銀足閃閃的女神忒提斯（Thetis）來到了匠神赫菲斯托斯（Hephaestus）的宮殿……女神到達時，他正在風箱旁忙忙碌碌，忙於製造一套23條腿的大鼎，好擺放在自己堅固的宮殿的牆邊。他在每個鼎的腿下都裝上了金轉輪，當眾神聚會時，它就可以自動滑進去，也可以自動滑出來，以此博得眾天神的讚賞。
《荷馬史詩》（Homer ）之《伊利亞特》（The Iliad ），公元前8世紀
很少有一頓飯可以同時做到營養豐富、味美價廉。如果它還能夠展現未來自動化的風采，那就更加稀罕了。
2015年，第一家Eatsa（沒有服務員的餐廳）在舊金山的SoMa（市場街以南地區）開業，它提供了一系列素食菜餚，其主要成分是原產於南美的藜麥[1] ，營養極其豐富。在Eatsa，藜麥與玉米、豆類、茄子和鱷梨醬等原料一起使用，用碗進食，碗上印有「西南爭霸」「不用擔心咖喱」等字樣。
沒有人的流程
然而，食客在Eatsa進餐之前還會碰到一些不尋常的事情。從預訂、付款到送餐，他們不會看到任何員工。進入餐廳後，顧客會看到一排平板電腦。他們用平板電腦下訂單，並通過信用卡付款（Eatsa不接受現金）。在準備餐點時，取自信用卡的顧客名字和姓的首字母會出現在大型平板顯示器上。當某個名字接近等待列表的頂部時，一個數字就出現在它的旁邊，該數字對應於牆上約20個窗孔中某一個的編號，孔口覆蓋著面板。這些面板實際上是透明的液晶顯示器，屏幕中間顯示顧客的名字，右上角有一個小牛眼標識。當客戶雙擊牛眼時，面板隨之打開，餐點出現並讓顧客打包帶走（餐廳提供的室內座位很少）。
餐廳有少量服務員，他們引導新顧客熟悉預訂流程並回答問題，但大多數顧客並不需要此項服務。Eatsa早期的口碑極佳。有位「吃貨」說：「在這家餐廳，你無須浪費口舌，無須找人，只要幾分鐘就能通過電腦屏幕獲得味美價廉、營養豐富的餐點。跟我結婚吧。」
Eatsa大受歡迎，這說明了第二次機器革命時代的一個重要現象：以往在人和物理世界之間發生的許多交易與交流，現在都通過數字化的接口完成了。事實證明，很多業務流程實際上並不要求把原子移來移去或換來換去。相反，它們事關信息或數碼的移動和轉換。在Eatsa訂餐、付款，然後獲悉取餐窗口，就是這類流程的一個例子，稱其為流程自動化並不完全正確，因為還有人（顧客）牽涉在內。更準確地說，流程已經虛擬化了。
虛擬即現實
虛擬化正在廣為傳播。如果我們乘坐航班時不托運行李，那麼在到達登機口之前是很少與航空公司員工打交道的，我們早已將登機牌下載到手機，或者使用機場的自助服務機打印機票。出國旅行之後回到美國時，我們使用「全球入境機」輸入報關和移民資料，然後清關重新進入美國。在國內飛行方面，看來我們很快就會有完全自動化的安全通道。2016年7月，美國交通安全管理局宣佈了一項計劃，在5個國內機場安裝和評估這些系統。[2]
當網絡和便利的數字化設備隨處可見時，虛擬化就加速了。隨著自動櫃員機的增多，許多人不再去找銀行櫃員提取賬戶中的現金。基於個人電腦的在線銀行使客戶能夠在家中查看交易明細、轉賬和瀏覽賬單，並完成許多其他業務，智能手機及其應用程序則使客戶可以在任何地方做完這些事情。許多銀行應用程序最終帶來了另一個便利：它們使客戶能夠通過手機拍照來存入支票。虛擬銀行業務不斷提升的能力、範圍和便利性，可能正是美國銀行櫃檯總數連年減少，從2007年60.8萬個的高位下降了近20%的主要原因。
某些交易和流程是否會在很大程度上保持非虛擬化呢？許多人和企業都這麼想。弗吉尼亞·波斯特雷爾（Virginia Postrel）是一位在商業和文化轉型方面有洞察力的分析師，他認為，藥店、超市和其他零售商的自動化自助購物機將永遠不會被消費者接受，「由於技術方面的原因，沒人想一邊聽著無休止的電子指令循環，一邊看著其他購物者順利地通過人工收銀台的隊列」。
