機器人為何也上鏈?是可行的嗎?一文看懂什麼是RobotFi
機器人為何也上鏈?是可行的嗎?一文看懂什麼是RobotFi
2025.04.01 | 區塊鏈
##### 機器人也上鏈? 我一直在觀看機器人行走的影片,今早散步時也在思考:如果機器人運行在區塊鏈上呢?

DeFi的核心在於通過代碼實現金融流程的自動化,機器人則是致力於物理任務的自動化。二者的結合是自動化發展的自然延伸。如果我們相信可編程貨幣、智慧合約和人工智慧的力量,那麼將這種可編程性拓展到機器人,即實體化的可編程AI代理,就是下一個合乎邏輯的演進方向。

當今機器人領域最強的領導者之一是宇樹科技。

雖然像宇樹科技這樣的機器人距離真正進入主流應用還需要很多年時間,而將機器人數據上鏈聽起來更像是遙不可及的幻想,但並不妨礙我們做白日夢。

##### RobotFi今天要如何實現呢? 當今的機器人在硬體層面上並未直接與區塊鏈對接。它們沒有內建的區塊鏈節點或密碼學處理器(這個有趣想法以後探討)。

因此,要將現有的機器人引入鏈上,我們需要一個橋接層或中間層(通常是鏈下服務或伺服器)來連接機器人和區塊鏈。每個機器人還需要被分配一個專門的錢包地址。

宇樹機器人利用其現有的通信能力(如Wi-Fi、乙太網,可能支持的蜂窩網路),透過標準網路協議(例如HTTP、WebSocket等)連接到鏈下服務。隨後,該鏈下服務會使用標準的區塊鏈庫和API(如Web3.js、Ethers.js)與區塊鏈進行交互。

區塊鏈上的智慧合約可通過鏈下服務觸發宇樹機器人執行操作。例如,當鏈下服務檢測到向與機器人關聯的地址完成支付後,它會向機器人發送指令以執行特定任務。

我還設想未來的機器人可以像智慧合約一樣被編程,能夠執行各種「動作腳本或機器人策略」。這些策略可由獨立開發者創建,從而可以將機器人視為實體化的智慧合約或人工智慧代理。

最初創建的腳本可能會處於一種「狂野西部」的狀態,你可以編寫機器人執行各種操作,除了某些被禁止的操作,屆時將有一個獨立的安全或管理系統進行即時監控並阻止機器人做出任何危險行為。再次強調,我們目前還在做夢。

這將使機器人公司能夠專注於機器人技術本身,而不是機器人服務。機器人服務將被「外包」給開發者去實現。通過鏈下服務運行的鏈上機器人服務就稱為RobotFi。

換句話說,RobotFi將會是一個垂直賽道,參與者可以透過資助或開發機器人相關活動來賺取鏈上收益。

##### RobotFi有哪些應用場景? ## 超額抵押家政租賃服務

人形機器人最受歡迎的應用場景之一是家政服務。

最初運行的機器人服務可能會帶來很多風險。

機器人可能發生故障、出現錯誤、遭受損壞或無法達到預期效果。傳統的租賃、服務模式依賴於對平台或服務提供商的信任。

這正是RobotFi有趣的地方。

開發者可以不再依賴中心化的保險公司或企業擔保,而是開發鏈下服務將機器人引入鏈上,並進一步為機器人開發配套服務(如家政服務)。為了確保該服務的安全可靠,開發者可以吸引鏈上的LP注入抵押品,這些抵押品將充當保險、經濟安全保障,作為回報,LP將獲得由該服務產生的實際收益。

機制解析:

  • 機器人策略保險池:LP將抵押資產存入池中,為機器人策略提供風險保障,並以此換取該策略所產生的收益。
  • 機器人策略投保方:策略創建者可從保險池中為其機器人策略購買風險保障,具體保費取決於機器人類型及資產規模、執行任務的風險係數、所選保障額度等因素。
  • 智慧合約控制的賠付機制:該保險由智慧合約管理。這些智慧合約定義了觸發賠付的具體條件。可能的觸發事件包括機器人策略失效,此時將觸發LP的賠付(類似於slashing罰沒機制),以補償購買了機器人策略服務的用戶。若任務順利完成且無異常發生,機器人診斷系統會將任務完成狀態上報至鏈下服務,並向LP發放支付款項。

