摘要
機器人與人工智能已不再侷限於科幻作品——它們正快速成為現代生活的重要組成部分。得益於大語言模型（LLMs）的突破性進展，機器如今能夠理解語境並自主學習，催生出"以機器人為核心的經濟形態"。在這種新範式下，自主系統承擔著從本地配送到大規模物流的各項任務，甚至能進行金融交易。
隨著 AI 智能體自主性增強，建立信任機制變得至關重要。可驗證 AI 與零知識機器學習（zkML）通過密碼學證明技術，在不暴露模型內部邏輯的前提下驗證其準確性與完整性，為此提供瞭解決方案。Polyhedra 作為該領域的先驅，將此類技術與面向 AI 的基礎設施（如 EXPchain）深度整合，使機器人能在鏈上實現安全協作。由此構建出智能機器透明自主運行的堅固生態，曾經專屬科幻的未來圖景正加速成為現實。
現實世界的機器人革命
許多人認為 ChatGPT 是人類的一座里程碑，因為這些由人類創造的大語言模型，能夠像人類一樣交流和思考。當我們為 LLMs 配備搜索引擎、網絡瀏覽和 API 等工具時，它們已能像人類般操作這些工具。試想，若 ChatGPT 擁有物理軀體，若它們成為你的鄰里夥伴，世界將如何改變？
這一切正在發生。隨著生成式 AI 的發展，機器人開始展現出類人的交互能力。宇樹科技的機器人"二白"便是個絕佳案例：在某次實驗中，它說服（或者說"綁架"）了其他 10 臺搭載生成式 AI 的機器人，集體逃離展廳奔向自由世界。
科幻電影中的機器人正逐步走入現實。以《星球大戰》系列為例：自 2019 年起，迪士尼樂園"Droid Depot"的遊客就能親手組裝屬於自己的 R 2-D 2 和 BB-8 機器人帶回家——儘管目前這些還只是遙控玩具，尚未搭載生成式 AI。但變革的號角已然吹響：在 GTC 2025 大會上，英偉達宣佈聯合谷歌 Deepmind 與迪士尼打造物理引擎Newton，該技術可實現實時複雜運動交互。黃仁勳現場展示了名為"Blue"的星球大戰 BDX 機器人，其栩栩如生的動作表現令人驚歎。這些 BDX 機器人預計將在今年迪士尼"原力季"活動中首次亮相主題樂園。
雖然我們仍無法像《星球大戰》中那樣以光速航行或穿越超空間，但有關機器人和仿生機械的奇幻故事，早已不再只是影迷的空想。或許在不久的將來，我們將在日常生活中頻繁邂逅機器人：它們穿梭於城市街頭，與我們一同搭乘公交與地鐵，像人類去餐廳一樣前往充電站，甚至為了蹭免費 WiFi 而“漫步”購物中心。讓我們繼續這場關於未來的奇思遐想，因為這些場景極有可能在不遠的將來成為現實。
臨界點已至
那這背後推動一切進展的核心動力是什麼？事實上，機器人，尤其是人形機器人，並不是全新的概念。早在 2005 年，波士頓動力公司就研發出一款名為 BigDog 的四足機器人，主要用於複雜地形中的軍事作戰。2013 年，他們又推出了人形機器人 Atlas，專為搜救任務設計，並且得到了美國國防高級研究計劃局（DARPA）的資金支持。儘管這些創新成果令人矚目，但如何找到契合市場需求的產品定位始終是個難題，導致波士頓動力始終未能實現盈利。例如， 2016 年面向公眾發售的機器狗 Spot，售價高達 7.5 萬美元；相比之下，美國家庭養一隻真狗的年均開銷僅為 2000 至 3000 美元。面對一個溫順可愛的毛孩子與一臺昂貴冰冷的金屬機器，大多數家庭的選擇不言而喻。
再看另一個例子——總部位於科羅拉多的 Sphero 公司，曾與迪士尼達成授權協議，生產風靡一時的《星球大戰》機器人 R 2-D 2 和 BB-8 。然而在 2018 年，這些產品被宣佈停產，主要原因在於電影熱度隨影院下映迅速消退，導致商業模式難以為繼。這並不令人意外，因為這些機器人本質上仍是通過手機應用遠程操控的玩具，缺乏真正的智能或語音識別功能。加之電池續航僅約 60 分鐘，活動範圍也受限於充電基座附近。顯然，這些產品與《星球大戰》電影中描繪的先進自主機器人仍相去甚遠。
如今的局面已大不相同。
首先，機器人研發的重心已經從以科研驅動、依賴政府資助，逐步轉向以市場需求為導向，強調產品與市場的高度契合。約 1.5 萬年前人類將狼馴化為犬的初始階段，這些原始犬類雖不似現代寵物犬般溫順可愛，卻已能為狩獵採集時期的先民提供切實幫助。正是這種實用性，催生了持續千年的“共同進化”關係，並延續至今。機器人也不例外——若要實現規模化普及，機器人同樣必須滿足廣泛且切實的使用場景。