我們注意到波斯特雷爾的觀點。大多數自助結賬技術令人困惑，使用起來很慢，而且它們似乎經常卡住。我們之所以一直使用這些技術，可能更多源自研究興趣，而不是因為其便利。但是我們注意到，隨著時間的推移，這些技術已經如預期般變得越來越好。隨著自助結賬系統的開發者獲得更多經驗，他們將改進技術和用戶體驗，並找出降低錯誤率和挫折感的方法。
這可能意味著未來的自助結賬機器和過程看起來非常不同，但我們預期大規模的虛擬化將會到來，儘管迄今為止的進展乏善可陳。一旦預期成真，那麼其外觀也許像Amazon Go（無人便利店），這是在線零售巨頭亞馬遜於2016年12月在西雅圖推出的面積為1 800平方英尺的便利店，該店沒有收銀員和自助結賬系統。相反，店內的傳感器和攝像機與機器學習技術相結合，由智能手機的專用應用程序追蹤記錄客戶放入購物籃的每件商品，然後根據他們離開店舖時帶走的商品自動結賬。記者勞埃德·阿爾特（Lloyd Alter）觀察指出，「Amazon Go不是用在線技術風格升級的店舖，它是一種被牆體包圍的在線體驗」。在這種體驗中，購物車是真實的，但結賬櫃檯是虛擬的。
反對廣泛的虛擬化的另一個論點其實是這麼一種想法：有些互動需要人的接觸，以便使客戶、患者、銷售對像之類的當事人感到自在、放心。這種想法有道理，但我們也要看到，至少有一些人願意甚至是渴望把那些以前看來人際接觸至關重要的交易虛擬化。
在金融服務領域，傳統的做法是至少需要一次面對面的會議，以便說服某人或某家庭將大部分財富委託給投資顧問。然而，自2011年12月成立以來，先鋒理財公司已經從3.5萬多個家庭拿到了超過30億美元的資金，而所有這些資金都是虛擬化轉賬到該公司的，無論是服務台還是交易過程，沒有出現人類的投資顧問。先鋒理財公司從事財富管理業務，它不但在投資決策中去掉了人類判斷，而且完全消除了財富轉移交易的經典舞台和角色，即設備齊全的辦公室、光面的小冊子、接待員、專業顧問，等等，取而代之的是一種在線形式。
移風易俗
先鋒理財公司的客戶往往比其他投資咨詢公司的客戶更年輕，更熟悉技術。經濟學家用「自我選擇」一詞來表示這樣的現象，即人們根據自己的喜好將自己分類到不同群體。自我選擇可能是塑造虛擬化的強大力量。有些人會把錢交給先鋒理財公司進行投資，會在超市使用自助結賬機，也會在Eatsa吃午餐；其他人則想見人類的投資顧問，想讓收銀員為購物結賬，並且想找人訂午餐。
目前，我們看到了對上述自我選擇雙方各有明顯吸引力的企業。像Eatsa一樣，快餐連鎖店麥當勞提高了虛擬化程度。截至2016年11月，該公司在紐約、佛羅里達和南加州的500家店面安裝了數字化的自助預訂和付費站，並宣佈計劃將觸屏技術擴展到旗下1.4萬家美國餐館。相比之下，發現卡（Discover Card）則強調人性化。該公司2013年首次播出一系列廣告，展示由知名演員扮演的客戶和員工之間的電話交談。誠然，這種做法想傳遞一個信息：該公司提供了深度個性化的，因此也是更真實可信的客戶服務。其中一個廣告甚至表示，該公司更關心的是人際關係而不是多賺錢。其講述者說，「有了發現卡，你在美國可以日夜與真人交談，而且我們不會浪費你的時間，不會試圖兜售一些你其實不需要的另類產品」。
Eatsa、先鋒理財、麥當勞、發現金融服務公司等許多企業正在追逐由支持或反對虛擬化的客戶偏好定義的細分市場。這是一個自然而然的事情，但我們在想，反對虛擬化的龐大市場規模能保持多久？近來美國銀行櫃員數量的下降表明，一旦有足夠穩健的虛擬化可用於特定的流程，許多人就會用它，尤其是隨著時間的推移，越來越多的人口將由「數字原生代」組成。而如果選擇人類服務耗時更多，又或者它低效、令人不快，虛擬化就更佔上風。倘若完全自動化且足夠安全私密的機場安檢突然可用，那麼有多少人會選擇排隊由安檢人員進行檢查呢？
