我们再一次站到了历史的拐点，区块链技术是不可逆的，当人们已经开始畅想web3.0的美好时代时，从某种程度上就代表了这一切必然发生，因为我们都不愿再回到过去或留在原地。每当变革性的技术产生时，对当时的那个时代来说都是无关痛痒的，但它所引起的经济、社会，乃至文化的转变都是空前的，人们只有在很多年以后，当回首往事时，才察觉到，那是一个人类发展史上上的一个关键节点。
区块链技术是web3.0的重要组成部分，尤其是对经济系统而言。区块链的长处也会带来弊端，不可能三角至今没有被突破，基于区块链的经济系统关乎整个社会的福祉，但是设计这样高度复杂的系统是极具挑战性的。Token Engineering就是为解决这个问题而诞生的。
通证工程（Token Engineering）这一词最早是由Trent McConaghy在2018年创造的。用这个词来描述一个经济系统的设计、部署和维护过程是很形象的，因为在这个系统中，信息是通过代币来传输的。
通证工程是一个跨学科的领域，借鉴了系统学、电气、机器人和控制工程等方面的既定做法，还从行为和生态经济学、运筹学、人工智能和优化等不同领域学习。它是一个从构思到设计、建模、模拟、测试、部署和维护的方法论，是建立加密经济系统的过程。其目标是设计强大的经济系统，可以抵御攻击、应对意外情况和各种故障，以维护生态内的参与者的利益。与某些通证经济设计的关注点不同，通证工程关注代币在网络中的作用，旨在推动网络实现与网络相关的一个共同优化的目标，而不是二级市场的价格。
以加密猫为例，从某种意义上说，这个游戏就是一个工程化的经济系统。这个游戏的设计者设计了外部代理人这样的角色，并提供奖励去激励他们履行这个角色的职责。这种设计激励机制的实践就是通证工程，并通过运用从优化理论到机制设计的工具来实现这个目标。
简而言之，通证工程就是对加密经济系统进行设计、验证和优化的一系列过程的合集。
复杂性和不确定性是生活无法回避的一部分。我们不得不去面对它、处理它，在这个过程中，工程化的思维或方式大有裨益。
区块链的世界从来不缺想法，各种叙事激发着人们的想象力，机构下场投资，散户也以各种方式参与到web3.0的浪潮中来。大量的人才、资金涌入，越来越多的想法在向现实靠近，这个进程中，唯独缺少的是一个“过程（process）”，可以理解为是实现叙事的具体的步骤。我们可以把这个具体步骤理解为就是“”工程“”要做的事。
低复杂系统拥有很高的容错率，就像传统的软件开发领域，在开发面向消费者的互联网产品时，可以通过不断循环“建造-打破-修补”这个简单过程实现最终的目标。但对于复杂系统来说，事情并没有这么简单，收益最大化的方案就是不采取任何行动。既然如此，我们又是怎样完成那些诸如吊桥、卫星等高度复杂的工程奇迹的？面向工程的过程（Egineering Process）重新编码了游戏规则，对系统、子系统和部件分别进行要求（Requirement）、设计（Design）和测试（Test），最后再被整合在一起考虑。采取这种方式，为复杂系统找到一个解决方案的成本成倍下降。
实际上，区块链赋能的经济系统和传统的工程系统在一定程度上是相似的：电力系统通过电力传输信息，而加密网络通过代币；物理系统通常有功率或能耗的限制，使用智能合约也有财力要求和算力上限。同时，它们都为社会经济活动提供了基础设施支撑。因此，与传统的工程系统一样，加密经济系统也必须有制定严格的设计准则，并做好测试和维护工作。因为，无论是自身系统出现问题还是遭受到外部攻击，人类都将蒙受损失。
最后一点，区块链的去中心化意味着建立在其上的经济网络是独立与任何机构或个人的，在无法被任何实体操控的同时，也无法被维护或修复。这表明，从一开始就设计出一个良好的机制是很必要的，通证工程师必须处理生态的运行状况，保证激励的一致性，并且维持网络的平衡性和独立性。就像我们建造桥梁、房屋和电网等其他公共基础设施一样，为了应对可能出现的各种情况，我们未来的经济系统也要经过严格的设计。
定义系统目标和属性
通证工程的第一步是明确既定系统的目标，接着反推出实现这个目标所需要的结构和特性。
建模&明确必要的机制
通证工程的第二部是制作一个存量&流量图，用来展示了系统当前的状态并描述了系统内部是如何相对变化的。在加密经济系统内，代币用途是多样的，可以代表资金、用于治理、表示声誉等等。而这个图表可以被当做是系统的“电路图”，用于跟踪代币的流动。
识别有用的机制并将其组成设计模式
机制的设计是为了在任何情况下都能维持系统的特有属性，这可以通过某种数学化的方式实现。这个过程是相当有难度的，所以像Commons Stack这样的团队就在致力于开发一个用于机制和设计模式的专用工具包，可以被个性化定制以供不同的项目重复使用，用来减少机制设计的障碍。
将系统流程和状态转换绘制成差分规格图
在了解系统状态、机制和行为以及与之互动的代理人的基础之上，下一步是将系统流程绘制成差分规格图，这将为以后使用cadCAD提供参考。差分规格图考虑到了系统政策、代理行为和外生过程（即随机的外部事件），以及它们之间存在的复杂的互动模式。
模拟&测试系统
在正式部署代码之前，使用像cadCAD这样的工具对系统进行建模、验证、测试和迭代是很重要的。这个过程包括A/B测试、参数扫描、蒙特卡洛分析等等。
测试IRL&迭代模型
我们需要在受控和低风险的环境中部署所设计的系统，并根据在此过程中产生的新知识对模型进行迭代。最终，工程过程并不能保证每次都有完美的结果，但它提供了一个我们可以持续改进的可靠的模型。
首先，我们需要明确比特币网络的目标函数——最大限度的提高网络安全性。安全性就是网络当前拥有的算力（哈希率，Hash Rate），高算力促使了回滚交易的高成本。比特币的激励机制是通过向矿工提供BTC代币来实现的。