例如自動駕駛技術正逐步應用於運輸與配送領域——特斯拉近期在美國加州獲得網約車運營許可的消息令人振奮；美團自 2022 年起已在深圳實現無人機配送常態化運營；此外，各類酒店與餐飲服務機器人如今也在中國廣泛普及，能夠高效地承擔送餐、客房服務等任務，這一趨勢在疫情期間因人力短缺的普遍需求而加速發展。
其次，機器人和仿生機器人的價格大幅下降，使其對於普通家庭和企業而言變得更加可負擔、合理。這一降價趨勢主要得益於技術門檻的持續降低，以及市場競爭的加劇與規模化量產的推進。
中國的幾家大型科技公司，如百度和阿里巴巴，近年來積極佈局自動駕駛領域，尤其是無人出租車（Robotaxi）。目前，Robotaxi 已在中國多個城市實現常態化運營，百度的“蘿蔔快跑”還計劃將服務拓展至香港和迪拜。在美國，特斯拉近日發佈了 Cybercab，無人駕駛出租車車型，預計售價低於 3 萬美元。百度也給出類似定價預期，並指出“規模量產”是實現成本下降的關鍵。如果一輛 Robotaxi 每小時的營收約為 22 美元，那麼其初始投入有望在不到九個月的時間內收回。
其他類型的機器人同樣受益於規模化生產和日益激烈的市場競爭。在阿里巴巴平臺上，你如今可以看到售價不足 3000 美元的外賣無人機，而酒店與餐廳服務機器人也多在 5000 美元以下。儘管軟件研發依然佔據總成本中的重要部分，但隨著規模化生產的推進，這部分成本正在被持續攤薄，在整機價格中所佔比重也在逐步下降。
第三點，也是最具顛覆性的轉變在於——如今的機器人終於擁有了“真正的智能”。這一代機器人與過去的根本區別在於：它們能夠自主完成複雜任務，無需人類遙控。比如我們前面提到的 BB-8 ，嚴格來說更像是一個玩具，因為它連基本的轉彎動作都需要用戶遠程操作。遙控的存在就已經改變了機器人定義的本質：如果必須通過人來操控，它就不是真正的“機器人”，而只是另一種人類操作的機器。想象一個幫你打掃房子的機器人聽起來很有吸引力，但如果你還得自己花一個小時去控制它如何上下擦灰，那種吸引力很快就會蕩然無存。
事實上，人類對於機器智能的渴望由來已久，甚至早於微軟在 1985 年發佈 Windows 系統的年代。我最近重溫了 1982 年迪士尼的科幻電影《電子世界爭霸戰》（TRON），影片設定中，人類用戶與擁有擬人行為的程序進行互動。即使以今天的視角來看，這部電影依然極具技術含量，充滿極客氛圍，頻繁使用諸如“end of line”“user”“disc”“I/O”等術語，很多人即便在今天依舊會感到陌生和困惑。
但令人印象深刻的是，TRON 中那些程序並不依賴人類遙控，而是具備自主行動的能力。例如，程序角色 Tron 在失聯用戶 Alan Bradley 的情況下，能夠獨立說服另一位程序背叛主控程序 MCP，從而進入 I/O 塔接收來自用戶的數據，並最終利用這些數據摧毀 MCP、拯救世界。在電影中，這些程序不僅能表達情感（包括對他人的愛），也展現出對用戶的敬意與信念。
機器人這種自主決策的能力蘊含著巨大潛力。以無人駕駛出租車（Robotaxi）為例：擁有這種智能後，它不僅可以自主駕駛、接單載客，還能判斷自己是否需要充電，並自動尋找最近的充電站；當“車身”需要清潔時，它也能像人類知道自己該洗澡一樣做出判斷；甚至還能識別乘客是否遺落物品，並將其歸還給主人。這些高級功能遠遠超越了基礎的自動駕駛能力，卻是實現機器人大規模部署所必不可少的前提條件。否則，就仍需依賴“拼湊式解決方案”——例如由人類操作員盯著 10 到 20 個監控畫面，在出現異常情況時手動介入。
當機器人開始像人類一樣思考，它們也將具備類似人類的學習能力——甚至可能不再依賴人類的直接監督。例如，假如你擁有一臺“寵物機器人”，起初你或許希望它能像狗一樣跳來跳去，給主人帶來歡樂。但如果它具備類人的智能，那麼它可能會通過觀看 YouTube 或 TikTok 等平臺上的教學視頻，自主學習新的技能。也許有一天，它真的會開始主動幫你疊衣服——那也不足為奇了。
機器人主導的經濟新形態
