在思考本文构架前，我一直在思考博弈论与区块链的包含关系，究竟该是区块链世界的博弈论还是博弈世界中的小领域区块链。
不得不说，在区块链的共识过程中，在通证经济中，在二级市场中，都存在着博弈论所表现的宏观模型，整个行业上下浮沉的大事小情，都可以在宏观模型中找到成因。
因此，博弈论塑造了区块链很多核心的部分，同时也思之甚恐。
拜占庭，是一个城市的旧称，也是一个帝国的别称。这个城市如今是土耳其最大的城市伊斯坦布尔，这个帝国则是欧洲历史最悠久的东罗马帝国。
在拜占庭帝国延续近千年的历史中，这个国度的疆域一直极端开放且分散。拜占庭全盛时期几乎占据了地中海的除了西班牙半岛外的全部沿海疆域。但此时，武力是占据领土的唯一方式，征战是连续且频繁的。因为极端的开放和分散，在拜占庭帝国的末期，各个疆域就是被多国的攻击瓦解蚕食的。
也许正因这一特点。1982年，在拜占庭帝国正是覆灭529年后，美国的计算机科学家莱斯利·兰波特在对分布式网络的论证中提出了拜占庭将军问题。随后多年，这一问题的解决成为了网络通信过程的标准解决方案。
拜占庭将军问题，可以理解为，援引了拜占庭帝国分散的疆域与军队需要实现的沟通机制。在分布式计算中，不同的计算机通过交换信息达成共识而完成协作。但有时候，系统中的成员计算机可能出错而发送错误的信息，用于传递信息的通讯网络也可能导致信息损坏，使得网络中不同的成员关于全体协作的策略得出不同结论，从而破坏系统一致性。
这时最需要的就是容错。拜占庭将军问题被认为是容错性问题中最难的问题类型之一。
在莱斯利·兰波特的论文中是这样描述拜占庭将军问题的：
一组拜占庭将军各率领一支军队共同围困一座城市。因为过于分散，没有传播消息的即时通讯方式，就需要在策略沟通上有简明快捷的确认机制。为了简化问题，将各支军队的行动策略限定为进攻或撤离两种。但如果部分军队进攻部分军队撤离可能会造成灾难性后果，因此各位将军必须通过投票来达成一致策略，即所有军队一起进攻或所有军队一起撤离。
各位将军通过信使互相联系。在投票过程中每位将军都将自己投票给进攻还是撤退的信息通过信使分别通知其他所有将军，这样一来每位将军根据自己的投票和其他所有将军送来的信息就可以知道共同的投票结果而决定行动策略。
但这一系统的问题在于，将军中可能出现叛徒，假设有9位将军投票，其中1名叛徒。8名忠诚的将军中出现了4人投进攻，4人投撤离的情况。这时候叛徒可能故意给4名投进攻的将领送信表示投票进攻，而给4名投撤离的将领送信表示投撤离。这样一来在4名投进攻的将领看来，投票结果是5人投进攻，从而发起进攻；而在4名投撤离的将军看来则是5人投撤离。这样各支军队的一致协同就遭到了破坏。
Celsius无担保债权人委员会反对CEO提出的名为“Kelvin”的重振计划:9月14日消息，Celsius无担保债权人委员会发布推文称：“我们不支持Kelvin或任何其他退出计划。 我们支持完成正在进行的调查，开放一个全面、开放、透明的程序，让账户持有人而不是内部人士受益。 更多信息将在ET时间9月14日14:00（北京时间9月15日02:00）的听证会上公布。”
此前消息，Celsius首席执行官Alex Mashinsky发布名为“Kelvin”的重振计划，提议公司从加密借贷平台转型为数字资产托管公司，Celsius员工此计划持怀疑态度。[2022/9/14 13:29:05]
由于将军之间需要通过信使通讯，叛变将军也可能通过伪造信件来以其他将军的身份发送假投票。而即使在保证所有将军忠诚的情况下，也不能排除信使被敌人截杀，甚至被敌人间谍替换等情况。因此很难通过保证人员可靠性及通讯可靠性来解决问题。
但如果那些忠诚（或是没有出错）的将军仍然能通过多数决定来决定他们的战略，便达到了拜占庭容错效果。
上述的故事映射到计算机系统里，将军便成了计算机，而信差就是通信系统。从函数计算来看，将军的总数为n，n里面背叛者的数量为t，则只要n > 3t就可以容错。也就是即使出现了伪造或错误的消息。只要有问题的将军的数量不到三分之一，仍可以达到“拜占庭容错”。
据此思路，1999年，卡斯托（Miguel Castro）与李斯克夫（Barbara Liskov）提出了实用拜占庭容错（PBFT）算法。该算法能使得系统可以每秒处理成千的请求。
在我们生活中拜占庭问题的需求极为常见，在需要多人共识和协同的系统里，共识的设计，容错是首要的，而在那些因为错误或攻击而会造成巨大危险的领域里，容错就会成为了重中之重，例如在一些飞行器（如波音777）的系统中也有使用拜占庭容错。而且由于是即时系统，容错的功能也要能尽快回复，比如即使系统中有错误发生，容错系统也只能做出一微秒以内的延迟。
