设计 & 工程
如果我们相信两种假设：
1、秩序不是通过自上而下的控制产生的，而是自下而上生发的。
2、每个个体都是自利的，那我们就必须研究“激励”这个问题。
从经济学角度分析“激励”（incentive）问题的叫博弈论。与之相对，研究如何设计激励机制的，叫机制设计。
Ocean Protocol创始人Trent McConaghy提出，比特币的整套体系可以被看做一个优化设计（Optimizaition Design）。系统的目的是最大化系统安全性，用E（Ri）来衡量，个体通过贡献算力来维护安全，算力值用Hi衡量，受到的奖励则用Ri衡量，T是比特币释放的时间函数，每四年产量减半。
如此说来，每一个通证系统都可以用一个公式来表达，我们是不是可以把系统的治理问题（社会问题、公共政策制定）都简化成一个优化问题？
在现实中，并没有几个经济学家真正有机会掌舵经济事务，也很难验证一项经济理论或政策的成败，因为做一个社会实验比科学实验的成本高多了。工程相对来说是一个更严谨的领域，因为面向的对象不是人，实验的周期比较短，而且可以更容易的被证伪。
最重要的是，工程师可以对系统进行严谨的测量和验证，能使用各种工具来进行模拟和调试，让理论接近现实。
通证经济（Token Economy）和传统经济不同，理论马上会被实践检验。但通证设计和工程设计也不同，它面向的主体不仅有机器，还有人。
所以未来，通证设计一方面会如软件工程、土木工程一样，成为具备严谨的测量和验证流程的工程学，另一方面又需要很强的基于对人性理解的设计。
陟罚臧否
目标&约束
每个机制设计都有一个核心的目的（goal），而目的可以被细化为目标（objective，需要被最大化或最小化的函数），面临着约束（constraint，必须要满足的限制条件）。在经济学里，可以体现为效用公式和预算约束。
比如说，目标设计为“最大化消费者效用U”，约束设计为“总预算<$100”，那么均衡的解，消费者最优的选择，就是预算约束线和效用曲线的切点（X，Y），即买X个比萨和Y个奶昔。
经济系统是分布式的，比如价格和产量，是通过市场机制生成的一个解，而不是自上而下制订出来的量。我们并没有强制规定消费者只能以Z的价格购买X个比萨和Y个奶昔，但是假设他理性，这将是他的最优选择。
而作为一个设计者，不仅要在专业上，还得在伦理上负责，比如如果规定机器人的目标是最大化火腿的生产量，那如果没有约束条件，机器人可能会杀人来造火腿。
所以阿西莫夫提出的机器人三原则就是最大化目标之外的约束条件：
机器人不得伤害人类，或看到人类受到伤害而袖手旁观。
机器人必须服从人类的命令，除非这条命令与第一条相矛盾。
机器人必须保护自己，除非这种保护与以上两条相矛盾。
通证系统也遵循这套逻辑。
测量&评估
为了让系统实现自治，设计者必须明确规则。为了让目标与奖励挂钩，约束与惩罚挂钩，需要明确的测量行为的影响。
换句话说，我们需要一个工具，把抽象概念（贡献度、优先权、注意力、信用、名誉等）的价值量化，量化之后才能测度。这个量化的单位就是token（通证）。
传统的法律和金融领域，对于实体商品（goods）的定价和交易已经研制出一整套很成熟的玩法，比如物权、债券、所有权等，还有基于此的一系列衍生品。
实体商品价值的测度基于供给和需求两端，成本是生产者付出的原料／人力／销售／运营成本等，需求反映消费者愿意接受比成本高多少的溢价。
但服务（service），尤其是基于互联网服务的价值，相比实体商品，是更加个性化和难以测度的。一方面是产消关系的界限日渐模糊，平台链接用户，用户同时是产消者。另一方面，流量，留存度，转化率，这些构成了一个注意力经济下产品／企业的核心竞争力。
我们用什么工具来衡量眼球停留的时间的价值？发一个小视频或段子的价值？为商户评分的价值？留言点赞转发的价值？个人行为数据留痕的价值？
在比特币系统里，最大的价值是系统的“可信度”，但很难直接测量“可信度“这么抽象的概念。
要测度大家对系统“信任”的贡献度，我们要再设立一个评估的机制，所以找到了算力这个点。算力贡献越大＝对信任度贡献越大，而算力的大小和效果再由工作量证明POW（proof of work）来验证。
这种思想被广泛运用到通证设计的各个环节。
参考火币袁煜明和CSDN孟岩的观点，一个通证从诞生到发生作用，有三级分配的流程。从0级的挖矿造币，到1级的市场流通，再到2级的宏观调控。
其中0-1级分配，体现的是通证的内在／效用价值。0级分配就是造币环节，增加系统里的通证（token）。
为了激励个体参与造币，需要评估他们贡献的程度，然后给予相应的通证作为奖励；1级分配则是体系内的治理，所有难以评估的抽象“价值”，都要先找到一个好统计的中间量（好评／差评数，点赞转发数，注意力停留时间，多重维度的数据汇总后得到的忠诚度／信用分等），再通过通证的增减给予奖励或惩罚。
2级分配，则更多着重于通证的投机／风险属性。宏观调控，是为了防止两种恶性情况的发生——内在泡沫和外部攻击。火币袁煜明老师总结非常好，一是价格收敛，二是要稳健安全。