在足夠的技術進步、足夠的實驗和足夠的迭代之後，我們認為，由自動化和數字化作為中介的流程將變得相當普遍，並將取代許多現在以人為中介的過程。簡而言之，我們相信虛擬化是一種長期性趨勢，在這裡，長期性類似於金融行業的用法，它表示將在幾年內展開的長期趨勢，而不是短期的波動。
自動化爆發
Eatsa想做的不僅是虛擬訂餐，它還想做備餐自動化。其廚房中的備餐是高度優化和標準化的，該公司用人類廚師而不用機器人，主要原因是鱷梨、西紅柿、茄子等被加工對象的形狀不規則，而且也不全是堅硬的。這些特徵對人來說沒什麼問題，人類從來就生活在一個不如人意的世界。然而到目前為止，造出來的大多數機器人更善於處理完全堅硬並且彼此差異不大的物品。
究其原因，機器人的視覺和觸覺從來就非常原始，比人差太多，而正確處理番茄通常需要以非常精確的方式觀察和感覺它。還有一個原因，給機器人編程處理糊狀物體極其困難，這又是一個「我們所知的多於所能說的」例子，因此，機器人的「大腦」遠遠落後於我們，就像它們的感覺一樣。
但是，機器人正在迎頭趕上，已經出現了幾個機器人廚師。在中國黑龍江省的一家餐廳，擬人化的紫色機器人明火爆炒、清炒，而人則做著準備工作。2015年4月的漢諾威工業展覽會上，英國公司Moley Robotics推出了一款高度自動化的廚房，其核心是一對從天花板吊下的多關節機器人手臂。它模仿大廚在製作招牌菜時的動作。展會期間，這對手臂製作了由英國《廚藝大師》電視大獎得主蒂姆·安德森（Tim Anderson）研發的螃蟹。一位在線評論員點評說：「很好啊，如果是在餐廳享受這美味，我眼睛眨都不眨。」然而，食物準備工作還是必須由人類完成，機器人手臂沒有眼睛，所以如果任何用料和器皿與預期不符，它們就會失敗。
我們所見過的最先進的機器人廚師是風投資本家溫諾德·柯士拉（Vinod Khosla）資助的機器人快餐公司Momentum Machines開發的漢堡製作機。它使用生肉、麵包，以及醬汁等調味品，然後將其製成袋裝漢堡，製作速度高達每小時400個。這個機器自己完成大部分的食物準備工作，基於保鮮的原因，它只有在接到訂單時才開始研磨、混合併烹飪。在很大程度上，機器還允許食客定制自己的漢堡包，例如指定烹飪方式和肉餅中的肉類組合等。我們可以為這些美味漢堡做證。
機器人之舞
這些自動廚師是正在呈現的機器人「寒武紀爆發」的早期例子。提出這一概念的是豐田研究所首席執行官吉爾·普拉特（Gill Pratt），他也是我們以前在麻省理工學院的同事。寒武紀爆發始於5億年前，是一個相當短暫的時間段，在此期間，地球上大部分的主要生命形式——門類——出現了。今天，地球上幾乎所有的身體類型都可溯源於這一突發的密集進化創新。
普拉特認為，我們即將體驗到一些與機器人創新相似的變化。他在2015年寫道：「今天，幾個前沿領域的技術發展正在激發機器人多樣化和適用性的類似爆發。機器人依賴的許多基礎硬件技術，特別是計算、數據存儲和通信，已經以指數級增長率得到了提升。」寒武紀爆發最重要的推動因素之一是願景，也就是生物物種首先發展出看世界的能力的時刻。這為我們的祖先帶來了大量的新能力。普拉特指出，就機器而言，我們現在處於類似的入口。機器前所未有地學習觀察，並獲得隨願景而來的許多好處。
我們的討論和調查指向5個並行、相互依賴和重疊的領域的最新進展，它們是數據、算法、網絡、雲端和指數級改進的硬件。我們用其英文首字母縮寫「DANCE」來記住它們。
數據。 數十年來，音樂CD（激光唱片）、電影DVD（數字視頻光盤）和網頁加入世界上用數字化編碼的信息，但在過去幾年間，創造的速度暴漲。事實上，據IBM估計，90%的全球數字化數據是在過去兩年內產生的。來自智能手機和工業設備傳感器的信號，數碼照片和視頻，不間斷的全球性社交媒體洪流以及許多其他信息來源混合在一起，使我們置身於一個空前的大數據時代。