但从这一角度来看PBFT这一解决方案，在共识上以多剩少，并且是需要绝对优势的数量。时才能实现。这也许具备高实施率，但以多胜少一定是正确的吗？
这一方案在比特币出现后，有了新的补足。那就是POW。
在比特币网络中，各节点参与运算、打包来实现工作量证明（PoW）。工作量证明是解决比特币系统中拜占庭问题的关键，为了不破坏账本的正确性。比特币中的拜占庭问题，最终演化成了谁是最长链的问题。
如果攻击POW链，就需要在POW网络中，迅速生成一个最长链，覆盖正常的账本形成的链，这样才能让矿工信任，完成需要超过51%的算力执行，但这其中最核心的部分，在于矿工的分散以及经济系统设计出的规则约束。
Tokens.com收购Playte Group以扩展其在非洲的P2E游戏:金色财经报道，数字资产上市公司Token.com已成功收购游戏软件提供商Plate Group，以扩大其在非洲的游戏业务。Plate Group是一家致力于开发P2E的公司，收购金额未公开。Token.com将把Playte整合到其子公司Hulk Labs中，以管理非洲的游戏网络。考虑到此次收购，Token.com将发行100万股。（cryptonewmedia）[2022/7/19 2:23:24]
例如著名的The DAO事件，以太坊的矿工不能达成一致，出现了ETC和ETH两条链。而2019年的币安7000BTC被攻击一事也有可以说明这一问题。更改POW链的账本需要极高的成本和超级广泛的资源。
这样的命题，核心就开始具备了博弈的特性。
投入与产出的博弈
在我们使用一个新技术的时候，无论是用户还是企业，最关注的就是安全性，商业的本质是财富积累，技术的应用需要保证财富的安全。基于博弈模型设计的区块链共识已经成为了标配，而最明显的博弈就是作恶成本与作恶收益的博弈。。
在比特币的POW设计中，为了防止双花，利用51%算力攻击规则，让更改数据的成本变得足够高或高于收益。
例如在币安丢失7000BTC的时候，币安需要如何做？
当币安需要改变链上的交易时，需要调动超过51%的矿工重新打包块，需要找到矿池或者拥有大矿场的持有人，足以帮助其在网络上重新作出最长链覆盖原链。
但币安一经发出想要回滚交易的想法，就造成轩然大波，如果不考虑币安的声誉问题，只回滚交易，做最长链一项，就存在着巨额花费。矿工在重新打包块的时候，在除了区块奖励外，矿工还需要调整打包方向，这是有一定风险存在的，如果无法挖出一条最长链覆盖原链，矿工还需要重新去挖原链，这是需要额外成本去驱动矿工的。CZ有此想法的时候已经过去近10个小时，由此计算仅快速挖出最长链也至少需要5000万人民币的投入，当然这与币安丢失的数额相比不值一提。但对于币安这样需要有公信力存在的企业来说，声誉远比损失重要。相比于默默无闻的黑客攻击，币安明显成本要高且无法计算。
相比于POW链的攻击成本，POS链的攻击成本以及作恶成本更浮动一些。POS链里，作为节点，大多数情况下，是通过质押和相关性来防止作恶。在以太坊的信标链中，成为信标链验证节点的32个ETH就是质押的额度，再通过浮动的验证来实现收益，但一旦节点有作恶迹象，32个ETH就无法收回。在其他链上，矿工的作恶迹象也大多通过质押代币和未知的惩罚，来保证较低的作恶率。
但对于POS链最常见的出块节点的作恶限制，在于加入节点前的代币标准，就像在做代理前，需要一定的成本和押金，而持有代币则代表需要与生态同步，也不能伤害生态。生态一旦作恶，危害生态也会伤及自身。但一旦成本可以被直接数字化，仿佛就会让作恶成为一个可以操作的事情，例如在EOS生态中，作为超级节点，本应充满对社区的信仰。但当因为收益的变化，信仰随时破裂，尽管持币，但对于节点来说，博弈天平两侧的因素中，信仰消失后，成本会仅剩下经济成本。很多节点，大不了放弃，大不了退出，这时博弈最终变成了无用之法。
当一个通过博弈理论进行设计的系统执行任务时，基础一定是我们是相信正向积极，而非错误出现率。亦或者说，通过博弈跑出的模型，可能输出的正长值并不能适应某些区块链网络从0到1的过程，因为一个从0到1，并非都符合宏观模型。
博弈竞争后的平衡
博弈的结果非好即坏，这是两个对立结果的输出过程，对立在商业中，最明显的是竞争。在区块链项目中，正常节点和攻击节点是竞争的，交易者与对手盘是竞争的，大数据的模型在竞争发展中是变化的，且最终得到平衡的结果的。
