银足闪闪的女神忒提斯（Thetis）来到了匠神赫菲斯托斯（Hephaestus）的宫殿……女神到达时，他正在风箱旁忙忙碌碌，忙于制造一套23条腿的大鼎，好摆放在自己坚固的宫殿的墙边。他在每个鼎的腿下都装上了金转轮，当众神聚会时，它就可以自动滑进去，也可以自动滑出来，以此博得众天神的赞赏。
《荷马史诗》（Homer ）之《伊利亚特》（The Iliad ），公元前8世纪
很少有一顿饭可以同时做到营养丰富、味美价廉。如果它还能够展现未来自动化的风采，那就更加稀罕了。
2015年，第一家Eatsa（没有服务员的餐厅）在旧金山的SoMa（市场街以南地区）开业，它提供了一系列素食菜肴，其主要成分是原产于南美的藜麦[1] ，营养极其丰富。在Eatsa，藜麦与玉米、豆类、茄子和鳄梨酱等原料一起使用，用碗进食，碗上印有“西南争霸”“不用担心咖喱”等字样。
没有人的流程
然而，食客在Eatsa进餐之前还会碰到一些不寻常的事情。从预订、付款到送餐，他们不会看到任何员工。进入餐厅后，顾客会看到一排平板电脑。他们用平板电脑下订单，并通过信用卡付款（Eatsa不接受现金）。在准备餐点时，取自信用卡的顾客名字和姓的首字母会出现在大型平板显示器上。当某个名字接近等待列表的顶部时，一个数字就出现在它的旁边，该数字对应于墙上约20个窗孔中某一个的编号，孔口覆盖着面板。这些面板实际上是透明的液晶显示器，屏幕中间显示顾客的名字，右上角有一个小牛眼标识。当客户双击牛眼时，面板随之打开，餐点出现并让顾客打包带走（餐厅提供的室内座位很少）。
餐厅有少量服务员，他们引导新顾客熟悉预订流程并回答问题，但大多数顾客并不需要此项服务。Eatsa早期的口碑极佳。有位“吃货”说：“在这家餐厅，你无须浪费口舌，无须找人，只要几分钟就能通过电脑屏幕获得味美价廉、营养丰富的餐点。跟我结婚吧。”
Eatsa大受欢迎，这说明了第二次机器革命时代的一个重要现象：以往在人和物理世界之间发生的许多交易与交流，现在都通过数字化的接口完成了。事实证明，很多业务流程实际上并不要求把原子移来移去或换来换去。相反，它们事关信息或数码的移动和转换。在Eatsa订餐、付款，然后获悉取餐窗口，就是这类流程的一个例子，称其为流程自动化并不完全正确，因为还有人（顾客）牵涉在内。更准确地说，流程已经虚拟化了。
虚拟即现实
虚拟化正在广为传播。如果我们乘坐航班时不托运行李，那么在到达登机口之前是很少与航空公司员工打交道的，我们早已将登机牌下载到手机，或者使用机场的自助服务机打印机票。出国旅行之后回到美国时，我们使用“全球入境机”输入报关和移民资料，然后清关重新进入美国。在国内飞行方面，看来我们很快就会有完全自动化的安全通道。2016年7月，美国交通安全管理局宣布了一项计划，在5个国内机场安装和评估这些系统。[2]
当网络和便利的数字化设备随处可见时，虚拟化就加速了。随着自动柜员机的增多，许多人不再去找银行柜员提取账户中的现金。基于个人电脑的在线银行使客户能够在家中查看交易明细、转账和浏览账单，并完成许多其他业务，智能手机及其应用程序则使客户可以在任何地方做完这些事情。许多银行应用程序最终带来了另一个便利：它们使客户能够通过手机拍照来存入支票。虚拟银行业务不断提升的能力、范围和便利性，可能正是美国银行柜台总数连年减少，从2007年60.8万个的高位下降了近20%的主要原因。
某些交易和流程是否会在很大程度上保持非虚拟化呢？许多人和企业都这么想。弗吉尼亚·波斯特雷尔（Virginia Postrel）是一位在商业和文化转型方面有洞察力的分析师，他认为，药店、超市和其他零售商的自动化自助购物机将永远不会被消费者接受，“由于技术方面的原因，没人想一边听着无休止的电子指令循环，一边看着其他购物者顺利地通过人工收银台的队列”。