演化算法（EA，Evolutionary Algorithsm）
每一个集体都有一套机制，比如家庭、学校、企业，乃至社区、社会。在很多集体里，设计者和参与者都有很强的界限，是二元对立的。
哪怕是《黑客帝国》等科幻电影所描述的世界，也有一个终极设计者掌控着整套系统，参与者自觉或不自觉的都在按照大boss的设计行动。
而演化算法不同，其灵感来自于大自然的生物进化，任何均衡状态都不是被设计出来，而是演化生成的。和局部的优化相比，它是一个具备更高的鲁棒性（robust）的全局优化方法，具有自组织、自适应、自学习的特性。
如果把通证系统类比为自然界的生态系统，倚赖的是进化算法，可以产生如下的类比（参考Trent McConaghy）：
| 通证生态系统 | 进化算法 |
目标 | 区块激励方程（如最大化算力） | 目标方程（如最大化基因传递） |
度量 | 工作效果证明（如POW工作量证明） | 测量匹配度和适应性 |
参与者 | 矿工／持币人 | 个体 |
时间单位 | 一个区块奖励区间 | 代际 |
激励／惩罚 | 无法控制人的行为，但可以通过通证的增或减进行激励或惩罚 | 无法控制个体，但可以通过繁殖或死亡进行激励或惩罚 |
本质上，演化算法的优势是不依赖于设计者的有限理性，因为只要设计者不是神或自然界，而是人的话，总不可能做到全知全能。
社会小故事
知乎上有个有趣的回答，国企效率真的很低吗？，我们都知道一个stereotype，就是国企侧重稳定和政治正确，而私企侧重效率和盈利。为什么呢？
按照上述分析，是因为国企／私企的目标函数和约束条件都不同，因此制度设计不同，造成个体行为也迥异。
以刷盘子为例（故事引用自 Marvin Dada）：
某国企刷盘组长，手下有6个人，每天总任务是刷12000个盘子，一人平均刷2000个。
一个月后组长给领导报告了采购需求：本月消耗了3000瓶洗涤灵，60吨水，一共花费2万元。
领导很震惊，洗个盘子居然要花这么多钱，听说有员工把洗涤灵拿回家用，还有偷出去倒卖的，这是国有资产流失风险，我们得精细化管理，加强成本控制。
于是草拟了《刷盘管理办法》：
物资统一管理，采购后存在专门库房，以后每次使用洗涤灵，需领导签字方可从库房领取。水费每天结算，需要领导审核签字。（一人转岗负责采购、入库、分发）
1、每个员工的水龙头前设置独立水表，每月根据刷盘子的量审核用水量和洗涤灵量，超过平均值5%的要写说明；
2、展开劳动竞赛，每天刷盘子最多的，有积分奖励，积分最高者，考评为A，年底增加工资5%。
3、组织员工改进刷盘子办法，提出更加省水和洗涤灵的刷盘方法，每月组织评比。（组长专职负责登记、统计、评比）
领导阅后指出，一个人同时负责采购和分发还是存在风险，于是又增添一人兼职物资分发。
这样全职刷盘子的人变成3个人，一人每天刷3500个，另一人兼职，一天刷1500个，每天还是刷12000个盘子。另外行政管理人员2人，不承担任何刷盘KPI。
一个月后，洗涤灵节省了50瓶，水少用了5吨。但大家每晚都需要加班到很晚，忙职和闲职泾渭分明。
年底，由于1年内该组节约了洗涤灵1500瓶，节约用水300吨，节约成本10万元，获得了总部的表扬，成为典型标兵，刷盘方法被细化成《刷盘优化处理流程》在全集团上下推广。全集团统共有60个刷盘人员，按照办法每人每天平均刷2000个盘子。虽然工作效率不高，但预算管理和成本控制还算有一套。
组长年后跳槽至餐饮私企担任刷盘总监，到岗后发现总共也是60个刷盘人员，便仿照《刷盘管理办法》和私企老板汇报工作规划。没想到老板说：“为这点洗涤灵钱费这么大劲儿干嘛？回去把能干的留下来，让他们提高效率，成本不就节约下来了”。
一年后，60个刷盘工被辞退了20个，其中10个人的工资分给剩下的40人当作加班费，然后组织剩下的40个人加班，刷盘数量从每人2000个/天提高到3000个／天。这样一来，节约了10个人一年的工资成本，果然比节约的物料费10万还多。大家都说，还是私企人员效率高。
国企的目标是最小化国有资产流失的风险，也面临着不能随便辞退员工，要注重社会责任这些约束条件，所以国企员工平均效率和薪资较低；私企的目标则是最大化利润，而且在辞退人员和预算支配上的灵活性很高，因此弱肉强食，多劳多得。
然而每一个组织，不论姓国姓私姓外，在规模扩大时，都面临着行政岗位和绩效岗位的分化。小组织里人员少，管理扁平，以创造效益为先，都想做大蛋糕，共享增量。但当组织到达一定规模，增量减缓，需要共享存量和分蛋糕时，一定会出现办公室政治和权力间的相互制衡。
正如《人类简史》里尤瓦尔·赫拉利说的，少于150人的团队靠八卦（gossip）管理都是好使的，但智人之所以能够进化，就是因为懂得虚构更大的故事。古今中外，各个学科，都在用自己的套路构造故事。
计算机语言叙述的，也不过就是个故事而已。
参考资料：
《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
《基于供给的区块链商业体系设计》袁煜明
《国企效率真的很低吗？》Marvin Dada