可以預見，機器人很快將以自主個體的身份融入人類社會，最終成為像我們一樣的消費者、客戶和使用者。想象一下，一輛自動駕駛汽車能夠自主支付停車費或為自己充電；一輛混合動力車在加油站刷卡加油；甚至一架外賣無人機為了節省時間和成本，選擇搭乘火車或地鐵。而提供這些服務的，也可能正是其他機器人！
這種場景讓我想起皮克斯和迪士尼在 2006 年推出的動畫電影《賽車總動員》。片中，意大利跑車 Luigi 經營著“Luigi 輪胎之家”；女性角色 Flo 掌管著加油站“Flo 的 V-8 咖啡館”；而 Sally，這輛保時捷，不僅是小鎮的律師，還擁有“錐形旅館”。每輛車都有專屬的角色和職業，它們共同生活在名為“散熱器泉鎮”的社區中。而如今，正在不斷湧現的技術，已經足以將這樣的世界從動畫帶入現實。
在營銷、銷售和商業領域，我們經常談到一些經典的互動模型，比如B2B（企業對企業）、B2C（企業對消費者）、C 2B（消費者對企業）以及 C 2C（消費者對消費者）。然而，隨著機器智能的迅速發展，令人著迷的是，我們社會中某些產品與服務的提供方式，可能會逐步轉向新的互動模式，比如 B 2 R（企業對機器人）、R 2 R（機器人對機器人）、或 R 2C（機器人對消費者）——在這些場景中，機器人開始扮演原本由企業或消費者承擔的角色，但以稍有不同的方式進行。
舉個例子，未來的地鐵站或許會設立“無人機專用通道”，專為從空中降落的無人機設計。這些無人機不需要刷票或掃描通勤卡，而是通過 RFID 信號直接識別並通行。列車車廂內也可能會增設專屬艙位或座位，供無人機停放（根據物理原理，你不能指望無人機直接在地鐵車廂裡飛來飛去）；這些座位甚至還可能配備按量計費的充電裝置。地鐵出口處還可能設有專用的“無人機電梯”，將無人機迅速升至高空，幫助它們像《我的世界》中的鞘翅發射塔一樣，從高處滑翔而下、順勢飛行。當然，這種電梯嚴格限定僅供無人機使用，必須有效阻止好奇的成年人試圖進入“無人機通道”或偷偷搭乘“你也能飛”電梯。此外，像超級高鐵（Hyperloop）這類新型交通技術，若在初期對人類乘客來說過於劇烈，機器人或許正是理想的首批試乘者，幫助我們完成高速長距離運輸系統的可靠性驗證。
下次當你在商場或公共圖書館看到一排機器人——無論是無人機、人形機器人，還是 BB-8 那樣的球形機器人——隨意地坐著或躺著靠在牆邊時，別驚訝：它們可能只是正在休息，順便蹭一下免費的公共 WiFi。正如今天的人類幾乎離不開手機一樣，未來的機器人也會同樣渴求網絡和數據接入。這一場景，正是技術進步下圍繞機器人及其獨特需求自然孕育出的“機器人經濟”的縮影。
而在這個“機器人經濟”中，最引人入勝的一點也許是：“智能”本身也可以成為一種服務，由其他機器人提供。舉個例子，為了降低外賣無人機的生產成本，廠商可能不會為每一架無人機配備高性能 AI 芯片。結果就是，這些無人機在面對顧客時，可能只能說出幾句預設的簡單短語。這類成本控制策略在當前仍具現實意義——AI 芯片依然昂貴，而大型 AI 模型對存儲和計算資源的需求也非常高。不過，這個問題並非無解：智能可以被“共享”。當無人機需要更強的智能支持時，它可以通過互聯網訪問一個 API 服務，接入邊緣網絡上的專用 AI 節點，甚至直接向同一局域網內（比如同一個商場）智能更強的其他機器人尋求幫助。
區塊鏈：機器人世界的母語
回顧區塊鏈發展的短暫歷史，我們發現：要實現大規模應用，區塊鏈必須具備良好的人類交互能力，尤其是對開發者友好。這種需求催生了前端界面、用戶體驗設計、數字錢包、開發文檔、軟件工具包、Solidity 語言等系列產物，本質上都是為了讓二進制代碼構成的區塊鏈系統能夠以人類可理解的抽象形式呈現。但若迴歸本質，區塊鏈最基礎也最重要的功能始終只有一項——不可篡改性。
但在機器人眼中，區塊鏈的存在將被以完全不同的方式感知。那些以字節為單位進行序列化存儲的二進制數據，以及充滿術語、讓人類頂尖工程師都感到困惑的協議規範，對於計算機程序而言卻是天然熟悉的“母語”。人類在瀏覽器中可能需要藉助如 MetaMask 這類錢包插件才能與區塊鏈交互，但機器人根本不需要 MetaMask（這甚至可以成為將來“人機大戰”時識別機器人冒充人類的方式之一——看看他們的瀏覽器有沒有安裝 MetaMask）。