我们注意到波斯特雷尔的观点。大多数自助结账技术令人困惑，使用起来很慢，而且它们似乎经常卡住。我们之所以一直使用这些技术，可能更多源自研究兴趣，而不是因为其便利。但是我们注意到，随着时间的推移，这些技术已经如预期般变得越来越好。随着自助结账系统的开发者获得更多经验，他们将改进技术和用户体验，并找出降低错误率和挫折感的方法。
这可能意味着未来的自助结账机器和过程看起来非常不同，但我们预期大规模的虚拟化将会到来，尽管迄今为止的进展乏善可陈。一旦预期成真，那么其外观也许像Amazon Go（无人便利店），这是在线零售巨头亚马逊于2016年12月在西雅图推出的面积为1 800平方英尺的便利店，该店没有收银员和自助结账系统。相反，店内的传感器和摄像机与机器学习技术相结合，由智能手机的专用应用程序追踪记录客户放入购物篮的每件商品，然后根据他们离开店铺时带走的商品自动结账。记者劳埃德·阿尔特（Lloyd Alter）观察指出，“Amazon Go不是用在线技术风格升级的店铺，它是一种被墙体包围的在线体验”。在这种体验中，购物车是真实的，但结账柜台是虚拟的。
反对广泛的虚拟化的另一个论点其实是这么一种想法：有些互动需要人的接触，以便使客户、患者、销售对象之类的当事人感到自在、放心。这种想法有道理，但我们也要看到，至少有一些人愿意甚至是渴望把那些以前看来人际接触至关重要的交易虚拟化。
在金融服务领域，传统的做法是至少需要一次面对面的会议，以便说服某人或某家庭将大部分财富委托给投资顾问。然而，自2011年12月成立以来，先锋理财公司已经从3.5万多个家庭拿到了超过30亿美元的资金，而所有这些资金都是虚拟化转账到该公司的，无论是服务台还是交易过程，没有出现人类的投资顾问。先锋理财公司从事财富管理业务，它不但在投资决策中去掉了人类判断，而且完全消除了财富转移交易的经典舞台和角色，即设备齐全的办公室、光面的小册子、接待员、专业顾问，等等，取而代之的是一种在线形式。
移风易俗
先锋理财公司的客户往往比其他投资咨询公司的客户更年轻，更熟悉技术。经济学家用“自我选择”一词来表示这样的现象，即人们根据自己的喜好将自己分类到不同群体。自我选择可能是塑造虚拟化的强大力量。有些人会把钱交给先锋理财公司进行投资，会在超市使用自助结账机，也会在Eatsa吃午餐；其他人则想见人类的投资顾问，想让收银员为购物结账，并且想找人订午餐。
目前，我们看到了对上述自我选择双方各有明显吸引力的企业。像Eatsa一样，快餐连锁店麦当劳提高了虚拟化程度。截至2016年11月，该公司在纽约、佛罗里达和南加州的500家店面安装了数字化的自助预订和付费站，并宣布计划将触屏技术扩展到旗下1.4万家美国餐馆。相比之下，发现卡（Discover Card）则强调人性化。该公司2013年首次播出一系列广告，展示由知名演员扮演的客户和员工之间的电话交谈。诚然，这种做法想传递一个信息：该公司提供了深度个性化的，因此也是更真实可信的客户服务。其中一个广告甚至表示，该公司更关心的是人际关系而不是多赚钱。其讲述者说，“有了发现卡，你在美国可以日夜与真人交谈，而且我们不会浪费你的时间，不会试图兜售一些你其实不需要的另类产品”。
Eatsa、先锋理财、麦当劳、发现金融服务公司等许多企业正在追逐由支持或反对虚拟化的客户偏好定义的细分市场。这是一个自然而然的事情，但我们在想，反对虚拟化的庞大市场规模能保持多久？近来美国银行柜员数量的下降表明，一旦有足够稳健的虚拟化可用于特定的流程，许多人就会用它，尤其是随着时间的推移，越来越多的人口将由“数字原生代”组成。而如果选择人类服务耗时更多，又或者它低效、令人不快，虚拟化就更占上风。倘若完全自动化且足够安全私密的机场安检突然可用，那么有多少人会选择排队由安检人员进行检查呢？
