본 논문은 인공지능 모델의 용량(저장)과 추론 효율성(계산) 간의 근본적인 긴장을 해결하기 위해, 정보 처리 과정을 온톨로지 상태에서 캐리어 상태로의 맵핑으로 취급하는 이론적 프레임워크를 제시한다. Shannon 엔트로피(저장)와 계산 복잡성(시간/에너지) 간의 상호 작용을 분석하여, 기억 검색과 생성적 계산 중 어느 쪽이 열역학적으로 유리한지를 결정하는 임계적 상전이점을 제시한다. '에너지-시간-공간' 보존 법칙을 통해 생성 모델의 효율성을 설명하고, 차세대 에너지 효율적인 AI 아키텍처 설계를 위한 수학적 경계를 제공한다.