算法。 海量數據很重要，因為它支持並加速了前一章所述的人工智能和機器學習的發展。現在，深度學習和強化學習等主導該領域的算法和方法都有一個基本屬性，即提供的數據越多，結果就越好。在某一時點，大多數算法的表現通常會趨於穩定，或者說到了「漸近線」，此後輸入更多數據只會產生很少改進，甚至根本沒有改進。對當下廣泛使用的許多機器學習方法而言，情況似乎並不是這樣。吳恩達告訴我們，使用現代算法，「摩爾定律和一些非常聰明的技術工作正不斷推移漸近線」。
網絡。 遠近距離的無線通信技術和協議正在迅速改善。例如，美國電話電報公司和威訊在2016年宣佈試用無線5G（第5代移動通信）技術，其下載速度高達每秒10GB（千兆字節）。這比LTE（高速無線通信標準）網絡的平均速度快50倍，而LTE網絡本身又比上一代3G（第3代移動通信）技術快10倍。這樣的速度提升意味著更好、更快的數據積累，也意味著機器人和無人機可以不間斷溝通，從而協調好工作，並在飛行時一道對快速變化的環境做出反應。
雲端。 組織和個人現在可以獲得前所未有的計算能力。應用程序、空白的或預配置的服務器以及存儲空間都可以長期租用，或通過互聯網租用幾分鐘。這種面世未滿10年的雲計算基礎設施以三種方式加速了機器人的「寒武紀爆發」。
首先，它大大降低了進入門檻，以前只能在優秀研究型大學和跨國公司的研發實驗室中發現的計算資源，現在已經可以提供給初創公司和獨立發明人。
其次，它允許機器人和無人機設計者探究本地計算與中央計算的重要權衡，即哪些信息處理任務應該在每個機器人本身的「大腦」中完成，哪些又應該由雲端巨大的全球性「大腦」完成？看起來，在今後一段時間，諸如重現以往體驗並從中獲得新見解之類的最密集的工作將在雲端進行。
最後，也許最重要的是，雲意味著機器人或無人機部落的每個成員都可以快速得知其他每個成員的工作。正如普拉特所說：「人類需要幾十年的時間才能夠充分學習，然後增補有意義的常識綱要。然而，機器人不僅能進行交互式學習，而且可以在創造性活動之後立即將其添加到機器人的知識簡編中。」這種普適的「蜂巢頭腦」的早期例子是特斯拉的車隊，它們共享各自所通過的路邊物體的數據。信息共享幫助該公司與時俱進，瞭解到哪些物體是永久性的（許多不同車輛在同一地點看到的東西），從而避免跑到路中央。
指數級改進的硬件。 摩爾定律是指每過18—24個月，集成電路的能力就穩步翻一番。至2015年慶賀其面世50週年時，它強健依舊。最近有人指出該定律正面對物理限制，因此今後幾年的增長速度將逐漸放緩。這可能是真的，但是，即使科技界的科學家和工程師在未來幾十年無法發明更好的硅片蝕刻方法，我們也相信，我們將繼續使用處理器、記憶體、傳感器、存儲器、通信器等數字化裝置，安享價格降低、性能提高的好處，這樣的日子還很長。
這怎麼可能呢？無人機製造商3D Robotics的首席執行官克裡斯·安德森（Chris Anderson）栩栩如生地向我們介紹了無人機行業發生的事情，並延伸到其他許多方面。他向我們展示了一個直徑約1英吋[3] 、高3英吋的金屬圓筒，並且說：「這是一個陀螺傳感器。它是機械的，要花1萬美元，它是20世紀90年代時一些非常有才華的女士在航天工廠用手纏繞製造的。它負責一個運動軸。在我們的無人機上有24個功能相似的傳感器。在以前，每個要花1萬美元，也就是要裝價值24萬美元的傳感器。順便說一下，它有一個冰箱大小。然而，我們現在只需使用一個或幾個小小的芯片，每個花3美元，它們幾乎看不見。」
