設計 & 工程
如果我們相信兩種假設：
1、秩序不是通過自上而下的控制產生的，而是自下而上生發的。
2、每個個體都是自利的，那我們就必須研究“激勵”這個問題。
從經濟學角度分析“激勵”（incentive）問題的叫博弈論。與之相對，研究如何設計激勵機制的，叫機制設計。
Ocean Protocol創始人Trent McConaghy提出，比特幣的整套體系可以被看做一個優化設計（Optimizaition Design）。系統的目的是最大化系統安全性，用E（Ri）來衡量，個體通過貢獻算力來維護安全，算力值用Hi衡量，受到的獎勵則用Ri衡量，T是比特幣釋放的時間函數，每四年產量減半。
如此說來，每一個通證系統都可以用一個公式來表達，我們是不是可以把系統的治理問題（社會問題、公共政策制定）都簡化成一個優化問題？
在現實中，并沒有幾個經濟學家真正有機會掌舵經濟事務，也很難驗證一項經濟理論或政策的成敗，因為做一個社會實驗比科學實驗的成本高多了。工程相對來說是一個更嚴謹的領域，因為面向的對象不是人，實驗的周期比較短，而且可以更容易的被證偽。
最重要的是，工程師可以對系統進行嚴謹的測量和驗證，能使用各種工具來進行模擬和調試，讓理論接近現實。
通證經濟（Token Economy）和傳統經濟不同，理論馬上會被實踐檢驗。但通證設計和工程設計也不同，它面向的主體不僅有機器，還有人。
所以未來，通證設計一方面會如軟件工程、土木工程一樣，成為具備嚴謹的測量和驗證流程的工程學，另一方面又需要很強的基于對人性理解的設計。
陟罰臧否
目標&約束
每個機制設計都有一個核心的目的（goal），而目的可以被細化為目標（objective，需要被最大化或最小化的函數），面臨著約束（constraint，必須要滿足的限制條件）。在經濟學里，可以體現為效用公式和預算約束。
比如說，目標設計為“最大化消費者效用U”，約束設計為“總預算<$100”，那么均衡的解，消費者最優的選擇，就是預算約束線和效用曲線的切點（X，Y），即買X個比薩和Y個奶昔。
經濟系統是分布式的，比如價格和產量，是通過市場機制生成的一個解，而不是自上而下制訂出來的量。我們并沒有強制規定消費者只能以Z的價格購買X個比薩和Y個奶昔，但是假設他理性，這將是他的最優選擇。
而作為一個設計者，不僅要在專業上，還得在倫理上負責，比如如果規定機器人的目標是最大化火腿的生產量，那如果沒有約束條件，機器人可能會殺人來造火腿。
所以阿西莫夫提出的機器人三原則就是最大化目標之外的約束條件：
機器人不得傷害人類，或看到人類受到傷害而袖手旁觀。
機器人必須服從人類的命令，除非這條命令與第一條相矛盾。
機器人必須保護自己，除非這種保護與以上兩條相矛盾。
通證系統也遵循這套邏輯。
測量&評估
為了讓系統實現自治，設計者必須明確規則。為了讓目標與獎勵掛鉤，約束與懲罰掛鉤，需要明確的測量行為的影響。
換句話說，我們需要一個工具，把抽象概念（貢獻度、優先權、注意力、信用、名譽等）的價值量化，量化之后才能測度。這個量化的單位就是token（通證）。
傳統的法律和金融領域，對于實體商品（goods）的定價和交易已經研制出一整套很成熟的玩法，比如物權、債券、所有權等，還有基于此的一系列衍生品。
實體商品價值的測度基于供給和需求兩端，成本是生產者付出的原料／人力／銷售／運營成本等，需求反映消費者愿意接受比成本高多少的溢價。
但服務（service），尤其是基于互聯網服務的價值，相比實體商品，是更加個性化和難以測度的。一方面是產消關系的界限日漸模糊，平臺鏈接用戶，用戶同時是產消者。另一方面，流量，留存度，轉化率，這些構成了一個注意力經濟下產品／企業的核心競爭力。
我們用什么工具來衡量眼球停留的時間的價值？發一個小視頻或段子的價值？為商戶評分的價值？留言點贊轉發的價值？個人行為數據留痕的價值？
在比特幣系統里，最大的價值是系統的“可信度”，但很難直接測量“可信度“這么抽象的概念。
要測度大家對系統“信任”的貢獻度，我們要再設立一個評估的機制，所以找到了算力這個點。算力貢獻越大＝對信任度貢獻越大，而算力的大小和效果再由工作量證明POW（proof of work）來驗證。
這種思想被廣泛運用到通證設計的各個環節。
參考火幣袁煜明和CSDN孟巖的觀點，一個通證從誕生到發生作用，有三級分配的流程。從0級的挖礦造幣，到1級的市場流通，再到2級的宏觀調控。
其中0-1級分配，體現的是通證的內在／效用價值。0級分配就是造幣環節，增加系統里的通證（token）。
為了激勵個體參與造幣，需要評估他們貢獻的程度，然后給予相應的通證作為獎勵；1級分配則是體系內的治理，所有難以評估的抽象“價值”，都要先找到一個好統計的中間量（好評／差評數，點贊轉發數，注意力停留時間，多重維度的數據匯總后得到的忠誠度／信用分等），再通過通證的增減給予獎勵或懲罰。
2級分配，則更多著重于通證的投機／風險屬性。宏觀調控，是為了防止兩種惡性情況的發生——內在泡沫和外部攻擊。火幣袁煜明老師總結非常好，一是價格收斂，二是要穩健安全。
演化算法（EA，Evolutionary Algorithsm）
每一個集體都有一套機制，比如家庭、學校、企業，乃至社區、社會。在很多集體里，設計者和參與者都有很強的界限，是二元對立的。
