非常感謝@sui414 、 @linoscope 、 @Brecht 、 @sui414 、 @pascalst 、 @cshg 、 @dataalways和@awmacp的寶貴反饋和評論。
在研究的初始階段，我們對 Taiko Labs 在完全無政府模型下的運營動態進行了深入分析。我們識別並量化了 Taiko Labs 因在嘗試將 L2 區塊發佈到 L1 時持續丟失 PGA 而面臨的重大經濟損失。分析表明，競爭激烈的提議者格局、重複的交易提交、經濟激勵機制、低效的資源配置以及錯位的激勵結構共同導致了 Taiko Labs 的財務困境。
在本研究中，我們正式定義了 Taiko 排序機制以及其他採用完全無政府主義方式進行區塊生產的 based rollup 中的效率概念。我們研究並總結了 Taiko 網絡中所有活躍排序節點的概況和行為，分析了它們的盈利能力、策略和協調機制。這包括識別不同的排序方式，例如鏈下協議、私有內存池使用和還原保護，以及量化收益和區塊貢獻隨時間的變化。
在區塊鏈和 L2 Rollup 的背景下，效率涵蓋多個維度，這些維度共同決定了系統內資源的分配和利用效率。經濟效率是指在最大化交易費收入的同時，最小化區塊生產成本，從而確保網絡以經濟高效的方式運行。計算效率則側重於減少冗餘計算和資源浪費，尤其是那些未能確保區塊被打包的排序器所產生的資源浪費。吞吐量效率則考慮了區塊空間的利用效率，優先打包高價值交易，以提升整體網絡容量。激勵機制的一致性在塑造排序器行為方面起著至關重要的作用，因為不一致的激勵機制會導致低效競爭和過度的資源消耗。最後，福利效率考察交易選擇是否不僅惠及單個排序器，也惠及整個網絡，從而確保高價值交易被打包，同時最大限度地降低不必要的成本。這些維度為評估 Taiko 排序流程的有效性提供了一個框架，並凸顯了其完全無政府模型所帶來的結構性低效。
我們交替使用提議者 (proposer)和排序者 (sequencer)來指代向 Layer-1 提交 Blob 交易的實體。當提及來自 Layer-1 的提議者時，我們通常使用L1 提議者 (Proposer) 。
Taiko 的效率
在 Taiko 的完全無政府模型中，帕累託效率評估的是排序器能否在不進行不必要權衡的情況下最大化系統效用。一個明顯的低效率示例是，兩個排序器將包含相同交易的 L2 區塊發佈到 L1 區塊。兩者都耗費了大量資源，例如 PGA 中的 Gas 費，但只有一個區塊能夠提供獎勵，而另一個區塊的努力在經濟上則顯得浪費。
這種冗餘的產生是因為 Taiko 的運行無需中心化協調，允許任何排序器以完全無需許可的方式提議區塊。鑑於 Layer-1 上的區塊納入競爭激烈，多個排序器會獨立嘗試發佈區塊，以最大化各自的獎勵。由於所有理性的排序器都會優先考慮 tip 最高的交易，因此它們通常會構建幾乎相同的區塊，從而導致相同交易的重複提交。在 Taiko 中，兩個區塊都會被接受；但是，第二個區塊中的重複交易會在納入時被過濾掉。因此，只有第一個成功發佈區塊的排序器才能獲得獎勵，而其他排序器仍然需要支付 Gas 費用，但卻得不到任何回報。
這會導致資源效率低下，因為非獎勵排序器消耗的 Gas 不會產生任何經濟價值。這些資源可以更好地分配，用於包含獨特的交易或優化提案。
請考慮以下情形：
Taiko 內存池包含x x筆交易，記為T = \{t_1, t_2, \dots, t_x\} T = { t 1 , t 2 , … , t x } ，其中每筆交易t_i t i都有一個小費 tip(t_i) t i p ( t i ) ，代表其經濟價值。我們假設交易小費代表了用戶參與交易的經濟效用。實際上，用戶可能會參與策略性競價，錯誤估計自己的支付意願，或者面臨導致小費與實際效用不一致的限制。不過，為簡單起見，我們假設小費與用戶效用直接對應。
不失一般性，我們假設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 ) ，即交易按小費價值的降序排列。