安德森的觀點就是：廉價的原材料、巨大的全球市場、激烈的競爭和大批量製造的規模經濟相結合，從本質上保證了持續大幅下滑的價格和性能改善。他將個人無人機稱為「智能手機戰爭的和平紅利，也就是說，智能手機的組件，如傳感器、GPS（全球定位系統）、相機、ARM處理器、無線、內存、電池等，所有這些都是由蘋果、谷歌等公司不可思議的規模經濟和創新機器驅動的，現在花幾美元就可以得到。10年前，它們基本上都是不可能實現的。這些以前是軍工技術的東西，現在都可以從RadioShack公司買到」。
「DANCE」的要素匯合起來，正在機器人、無人機、自動汽車和卡車以及許多深度數字化的機器領域製造「寒武紀爆發」。價格大幅下降的裝置激活了更高速度的創新和實驗，產生了大量數據。它們被用於測試和優化算法，幫助系統進行學習。算法被置於雲端，並通過強大的網絡分發到機器。創新者又開展下一輪的測試和實驗，如此週而復始，持續下去。
舉重若輕之舞
在物理世界，機器人、無人機和所有其他數字機器如何蔓延到整個經濟體呢？它們在未來幾年會扮演什麼角色？標準的觀點是：機器人最適合沉悶、骯髒和危險的工作。我們在這個列表上再添加一個「D」，它代表「昂貴的」或「代價高昂的」。某項給定任務具有的以上屬性越多，將其轉換到數字化機器的可能性就越大。
訪問施工現場並檢查進度就是一個很好的例子。這些現場通常很髒，有時很危險，確保按計劃完成工作、維度正確、線條合理等，這些都是沉悶的工作。儘管如此，定期派人到現場執行檢查還是必要的，因為小錯誤會隨著時間的推移而放大，代價變得高昂。不過，這項工作似乎很快就會實現自動化。
有95年歷史的日本小松公司是世界上第二大的建築設備公司，2015年秋天，它宣佈與美國無人機初創公司Skycatch建立夥伴關係。美國公司的小型飛行器將飛越一個場地，精確地將其映射到三維空間。該公司將不斷將這些信息發送到雲端，在那裡，軟件將這些信息與一項場地計劃進行匹配，並將所得結果用於指導一組自動駕駛的推土機、自卸卡車和其他掘土設備。
農業也可能很快被無人機改變。克裡斯·安德森讓我們想像一個農場，每天都有無人機飛過田野，在近紅外波長的光線下掃瞄它們。這些波長提供了關於作物健康的大量信息，目前的無人駕駛傳感器足夠準確，可以分別評估每平方英尺的土地。而且，鑒於傳感器的指數級改進，它很快就能單獨查看每棵植物。每天駕機飛越田野既沉悶又昂貴，但隨著小型廉價無人機的到來，這兩個缺點都消失了。這些從每日低空飛行獲得的信息加深了對給定作物隨時間變化的瞭解，並且使得給水、施肥和噴射農藥更加精準。現代農業設備通常具有按不同地塊噴灑不同數量關鍵作物肥料的能力，而不是定量投放。無人機數據有助於充分利用這一能力，使農民深入精準農業時代。
保險公司也可能很快會使用無人機，以便評估龍捲風後屋頂受損的程度、幫助保護瀕危動物群體免遭偷獵、防止偏遠森林受到非法採伐以及完成許多其他任務。無人機已經被用於那些原本沉悶、骯髒、危險或昂貴的設備檢查工作。英國公司Sky Futures專門針對北海的石油鑽塔開展無人機業務，在那裡，金屬和水泥經過一段時間之後就敵不過鹽水和惡劣天氣。Sky Futures的無人機在各種條件下穿行於鑽塔之間，因此鑽井工人不再需要攀高作業，也無須懸吊著觀察有什麼情況發生。
機器承擔了沉悶、骯髒、危險或昂貴的工作，這是眼下我們一再看到的模式。
‧ 2015年，力拓成為首家利用完全遙控卡車車隊運送其在西澳皮爾巴拉地區礦山的所有鐵礦石的公司。無人駕駛的車輛每年工作365天，每天運行24小時，並受位於千里之外的控制中心的監控。從休息、缺勤和班次變化中節省的成本，使機器人車隊的效率比由人駕駛的車隊高出12%。
‧ 目前，自動擠奶系統在丹麥和荷蘭等領先的乳製品國家生產約1/4的牛奶。10年內，這一數字預計將上升至50%。
‧ 在日本，90%的作物噴灑目前由無人直升機完成。
