非常感谢@sui414 、 @linoscope 、 @Brecht 、 @sui414 、 @pascalst 、 @cshg 、 @dataalways和@awmacp的宝贵反馈和评论。
在研究的初始阶段，我们对 Taiko Labs 在完全无政府模型下的运营动态进行了深入分析。我们识别并量化了 Taiko Labs 因在尝试将 L2 区块发布到 L1 时持续丢失 PGA 而面临的重大经济损失。分析表明，竞争激烈的提议者格局、重复的交易提交、经济激励机制、低效的资源配置以及错位的激励结构共同导致了 Taiko Labs 的财务困境。
在本研究中，我们正式定义了 Taiko 排序机制以及其他采用完全无政府主义方式进行区块生产的 based rollup 中的效率概念。我们研究并总结了 Taiko 网络中所有活跃排序节点的概况和行为，分析了它们的盈利能力、策略和协调机制。这包括识别不同的排序方式，例如链下协议、私有内存池使用和还原保护，以及量化收益和区块贡献随时间的变化。
在区块链和 L2 Rollup 的背景下，效率涵盖多个维度，这些维度共同决定了系统内资源的分配和利用效率。经济效率是指在最大化交易费收入的同时，最小化区块生产成本，从而确保网络以经济高效的方式运行。计算效率则侧重于减少冗余计算和资源浪费，尤其是那些未能确保区块被打包的排序器所产生的资源浪费。吞吐量效率则考虑了区块空间的利用效率，优先打包高价值交易，以提升整体网络容量。激励机制的一致性在塑造排序器行为方面起着至关重要的作用，因为不一致的激励机制会导致低效竞争和过度的资源消耗。最后，福利效率考察交易选择是否不仅惠及单个排序器，也惠及整个网络，从而确保高价值交易被打包，同时最大限度地降低不必要的成本。这些维度为评估 Taiko 排序流程的有效性提供了一个框架，并凸显了其完全无政府模型所带来的结构性低效。
我们交替使用提议者 (proposer)和排序者 (sequencer)来指代向 Layer-1 提交 Blob 交易的实体。当提及来自 Layer-1 的提议者时，我们通常使用L1 提议者 (Proposer) 。
Taiko 的效率
在 Taiko 的完全无政府模型中，帕累托效率评估的是排序器能否在不进行不必要权衡的情况下最大化系统效用。一个明显的低效率示例是，两个排序器将包含相同交易的 L2 区块发布到 L1 区块。两者都耗费了大量资源，例如 PGA 中的 Gas 费，但只有一个区块能够提供奖励，而另一个区块的努力在经济上则显得浪费。
这种冗余的产生是因为 Taiko 的运行无需中心化协调，允许任何排序器以完全无需许可的方式提议区块。鉴于 Layer-1 上的区块纳入竞争激烈，多个排序器会独立尝试发布区块，以最大化各自的奖励。由于所有理性的排序器都会优先考虑 tip 最高的交易，因此它们通常会构建几乎相同的区块，从而导致相同交易的重复提交。在 Taiko 中，两个区块都会被接受；但是，第二个区块中的重复交易会在纳入时被过滤掉。因此，只有第一个成功发布区块的排序器才能获得奖励，而其他排序器仍然需要支付 Gas 费用，但却得不到任何回报。
这会导致资源效率低下，因为非奖励排序器消耗的 Gas 不会产生任何经济价值。这些资源可以更好地分配，用于包含独特的交易或优化提案。
请考虑以下情形：
Taiko 内存池包含x x笔交易，记为T = \{t_1, t_2, \dots, t_x\} T = { t 1 , t 2 , … , t x } ，其中每笔交易t_i t i都有一个小费 tip(t_i) t i p ( t i ) ，代表其经济价值。我们假设交易小费代表了用户参与交易的经济效用。实际上，用户可能会参与策略性竞价，错误估计自己的支付意愿，或者面临导致小费与实际效用不一致的限制。不过，为简单起见，我们假设小费与用户效用直接对应。
不失一般性，我们假设tip(t_1) \geq tip(t_2) \geq \dots \geq tip(t_x) t i p ( t 1 ) ≥ t i p ( t 2 ) ≥ ⋯ ≥ t i p ( t x ) ，即交易按小费价值的降序排列。