在上述範例中,我雖然將機器人和機器人策略分開描述,但若將機器人與機器人策略結合為單一的租賃項目,其運作機制也將同樣有效。這種情況下,安全保障可延伸至機器人本身。例如,如果在租賃期間機器人本身受損,相關賠償金會支付給機器人所有者。

租客可能也需要通過一定的KYC驗證(以防他帶著機器人逃跑),同時租客的信用資質也很可能影響開發者的保險費成本。例如,如果租客擁有良好的鏈上信譽和/或擁有高收入(零知識證明驗證),那麼開發者需要支付的保費會更低,反之亦然。

通過類比區塊鏈進行總結:

  • 機器人(基礎設施/鏈):提供核心基礎設施,即一個易於編程且具備物理層面高性能的機器人。
  • 機器人服務(鏈上應用):由專家編程的特定任務,就如同構建於機器人基礎設施之上的應用程式。
  • 機器人保險(由LP提供的抵押):LP的抵押充當機器人服務的安全和經濟保障。他們為RobotFi生態系統中的風險和故障處理提供信任、安全及運作機制,就如同自動驗證系統(AVS)中的抵押品被用於為鏈上交易和網路操作提供安全保障一般。

嚴格來說,你並非必須購買保險,雖然通過鏈上支付獲取機器人服務具備一定優勢,但這些優勢並不顯著。由於機器人身處現實物理世界,購買保險能有效提升消費者的信任與接受度,相比之下,無保險服務則難以獲得同等程度的用戶認同。

##### 經濟對齊與激勵良好的機器人行為 這一保險/抵押機制系統為良好的機器人行為和負責任的策略創造了強有力的經濟激勵,從而讓所有參與者受益:

LP的激勵措施:

  • 保費收益: LP通過機器人所有者支付的保費獲取收益。該收益需具備足夠吸引力,才能激勵他們將資金鎖定在保險池中。
  • 風險調整收益: 可針對不同風險等級(機器人類型/任務類別)設立差異化保險池。高風險池通過更高收益率補償賠付風險,允許LP自主選擇風險回報偏好。

機器人所有者/策略師的激勵措施:

  • 降低財務風險: 保險機制幫助規避機器人故障、損毀或責任事故導致的重大損失,降低運營風險,提升機器人持有意願。
  • 建立競爭優勢: 提供投保服務的機器人所有者能形成市場區隔,透過建立用戶信任獲取更高租金溢價。

機器人製造商/開發者的激勵措施:

  • 可靠性需求倒逼: 保險體系間接推動製造商提升產品可靠性。故障率低、安全記錄優的機器人將享受更低保費,增強市場競爭力。
  • 數據驅動疊代: 保險索賠數據(故障類型/損壞原因)為製造商提供改進產品設計的洞見,推動技術最佳化。

用戶/租戶的激勵措施:

  • 信任建立與風險緩釋: 投保機制增強用戶對RobotFi服務的信心,租用機器人時可獲得故障導致經濟損失的財務保障。
  • 接觸高端設備: 保險機制降低高價值機器人租賃的經濟風險,促使更多先進設備進入租賃市場。
  • 合理賠償機制: 當機器人發生故障或任務執行失敗時,用戶可通過保險賠付獲得補償,最佳化服務體驗。
##### RobotFi面臨的挑戰 雖然RobotFi的概念很有趣,但存在許多挑戰,我們目前還遠未做好準備。主要挑戰集中在機器人領域的中心化/數據可驗證性機制,以及保險賠付的量化評估體系這兩個核心環節。
  • 鏈下服務依賴:正如我們之前討論的,在當前技術條件下鏈下服務幾乎不可避免。這類服務成為了系統的中心化控制節點和潛在的故障隱患。無論誰控制該服務,都將對RobotFi系統產生重大影響力。
  • 保險賠付的可靠性與可驗證數據:保險賠付依賴於機器人故障、損壞或任務執行失敗的可驗證證據。如何將這些數據可靠且無需信任地從物理世界傳輸到鏈上系統,是一項極其複雜的挑戰。
  • 公平的索賠評估:在去中心化的RobotFi情境下,如何判定索賠是否有效以及賠付金額是否合理?傳統的中心化保險公司依賴理賠員,但去中心化系統需如何實現呢?
##### 最後的想法 這不是一篇關於RobotFi的嚴肅文章,只是一個潛在的願景。雖然RobotFi的概念很有趣,但其可行性取決於能否克服許多重大的技術、經濟和中心化挑戰。

