Before Blockchains, There Was State Machine Replication (ft. Barbara Liskov and Tim Roughgarden)

图灵奖得主Barbara Liskov的分布式系统研究，从Viewstamped Replication到PBFT，不仅奠定了现代区块链共识协议的理论与实践基础，更揭示了一个关键洞察：模块化与抽象是构建可靠复杂系统的唯一路径，而AI时代将迫使开发者从“写代码”转向“设计规范与验证”。

这期内容适合所有对分布式系统、区块链底层技术、或计算机科学研究方法论感兴趣的人。值得花时间看，因为Barbara Liskov亲自讲述了从80年代Viewstamped Replication到90年代PBFT（实用拜占庭容错）的完整演化史——这不是教科书上的理论，而是她亲历的、从解决实际文件系统问题到应对恶意攻击的实战过程。最值得注意的冲突是：理论计算机科学早已给出拜占庭容错的数学边界（3f+1），但直到Liskov团队做出PBFT并给出实际基准测试，业界才真正相信“这东西能用”。这揭示了从理论到工程落地的巨大鸿沟，以及“可运行的证明”比“数学上的可能”更能改变人心。

这期播客由a16z crypto的研究负责人Tim Roughgarden主持，与图灵奖得主Barbara Liskov深度对话。内容围绕Liskov在分布式系统领域的核心贡献展开：从她如何从编程语言（CLU）转向分布式系统（Argus），到80年代提出Viewstamped Replication（视图复制）协议解决“良性故障”下的复制问题，再到90年代与博士生Miguel Castro共同开发PBFT（实用拜占庭容错）协议，以应对互联网时代的恶意攻击。对话还探讨了模块化设计思想如何贯穿她的整个职业生涯，以及这些早期工作如何意外地成为现代区块链共识协议（如以太坊、Solana）的基石。最后，Liskov对AI时代计算机科学研究的未来给出了自己的判断。

1. 模块化是构建大型程序的唯一出路：Liskov将模块化与数学定理的证明结构类比——每个模块就像一条引理，有明确的规约（specification），可以独立验证其正确性，无需了解其他模块的内部实现。这是她贯穿编程语言（CLU）和分布式系统（Argus）工作的核心哲学。
2. Viewstamped Replication解决了“主节点故障”的工程难题：80年代，业界用“加锁”来处理分布式复制，但Liskov认为这依赖远端用户的行为，不可靠。她的方案是将控制权交给副本自身，通过“视图变更”协议，在主节点失效时，由备份节点选举新主节点，并确保已提交的日志（即“账本”）在新视图中完全一致。这本质上就是在构建一个分布式账本，只是当时不叫这个名字。
3. PBFT是从理论到实践的桥梁：理论界早已知道拜占庭容错需要3f+1个副本（容忍f个恶意节点），但缺乏可用的系统。Liskov团队从Viewstamped Replication出发，引入“证书”（2f+1个签名消息）作为不可篡改的证明，解决了恶意主节点撒谎的问题。PBFT的贡献不在于发明新理论，而在于证明“这东西真的能跑，而且性能不错”，从而改变了整个业界的认知。
4. 共识与执行分离是通用架构：无论是Viewstamped Replication还是PBFT，Liskov从一开始就意识到，复制协议只负责确定操作的顺序（写入账本），而不关心操作的具体含义。这种“状态机复制”的抽象，使得同一套共识层可以服务于文件系统、数据库或任何应用。现代区块链（如以太坊）正是这一思想的极致体现——共识层决定交易顺序，执行层（EVM）运行智能合约。
5. AI时代，计算机科学研究的核心将从“写代码”转向“设计与验证”：Liskov认为，AI能生成代码，但无法保证代码的正确性。未来的开发者需要具备更高层次的能力：理解系统设计、编写精确的规约、以及使用验证工具确保AI生成的代码不出错。她早年开发的“如何构建大型程序”课程（强调设计、模块化、规约和验证），可能正是未来程序员的核心技能。

“我们从不信任单个副本，我们只信任由足够多副本组成的群体。”——这是PBFT的核心设计哲学，也是所有去中心化系统信任模型的基础。

这期内容对AI从业者（尤其是做AI系统或AI Agent的团队）有两点直接启发：

1. AI Agent的可靠性问题，本质上是一个分布式系统问题：当多个AI Agent协同工作，或一个Agent调用多个外部工具/模型时，单个Agent可能“撒谎”或“产生幻觉”（类似拜占庭故障）。PBFT的解决方案——不信任单个节点，只信任由足够多独立节点组成的群体，并通过“证书”来证明事实——为构建可靠的AI Agent系统提供了设计思路。例如，关键决策可以由多个独立模型投票，并保留签名记录以备审计。
2. 模块化与规约是AI系统可维护性的救命稻草：Liskov反复强调模块化的重要性，这对当前“大模型+复杂pipeline”的AI系统尤其关键。很多AI项目代码混乱，因为开发者只关注模型效果，忽略了系统架构。如果每个模块（如数据清洗、特征工程、模型推理、后处理）都有清晰的输入输出规约，那么替换模型、调试错误、甚至让AI自动生成代码都会变得可控。否则，AI生成的代码只会让混乱的系统变得更不可维护。