现在用E()表示期望，R表示在代币奖励的数量，H表示用于维护网络安全性的算力，T表示区块奖励，α表示等式两侧的关系是成正比的。那么，这个公式就是：E(Ri) α Hi*T
用数学期望来表示区块奖励意味着每个矿工不一定在每个时间间隔都获得奖励。相反，在比特币系统中，奖励非常不稳定：每个区块间隔中只奖励一个矿工。但由于他们获得区块奖励的概率与他们贡献的算力成正比，所以他们的数学期望的确是他们贡献算力的大小。
为什么比特币使用这种高方差的方式，而不去奖励每一个矿工呢？
因为这种方式不需要明确每一个矿工贡献了多少，也不需要在每个时间段向每个矿工发送代币奖励，这意味着更低的带宽，更少的计算，更简单的系统。最后可以最大限度地减少攻击面，让网络变得更安全。
这种激励机制也促使了矿池的出现，小矿工们聚在一起，最后按算力分配奖励。矿池具有直接缩小方差的效果，比特币系统完全不用自己去做这件事，这也是这个系统精妙之处所在。
比特币在实现其安全最大化的目标方面是非常成功的。这套激励机制已经让人们花费大量的真金白银去定制ASIC矿机并建设矿场，现在比特币网络所拥有的算力已经大于所有超级计算机的总和，耗电量也高于大多数小国家。除此之外，围绕整个比特币生态系统，还出现了钱包、核心开发者、应用开发者、无数的论坛展会等等，这跟BTC代币持有者布道他们的代币有莫大的关系。
驱动这一切的就是前文所描述的那个函数，就是比特币的激励机制。
Token Engineering Commons – Medium Token Engineering is the Future of Organizational Design | Token Engineering Commons
无论是在学术领域还是实践领域，BlockScience都是一家非常专业的公司。掌握以下基本概念有助于我们对BlockScience的理解：
复杂系统（Complex Systems）
复杂系统是由许多可能相互影响的组件组成的系统，比如全球气候、人脑、经济组织、通信网络、生态系统、人脑等等。由于其各部分之间，或者某一系统与其所处环境之间的依赖、竞争、关系或其他类型的相互作用，复杂系统的行为在本质上是难以建模的。
系统工程（Systems Engineering）
系统工程是工程和工程管理的一个跨学科领域，重点是如何在其生命周期内设计、整合和管理复杂系统。其核心是利用系统思维原则来组织这一知识体系。
系统思维（Systems Thinking）
系统思考是一种全面的分析方法，侧重于一个系统的组成部分相互关联的方式，以及系统随着时间的推移和在更大的系统背景下如何运作。 网络科学（Network Science） 考虑到以节点为代表的不同元素或行为者，以及元素和行为者之间作为链接的连接，网络科学是一个研究复杂网络的学术领域，比如电信网络、计算机网络、生物网络、认知和语义网络以及社会网络。
计算的不可重复性（Computational Irreducibility）
计算的不可重复性是指一些系统只能是完全模拟它们的想法。要确定一个计算上不可还原的问题的答案，唯一的办法就是进行计算。因此，如果不计算中间的所有状态，就不可能知道一个系统在未来状态下的结果；这个过程不能通过任何形式的捷径来减少或加快。
复杂性管理（Complexity Management）
复杂性管理是一种基于复杂性理论的管理方法。这种新方法将组织视为开放的、自组织的系统，其中整体功能和理想的结果是成员之间局部互动的一种突发现象。因此，复杂性管理的重点是合作性的、网络化的组织，这些组织在复杂多变的环境中运作，经常处于不确定的条件下，需要通过他们的适应能力来发展复原力。
BlockScience由Michael Zargham博士在2017年秋天创立，是一家专门从事复杂系统的工程、研发和分析公司。将学术级研究与先进的数学和计算工程相结合，通过弥合学术知识和现实世界应用之间的差距，为各种客户提供设计和分析服务，帮助其建立良性的生态系统。无论是自动化决策流程、识别公司运营中的系统性风险，还是指导拓展新的业务领域，BlockScience都能提供经过充分研究、数学设计、以人为本的解决方案。这使新兴企业和传统企业可以进行社会技术网络的跨学科研究，使他们能够理解并参与区块链技术带来的新兴经济生态。
为了更好的理解Blockscience的业务，我们可以参考其创始人Michael Zargham博士在推特上发表的内容：
I run a small R&D firm doing interdisciplinary data driven research on socio-technical systems (viewing blockchain as a sensor & smart contracts as actuators for human behavior).我经营着一家小型研发公司，从事社会技术系统的跨学科数据驱动研究（将区块链视为传感器，将智能合约视为人类行为的执行器）。
我们也可以通过一些具体事例来了解BlockScience究竟在做什么。例如，使用cadCAD为Filecoin探索基线铸币的激励模式；与跨链基金会建立合作伙伴关系，共同致力于Cosmos生态建设，设计了一种新的加密经济原理去解决传统影响力融资的问题；与Delphia合作研究share to earn的股权投资模型；与Fairmint合作进行机制设计，BlockScience Labs甚至使用Fairmint来筹集社区资金；与HEDERA合作探索可再生能源市场创新，研发了一种新的价格发现机制——自动回归做市商（Automated Regression Market Makers，ARMMs）；与CurveLabs合作探索了DAO2DAO的关系模型和协作机制；与Relexer团队共同讨论了一些通证工程的话题...