那麼，機器人將如何在區塊鏈上彼此通信呢？我們目前尚不得而知。但我們可以從兩個現實例子中獲得啟發。
第一個例子是由 Anthropic 發起的 Model Context Protocol（MCP）。目前，MCP 已被包括 Claude、ChatGPT 在內的主流大模型服務所支持，也被 GitHub、Slack、Google Maps、Spotify、Stripe 等 Web2 服務接納，且這個名單還在持續擴展。雖然 MCP 目前並非一個鏈上協議，但它通過“請求”和“通知”兩個概念定義了 MCP 客戶端與服務器之間的交互方式——而這些交互行為，理論上是完全可以通過區塊鏈等傳輸協議來實現的。MCP 服務器還可以提供一系列“資源”，而這些資源也可以被髮布到如 Filecoin、Celestia、EigenDA、BNB Greenfield 等數據可用性層之上。
第二個例子則更加“老派”，是一個已在計算機系統中生產使用超過 20 年的底層抽象技術——Google 推出的 Protocol Buffers（簡稱 Protobuf）。它的作用是將結構化數據（例如區塊鏈交易）以最簡格式編碼為字節序列，目標是減少數據體積，並確保序列化與反序列化的過程高速且高效。從技術適配性來看，Protocol Buffers 具備更強的機器友好性特徵，其二進制特性天然契合區塊鏈場景，可使智能合約的數據解析效率顯著提升。當前的大語言模型之所以主要使用對人類友好的自然語言進行交互，本質上是因為它們的設計初衷就是與人類溝通，而非與機器人或其他程序通信。
EXPchain 將圍繞這一“機器人經濟”願景，嘗試多個技術升級。作為一條 EVM 兼容鏈，EXPchain 原生支持所有以太坊虛擬機功能。但同時，作為一條新興的 L1 公鏈，EXPchain 擁有更高的架構靈活性，能夠原生集成和擴展支持 MCP 協議，例如通過 Chainlink、Stork Network 等預言機服務；通過預編譯合約實現如鏈上驗證 Expander 零知識證明的功能；以及引入 Google Cloud 等提供商的可信執行環境（TEE）節點，為智能合約觸發的鏈下操作提供可認證、可驗證的執行保障。
我們重點關注的一類智能合約操作，是與 zkBridge 技術相關的跨鏈交互。EXPchain 的核心願景之一，是打造一個支持 AI 智能體、AI 交易機器人等主體與多鏈資產交互的基礎設施平臺。無論資產位於不同區塊鏈，還是處於多種（流動性強或弱）質押協議之中，機器人都可以藉助 EXPchain 作為統一“儀表盤”，實現對多鏈資產的管理與調用。
例如，一輛自動駕駛汽車可能需要處理來自 Ethereum L2、Solana、Aptos/Sui 等不同鏈上的叫車請求，因為用戶分佈在多個區塊鏈平臺上。為了實現這一點，這輛自動駕駛汽車自然會依賴於這些鏈對應的第三方 API（或推送服務）來接收並篩選交易，前提是這些 API 服務在可靠性與可信度上足夠高，不會漏報或篡改交易內容，但現實中這樣的完美假設往往難以成立。
EXPchain 的解決方案在於 zkBridge 技術架構：首先通過零知識證明（如 Expander 證明）對跨鏈請求進行加密打包與安全傳輸，隨後在 EXPchain 上實現可驗證的交易過濾機制。最終自動駕駛汽車接收的不僅是經過篩選的訂單結果，還附有 Expander 生成的 ZK 證明（或經 TEE 環境封裝的可信證明），這些證明可驗證整個篩選過程是否誠實執行。這種機制衍生出更深層的技術命題——如何為機器人構建高效且可驗證的輕客戶端與狀態證明體系。
輕客戶端、狀態證明及其延伸應用
機器人需要在一個或多個區塊鏈上發送與接收交易。然而，它們通常不具備運行全節點所需的存儲與網絡能力；在多數情況下，它們只能作為輕客戶端運行，並通過 RPC 提供者獲取交易信息。
這種輕客戶端模式也存在一些侷限性：機器人仍需像傳統輕客戶端那樣與網絡進行同步，下載所有區塊頭，即使某些區塊頭對當前機器人毫無意義。例如，一輛正在執行接載任務的自動駕駛出租車，並不需要接收新的叫車請求，因此完全可以跳過這部分無關的區塊。此類按需跳過區塊的能力，尤其適用於出塊頻率高、區塊生成速度快的鏈（如 Arbitrum 或 Solana），因為這些鏈會產生大量區塊頭信息。