目前尚不明確的是,相較於將整個機器人生態系統集中交由少數幾家關鍵企業掌控,這些企業自行預先設計功能固化的機器人,RobotFi這一概念是否具備足夠優勢。

本文合作轉載自:[PANews][1]
關鍵字: #區塊鏈
往下滑看下一篇文章
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證
台灣數位安全發展協會揭打詐盲點:截圖難當證據,AI加b-JADE讓數位足跡可驗證

重點一:數位詐騙生命週期極短,打完一波就轉移陣地,「下架」只處理了眼前的內容,處理不了事後追查。

重點二:台灣數位安全發展協會以AI蒐集、分類詐騙廣告,九成以上工作可由AI完成,最終判斷仍保留人工背書。

重點三:透過司法聯盟鏈b-JADE,只把資料的「數位指紋」上鏈存證,原始資料另行保存,目標是降低被害人的訴訟舉證成本。

一則可疑的投資廣告被檢舉、下架,帳號也停權了,多數人以為事情就此結束。真正麻煩的是,廣告消失的那一刻,追查詐騙集團的線索也可能跟著消失。

為了補上這個缺口,台灣數位安全發展協會正與司法聯盟鏈「b-JADE」合作,替詐騙相關資料做存證。b-JADE是一套以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務;資料一旦上鏈,任何改動都會留下痕跡。白話說,就是替數位證據貼上「封條」,讓證據從蒐集到進入法庭,都能驗證有沒有被動過手腳。

詐騙廣告下架,為什麼還不夠?

原因在於數位詐騙的生命週期太短,下架只能處理眼前的內容。台灣數位安全發展協會理事長劉彥伯指出,傳統電話詐騙一套劇本可以拉長到半年、甚至一年;數位詐騙則像打游擊,一波結束就移往下一個平台,從廣告、社群到另一個App,一路跨平台引導被害人。

更大的問題是證據跟著斷線。被害人發現受騙時,可能已是半年後,手上通常只留得住最末端的匯款與聯絡紀錄,最初看過哪則廣告、點進哪個網站,早已消失。等到一、兩年後警方抓到詐騙集團,對方就能在法庭上反問「你怎麼證明我投過這則廣告?」劉彥伯以假設情境說明,一個集團原本可能詐騙了30億元,最後因證據不足,認定金額只剩幾千萬甚至幾百萬元。

不過,詐騙活動都會留下數位足跡,包括投放帳號、代理商、投放時間、運作國家與網址註冊紀錄,只要事先保存,日後調閱就「有憑有據」。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯
圖/ 數位時代

AI都這麼強了,為什麼還要先做資料治理?

台灣數位安全發展協會的核心主張是:好的資料分析,從好的資料治理開始。所謂資料治理,就是把散落在各平台、格式不一的碎片資料,整理成來源清楚、格式一致、可以互相比對的資料。協會先確認每筆公開資料的來源、時間、權限、版本與隱私,再標上事件分類、風險評估、曝光平台、投放者與網址等標籤,才能找出彼此關聯、還原詐騙網絡。

根據協會的實證簡報,系統在一段監測期間內掃描309.5萬則廣告,通報62.8萬則(約占20%),投放當日偵測率達99.21%。劉彥伯也提到,協會與資安院、數位發展部在打詐通報查詢網的合作中,判斷率接近百分之百。