每個序列器S_j S j可以構建一個區塊B_k B k ，但受限於區塊 gas 限制G_{\text{max}} G max ，該限制將B_k B k中的交易數量限制為最多y y ，且|B_k| \leq y | B k | ≤ y 。序列器S_j S j為其區塊B_k B k選定的交易集為B_k = \{t_1, t_2, \dots, t_y\} B k = { t 1 , t 2 , … , t y } 。
排序器是理性的，會優先處理那些能夠最大化其效用的交易U(B_k) U ( B k ) ，其定義為：
其中C(B_k) C ( B k )表示排序器S_j S j提議並證明區塊B_k B k所產生的成本。理性排序器獨立地選擇相同的前y y 筆交易： 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。
在這種情況下：
- 被接受的區塊B_w B w （其中 $w \in W$ 是獲勝序列器的集合）為系統貢獻了效用：
- 空塊表示浪費的 gas 和計算工作量。總浪費成本
其中W表示區塊被接受的定序器集合。如果只有一個區塊被接受，則W = \{w\ } ，並將和應用於所有未獲勝的定序器。
- 未包含在T_y中的交易T y被排除在外，定義為：
- 由於這些被排除的交易而導致的效用損失是：
這種情況體現了帕累託低效性。雖然被接受的區塊有助於提升系統效用，但其他排序節點的 Gas 成本和工作量卻沒有任何價值。此外，如果兩個不同的排序節點發布相同的 L1 數據，它們會消耗 Blob 空間而不會產生額外的效用。此外，由於冗餘競爭，T_{\text{remaining}}中的交易（這些交易原本可以提升效用）被排除在外。這些低效性凸顯了改進協調機制的必要性，以便在 Taiko 的完全無政府模型中優化資源分配。
除了帕累託效率之外，福利效率還考察交易選擇是否有利於整個網絡。理想系統中，資源的分配應以最大化整體價值為目標，同時保持較低的不必要成本。然而，在 Taiko 當前的設計中，排序器競爭帶來的低效率遠超個體損失。高價值交易可能會被排除在外，僅僅是因為多個排序器優先處理同一組交易，導致冗餘提交，浪費寶貴的 blob 空間。個體激勵與更廣泛的網絡福利之間的這種錯位表明，需要更好的協調機制。
提案者的市場份額
在下一部分中，我們將分析提議者的市場份額。我們排除了 Taiko Labs 的提議者，因為其職責僅是確保區塊鏈的活躍性。我們可以看到，從分析開始到 11 月初，提議者 F 一直是主導提議者。我們還觀察到，目前有 5 位活躍的提議者，其中提議者 A 和 B 構建了大部分區塊。提議者 D 和 E 也很活躍，各自貢獻了總區塊數的 10% 到 20% 左右。
測序儀目前在 Taiko 生態系統中如何運作
在我們之前的研究中，我們重點介紹了那些在競爭中勝過 Taiko Labs 測序儀的測序儀的收益。在本節中，我們將分析它們的表現。
兩個最有利可圖的排序器在提議時，存在兩種截然不同的情況。我們觀察到，它們會交替排序週期以避免相互干擾，同時保持優先費用不變。根據分析的數據，這種行為很可能是提議器之間的鏈下協議。我們認為，除提議器 E 和 Taiko Labs 之外的活躍提議器都存在鏈下協議。
下圖展示了 12 月 21 日和 22 日在 Layer1 上提議交易的 Gas Price（優先級費用）。值得注意的是，兩個序列器都隨著時間的推移保持固定的優先級費用。序列器 A（0x41F2F55571f9e8e3Ba511Adc48879Bd67626A2b6）在 21 日提議了 153 個區塊，在 22 日提議了 184 個區塊，並始終為每個提議交易支付 3.78 Gwei 的優先級費用 Gas Price。同樣，序列器 B（0x66CC9a0EB519E9E1dE68F6cF0aa1AA1EFE3723d5）在 21 日提議了 155 個區塊，在 22 日提議了 166 個區塊，並始終保持 3.79 Gwei 的優先級費用 Gas Price。