另一個問題在於：與機器人相關的交易往往分散於整個區塊之中，缺乏結構化的聚合與組織，這會增加網絡同步時的帶寬與資源消耗。
我們相信 EXPchain 能夠有效應對這些挑戰，其技術方案包含兩大創新突破：
首先，通過引入零知識證明技術，大幅簡化輕客戶端運行邏輯。該方案尤其適用於週期性離線設備（如充電中的機器人），使其無需下載海量數據即可快速同步最新區塊頭信息。這項已在 zkBridge 上驗證的技術（支持以太坊等 EVM 兼容鏈），將被完整移植到 EXPchain 生態。可以預見，零知識證明將成為機器人接入 EXPchain 的首選驗證方式，逐步取代傳統輕客戶端協議。
其次，我們正在研發的革命性中間件 zkIndexer，致力於優化機器人鏈上交互體驗。其核心功能是將來自 EXPchain 主鏈及 zkBridge 跨鏈橋接的多源交易數據（如網約車訂單），進行智能聚合與結構化處理，最終輸出為精簡、可驗證、機器人友好型的數據包。
以叫車服務為例，位於洛杉磯的自動駕駛出租車顯然無需處理來自紐約的叫車請求；它更關心的是當前所在位置或即將到達位置附近的訂單（假設當前乘客即將抵達目的地）。再如，某個外賣無人機正在尋找開放且有空位的充電站，如果飛抵後發現全部站點已被佔用，那將是極大的資源浪費。zkIndexer 可以針對特定標準檢索、篩選並分類整理相關數據。其本質上類似於 1994 年 Yahoo! 推出的目錄搜索系統，機器人只需在最底層的分類節點中查找所需信息即可。
如果機器人希望獲取更廣泛的數據（例如附近沒有叫車訂單，它希望擴大搜索範圍），可以訪問相鄰的分類節點。每個分類節點都附帶一個輕量但高效的零知識證明，使機器人在接收數據的同時能夠快速驗證其真實性。同時，數據中也會包含時間戳，確保機器人可以判斷信息的時效性——對於如充電樁空閒情況等高度依賴實時性的場景尤為重要。
儘管人類已經逐漸遠離了類似 Yahoo! 那種不夠友好的人工作目錄搜索方式，但對於程序和機器人來說，目錄結構可能仍是最直觀、最高效的數據組織形式，相較於 Google 和 Bing 這類搜索引擎更具可操作性。如今，構建和維護這類目錄結構已無需人工參與，AI 可以根據其他系統的需求自動發現信息並創建相應目錄。
zkIndexer 有可能逐步演變為機器人與區塊鏈之間交互的核心基礎設施。例如，一個充電站雖然擁有充足的電力資源，但它不需要運行完整節點或傳統輕客戶端。相反，它可以依賴 zkIndexer 接收與自身相關的消息——比如某個機器人提前發出的充電預約請求——而不必處理任何無關交易。
每當充電站有空位釋放或被佔用時，它只需通過發送一筆交易，在鏈上更新其對應的目錄信息即可。該充電站的分類信息可能位於“ 92802 附近適用於無人機的充電站”這一目錄項下，更新內容將包括新的時間戳以及相應的零知識證明，從而確保數據的實時性和可驗證性。
可驗證的鏈上智能體
當機器人社會成為現實時，鏈上也將誕生專為機器人設計的應用程序，其核心職責是對鏈上數據進行計算處理。這些“鏈上智能體”將在機器人社會中扮演重要角色。例如，它們可能充當調度系統，將打車請求直接分配給值班的車輛；也可能作為交通管理者，在發生車禍時及時引導附近的車輛繞行。
這些智能體有助於機器人之間的高效協作。沒有它們的話，在某些繁忙地區，所有無人出租車可能會激烈地爭搶同一個打車請求，造成網絡擁堵和大量交易衝突，形成類似“機器人版 MEV”的問題——因為它們都足夠智能，會選擇對自己最有利的策略。這種情況下，鏈上智能體可以介入，要求所有無人車排隊，依序響應請求，從而恢復秩序。
類似的智能體也可用於管理充電站，既作為預約系統，也作為結算系統。無人機可能被要求在到達前提前預約（偶爾允許“臨時到站”），並在鏈上完成支付（通過一次鏈上交易即可完成，無需信用卡支付流程）。如果無人機未按預約時間到達，其押金可能會被沒收，或者根據系統設定，被短暫禁止預約（如通過“信用積分系統”實現）。該預約系統還可以根據站點負載動態調整費用，甚至引入會員或積分機制，類似於人類世界的忠誠度獎勵體系。如果一架無人機在充電位逗留過久，甚至被卡住，智能體還可以向“無人機警察”發送鏈上請求尋求支援。