誠然，機器接管任務的模式在工廠裡面已經開展了數十年，在工廠裡，工程師們可以很好地做到我們在麻省理工學院的同事戴維·奧托所說的「環境控制」，也就是「極大地簡化機器的工作環境，促成自動化運作，就像我們熟悉的工廠裝配線一樣」。當自動化運作具有原始級的「大腦」但不具備感知環境的能力時，環境控制是必要的。然而，隨著「DANCE」的所有元素一道改進，自動化運作可以脫離嚴格控制的工廠環境，進入廣闊的世界。這正是機器人、無人機、自動汽車和許多其他形式的數字化機器目前所做的事情。在不久的將來，它們會做更多工作。
人類做什麼
我們的人腦和身體如何與這些機器一道工作？主要有兩種方法。首先，由於機器能在物理世界中做更多的工作，所以我們會幹越來越少的體力活，轉向腦力活，使用的是前面的章節及下一章所描述的方式。這顯然是農業這個人類最古老的行業正在發生的事情。
長期以來，耕耘土地、種植作物是人工從事的勞動密集程度最高的工作，而它現在卻是知識最為密集的工作。正如印第安納農民布萊恩·斯科特（Brian Scott）的博文所寫：「你知道我爺爺跑步時想什麼嗎？……收割機和組合……他會想……今天的機器會如何……通過無形的GPS信號自動駕駛，同時製作可打印的地圖，展示收成和穀物濕度等。太棒了！」同樣，最現代化的工廠的工人也不再需要有強壯的身體。相反，他們需要自如地使用文字和數字，善於解決問題，能夠參與團隊工作。
不誇張地說，人們與機器人及其同類一道工作的第二種方式就是「肩並肩」。再說一遍，這不是什麼新鮮事。工廠裡的工人長期以來一直被機器包圍，經常與機器密切合作。我們人類整合了聰明的頭腦、敏銳的感覺、靈巧的雙手和堅定的腳步，迄今沒有任何機器可以匹敵，這仍然是非常有價值的組合。關於這一點，本書作者之一麥卡菲最喜愛的示例來自意大利博洛尼亞著名的杜卡迪摩托車廠。杜卡迪發動機特別複雜，[4] 不過他有興趣瞭解其組裝過程中有多少自動化的成分。然而，答案是幾乎沒有。
每台發動機由一名工人組裝起來，這名工人順著一條緩慢移動的傳送帶走動。當每個組裝步驟所需的發動機部件從傳送帶通過時，工人就把它們拿起來放在正確的所在，然後將其固定在適當位置並根據需要進行調整。組裝杜卡迪發動機需要運動，需要能夠在各種緊湊空間中操縱物體，需要有良好的視力和高精度的觸覺。杜卡迪公司的評估認為，沒什麼自動化能夠擁有所有這些能力，因此發動機組裝仍然是人的工作。
許多零售商的倉庫需要類似的能力，那些像亞馬遜一樣銷售各種形狀和規格產品的零售商尤其如此。亞馬遜還沒有找到或開發出數字化的機械手或抓取器，[5] 能可靠地在貨架上抓取各種貨品並放在一個盒子中。所以該公司找出了一個聰明的解決方案：它把貨架運送給人，然後由人把合適的貨品打包並付運。與人的膝蓋一般高的機器人推著貨架櫃在公司龐大的配送中心周圍快速遊走，它們原先是由波士頓的Kiva Systems公司生產的，該公司於2012年被亞馬遜收購。這些機器人在貨架櫃下方疾走，將其抬起，交給等著的人。當人拿走所需的貨品時，機器人和貨架櫃就迅速撤離，另一組機器人和貨架櫃接著佔位。這種安排利用了人的視覺和靈巧，這是他們比機器人更具優勢的地方，同時避免了體力消耗，以及從一個貨架走到另一個貨架的時間損失。
相比機器人和無人機，我們的優勢還能保持多長時間？這是一個很難回答的問題，尤其是因為「DANCE」的各個元素還在繼續獨自改善或整體提升。然而，我們感官和手腳的組合似乎使機器難以取勝，至少在幾年內是如此。機器人正在取得驚人的進步，但是當它們嘗試做擬人化的事情時仍然比我們慢得多。畢竟，我們的大腦和身體源自數百萬年的演變，代表了很好地解決物理世界的難題的造物設計。吉爾·普拉特曾經擔任美國國防部高級研究計劃局的項目經理，他負責2015年的「機器人挑戰賽」。那些自動化的參賽者小心翼翼地行走，以至他將其比喻成「本想看激烈比賽，結果看到的是高爾夫球賽」。當然，相比2012年的首次競賽，這已經是很大的進步了。據普拉特說，首次比賽更像是在打發時間。