BlockScience的客户包括营利性的、非营利性的、学术和政府组织，Adam Bornstein认为：BlockScience专注于社区驱动的目标，而不是财务利润，它的独特之处在于，像红十字会这样的非营利和人道主义组织第一次可以让世界级的工程师和数据科学家参与设计、开发和部署复杂的模型，利用机器学习和人工智能来解决我们一些最基本的挑战，专注于拯救生命和增强复原力。因此，我们不能用传统的投研眼光来看待BlockScience，重点不在于公司本身的商业模型或者盈利模型，而在于公司所研发的内容和产品。
BlockScience的研究方向聚焦于通证工程领域，关注加密经济的基本原理、项目的激励措施，融资方式等，也逐渐在做一些DAO底层机制的研究。在产品上，BlockScience孵化出的BlockScience Labs致力于开发开源项目cadCAD（complex adaptive dynamics Computer-Aided Design，复杂适应动力学计算机辅助设计），这是一个基于python的建模框架，用于研究、验证和复杂系统的计算机辅助设计。无论是迭代一个新的商业模式，还是在区块链上设计自动化的智能合约逻辑，开发一个数字表示，即 "Digital Twin"，都可以让你在实施前模拟、测试和验证你的想法。与BlockScience密切相关的还有The Commons Stack，这一个web3世界的开源组件库，为社区驱动的经济的可持续融资和管理构建基础设施。长期愿景是围绕着物理世界中的共享资源管理进行可持续的自我组织，为人类开发一种新的方式，使我们能够共同解决世界上最大的问题。The Commons Stack正在使用最新的代币工程实践来设计、测试和部署模板模块，为区块链生态系统的开源项目提供急需的功能。
Blockscience坚信多元化能够带来真正的价值，团队拥有大量高学历人才和专业工程师，也有没有大学本科学位的人，涉及的领域包括但不限于业务流程工程、机构设计、治理模拟、数据科学、web3生态系统、和项目管理。目前，BlockScience团队在应用复杂系统工程的研究和开发方面处于领先地位。现有成员31人，顾问5人，现将部分核心成员列举如下：
Michael Zargham是BlockScience的创始人和CEO，拥有宾夕法尼亚大学的系统工程博士学位。在校期间主要研究去中心化网络的优化和控制。在这几年中，Zargham博士设计了数据驱动的决策系统，并为一家媒体技术公司建立了一个数据科学团队，致力于区块链软件系统的数学规范。
Jeff Emmett是BlockScience的通信主管，拥有滑铁卢大学的电气工程背景。他与Michael Zargham和Griff Green共同创立了Commons Stack，以建立一个模块化组件的工具包，用于DAO生态系统的多中心治理。他参与了多项公开研究计划，研究新的资源分配模式，如粘合曲线和信念投票，这可以促进未来的数据驱动的算法政策和计算机辅助治理。
Andrew Clark, Ph.D.是BlockScience的一名数据经济学家，拥有金融和技术审计背景，专注于建立机器学习审计系统。Andrew以优异的成绩获得了田纳西大学查塔努加分校的工商管理学士学位，并获得了南卫理公会大学的数据科学硕士学位，是雷丁大学的经济学博士生，主要研究国际货币政策。
Jessica Zartler是一位获奖的记者和代币工程研究员，研究方向为再生经济学、计算机辅助治理、复杂系统、算法政策设计、叙述和记忆学。她也是Commons Stack的生态系统发展和特别项目主任，以及Token Engineering Commons的创始管理人。
Matt Stephenson, Ph.D.以富布赖特/比特币奖学金从华威大学获得经济学硕士学位，然后在哥伦比亚大学完成了他的博士学位。他的学术著作包括《经济行为与组织杂志》和《行为经济学百科全书》。2018年，他写了一个博弈论解决方案，帮助在以太坊上赢得了1200万美元的大奖；关于NFTs的文章最近被列入a16z的NFT Canon。