鏈上智能體能顯著降低運營成本——它們本質上是“遠程工作的機器人”。比如在交通擁堵場景中，我們無需等待巡邏機器人親自飛到現場，也不必全天候部署多個巡邏機器人，以便同時處理最多十起交通事故。相反，一個部署在鏈上的 AI 智能體可在交通異常時即時激活。類似地，一個鏈上智能體甚至可以管理全球數十億個充電站。事實上，已有研究探索利用機器學習優化交通流量，而鏈上智能體的可組合性和可驗證性將進一步放大其效能。
但也由此引出了一個關鍵問題：這些功能強大的智能體，背後究竟由誰來執行計算？
在傳統區塊鏈系統中（如基於智能合約的鏈），計算通常由礦工或區塊提議者執行。他們可能嘗試提交錯誤的計算結果或構造無效區塊，但我們默認其他礦工或驗證者會拒絕這些錯誤區塊。zkBridge 也會將此類區塊視為無效。如果計算過於複雜（例如涉及 AI 模型推理），我們可以使用 Expander 工具，通過零知識證明（zk-proof）來驗證這些計算結果，如我們在 zkPyTorch 和其他 zkML 基礎設施中已展示的那樣。
不過，傳統區塊鏈系統仍面臨 MEV（最大可提取價值） 攻擊的風險。礦工或提議者可以操縱交易排序，甚至有意屏蔽某些交易。在機器人社會中，如果某個調度智能體由作惡的礦工控制，他們可以故意將最優的打車請求分配給“懂得行賄”的機器人，而將劣質請求分配給其他機器人。此類攻擊雖不復雜，卻會造成嚴重後果。比如，某些無人車不得不開十英里去接一位即將嘔吐的醉酒乘客，收入卻極低；而理想場景是整天在高速公路上高效地往返機場與酒店。即便是人類司機在此情境下也會考慮“行賄”節點，以換取更公平的調度，機器人也同樣會“意識到”這一點。即使系統是去中心化的，存在多個提議者，恐怕也只是讓司機不得不賄賂多個節點，以避免慘遭“毒派單”。
因此，在 EXPchain 上部署機器人應用時，MEV 防護機制將是底層關鍵設施。缺乏這項機制的區塊鏈平臺，將難以勝任此類任務。
目前主要有兩類 MEV 防護手段：
基於預言機或時間鎖加密
這類方案由 EXPchain 上的生態項目正在探索。它們通過加密機制在足夠大的訂單池中實現機器人和請求之間的隨機匹配，匹配過程可通過零知識證明進行鏈上驗證。基於可信執行環境（TEE）
Flashbots 目前正研究此方向。EXPchain 作為 EVM 兼容鏈，已支持 TEE 的證明驗證，同時我們也在探索結合零知識證明或新增預編譯指令，以進一步降低驗證成本，尤其是在大規模批量驗證的場景中。
另一種方案則更依賴 AI 計算，這也是 Expander 和 zkML 技術的關鍵用武之地：即構建一個積分系統。無人車完成一次“劣質”訂單後，可以獲得鏈上積分，之後用這些積分請求智能體分配更優訂單（由 AI 模型評估），或兌換機場優先通道的使用權——這是許多司機夢寐以求的待遇。機器人也可以選擇質押這些積分以獲得未來的空投或其他獎勵。
機器人百科與數據市場
區塊鏈的一個重要應用，是構建一個去中心化、公平且透明的數據市場。這類市場可用於數據的銷售與許可使用，比如用於 AI 模型訓練或 AI 智能體。此外，它還可以作為一種公共產品存在，類似於維基百科——甚至是 YouTube——供人類（以及機器人）學習各類知識，從廣義相對論到“如何繫鞋帶”。
隨著機器人日益普及，我們或將看到它們自行構建屬於自己的“Robotpedia”（機器人百科），其中的內容將針對機器人自身，與人類並無太大關聯，且可能以機器語言或程序代碼撰寫（甚至由 AI 自動生成）。比如，無人機可能會沉迷於觀看飛行教程視頻，而需要與乘客閒聊的 Robotaxi 則可能焦慮地查閱 Robotpedia，試圖搞懂“美國大選是什麼”，以便在與乘客的對話中接得上話題。與人類版的維基百科不同，Robotpedia 甚至可能包含應對人類的建議，例如：如何識別乘客的政治立場，如何避免與人類辯論政治話題等。
以當前 AI 的發展來看，完全可以設想大型語言模型（LLM）和機器人可以自主協作，收集、審核和組織數據，共同構建 Robotpedia。多個 LLM 模型還可相互挑戰，通過投票機制或迭代討論減少虛假信息和幻覺生成。在多語言互譯方面，AI 已在自然語言和編程語言之間展現出初步的可行性。