每个序列器S_j S j可以构建一个区块B_k B k ，但受限于区块 gas 限制G_{\text{max}} G max ，该限制将B_k B k中的交易数量限制为最多y y ，且|B_k| \leq y | B k | ≤ y 。序列器S_j S j为其区块B_k B k选定的交易集为B_k = \{t_1, t_2, \dots, t_y\} B k = { t 1 , t 2 , … , t y } 。
排序器是理性的，会优先处理那些能够最大化其效用的交易U(B_k) U ( B k ) ，其定义为：
其中C(B_k) C ( B k )表示排序器S_j S j提议并证明区块B_k B k所产生的成本。理性排序器独立地选择相同的前y y 笔交易： B_1 = B_2 = \dots = B_n = T_y B 1 = B 2 = ⋯ = B n = T y ，其中T_y = \{t_1, t_2, \dots, t_y\} T y = { t 1 , t 2 , … , t y }表示 tip 最高的交易集合。
在这种情况下：
- 被接受的区块B_w B w （其中 $w \in W$ 是获胜序列器的集合）为系统贡献了效用：
- 空块表示浪费的 gas 和计算工作量。总浪费成本
其中W表示区块被接受的定序器集合。如果只有一个区块被接受，则W = \{w\ } ，并将和应用于所有未获胜的定序器。
- 未包含在T_y中的交易T y被排除在外，定义为：
- 由于这些被排除的交易而导致的效用损失是：
这种情况体现了帕累托低效性。虽然被接受的区块有助于提升系统效用，但其他排序节点的 Gas 成本和工作量却没有任何价值。此外，如果两个不同的排序节点发布相同的 L1 数据，它们会消耗 Blob 空间而不会产生额外的效用。此外，由于冗余竞争，T_{\text{remaining}}中的交易（这些交易原本可以提升效用）被排除在外。这些低效性凸显了改进协调机制的必要性，以便在 Taiko 的完全无政府模型中优化资源分配。
除了帕累托效率之外，福利效率还考察交易选择是否有利于整个网络。理想系统中，资源的分配应以最大化整体价值为目标，同时保持较低的不必要成本。然而，在 Taiko 当前的设计中，排序器竞争带来的低效率远超个体损失。高价值交易可能会被排除在外，仅仅是因为多个排序器优先处理同一组交易，导致冗余提交，浪费宝贵的 blob 空间。个体激励与更广泛的网络福利之间的这种错位表明，需要更好的协调机制。
提案者的市场份额
在下一部分中，我们将分析提议者的市场份额。我们排除了 Taiko Labs 的提议者，因为其职责仅是确保区块链的活跃性。我们可以看到，从分析开始到 11 月初，提议者 F 一直是主导提议者。我们还观察到，目前有 5 位活跃的提议者，其中提议者 A 和 B 构建了大部分区块。提议者 D 和 E 也很活跃，各自贡献了总区块数的 10% 到 20% 左右。
测序仪目前在 Taiko 生态系统中如何运作
在我们之前的研究中，我们重点介绍了那些在竞争中胜过 Taiko Labs 测序仪的测序仪的收益。在本节中，我们将分析它们的表现。
两个最有利可图的排序器在提议时，存在两种截然不同的情况。我们观察到，它们会交替排序周期以避免相互干扰，同时保持优先费用不变。根据分析的数据，这种行为很可能是提议器之间的链下协议。我们认为，除提议器 E 和 Taiko Labs 之外的活跃提议器都存在链下协议。
下图展示了 12 月 21 日和 22 日在 Layer1 上提议交易的 Gas Price（优先级费用）。值得注意的是，两个序列器都随着时间的推移保持固定的优先级费用。序列器 A（0x41F2F55571f9e8e3Ba511Adc48879Bd67626A2b6）在 21 日提议了 153 个区块，在 22 日提议了 184 个区块，并始终为每个提议交易支付 3.78 Gwei 的优先级费用 Gas Price。同样，序列器 B（0x66CC9a0EB519E9E1dE68F6cF0aa1AA1EFE3723d5）在 21 日提议了 155 个区块，在 22 日提议了 166 个区块，并始终保持 3.79 Gwei 的优先级费用 Gas Price。