哪怕是《黑客帝國》等科幻電影所描述的世界，也有一個終極設計者掌控著整套系統，參與者自覺或不自覺的都在按照大boss的設計行動。
而演化算法不同，其靈感來自于大自然的生物進化，任何均衡狀態都不是被設計出來，而是演化生成的。和局部的優化相比，它是一個具備更高的魯棒性（robust）的全局優化方法，具有自組織、自適應、自學習的特性。
如果把通證系統類比為自然界的生態系統，倚賴的是進化算法，可以產生如下的類比（參考Trent McConaghy）：
| 通證生態系統 | 進化算法 |
目標 | 區塊激勵方程（如最大化算力） | 目標方程（如最大化基因傳遞） |
度量 | 工作效果證明（如POW工作量證明） | 測量匹配度和適應性 |
參與者 | 礦工／持幣人 | 個體 |
時間單位 | 一個區塊獎勵區間 | 代際 |
激勵／懲罰 | 無法控制人的行為，但可以通過通證的增或減進行激勵或懲罰 | 無法控制個體，但可以通過繁殖或死亡進行激勵或懲罰 |
本質上，演化算法的優勢是不依賴于設計者的有限理性，因為只要設計者不是神或自然界，而是人的話，總不可能做到全知全能。
社會小故事
知乎上有個有趣的回答，國企效率真的很低嗎？，我們都知道一個stereotype，就是國企側重穩定和政治正確，而私企側重效率和盈利。為什么呢？
按照上述分析，是因為國企／私企的目標函數和約束條件都不同，因此制度設計不同，造成個體行為也迥異。
以刷盤子為例（故事引用自 Marvin Dada）：
某國企刷盤組長，手下有6個人，每天總任務是刷12000個盤子，一人平均刷2000個。
一個月后組長給領導報告了采購需求：本月消耗了3000瓶洗滌靈，60噸水，一共花費2萬元。
領導很震驚，洗個盤子居然要花這么多錢，聽說有員工把洗滌靈拿回家用，還有偷出去倒賣的，這是國有資產流失風險，我們得精細化管理，加強成本控制。
于是草擬了《刷盤管理辦法》：
物資統一管理，采購后存在專門庫房，以后每次使用洗滌靈，需領導簽字方可從庫房領取。水費每天結算，需要領導審核簽字。（一人轉崗負責采購、入庫、分發）
1、每個員工的水龍頭前設置獨立水表，每月根據刷盤子的量審核用水量和洗滌靈量，超過平均值5%的要寫說明；
2、展開勞動競賽，每天刷盤子最多的，有積分獎勵，積分最高者，考評為A，年底增加工資5%。
3、組織員工改進刷盤子辦法，提出更加省水和洗滌靈的刷盤方法，每月組織評比。（組長專職負責登記、統計、評比）
領導閱后指出，一個人同時負責采購和分發還是存在風險，于是又增添一人兼職物資分發。
這樣全職刷盤子的人變成3個人，一人每天刷3500個，另一人兼職，一天刷1500個，每天還是刷12000個盤子。另外行政管理人員2人，不承擔任何刷盤KPI。
一個月后，洗滌靈節省了50瓶，水少用了5噸。但大家每晚都需要加班到很晚，忙職和閑職涇渭分明。
年底，由于1年內該組節約了洗滌靈1500瓶，節約用水300噸，節約成本10萬元，獲得了總部的表揚，成為典型標兵，刷盤方法被細化成《刷盤優化處理流程》在全集團上下推廣。全集團統共有60個刷盤人員，按照辦法每人每天平均刷2000個盤子。雖然工作效率不高，但預算管理和成本控制還算有一套。
組長年后跳槽至餐飲私企擔任刷盤總監，到崗后發現總共也是60個刷盤人員，便仿照《刷盤管理辦法》和私企老板匯報工作規劃。沒想到老板說：“為這點洗滌靈錢費這么大勁兒干嘛？回去把能干的留下來，讓他們提高效率，成本不就節約下來了”。
一年后，60個刷盤工被辭退了20個，其中10個人的工資分給剩下的40人當作加班費，然后組織剩下的40個人加班，刷盤數量從每人2000個/天提高到3000個／天。這樣一來，節約了10個人一年的工資成本，果然比節約的物料費10萬還多。大家都說，還是私企人員效率高。
國企的目標是最小化國有資產流失的風險，也面臨著不能隨便辭退員工，要注重社會責任這些約束條件，所以國企員工平均效率和薪資較低；私企的目標則是最大化利潤，而且在辭退人員和預算支配上的靈活性很高，因此弱肉強食，多勞多得。
然而每一個組織，不論姓國姓私姓外，在規模擴大時，都面臨著行政崗位和績效崗位的分化。小組織里人員少，管理扁平，以創造效益為先，都想做大蛋糕，共享增量。但當組織到達一定規模，增量減緩，需要共享存量和分蛋糕時，一定會出現辦公室政治和權力間的相互制衡。
正如《人類簡史》里尤瓦爾·赫拉利說的，少于150人的團隊靠八卦（gossip）管理都是好使的，但智人之所以能夠進化，就是因為懂得虛構更大的故事。古今中外，各個學科，都在用自己的套路構造故事。
計算機語言敘述的，也不過就是個故事而已。
參考資料：
《Can Blockchains Go Rogue?AI Whack-A-Mole, Incentive Machines, and Life. TE Series Part I.》Trent McConaghy
《Towards a Practice of Token EngineeringTE Series Part II.》Trent McConaghy
《基于供給的區塊鏈商業體系設計》袁煜明
《國企效率真的很低嗎？》Marvin Dada