未來之物
正如本章的例子所示，所有數字化事物的進步使我們能夠構建超越原子世界的機器，並與原子世界中的人和事進行交互。同樣的進步還促成了一件大事：它使我們能夠以前所未有的方式安排原子，打造事物。我們可以看到這種情況正在發生，具體事例就是塑料部件——這種世界上幾乎最常見的人造物體。
2015年，全球塑料產量達到2.5億噸，單是一輛現代化的汽車就有2 000多種形狀大小不一的塑料部件。為了製造這些部件，大部分首先都需要造出模具，也就是可以注入、擠入或以其他方式強制加入熱塑料的金屬部件。模具的輪廓和空間決定了塑料部件的最終形狀。
模具的使用有三種重要意義。首先，合適的模具非常重要，因為它將成為成千上萬個塑料部件的模板。因此，模具往往耐用、笨重和精確，這也使得它們變得昂貴。其次，模具能夠對可製造的塑料部件的種類施加限制。例如，使用模具製造簡單的塑料齒輪很容易，但是不可能用單個模具造出一組有底座的互鎖齒輪。更複雜的塑料部件通常需要更複雜的模具，其中最複雜的是來自將所有塑料倒入模具，然後確保熱材料均勻且充分填滿空間的工程技術。再次，模具的熱力學——它們加熱和冷卻每個塑料部件的方式——至關重要。在塑料部件仍然發熱、容易變形的情況下，把它們拿出來顯然要壞事，如果整個模具冷卻時間過長，效率會很低。還有，模具不同部分的冷卻速度也可能不同。因此，設計師和工程師必須平衡一系列因素，以確保高質量的塑料部件和高效率的模具。
大約30年前，一批不同背景的技術專家開始質疑為什麼要有一個模具。他們從激光打印機獲得靈感，激光打印機使用激光將非常薄的一層墨水融入一張紙中，呈現出想要的文字和圖像形式。
但為什麼只做一層呢？為什麼不一遍遍地重複這個過程，從而逐漸建立起一個3D結構，而不僅僅是一個2D（二維）形式？這項工作需要一些時間，因為每一層都太薄了，然而用這種方法打造物品會開啟巨大的選擇空間。首先，正如3D打印研究者盧安娜·伊奧利奧（Luana Iorio）所說，複雜性是沒有成本的。換句話說，與製作非常簡單的部件相比，製作極其複雜的部件無須付出更多成本，究其原因，兩者基本上都是一堆薄層。例如，組裝連鎖齒輪就像創建單個3D打印部件一樣容易。
創新者還將3D打印技術引入金屬部件的製造，這些部件之所以成型，乃是利用激光持續把粉末金屬薄層融合在基底結構上面，而基底本身又是由先前的薄層組成。這種方法帶來了另一個有利的性質：硬度也是沒有成本的。像鈦之類的硬金屬的機器加工可能很難、很昂貴，但它們一次一層的搭建就像鋁之類的軟金屬一樣容易，需要做的只是對激光的功率設置進行調整。
當複雜性和硬度都不需要成本時，許多長期的制約因素得以緩解。例如，製造可以更快冷卻的塑料件模具變得容易。得克薩斯州奧斯汀的DTM公司通過3D打印金屬合金模具實現了這一點，該模具有許多路徑複雜的細小管道，用傳統方法是做不出來的。熱塑料不會流過這些管道，冷卻的液體卻能流過，其目的是在每個新的塑料部件成型後使物體快速冷卻。由此，塑料部件的生產快了20%—35%，而且質量更好。
持懷疑態度的人可能會質疑這一點，我們是不是想從事讓全世界日益增多的廉價塑料部件氾濫成災的創新，是不是想任由這些東西充斥著垃圾填埋場，任其污染我們的海洋？我們從另一個角度看問題。雖然塑料的過度消費和不當處理是壞事，但我們認為3D打印的進步非常有益。
考慮3D打印腫瘤模型的情形。在3D打印出現之前，外科醫生壓根兒就沒有實用的方法來準確表示他們所治療的惡性組織的質量。他們沒有足夠的金錢和時間去生產一個傳統模具，只有在一個部件需要很多備份的情況下，製作傳統模具才划算。