在第二种情况下，排序器提交其交易，如果在给定时间内未接受，则会增加优先费用。此行为在标准 Taiko 排序器中实现，该排序器基于 Optimism 排序器的代码实现。
当一个区块被接受时，排序器会发送一个 blob 交易。如果该交易未被接受，排序器会发送另一个具有相同 nonce 但更高优先级费用的交易，以提高区块被接受的几率。
Taiko 代码库中已经包含了交易碰撞的逻辑。我们认为排序器在碰撞交易之前不会主动监控内存池。
下图展示了三位主排序器在一天中积极提议区块的情况。从 00:00 到 10:00，我们可以看到三位不同的提议器如何提高其优先费用，以确保他们的区块在竞争对手之前被打包。
同一天有多个提议者在运作
下图展示了四个不同提议者（提议者 A、提议者 B、提议者 D、提议者 E 和 Taiko Labs 提议者）在午夜至上午 10 点之间的活动。
一些提议者直接向构建者提交私人 blob 交易，而其他人则通过公共内存池发送他们的交易。
一个关键的观察结果是，提议者 D 和 E 不使用“bump”功能，始终保持恒定的优先费。相比之下，提议者 A 和 B 会调整策略：当他们的交易未被纳入时，他们会提高优先费，以确保其被纳入下一个区块。
为什么是公共内存池而不是简单的恢复保护？
公共内存池会带来不确定性，因为它可能导致空块被打包到链上。如果无法参与优先 Gas 拍卖 (PGA)，可能会导致无利可图的区块被最终确定。
正如上一篇文章所述，更可靠的方法是使用回滚保护，确保正在创建的区块的 ID 与当前 Taiko 区块头 +1 匹配。如果不匹配，则交易将被回滚。
还原保护由构建器提供，他们模拟交易来验证其有效性。如果交易无效，则会被免费丢弃。然而，并非所有构建器都支持还原保护，例如，构建了超过40% 区块的Beaver 就不提供该功能。虽然此机制目前无法在链上强制执行，但目前正在努力实现它，例如 Joseph Poon 提出的EIP-7640：交易还原保护。
每个区块每个提议者的盈利能力
下图展示了自 2 月 4 日以来每个区块的盈利情况。我们还加入了 Taiko 提议者，以表明某个区块是否有利可图。数据显示，所有提议者通常都会构建有利可图的区块。然而，当两个区块竞争同一个区块位置时，它们可能会生成无利可图的区块，但 Taiko 提议者除外，因为他们始终会构建无利可图的区块。
提议者每区块收益
在下图中，我们观察了每个区块的收益。值得注意的是，提议者 E 没有生成任何无利可图的区块，而其他提议者大多生成了可盈利的区块，只有少数无利可图的区块。
我们还观察到 Taiko 主要构建无利可图的区块，而这个问题可以通过私下发送其 blob 并使用恢复保护来轻松避免。
一个挑战是， Beaver偶尔会在 L1 上构建多个区块，这可能会导致 Taiko 链停止运行，因为它们不私下接受区块。不过，这个问题很容易解决：如果 Taiko 提议者注意到自己在特定时间内没有构建区块，他们可以简单地将交易强制放入 L1 内存池。
提案者奖励、成本和盈利能力分析
下表展示了排序节点的收益和行为数据，重点关注他们是否将区块发布到内存池并使用了回滚保护。分析仅涵盖了发布超过 5,000 个区块的节点，涵盖从创世区块到第 915,000 个区块（2024 年 5 月 25 日至 2025 年 3 月 1 日）的时间段。
这扩展了我们研究第一部分的数据集，提供了对提议者在更长时间段内的策略和结果的更广泛的视角。
净利润计算如下：
| 姓名 | 收益 | 拟定大宗股份（%） | 求婚风格 | 正收益股份（%） | 恢复保护 |
|---|---|---|---|---|---|
| 提议人A | 106.1 ETH | 5.65% | 链下协议 | 95.74% | 不 |
| 提议人B | 93.8 ETH | 5.03% | 链下协议 | 92.80% | 不 |