在足够的技术进步、足够的实验和足够的迭代之后，我们认为，由自动化和数字化作为中介的流程将变得相当普遍，并将取代许多现在以人为中介的过程。简而言之，我们相信虚拟化是一种长期性趋势，在这里，长期性类似于金融行业的用法，它表示将在几年内展开的长期趋势，而不是短期的波动。
自动化爆发
Eatsa想做的不仅是虚拟订餐，它还想做备餐自动化。其厨房中的备餐是高度优化和标准化的，该公司用人类厨师而不用机器人，主要原因是鳄梨、西红柿、茄子等被加工对象的形状不规则，而且也不全是坚硬的。这些特征对人来说没什么问题，人类从来就生活在一个不如人意的世界。然而到目前为止，造出来的大多数机器人更善于处理完全坚硬并且彼此差异不大的物品。
究其原因，机器人的视觉和触觉从来就非常原始，比人差太多，而正确处理番茄通常需要以非常精确的方式观察和感觉它。还有一个原因，给机器人编程处理糊状物体极其困难，这又是一个“我们所知的多于所能说的”例子，因此，机器人的“大脑”远远落后于我们，就像它们的感觉一样。
但是，机器人正在迎头赶上，已经出现了几个机器人厨师。在中国黑龙江省的一家餐厅，拟人化的紫色机器人明火爆炒、清炒，而人则做着准备工作。2015年4月的汉诺威工业展览会上，英国公司Moley Robotics推出了一款高度自动化的厨房，其核心是一对从天花板吊下的多关节机器人手臂。它模仿大厨在制作招牌菜时的动作。展会期间，这对手臂制作了由英国《厨艺大师》电视大奖得主蒂姆·安德森（Tim Anderson）研发的螃蟹。一位在线评论员点评说：“很好啊，如果是在餐厅享受这美味，我眼睛眨都不眨。”然而，食物准备工作还是必须由人类完成，机器人手臂没有眼睛，所以如果任何用料和器皿与预期不符，它们就会失败。
我们所见过的最先进的机器人厨师是风投资本家温诺德·柯士拉（Vinod Khosla）资助的机器人快餐公司Momentum Machines开发的汉堡制作机。它使用生肉、面包，以及酱汁等调味品，然后将其制成袋装汉堡，制作速度高达每小时400个。这个机器自己完成大部分的食物准备工作，基于保鲜的原因，它只有在接到订单时才开始研磨、混合并烹饪。在很大程度上，机器还允许食客定制自己的汉堡包，例如指定烹饪方式和肉饼中的肉类组合等。我们可以为这些美味汉堡做证。
机器人之舞
这些自动厨师是正在呈现的机器人“寒武纪爆发”的早期例子。提出这一概念的是丰田研究所首席执行官吉尔·普拉特（Gill Pratt），他也是我们以前在麻省理工学院的同事。寒武纪爆发始于5亿年前，是一个相当短暂的时间段，在此期间，地球上大部分的主要生命形式——门类——出现了。今天，地球上几乎所有的身体类型都可溯源于这一突发的密集进化创新。
普拉特认为，我们即将体验到一些与机器人创新相似的变化。他在2015年写道：“今天，几个前沿领域的技术发展正在激发机器人多样化和适用性的类似爆发。机器人依赖的许多基础硬件技术，特别是计算、数据存储和通信，已经以指数级增长率得到了提升。”寒武纪爆发最重要的推动因素之一是愿景，也就是生物物种首先发展出看世界的能力的时刻。这为我们的祖先带来了大量的新能力。普拉特指出，就机器而言，我们现在处于类似的入口。机器前所未有地学习观察，并获得随愿景而来的许多好处。
我们的讨论和调查指向5个并行、相互依赖和重叠的领域的最新进展，它们是数据、算法、网络、云端和指数级改进的硬件。我们用其英文首字母缩写“DANCE”来记住它们。
数据。 数十年来，音乐CD（激光唱片）、电影DVD（数字视频光盘）和网页加入世界上用数字化编码的信息，但在过去几年间，创造的速度暴涨。事实上，据IBM估计，90%的全球数字化数据是在过去两年内产生的。来自智能手机和工业设备传感器的信号，数码照片和视频，不间断的全球性社交媒体洪流以及许多其他信息来源混合在一起，使我们置身于一个空前的大数据时代。
