我們的未來將充滿機器人。有的是直立機器人，但大多數將是裝滿計算機晶片、執行軟體的盒子。有預測表明，在三年內，我們將擁有170萬個工業機器人，3200萬個家庭機器人和40萬個專業辦公室機器人。[1]
機器人會自己運營工廠。透過自主感測器監控基礎設施，機器人將為自己訂購零件，也會為工廠訂購需要的生產原材料。這些貨物的物流則由駐紮在自治基地的無人駕駛車輛來負責。不同的工廠會相互溝通。無人機交通控制系統也會從屬於其他公司的氣象站那裡，獲取每天的天氣資訊。
所有這些複雜的系統，都將基於機器之間的資訊交換完成。而且，不僅僅是純資訊的交換——機器人也需要發展和維持彼此的經濟關係。無論是零件訂單還是與其他公司的服務協議，機器人工作的許多方面都要圍繞貨幣交易展開。假設每人至少有一個機器人裝置，每秒可能需要發生20,000次交易，那麼，透過人工操作員去監督這些交易就太慢了。因此，對於未來，我們不僅需要發明機器人，還需要發明配套的機器人貨幣系統和機器人交易市場。
和其他任何經濟一樣，機器人經濟（或robonomics）也需要解決信任的問題。自動化可以幫助人們發現和打擊交易中的欺詐行為，但它也可以用來製造以假亂真的欺詐騙局。同時，驗證合同是否正確執行的成本也是一個問題。在人類世界中，交易的結果由合同簽字人進行確認。自治代理的機器人要如何做到這一點，還沒有答案。
一個比較天真的想法是建立一箇中心化的數字“銀行”，正如人類交易所做的那樣。對於每個機器人相關的服務，都建立一箇中心化的軟體程式，讓這個程式負責收集和處理機器人的商業資訊，簽訂合同，執行交易，控制自治代理的機器。
但這種方法的問題在於不可擴充套件。隨著交易數量的增加，中心化銀行的負擔也在增加，這個負擔轉化為更高的頻寬和計算成本，最終變得讓人望而卻步。此外，中心化網路將吸引詐騙者和駭客的注意力，更容易出現故障。透過將一些權力從中央機構轉移到中介機構並建立管理層級，可以部分解決這些問題。這種做法無需提供完整的市場解決方案，但會增加交易成本。
幸運的是，有一種技術可以解決機器人市場的經濟和技術難題。它就是區塊鏈。機器人經濟應該建立在區塊鏈的智慧合約上。這樣可以自然地解決監督履行義務的問題，減少締約方之間的摩擦。有關交易的資訊都是可驗證，而且不可更改的。明確的資訊記錄可以為機器人建立可靠的信譽分數，就像你的支付寶芝麻信用分一樣。
區塊鏈還提供了另一個優勢：它可以幫助組織機器人如何完成自己的工作。機器人領域的專家一直在探索機器人完成一項共同任務的最佳方法[1]。有一種解決方案是市場機制，利用博弈論、決策理論和經濟機制來分配機器人各自的工作[2][3]。區塊鏈可以幫助建立這種機制，並且能夠精確地規劃任務、評估結果和分配資源。
當然，運用區塊鏈組織機器人工作也有一些問題。比如惡意節點的攻擊問題，這些攻擊對控制大量資金的網路會產生嚴重的後果——但如果這個網路控制的是數十萬機器人和自治代理的行為，那後果會更加嚴重。還有一個障礙是區塊鏈的可擴充套件性和效能問題，也就是tps太低。另外，資料大小的可擴充套件性也是一個挑戰。
如果這些問題得到解決，我們就可以開始充分發揮機器人市場的潛力。想像一下，透過智慧合約訂購商品的客戶，訂單會傳送到工廠的內部網路裡，然後生產線開始釋出報價。代表不同線路的機器人代理在材料可用性、執行時間和歷史效能指標上展開競爭。當商品製造完成後，倉儲、交付和物流代理商開始爭奪下一階段的訂單。最後，在訂單完成後，所有參與的機器人都會累積所執行工作的資料，分析他們自己的表現，並對未來的市場狀況做出預測。原材料採購代理機器人可能會做出產品需求增加的判斷，從而購買更多的原材料。
機器人自動化的優勢非常大，以至於我們希望大多數生產和大部分服務工作最終由機器人代理來執行。因此，機器人的經濟將佔整個經濟比重的大部分。隨著這種機器人經濟的興起，會出現新的“超級資本主義者”——機器人經濟中的投資者，利用機器人市場的效率和規模做槓桿。資本將成為控制機器人行為的主要手段。
毫無疑問，人類生產的商品和服務量將大幅下降，但不會為零。與此同時，人類經濟產出的價值將急劇增加。手工製作的商品將獲得奢侈品的地位，它們會被貼上一個特殊的標籤——“人造”。最終，這種方式也會普及到創意性創造活動。凡事需要涉及一個人支援另一個人的工作，不能簡單自動化的工作，都會獲得政府的支援，成為一項基本收入。
最終，一個有意識的公民身份，本身就是一份“工作”。這也是我們都渴望的工作。
參考
1. Tobe, F. 22 research reports forecast sustained robotics industry growth. therobotreport.com (2017).
2. Choi, H-L., Brunet, L., & How, J.P. Consensus-based decentralized auctions for robust task allocation. IEEE Transactions on Robots 25, 912-926 (2009).
3. Trigui, S., et al. A distributed market-based algorithm for the multi-robot assignment problem. Procedia Computer Science 32, 1108-1114 (2014).
（完）