| 提议者C | 27.3 以太币 | 1.80% | 链下协议 | 79.83% | 不 |
| 提议者D | 25.3 以太币 | 1.60% | 链下协议 | 84.25% | 不 |
| 提议人E | 10.3 ETH | 0.69% | 无协议 | 99.80% | 是（Flashbots 保护） |
| Taiko Labs 提案人 | -2061.8 ETH | 78.88% | 链下协议 | 14.50% | 不 |
在六位活跃的提议者中，Taiko Labs 的净亏损高达 1,891.9 ETH，尤为突出。这一结果可能反映了其在盈利能力较低的情况下优先考虑活跃度和区块纳入的战略选择。相比之下，提议者 A 的盈利能力领先，获得了 87.1 ETH。大多数参与者依赖链下协调和公共内存池访问，这使得他们面临竞争和潜在的低效率风险。提议者 E 是唯一使用回滚保护和私有流程的提议者，其目的可能是为了最大限度地减少失败交易并优化以获得稳定的收益。
每位提案者的平均利润
下图展示了从 11 月 1 日到 2 月 25 日期间每位提议者的平均每日利润。提议者 A、B 和 D 从一开始就很活跃，而提议者 E 于 1 月 5 日加入。我们可以观察到，尽管提议者 E 构建的区块数量明显少于其他提议者，但他们在一段时间内成为了利润最高的提议者。这可能是由于区块构建速度更快，因为提议者 E 不使用 Beaver 进行构建，而是使用 Beaver Builder。
预先确认作为 L2 Rollups 中的协调机制
预确认 (preconfs) 引入了一种结构化的 L2 排序方法，从而减少了冗余计算，降低了 Gas 成本，并降低了优先 Gas 拍卖 (PGA) 和抢先交易的风险。通过允许指定的预确认者在最终确定之前承诺交易的纳入，预确认可以提高执行的可预测性，同时避免了因排序不协调而导致的效率低下。
在此模型中，L2 用户将交易提交给预确认者，预确认者会将交易汇总并批量提交为 Type-3 blob 交易 (EIP-4844)。此机制提供包含保证，最大限度地降低重新排序风险和交易延迟。
挑战和中心化风险
尽管预确认有诸多好处，但它也会带来中心化风险，尤其是在少数提议者主导 L2 区块生产的情况下。假设前瞻中第一个可用的预确认者位于第 30 个区块。在这种情况下，它们有效地控制了跨多个区块的交易排序，从而实现了多区块 MEV 的提取。这可能导致：
- 独家 MEV 策略：预确认者可以跨多个时隙重新排序交易，以优化套利、夹层或清算时机。
- 降低排序多样性：大型验证者或权益池可以持续预先确认区块，从而将较小的参与者排除在外。
- 更高的资本壁垒：预先确认者的抵押要求可能会排除单独的质押者，从而加强中心化。
- 活跃度风险：控制多个槽的预确认者可能会停止链条。
我们将在以后的文章中探讨这些风险和潜在的缓解措施。
定价和经济权衡
预先确认交易意味着放弃潜在的 MEV 收益，因此定价成为一个关键的研究问题。提案者需要足够的激励来提前承诺交易顺序。可能的模型包括：
- 用户支付预先确认费用以补偿丢失的 MEV。
- 预先确认时段拍卖，允许多方竞标排序权。
- 动态定价机制，根据网络需求和提议者竞争进行调整。
研究界（ CTra1n、 Charlie Noyes 、 Alex Nezlobin ）正在进行的讨论探索了预先确认市场的最佳费用结构。
结论
Taiko 的完全无政府模型体现了提议者竞争的根本性低效，导致交易提交冗余、Gas 成本浪费以及有效交易的系统性排除。顶级排序节点的交替行为，加上优先费用的稳定机制，表明即使不是明确的协议，也正在朝着隐性协调的方向发展。
预先确认提供了一种潜在的发展路径，但也伴随着中心化和 MEV 垄断的风险。执行票市场和替代提议者协调机制的未来发展，对于决定像 Taiko 这样的基于 rollup 的方案能否长期持续发展至关重要。
进一步的研究应侧重于预置的定价模型、评估替代拍卖设计以及正式化经济权衡，以确保去中心化和高效的区块构建生态系统。