算法。 海量数据很重要，因为它支持并加速了前一章所述的人工智能和机器学习的发展。现在，深度学习和强化学习等主导该领域的算法和方法都有一个基本属性，即提供的数据越多，结果就越好。在某一时点，大多数算法的表现通常会趋于稳定，或者说到了“渐近线”，此后输入更多数据只会产生很少改进，甚至根本没有改进。对当下广泛使用的许多机器学习方法而言，情况似乎并不是这样。吴恩达告诉我们，使用现代算法，“摩尔定律和一些非常聪明的技术工作正不断推移渐近线”。
网络。 远近距离的无线通信技术和协议正在迅速改善。例如，美国电话电报公司和威讯在2016年宣布试用无线5G（第5代移动通信）技术，其下载速度高达每秒10GB（千兆字节）。这比LTE（高速无线通信标准）网络的平均速度快50倍，而LTE网络本身又比上一代3G（第3代移动通信）技术快10倍。这样的速度提升意味着更好、更快的数据积累，也意味着机器人和无人机可以不间断沟通，从而协调好工作，并在飞行时一道对快速变化的环境做出反应。
云端。 组织和个人现在可以获得前所未有的计算能力。应用程序、空白的或预配置的服务器以及存储空间都可以长期租用，或通过互联网租用几分钟。这种面世未满10年的云计算基础设施以三种方式加速了机器人的“寒武纪爆发”。
首先，它大大降低了进入门槛，以前只能在优秀研究型大学和跨国公司的研发实验室中发现的计算资源，现在已经可以提供给初创公司和独立发明人。
其次，它允许机器人和无人机设计者探究本地计算与中央计算的重要权衡，即哪些信息处理任务应该在每个机器人本身的“大脑”中完成，哪些又应该由云端巨大的全球性“大脑”完成？看起来，在今后一段时间，诸如重现以往体验并从中获得新见解之类的最密集的工作将在云端进行。
最后，也许最重要的是，云意味着机器人或无人机部落的每个成员都可以快速得知其他每个成员的工作。正如普拉特所说：“人类需要几十年的时间才能够充分学习，然后增补有意义的常识纲要。然而，机器人不仅能进行交互式学习，而且可以在创造性活动之后立即将其添加到机器人的知识简编中。”这种普适的“蜂巢头脑”的早期例子是特斯拉的车队，它们共享各自所通过的路边物体的数据。信息共享帮助该公司与时俱进，了解到哪些物体是永久性的（许多不同车辆在同一地点看到的东西），从而避免跑到路中央。
指数级改进的硬件。 摩尔定律是指每过18—24个月，集成电路的能力就稳步翻一番。至2015年庆贺其面世50周年时，它强健依旧。最近有人指出该定律正面对物理限制，因此今后几年的增长速度将逐渐放缓。这可能是真的，但是，即使科技界的科学家和工程师在未来几十年无法发明更好的硅片蚀刻方法，我们也相信，我们将继续使用处理器、记忆体、传感器、存储器、通信器等数字化装置，安享价格降低、性能提高的好处，这样的日子还很长。
这怎么可能呢？无人机制造商3D Robotics的首席执行官克里斯·安德森（Chris Anderson）栩栩如生地向我们介绍了无人机行业发生的事情，并延伸到其他许多方面。他向我们展示了一个直径约1英寸[3] 、高3英寸的金属圆筒，并且说：“这是一个陀螺传感器。它是机械的，要花1万美元，它是20世纪90年代时一些非常有才华的女士在航天工厂用手缠绕制造的。它负责一个运动轴。在我们的无人机上有24个功能相似的传感器。在以前，每个要花1万美元，也就是要装价值24万美元的传感器。顺便说一下，它有一个冰箱大小。然而，我们现在只需使用一个或几个小小的芯片，每个花3美元，它们几乎看不见。”
