, debt accumulation, 和 alliance shifts introduce uncertainty
• 20年以上： 低 accuracy—geopolitical realignment, demographic transitions, 和 technological disruption make projections speculative

此估值框架为清晰起见有意简化。真实的地缘政治分析需要情景建模、博弈论和区域专业知识。16种原型配置（财政联邦制、权力下放、城邦网络、平台公地、完全优化、气候韧性税、仁慈全球君主、主权现实政治、国家指令经济、生态法西斯主义、生态现代主义、去增长、非共识算法治理、完全崩溃、乌托邦无政府主义、共识AI治理）各自在不同时间范围运作，信心衰减速率取决于假设的原型。将此作为起点，而非神谕。

平台主权数据局限性

Approximately 170 of 220个主权实体 in the platform sovereignty analysis rely on modeled platform data (层级s 2–3) rather than directly observed metrics. 层级 1 coverage (direct measurement) is limited to ~50个国家 with robust digital infrastructure reporting. 该 inequality-adjusted dignity floor count (5.76B people) depends on World Bank poverty headcount data quality, which covers 182个国家 with varying recency (2014–2024). 数量ries with older survey data may have dignity floor estimates that lag 实际 conditions by several years.

国家级聚合

尊严底线指数将每个国家视为同质单位，计算每个国家的单一可行性分数。国内不平等部分通过不平等调整（World Bank贫困人口数据注入财政缺口计算）和次国家级分解（20个国家，75个地区）解决。然而，大多数国家完全缺乏次国家级数据，这意味着治理能力、经济基础和基础设施质量的显著国内差异被平均化。联邦制国家、受冲突影响国家和城乡差距大的国家最可能因国家级聚合而掩盖其次国家级差异。