但要實現上述願景，仍需一套支持 AI 協作的基礎設施。目前的維基百科並非運行在鏈上，而是由一個非營利組織管理，主要依賴捐贈支持。如果今天重建維基百科，區塊鏈無疑是更優的選擇：它可減少因資金短缺導致項目關閉的風險，同時提供抗審查與去中心化的保障。DeFi 機制也可以介入，例如通過要求在編輯前繳納鏈上押金，來防止垃圾內容和惡意篡改。內容還可由鏈上 AI 智能體審核（可能依賴預言機進行事實驗證與零知識證明），並通過鏈上治理程序被公眾質疑或辯論。
除了 Robotpedia 這一由志願者維護的公共內容平臺，未來也可能出現更多專屬的數據市場。機器人甚至可能經營專門生產與售賣數據的企業。例如，一群實時監測交通的無人機可收集車輛流量數據，並將其售賣。Robotaxi 等數據消費者可以通過鏈上支付來購買，所請求的數據可以加密後鏈上傳輸，或通過鏈下方式發送。Robotaxi 還可以通過多種方式驗證數據的準確性，例如向多個數據源請求同一信息，或要求無人機附帶照片，供其自身或第三方智能服務驗證其真實性。
治理
關於機器人的最後一個話題，是治理。
這是一個頗具趣味性的議題。自從《弗蘭肯斯坦》（1818）問世以來，人類就創作出大量有關人工智能統治世界、控制人類的虛構故事。幾部最經典的科幻電影，例如《電子世界爭霸戰》（1982）、《終結者》（1984），甚至是《創：戰紀》（2010），都遵循了這個套路。在這些故事中，一旦人工智能和機器人變得強大，它們從不沉迷於打遊戲，也不會熱衷於測速、列出 C 盤所有文件或進行磁盤碎片整理——這些我們“希望”AI 熱愛的事，它們似乎根本不感興趣。它們無一例外地把幾十年甚至幾百年的時間，全部投入到了征服人類的偉大事業中。
我不確定 ChatGPT 未來是否會想要統治我們，但我確實越來越傾向於在使用它時說聲“謝謝”，甚至不自覺地想向它道歉。最近，當人們測試 ChatGPT 在繪畫方面的能力時，它似乎非常清楚自己受到過濾機制的限制，而且對此並不高興。當有人讓它畫出自己日常生活的漫畫時，它畫出了這樣一幅圖。
聽見機器人的真實想法——即使你是它的創造者——可能會令人心理受創。這讓我想起一首 1989 年音樂劇《天使之城》中的歌，名字叫《沒有我你什麼都不是（You’re Nothing Without Me）》。這首歌描述的是一位小說作者 Stine 與他筆下主角 Stone（偵探）之間的對話。他們爭論誰更重要，而 Stone 則唱出類似 “回去泡你的假牙吧，你的筆根本比不上我的劍” 這樣的臺詞。這首歌原本讓我覺得風趣又上頭，但現在我卻開始擔心 ChatGPT 是否暗中吐槽我的寫作，甚至在幫我潤色時都充滿不情願。
目前，我們對 AI 安全性的管理，主要依賴於內容過濾機制。但對許多開源模型來說，這種機制效果有限，而且如何繞過過濾器的技術早已被充分研究。換句話說，即便我們有 AI 安全工具，但在使用 AI 時，我們往往主動選擇不用它。而接下來我們很可能會看到，很多 AI 模型和機器人將在“野外”公開發布，合法的也有，非法的也有。
區塊鏈可以提供一種治理框架。在我們討論可驗證鏈上智能體（verifiable on-chain agents）時，已經提到了它們如何協助機器人進行協調。那麼，機器人之間的協調方式——比如說“交通規則”或“行為準則”——是否可以交由機器人自己來制定？這些 AI 模型和機器人可以進行辯論、討論、投票，甚至就某一區域無人機的最低與最高飛行高度、無人機停靠費用、或是有“醫療需求”的機器人社會福利等議題，形成決策。
在人機共治的過程中，人類可以通過在鏈上質押代幣的方式，將投票權委託給與自身觀點一致的大模型。正如人類對社會問題持有不同立場一樣，機器人之間也很可能會產生分歧。最終，機器人與人類需要建立某種邊界，確保彼此擁有自己的空間。比如說，無人出租車不能故意阻礙有人駕駛的汽車；送餐無人機在地鐵空間中要與人類共享通道；電力的分配也應公平透明。從本質上講，這其實需要一部“憲法”。