安德森的观点就是：廉价的原材料、巨大的全球市场、激烈的竞争和大批量制造的规模经济相结合，从本质上保证了持续大幅下滑的价格和性能改善。他将个人无人机称为“智能手机战争的和平红利，也就是说，智能手机的组件，如传感器、GPS（全球定位系统）、相机、ARM处理器、无线、内存、电池等，所有这些都是由苹果、谷歌等公司不可思议的规模经济和创新机器驱动的，现在花几美元就可以得到。10年前，它们基本上都是不可能实现的。这些以前是军工技术的东西，现在都可以从RadioShack公司买到”。
“DANCE”的要素汇合起来，正在机器人、无人机、自动汽车和卡车以及许多深度数字化的机器领域制造“寒武纪爆发”。价格大幅下降的装置激活了更高速度的创新和实验，产生了大量数据。它们被用于测试和优化算法，帮助系统进行学习。算法被置于云端，并通过强大的网络分发到机器。创新者又开展下一轮的测试和实验，如此周而复始，持续下去。
举重若轻之舞
在物理世界，机器人、无人机和所有其他数字机器如何蔓延到整个经济体呢？它们在未来几年会扮演什么角色？标准的观点是：机器人最适合沉闷、肮脏和危险的工作。我们在这个列表上再添加一个“D”，它代表“昂贵的”或“代价高昂的”。某项给定任务具有的以上属性越多，将其转换到数字化机器的可能性就越大。
访问施工现场并检查进度就是一个很好的例子。这些现场通常很脏，有时很危险，确保按计划完成工作、维度正确、线条合理等，这些都是沉闷的工作。尽管如此，定期派人到现场执行检查还是必要的，因为小错误会随着时间的推移而放大，代价变得高昂。不过，这项工作似乎很快就会实现自动化。
有95年历史的日本小松公司是世界上第二大的建筑设备公司，2015年秋天，它宣布与美国无人机初创公司Skycatch建立伙伴关系。美国公司的小型飞行器将飞越一个场地，精确地将其映射到三维空间。该公司将不断将这些信息发送到云端，在那里，软件将这些信息与一项场地计划进行匹配，并将所得结果用于指导一组自动驾驶的推土机、自卸卡车和其他掘土设备。
农业也可能很快被无人机改变。克里斯·安德森让我们想象一个农场，每天都有无人机飞过田野，在近红外波长的光线下扫描它们。这些波长提供了关于作物健康的大量信息，目前的无人驾驶传感器足够准确，可以分别评估每平方英尺的土地。而且，鉴于传感器的指数级改进，它很快就能单独查看每棵植物。每天驾机飞越田野既沉闷又昂贵，但随着小型廉价无人机的到来，这两个缺点都消失了。这些从每日低空飞行获得的信息加深了对给定作物随时间变化的了解，并且使得给水、施肥和喷射农药更加精准。现代农业设备通常具有按不同地块喷洒不同数量关键作物肥料的能力，而不是定量投放。无人机数据有助于充分利用这一能力，使农民深入精准农业时代。
保险公司也可能很快会使用无人机，以便评估龙卷风后屋顶受损的程度、帮助保护濒危动物群体免遭偷猎、防止偏远森林受到非法采伐以及完成许多其他任务。无人机已经被用于那些原本沉闷、肮脏、危险或昂贵的设备检查工作。英国公司Sky Futures专门针对北海的石油钻塔开展无人机业务，在那里，金属和水泥经过一段时间之后就敌不过盐水和恶劣天气。Sky Futures的无人机在各种条件下穿行于钻塔之间，因此钻井工人不再需要攀高作业，也无须悬吊着观察有什么情况发生。
机器承担了沉闷、肮脏、危险或昂贵的工作，这是眼下我们一再看到的模式。
• 2015年，力拓成为首家利用完全遥控卡车车队运送其在西澳皮尔巴拉地区矿山的所有铁矿石的公司。无人驾驶的车辆每年工作365天，每天运行24小时，并受位于千里之外的控制中心的监控。从休息、缺勤和班次变化中节省的成本，使机器人车队的效率比由人驾驶的车队高出12%。
• 目前，自动挤奶系统在丹麦和荷兰等领先的乳制品国家生产约1/4的牛奶。10年内，这一数字预计将上升至50%。
• 在日本，90%的作物喷洒目前由无人直升机完成。