在第二種情況下，排序器提交其交易，如果在給定時間內未接受，則會增加優先費用。此行為在標準 Taiko 排序器中實現，該排序器基於 Optimism 排序器的代碼實現。
當一個區塊被接受時，排序器會發送一個 blob 交易。如果該交易未被接受，排序器會發送另一個具有相同 nonce 但更高優先級費用的交易，以提高區塊被接受的幾率。
Taiko 代碼庫中已經包含了交易碰撞的邏輯。我們認為排序器在碰撞交易之前不會主動監控內存池。
下圖展示了三位主排序器在一天中積極提議區塊的情況。從 00:00 到 10:00，我們可以看到三位不同的提議器如何提高其優先費用，以確保他們的區塊在競爭對手之前被打包。
同一天有多個提議者在運作
下圖展示了四個不同提議者（提議者 A、提議者 B、提議者 D、提議者 E 和 Taiko Labs 提議者）在午夜至上午 10 點之間的活動。
一些提議者直接向構建者提交私人 blob 交易，而其他人則通過公共內存池發送他們的交易。
一個關鍵的觀察結果是，提議者 D 和 E 不使用“bump”功能，始終保持恆定的優先費。相比之下，提議者 A 和 B 會調整策略：當他們的交易未被納入時，他們會提高優先費，以確保其被納入下一個區塊。
為什麼是公共內存池而不是簡單的恢復保護？
公共內存池會帶來不確定性，因為它可能導致空塊被打包到鏈上。如果無法參與優先 Gas 拍賣 (PGA)，可能會導致無利可圖的區塊被最終確定。
正如上一篇文章所述，更可靠的方法是使用回滾保護，確保正在創建的區塊的 ID 與當前 Taiko 區塊頭 +1 匹配。如果不匹配，則交易將被回滾。
還原保護由構建器提供，他們模擬交易來驗證其有效性。如果交易無效，則會被免費丟棄。然而，並非所有構建器都支持還原保護，例如，構建了超過40% 區塊的Beaver 就不提供該功能。雖然此機制目前無法在鏈上強制執行，但目前正在努力實現它，例如 Joseph Poon 提出的EIP-7640：交易還原保護。
每個區塊每個提議者的盈利能力
下圖展示了自 2 月 4 日以來每個區塊的盈利情況。我們還加入了 Taiko 提議者，以表明某個區塊是否有利可圖。數據顯示，所有提議者通常都會構建有利可圖的區塊。然而，當兩個區塊競爭同一個區塊位置時，它們可能會生成無利可圖的區塊，但 Taiko 提議者除外，因為他們始終會構建無利可圖的區塊。
提議者每區塊收益
在下圖中，我們觀察了每個區塊的收益。值得注意的是，提議者 E 沒有生成任何無利可圖的區塊，而其他提議者大多生成了可盈利的區塊，只有少數無利可圖的區塊。
我們還觀察到 Taiko 主要構建無利可圖的區塊，而這個問題可以通過私下發送其 blob 並使用恢復保護來輕鬆避免。
一個挑戰是， Beaver偶爾會在 L1 上構建多個區塊，這可能會導致 Taiko 鏈停止運行，因為它們不私下接受區塊。不過，這個問題很容易解決：如果 Taiko 提議者注意到自己在特定時間內沒有構建區塊，他們可以簡單地將交易強制放入 L1 內存池。
提案者獎勵、成本和盈利能力分析
下表展示了排序節點的收益和行為數據，重點關注他們是否將區塊發佈到內存池並使用了回滾保護。分析僅涵蓋了發佈超過 5,000 個區塊的節點，涵蓋從創世區塊到第 915,000 個區塊（2024 年 5 月 25 日至 2025 年 3 月 1 日）的時間段。
這擴展了我們研究第一部分的數據集，提供了對提議者在更長時間段內的策略和結果的更廣泛的視角。
淨利潤計算如下：
| 姓名 | 收益 | 擬定大宗股份（%） | 求婚風格 | 正收益股份（%） | 恢復保護 |
|---|---|---|---|---|---|
| 提議人A | 106.1 ETH | 5.65% | 鏈下協議 | 95.74% | 不 |
| 提議人B | 93.8 ETH | 5.03% | 鏈下協議 | 92.80% | 不 |