2001年环球公司出品的电影《美丽心灵》，取材于数学天才、1994年诺贝尔经济学奖得主之一的约翰·福布斯·纳什传奇。纳什在博弈论发展的历史创造了“纳什均衡”
什么是博弈论？是研究个体如何在错综复杂的相互影响中得出最合理的策略。数学家们将具体的问题抽象化，通过建立自完备的逻辑框架、体系研究其规律及变化。
现代博弈理论由匈牙利大数学家冯·诺伊曼于20世纪20年代开始创立，1944年他与经济学家奥斯卡·摩根斯特恩合作出版的巨著《博弈论与经济行为》，标志着现代系统博弈理论的初步形成。但对于非合作、纯竞争型博弈，诺伊曼所解决的只有二人零和博弈，也就是二人参与，一个人赢一着则另一个人必输一着，净获利为零。
诺伊曼从数学上证明，通过一定的线性运算，竞争双方以概率分布的形式随机使用某套最优策略中的各个步骤，就可以最终达到彼此盈利最大且相当。虽然二人零和博弈具有重大的意义，但当地多方参与且整个群体可能具有小于零的损失时。这样的博弈存在着更大的风险情形。
纳什则天才性地提出了“纳什均衡”，为更加普遍广泛的博弈问题找到了“解”。纳什均衡的基本思想是，对於任何一个n人参与的非合作博弈(零和或非零和，且参与者之间只有决策结果相互影响) ，如果每个参与者都只有有限条策略，那么一定存在至少一个纳什均衡解集。在这个解集中所有参与者的策略都是对其他参与者所用策略的最佳对策，没有人能够通过单单改变自己的策略提高收益。
而博弈中还包含合作型博弈论，纳什将合作型博弈中的协商转化为一个更广泛的非合作型博弈的一个步骤--协商的目的最终仍是最大化自己的利益。
此处有两个案例：
1994年美国政府向商家拍卖大部份电磁波谱。这一多回合拍卖由一批博弈论专家本着最大化政府收益和各商家的利用率原则精心设计，最后取得极大的成功。政府获得超过一百亿美元的收入，各频率的波谱也都找到了满意的归宿。而与此相对映的是，新西兰一个类似却没有经过博弈理论设计的拍卖会惨遭失败。政府只获得预计收入的15％，而被拍卖的频率也未能物尽其用。譬如因为无人竞争，一个大学生只花1美元就买到了一个电视台许可证。
而在我们生活息息相关的商业环境中，价格战习以为常，对于同处于一个市场中的双方，价格大战的结局也是一个“纳什均衡”，博弈双方最普遍的是最终双方总利润趋于零，有胜就有负。在完全竞争的理想情况下，非合作行为导致了社会所期望的经济效率状态。也就是整体最终会趋于稳定。
因此，当一个经济模型在设计之初需要博弈论，在经济模型预测的发展过程中也需要博弈论，而区块链项目最擅长的就是将一个可能是微观、局部人群的模型当成一个宏观模型去思考。这也许是对的，代表着项目的“高度”。但市场的经济变化，如果遵循着博弈的理论，就意味着设计之初，要给生态内的角色一个互相竞争情形的解集。
在电影《美丽心灵》中，纳什在片中的第一个研究博弈的案例，是怎样成功与女孩约会成功虏获芳心，第二个案例是格子在争食过程中抢到食物的走位，以及最后与另一位同学的围棋较量。在进行围棋较量时，纳什每一步执行最完美的解集，最终却输了。
这就是隐藏在一个模型中的不确定性。
去博弈化
据此，当我们回顾所有区块链的项目设计，一旦实施了一定的博弈方向的设计，也就是决定人会产生两方竞争或者两方对立的情况，这就意味着这个项目的系统是要承担一定的博弈风险。因为在设计上，博弈的输赢是浮动的，在极端情况中会出现一定的非正向结果，对于一个区块链来说，就是风险。
所以，尽可能的在设计系统的时候去掉博弈风险才代表着最大几率的安全，例如零知识证明的运用，如果我们将一笔交易本身通过零知识证明来实现这个交易的可信，就可以让该交易数据打包上链的过程足够精简，亦或者在硬件形成的可信环境中，让数据输出来实现数据真实性。
通过技术的方式，也许需要的是更硬的技术，排除掉那些将博弈论的设计写在了算法里然后用算法决定结果输出的案例。我们姑且就将这样的设计称为去博弈化。
在去博弈化的案例中，最有区块链交易操作可行性的可能是监管沙盒与超级私钥等带来的去博弈案例，博弈论的基础，实则是一个需要使用角色有级别要求的和体量要求的模型。例如当比特币矿工很少时，网络虚弱，攻击成本低，收益也可能不多，但可能依旧符合收益大于成本的比例。在此时，博弈的特性不凸显，而最终也不会形成平衡，只会是效仿者频频。
区块链项目中存在的博弈，从项目的发展和设计到整个行业的市场变化，我们最普遍的就是期待这种博弈最终的状态是正向的，但市场不只是正向的。黑天鹅之上还有灰犀牛，区块链行业中的小模型的跑通也需要时间来验证。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。