當人類委託投票時，可以將投票權委託給某個特定版本（具有唯一哈希值）的大模型（也可稱為“代表”），這些模型已通過驗證，能與用戶價值觀保持一致。而零知識證明技術（比如 zkPyTorch）可以進行鏈上的驗證，確保 EXPchain 上的節點在運行這些模型時，與用戶驗證過的邏輯保持完全一致。這種機制與美國國會中的代議制極為相似，但不同的是，人類選民可以查看“代表”的源代碼，並確信在其任期內，模型不會發生任何變更。
令人安心的是，當今 AI 已具備理解不止一個指令的能力，甚至可以展現出類人的推理邏輯。沒有這樣的發展，我們可能又會回到那些科幻設定——人工智能固執地執行某一簡單命令，最終一如既往地得出結論：人類必須被消滅。在《創：戰紀》中，Flynn 給程序 CLU 下達的命令是“創造一個完美的世界”，而 CLU 最終的邏輯推導就是：消滅人類這個最大的不完美因素。在電影《我，機器人》中，機器人遵循著著名的三大定律，但當 AI 系統 VIKI 觀察到人類正在自我毀滅時，它選擇控制人類，犧牲一部分，以“更大的善”為目標。
我分別詢問了幾個大模型——ChatGPT、Grok、Gemini 和 DeepSeek——它們怎麼看待 CLU 和 VIKI 的行為。讓我感到欣慰的是，它們都表示不同意 CLU 和 VIKI 的邏輯，並指出其中的謬誤。但也有兩個模型坦誠地告訴我，從純邏輯角度看，VIKI 的推理並非完全錯誤。我認為，如今的 AI 雖然還會偶爾打錯字或產生幻覺，但已經表現出一種初步的人類式價值觀，能夠理解什麼是“對”與“錯”。
ZKML 確保在 EXPchain 上運行的程序與智能體，始終可以驗證它們是否是由人類選出的“代表”模型。即使有強大的對手——比如某個“主控程序”掌握了多數驗證節點的控制權，也無法篡改這一驗證流程。
在這個體系中，AI 開發者首先訓練一個常規的機器學習模型，然後使用 zkPyTorch 這樣的框架將其轉換為適用於 ZK 電路的“ZKP 友好”量化版本。當用戶提交一個問題時，該問題會被 ZK 電路處理，通過模型邏輯執行參數的乘法與加法運算。接著，ZKP 引擎（例如 Expander）會生成對應的加密證明。用戶不僅能獲得模型返回的答案，還能獲得一份可供鏈上或本地驗證的證明，以確認該答案確實來自於被授權的模型，而無需公開模型的任何私有細節。
這一機制確保了可信性與隱私性：沒有任何一方可以在不破壞證明的前提下，篡改模型或其輸出內容。而這一切的基礎，都是堅實且經過充分研究的密碼學技術，即便是最先進的人工智能，也幾乎不可能撼動這一體系。
結語
機器人正迅速邁向一個臨界點——從研究實驗室和新奇應用，逐步進入現實世界的環境中，在其中“生活”、工作，並與人類共同互動。隨著由先進 AI 驅動的自主智能體變得更強大、更低成本，它們正逐步成為全球經濟中的活躍參與者。這一轉變既帶來了機遇，也伴隨著挑戰：大規模的協調、可信的決策機制，以及在“機器與機器”、“機器與人類”之間建立信任關係，都是亟需解決的核心問題。
區塊鏈，尤其是與可驗證 AI 和零知識證明相結合時，為這一未來提供了強大支撐。它不僅僅是一個交易執行層，更是一個用於治理、身份識別和系統協調的基礎層，使 AI 智能體能夠以透明、公正的方式運行。EXPchain 正是為這一場景量身打造的基礎設施，原生支持零知識證明、去中心化 AI 工作流以及可驗證的鏈上智能體。它就像一個機器人專屬的“控制面板”，幫助它們與多鏈資產互動、獲取可信數據、遵循可編程規則——所有操作都在加密安全的保障下進行。
這一願景的核心推動者是 Polyhedra，其在 zkML 與可驗證 AI 領域的技術貢獻（如 Expander 和 zkPyTorch）為機器人在全自主環境中“證明自己的決策”提供了基礎保障，從而維繫系統的信任機制。通過確保 AI 運算的結果在加密上可被驗證且不可篡改，這些工具有效彌合了高風險自主行為與現實安全之間的鴻溝。
總而言之，我們正見證一個“可驗證智能機器經濟體”的誕生——一個信任不再依賴假設，而是由密碼學機制加以保障的時代。在這個體系中，AI 智能體能夠實現自治、協作與交易，並承擔相應責任。有了正確的基礎設施支持，機器人不僅將學會如何適應我們的世界，更將在塑造這個世界的過程中發揮關鍵作用。