| 提議者C | 27.3 以太幣 | 1.80% | 鏈下協議 | 79.83% | 不 |
| 提議者D | 25.3 以太幣 | 1.60% | 鏈下協議 | 84.25% | 不 |
| 提議人E | 10.3 ETH | 0.69% | 無協議 | 99.80% | 是（Flashbots 保護） |
| Taiko Labs 提案人 | -2061.8 ETH | 78.88% | 鏈下協議 | 14.50% | 不 |
在六位活躍的提議者中，Taiko Labs 的淨虧損高達 1,891.9 ETH，尤為突出。這一結果可能反映了其在盈利能力較低的情況下優先考慮活躍度和區塊納入的戰略選擇。相比之下，提議者 A 的盈利能力領先，獲得了 87.1 ETH。大多數參與者依賴鏈下協調和公共內存池訪問，這使得他們面臨競爭和潛在的低效率風險。提議者 E 是唯一使用回滾保護和私有流程的提議者，其目的可能是為了最大限度地減少失敗交易並優化以獲得穩定的收益。
每位提案者的平均利潤
下圖展示了從 11 月 1 日到 2 月 25 日期間每位提議者的平均每日利潤。提議者 A、B 和 D 從一開始就很活躍，而提議者 E 於 1 月 5 日加入。我們可以觀察到，儘管提議者 E 構建的區塊數量明顯少於其他提議者，但他們在一段時間內成為了利潤最高的提議者。這可能是由於區塊構建速度更快，因為提議者 E 不使用 Beaver 進行構建，而是使用 Beaver Builder。
預先確認作為 L2 Rollups 中的協調機制
預確認 (preconfs) 引入了一種結構化的 L2 排序方法，從而減少了冗餘計算，降低了 Gas 成本，並降低了優先 Gas 拍賣 (PGA) 和搶先交易的風險。通過允許指定的預確認者在最終確定之前承諾交易的納入，預確認可以提高執行的可預測性，同時避免了因排序不協調而導致的效率低下。
在此模型中，L2 用戶將交易提交給預確認者，預確認者會將交易彙總並批量提交為 Type-3 blob 交易 (EIP-4844)。此機制提供包含保證，最大限度地降低重新排序風險和交易延遲。
挑戰和中心化風險
儘管預確認有諸多好處，但它也會帶來中心化風險，尤其是在少數提議者主導 L2 區塊生產的情況下。假設前瞻中第一個可用的預確認者位於第 30 個區塊。在這種情況下，它們有效地控制了跨多個區塊的交易排序，從而實現了多區塊 MEV 的提取。這可能導致：
- 獨家 MEV 策略：預確認者可以跨多個時隙重新排序交易，以優化套利、夾層或清算時機。
- 降低排序多樣性：大型驗證者或權益池可以持續預先確認區塊，從而將較小的參與者排除在外。
- 更高的資本壁壘：預先確認者的抵押要求可能會排除單獨的質押者，從而加強中心化。
- 活躍度風險：控制多個槽的預確認者可能會停止鏈條。
我們將在以後的文章中探討這些風險和潛在的緩解措施。
定價和經濟權衡
預先確認交易意味著放棄潛在的 MEV 收益，因此定價成為一個關鍵的研究問題。提案者需要足夠的激勵來提前承諾交易順序。可能的模型包括：
- 用戶支付預先確認費用以補償丟失的 MEV。
- 預先確認時段拍賣，允許多方競標排序權。
- 動態定價機制，根據網絡需求和提議者競爭進行調整。
研究界（ CTra1n、 Charlie Noyes 、 Alex Nezlobin ）正在進行的討論探索了預先確認市場的最佳費用結構。
結論
Taiko 的完全無政府模型體現了提議者競爭的根本性低效，導致交易提交冗餘、Gas 成本浪費以及有效交易的系統性排除。頂級排序節點的交替行為，加上優先費用的穩定機制，表明即使不是明確的協議，也正在朝著隱性協調的方向發展。
預先確認提供了一種潛在的發展路徑，但也伴隨著中心化和 MEV 壟斷的風險。執行票市場和替代提議者協調機制的未來發展，對於決定像 Taiko 這樣的基於 rollup 的方案能否長期持續發展至關重要。
進一步的研究應側重於預置的定價模型、評估替代拍賣設計以及正式化經濟權衡，以確保去中心化和高效的區塊構建生態系統。