诚然，机器接管任务的模式在工厂里面已经开展了数十年，在工厂里，工程师们可以很好地做到我们在麻省理工学院的同事戴维·奥托所说的“环境控制”，也就是“极大地简化机器的工作环境，促成自动化运作，就像我们熟悉的工厂装配线一样”。当自动化运作具有原始级的“大脑”但不具备感知环境的能力时，环境控制是必要的。然而，随着“DANCE”的所有元素一道改进，自动化运作可以脱离严格控制的工厂环境，进入广阔的世界。这正是机器人、无人机、自动汽车和许多其他形式的数字化机器目前所做的事情。在不久的将来，它们会做更多工作。
人类做什么
我们的人脑和身体如何与这些机器一道工作？主要有两种方法。首先，由于机器能在物理世界中做更多的工作，所以我们会干越来越少的体力活，转向脑力活，使用的是前面的章节及下一章所描述的方式。这显然是农业这个人类最古老的行业正在发生的事情。
长期以来，耕耘土地、种植作物是人工从事的劳动密集程度最高的工作，而它现在却是知识最为密集的工作。正如印第安纳农民布莱恩·斯科特（Brian Scott）的博文所写：“你知道我爷爷跑步时想什么吗？……收割机和组合……他会想……今天的机器会如何……通过无形的GPS信号自动驾驶，同时制作可打印的地图，展示收成和谷物湿度等。太棒了！”同样，最现代化的工厂的工人也不再需要有强壮的身体。相反，他们需要自如地使用文字和数字，善于解决问题，能够参与团队工作。
不夸张地说，人们与机器人及其同类一道工作的第二种方式就是“肩并肩”。再说一遍，这不是什么新鲜事。工厂里的工人长期以来一直被机器包围，经常与机器密切合作。我们人类整合了聪明的头脑、敏锐的感觉、灵巧的双手和坚定的脚步，迄今没有任何机器可以匹敌，这仍然是非常有价值的组合。关于这一点，本书作者之一麦卡菲最喜爱的示例来自意大利博洛尼亚著名的杜卡迪摩托车厂。杜卡迪发动机特别复杂，[4] 不过他有兴趣了解其组装过程中有多少自动化的成分。然而，答案是几乎没有。
每台发动机由一名工人组装起来，这名工人顺着一条缓慢移动的传送带走动。当每个组装步骤所需的发动机部件从传送带通过时，工人就把它们拿起来放在正确的所在，然后将其固定在适当位置并根据需要进行调整。组装杜卡迪发动机需要运动，需要能够在各种紧凑空间中操纵物体，需要有良好的视力和高精度的触觉。杜卡迪公司的评估认为，没什么自动化能够拥有所有这些能力，因此发动机组装仍然是人的工作。
许多零售商的仓库需要类似的能力，那些像亚马逊一样销售各种形状和规格产品的零售商尤其如此。亚马逊还没有找到或开发出数字化的机械手或抓取器，[5] 能可靠地在货架上抓取各种货品并放在一个盒子中。所以该公司找出了一个聪明的解决方案：它把货架运送给人，然后由人把合适的货品打包并付运。与人的膝盖一般高的机器人推着货架柜在公司庞大的配送中心周围快速游走，它们原先是由波士顿的Kiva Systems公司生产的，该公司于2012年被亚马逊收购。这些机器人在货架柜下方疾走，将其抬起，交给等着的人。当人拿走所需的货品时，机器人和货架柜就迅速撤离，另一组机器人和货架柜接着占位。这种安排利用了人的视觉和灵巧，这是他们比机器人更具优势的地方，同时避免了体力消耗，以及从一个货架走到另一个货架的时间损失。
相比机器人和无人机，我们的优势还能保持多长时间？这是一个很难回答的问题，尤其是因为“DANCE”的各个元素还在继续独自改善或整体提升。然而，我们感官和手脚的组合似乎使机器难以取胜，至少在几年内是如此。机器人正在取得惊人的进步，但是当它们尝试做拟人化的事情时仍然比我们慢得多。毕竟，我们的大脑和身体源自数百万年的演变，代表了很好地解决物理世界的难题的造物设计。吉尔·普拉特曾经担任美国国防部高级研究计划局的项目经理，他负责2015年的“机器人挑战赛”。那些自动化的参赛者小心翼翼地行走，以至他将其比喻成“本想看激烈比赛，结果看到的是高尔夫球赛”。当然，相比2012年的首次竞赛，这已经是很大的进步了。据普拉特说，首次比赛更像是在打发时间。