但是，如果只想製作一個模型或原型呢？或者有一個部件失效，然後你想盡快要一個備用呢？又或者你想製作一小部分零件，每個零件都與其他有所不同呢？在這些情況下，傳統製造方法在很大程度上是毫無用處的，3D打印是理想的選擇。
3D打印的最大好處可能在於它使實驗和定制的成本變得低廉。從想法或需求到完工的路徑中，有用的工序不再需要既耗時又費錢的步驟，如模具製造和其他傳統製造方法。
歐特克有限公司的前任首席執行官卡爾·巴斯（Carl Bass）認為，3D打印僅僅是一個大事件的一部分。他告訴我們說，「我認為增材製造只是真正改變製造業的一個子集，核心是使用低成本的微處理器來精確控制機器」。巴斯的觀點是，傳感器和代碼現在不僅被用於精確地將薄材料層彼此疊加，它們還被應用於幾乎所有其他製造技術，如切割玻璃板和瓷磚，彎曲和銑削各種金屬等。
那些將原子轉換成我們想要的最終模型的機器正在改進，這得益於摩爾定律。與CPU（中央處理器）和內存芯片相比，這些機器可能不會迅速地同步增效並降價，但它們的進步仍然十分可觀。與20年前的同等機器相比，它們更便宜，但能夠在更高的質量水平上做更多的事情。這些進步使它們受到各式各樣的創新者的關注，惠及更多的業餘玩家、「草根」發明家、學生、工程師和企業家，給了人們探索更多可能的能力。我們相信，在不久的將來，使高質量工具趨於大眾化的創新將會導致生生不息的更多變革。
本章總結
‧ 目前涉及人工的許多業務流程正在虛擬化，它們正在轉向數字化渠道，所需人手更少。在通常的情況下，唯一涉及的人是客戶。
‧ 有些人會繼續自我選擇人與人之間的互動，但我們相信，虛擬化是一種長期趨勢，隨著機器獲得更多的能力，這一趨勢通常會與日俱增。
‧ 隨著機器學會觀察以及數字化在其他許多方面的進展，機器人正在經歷「寒武紀爆發」。機器人、無人機、自動汽車等各種自動化的機器同時變得更加便宜，更加容易獲取，更加有能力，更加多樣化。
‧ 機器人「寒武紀爆發」的驅動因素包括數據、算法、網絡、雲端以及指數級改進的硬件，簡稱「DANCE」。
‧ 機器人及其同類將越來越多地被用於沉悶、骯髒、危險和代價高昂的工作。
‧ 人仍然比最先進的機器人更加敏捷，更加靈巧，未來一段時間裡可能還會如此。人的這些能力，再加上人的感覺和解決問題的技能，意味著我們將在許多環境中與機器人並肩工作。
‧ 3D打印本身很重要，它也例證了更廣泛的趨勢，即數字化工具正在傳統製造過程中傳播。這是創新本身導致更高速創新的一個例子。
問題
A 如果你的業務流程需要大量的人際互動，那麼這是因為客戶、員工、供應商或其他合作夥伴對其重視，還是因為沒有同等效率的數字化替代方案？
B 在你所在的行業中，哪些方面最有可能在未來三到五年內虛擬化？如果可以選擇，你的哪些客戶會更喜歡更多的虛擬化互動？
C 你所在組織有哪些工作是最沉悶、骯髒、危險或代價高昂的？你最近有沒有查看可以完成這些工作的機器人或其他自動化工具？
D 你所在組織的體力活（如果有的話）在人工和機器之間如何分配？主要涉及認知或信息處理的工作如何分配？主要涉及人際關係的工作又如何分配？
E 在創新和原型設計工作中，你如何利用新技術的優勢來製作產品？
[1] 藜麥的生產更有效，只需要動物蛋白質生產所需能量的1/30。它是無膽固醇、無麩質的。
[2] 有令人不安的證據表明，我們目前用於確保航行安全的勞動密集型方法運作不佳。2015年，美國國土安全部公佈了其「紅隊」圖謀通過美國機場安檢偷運武器、爆炸物和其他禁止物資的工作總結。紅隊的成功率高於95%，在70件違禁品中，有67件通過了安檢。
[3] 1英吋=2.54厘米。——編者注
[4] 這種複雜性大部分來自杜卡迪發動機開關閥門部件的配置方式。
[5] 至少在我們撰寫本書的時候是這樣。我們知道他們已經做了幾次嘗試，但是還沒有達到要求。