那還需要人嗎?答案是需要。現行法律仍要求有人為判斷結果背書負責,加上詐騙劇本會隨被害人的回應即時調整,因此協會讓AI處理九成多的工作,最後由人做判斷。

截圖不能當證據?b-JADE如何替詐騙證據貼上「封條」

在AI改圖越來越容易的今天,單純截圖很難在法庭上證明自己沒被竄改過。劉彥伯的比喻是:截圖比較像「我那天真的看過,還拍了一張照片」;可信存證則是把證物放進有封條、有時間、有編號、有保管紀錄的證物袋,「重點不是有沒有留下東西,而是未來能不能驗證這是不是當時那一份」。

這也是b-JADE派上用場的地方,但並不是把所有資料都放上區塊鏈。協會把原始資料與AI分析結果,保存在權限受管控的系統裡,只把每份資料的「數位指紋」交給b-JADE存證。數位指紋的特性是,內容只要有任何改動,指紋就會完全不同,因此能證明資料沒被動過;需要時,再經授權調閱原始資料,兼顧隱私與驗證。依b-JADE規範盤點,協會既有流程已符合19項要求,其餘7項缺口也逐步補強,例如存證時間改採具公信力的標準時間來源,不再依賴電腦本機。

防詐能從事後追查走向事前預警嗎?

可以,協會正把存證從被害人受騙後,往前推到「主動式上鏈」:AI判定高風險的內容,先一步蒐集存證,不必等到有人受害。

小農是第一個場景。許多消費者在網路上支持小農,錢最後卻流進冒名的詐騙集團。協會因此與農業部合作推出「農本人」系統,讓小農自行登錄銷售管道與社群帳號形成白名單,再結合AI蒐集的黑名單,一旦遭冒名就能第一時間發現並報案。這套模式未來也可延伸至網路霸凌、性私密影像等案件。

制度面也在加速。2026年8月,司法聯盟已開設認證專班,邀集司法院、法務部、高檢署、調查局與警政署相關人員受訓,相關存證應用預計明年正式推出,時程仍待聯盟拍板。

劉彥伯坦言,目前從蒐集、分案到下架的流程仍然冗長,技術正好能在保留人為背書的前提下縮短流程。他在《數位關鍵字》節目尾聲留給聽眾的一句話是:「數位安全不只是技術工具,也涉及資料的可信、法遵治理與跨領域合作。」當AI幫人更快找到線索,經得起驗證的資料,將讓每一位被害人在法庭上多一分底氣。

台灣數位安全發展協會
台灣數位安全發展協會理事長劉彥伯認為,可信存證的重點不是留下東西,而是未來能被驗證。
圖/ 數位時代

常見問答
Q1:詐騙廣告被下架後,還能當作證據嗎?
A:若事前沒有保存,下架後就很難追溯。台灣數位安全發展協會建議在內容消失前,保存投放帳號、代理商、投放時間、運作國家與網址等數位足跡,日後才能據以向平台請求調閱。

Q2:手機截圖可以當作詐騙證據嗎?
A:截圖只能證明「看過」,難以證明未被竄改。在AI改圖越來越容易的情況下,透過數位指紋與具公信力的時間紀錄進行可信存證,才能在日後驗證資料是否為當時的原始版本。

Q3:什麼是b-JADE司法聯盟鏈?
A:b-JADE是以區塊鏈為基礎的司法存證機制,只有通過程序認證的單位才能提供上鏈服務。台灣數位安全發展協會的做法是只將資料的數位指紋上鏈,原始資料另行保存在權限受管控的系統,兼顧隱私與驗證,目標是降低訴訟舉證成本。

Q4:AI可以完全取代人工判斷詐騙嗎?
A:目前不行。依台灣數位安全發展協會的做法,九成以上的蒐集與分類工作可由AI完成,但現行法律仍要求由人做最終判斷,並為結果背書負責。

Q5:小農要如何預防被冒名詐騙?
A:可登錄台灣數位安全發展協會與農業部合作的「農本人」系統,自行提交銷售管道、粉絲專頁與LINE帳號建立白名單,搭配AI主動蒐集的黑名單,遭冒名時能第一時間發現並報案。

完整對談請收聽《數位時代》Podcast《數位關鍵字》EP264。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