未来之物
正如本章的例子所示，所有数字化事物的进步使我们能够构建超越原子世界的机器，并与原子世界中的人和事进行交互。同样的进步还促成了一件大事：它使我们能够以前所未有的方式安排原子，打造事物。我们可以看到这种情况正在发生，具体事例就是塑料部件——这种世界上几乎最常见的人造物体。
2015年，全球塑料产量达到2.5亿吨，单是一辆现代化的汽车就有2 000多种形状大小不一的塑料部件。为了制造这些部件，大部分首先都需要造出模具，也就是可以注入、挤入或以其他方式强制加入热塑料的金属部件。模具的轮廓和空间决定了塑料部件的最终形状。
模具的使用有三种重要意义。首先，合适的模具非常重要，因为它将成为成千上万个塑料部件的模板。因此，模具往往耐用、笨重和精确，这也使得它们变得昂贵。其次，模具能够对可制造的塑料部件的种类施加限制。例如，使用模具制造简单的塑料齿轮很容易，但是不可能用单个模具造出一组有底座的互锁齿轮。更复杂的塑料部件通常需要更复杂的模具，其中最复杂的是来自将所有塑料倒入模具，然后确保热材料均匀且充分填满空间的工程技术。再次，模具的热力学——它们加热和冷却每个塑料部件的方式——至关重要。在塑料部件仍然发热、容易变形的情况下，把它们拿出来显然要坏事，如果整个模具冷却时间过长，效率会很低。还有，模具不同部分的冷却速度也可能不同。因此，设计师和工程师必须平衡一系列因素，以确保高质量的塑料部件和高效率的模具。
大约30年前，一批不同背景的技术专家开始质疑为什么要有一个模具。他们从激光打印机获得灵感，激光打印机使用激光将非常薄的一层墨水融入一张纸中，呈现出想要的文字和图像形式。
但为什么只做一层呢？为什么不一遍遍地重复这个过程，从而逐渐建立起一个3D结构，而不仅仅是一个2D（二维）形式？这项工作需要一些时间，因为每一层都太薄了，然而用这种方法打造物品会开启巨大的选择空间。首先，正如3D打印研究者卢安娜·伊奥利奥（Luana Iorio）所说，复杂性是没有成本的。换句话说，与制作非常简单的部件相比，制作极其复杂的部件无须付出更多成本，究其原因，两者基本上都是一堆薄层。例如，组装连锁齿轮就像创建单个3D打印部件一样容易。
创新者还将3D打印技术引入金属部件的制造，这些部件之所以成型，乃是利用激光持续把粉末金属薄层融合在基底结构上面，而基底本身又是由先前的薄层组成。这种方法带来了另一个有利的性质：硬度也是没有成本的。像钛之类的硬金属的机器加工可能很难、很昂贵，但它们一次一层的搭建就像铝之类的软金属一样容易，需要做的只是对激光的功率设置进行调整。
当复杂性和硬度都不需要成本时，许多长期的制约因素得以缓解。例如，制造可以更快冷却的塑料件模具变得容易。得克萨斯州奥斯汀的DTM公司通过3D打印金属合金模具实现了这一点，该模具有许多路径复杂的细小管道，用传统方法是做不出来的。热塑料不会流过这些管道，冷却的液体却能流过，其目的是在每个新的塑料部件成型后使物体快速冷却。由此，塑料部件的生产快了20%—35%，而且质量更好。
持怀疑态度的人可能会质疑这一点，我们是不是想从事让全世界日益增多的廉价塑料部件泛滥成灾的创新，是不是想任由这些东西充斥着垃圾填埋场，任其污染我们的海洋？我们从另一个角度看问题。虽然塑料的过度消费和不当处理是坏事，但我们认为3D打印的进步非常有益。
考虑3D打印肿瘤模型的情形。在3D打印出现之前，外科医生压根儿就没有实用的方法来准确表示他们所治疗的恶性组织的质量。他们没有足够的金钱和时间去生产一个传统模具，只有在一个部件需要很多备份的情况下，制作传统模具才划算。
但是，如果只想制作一个模型或原型呢？或者有一个部件失效，然后你想尽快要一个备用呢？又或者你想制作一小部分零件，每个零件都与其他有所不同呢？在这些情况下，传统制造方法在很大程度上是毫无用处的，3D打印是理想的选择。
3D打印的最大好处可能在于它使实验和定制的成本变得低廉。从想法或需求到完工的路径中，有用的工序不再需要既耗时又费钱的步骤，如模具制造和其他传统制造方法。
欧特克有限公司的前任首席执行官卡尔·巴斯（Carl Bass）认为，3D打印仅仅是一个大事件的一部分。他告诉我们说，“我认为增材制造只是真正改变制造业的一个子集，核心是使用低成本的微处理器来精确控制机器”。巴斯的观点是，传感器和代码现在不仅被用于精确地将薄材料层彼此叠加，它们还被应用于几乎所有其他制造技术，如切割玻璃板和瓷砖，弯曲和铣削各种金属等。
那些将原子转换成我们想要的最终模型的机器正在改进，这得益于摩尔定律。与CPU（中央处理器）和内存芯片相比，这些机器可能不会迅速地同步增效并降价，但它们的进步仍然十分可观。与20年前的同等机器相比，它们更便宜，但能够在更高的质量水平上做更多的事情。这些进步使它们受到各式各样的创新者的关注，惠及更多的业余玩家、“草根”发明家、学生、工程师和企业家，给了人们探索更多可能的能力。我们相信，在不久的将来，使高质量工具趋于大众化的创新将会导致生生不息的更多变革。
本章总结
• 目前涉及人工的许多业务流程正在虚拟化，它们正在转向数字化渠道，所需人手更少。在通常的情况下，唯一涉及的人是客户。
• 有些人会继续自我选择人与人之间的互动，但我们相信，虚拟化是一种长期趋势，随着机器获得更多的能力，这一趋势通常会与日俱增。
• 随着机器学会观察以及数字化在其他许多方面的进展，机器人正在经历“寒武纪爆发”。机器人、无人机、自动汽车等各种自动化的机器同时变得更加便宜，更加容易获取，更加有能力，更加多样化。
• 机器人“寒武纪爆发”的驱动因素包括数据、算法、网络、云端以及指数级改进的硬件，简称“DANCE”。
• 机器人及其同类将越来越多地被用于沉闷、肮脏、危险和代价高昂的工作。
• 人仍然比最先进的机器人更加敏捷，更加灵巧，未来一段时间里可能还会如此。人的这些能力，再加上人的感觉和解决问题的技能，意味着我们将在许多环境中与机器人并肩工作。
• 3D打印本身很重要，它也例证了更广泛的趋势，即数字化工具正在传统制造过程中传播。这是创新本身导致更高速创新的一个例子。
问题
A 如果你的业务流程需要大量的人际互动，那么这是因为客户、员工、供应商或其他合作伙伴对其重视，还是因为没有同等效率的数字化替代方案？
B 在你所在的行业中，哪些方面最有可能在未来三到五年内虚拟化？如果可以选择，你的哪些客户会更喜欢更多的虚拟化互动？
C 你所在组织有哪些工作是最沉闷、肮脏、危险或代价高昂的？你最近有没有查看可以完成这些工作的机器人或其他自动化工具？
D 你所在组织的体力活（如果有的话）在人工和机器之间如何分配？主要涉及认知或信息处理的工作如何分配？主要涉及人际关系的工作又如何分配？
E 在创新和原型设计工作中，你如何利用新技术的优势来制作产品？
[1] 藜麦的生产更有效，只需要动物蛋白质生产所需能量的1/30。它是无胆固醇、无麸质的。
[2] 有令人不安的证据表明，我们目前用于确保航行安全的劳动密集型方法运作不佳。2015年，美国国土安全部公布了其“红队”图谋通过美国机场安检偷运武器、爆炸物和其他禁止物资的工作总结。红队的成功率高于95%，在70件违禁品中，有67件通过了安检。
[3] 1英寸=2.54厘米。——编者注
[4] 这种复杂性大部分来自杜卡迪发动机开关阀门部件的配置方式。
[5] 至少在我们撰写本书的时候是这样。我们知道他们已经做了几次尝试，但是还没有达到要求。