从算法视角解读L2交易定价：收入、费用和协议的影响

原文作者： 0x Mlze、Salve Boccaccio & 0x Munehisa

原文编译：深潮 TechFlow

为了解决这个问题并扩展以太坊，人们发明了第二层解决方案（L2）。第二层是一个独立的区块链，扩展了以太坊并继承了以太坊的安全保证。第二层本质上是一个独立的区块链，用户在主链（以太坊）之外进行交易。每个第二层解决方案都有自己的安全保证和权衡。在以太坊上，最流行的第二层扩展形式是 Rollups（Arbitrum、Optimism、zkSync）。

智能合约 Rollups：Optimistic Rollups（Arbitrum、Optimism）、零知识 Rollups（Matic 的 zkEVM、zkSync、Scroll）；

Celestiums;

Enshrined Rollups;

Sovereign Rollups.

智能合约 Rollups

智能合约 Rollups 是用户将资金发送到 L1 上的 Rollup 智能合约，然后该智能合约管理交易和状态变化。

Rollups 和区块链的一个关键组成部分是 Merkle 树。Merkle 树是存储每个人的资金状态和发生的交易的数据结构，允许 L1 在不下载整个状态的情况下验证 L2 上的状态。简单来说，用户在 L2 上进行交互和交易（从而改变状态），L2 会定期向 L1 发送状态的 Merkle 根，以便 L1 可以验证链的状态。

除了将 Merkle 根发布到 L1，L2 还必须发布足够的 Merkle 树变化数据，以便用户能够完全重建 Merkle 树。如果由于某种原因 L2 停止运行，如果没有提供这些数据，用户将被困在 L2 上。因此，L1 智能合约具有“紧急功能”，用户可以在 L2 停止运行时从智能合约 Rollup 中提取他们的资金。

L1 需要某种证明来确保 L2 发送的 Merkle 根是有效的，这就是两种主要的智能合约 Rollup 之间的区别。使用的两种主要证明是欺诈证明和零知识证明。

Optimistic Rollup

像 Arbitrum 和 Optimism 这样的 OptimisticRollup 使用欺诈证明来完成状态的最终确认。欺诈证明的工作原理如下：

1. L2 节点将 Merkle 根与一小笔保证金一起发布到 L1 智能合约中。

2. L1 智能合约默认信任 L2 节点，这就是“Optimistic”一词的含义 —— L1 对 L2 的更新持乐观态度。

3. 然而，这种状态变化在 7 天内不会最终确认。

4. 在这 7 天内，任何人都可以提交一个证明，证明提交的 Merkle 根是欺诈性的，这将撤销更新并惩罚 L2 节点，将保证金交给报告欺诈性更新的人。

5. 报告者能够通过验证状态根变化中发生的所有交易，并确认这些交易上的每个签名都是有效的来证明更新是欺诈性的。这是因为 L2 节点发布了 Merkle 根和足够的 Merkle 变化数据来重新创建 Merkle 树。

6. 如果在 7 天的争议期内没有对状态转换提出异议，更新将最终确认并被视为不可变的。

ZK Rollup

ZK Rollup 使用零知识证明。它们的工作方式如下：

1. Layer 2 节点将 Merkle 根与证明一起发布到 L1 智能合约中，证明 L2 正确处理了交易并生成了一个新的 Merkle 根。

2. 如果 Layer 2 节点试图发布一个欺诈性的更新，它们将无法生成有效的零知识证明，因此 L1 智能合约将不接受新的 Merkle 根。

3. 一旦验证了零知识证明，状态更新将立即完成。

排序器

排序器是 L2 收集并将交易发布回以太坊基础链的机制。在它们目前的中心化状态下，它们的工作方式如下：

1. 用户在 L2 上提交交易 —— DeFi、NFT、发送/接收等等。

2. 这些交易由中心化的排序器收集。

3. 然后，排序器（块构建）将这些交易（调用数据/状态差异）按顺序排列为单个块或批处理交易。

4. 目前，L2 排序器使用先进先出（FIFO）的排序方法对这些交易进行排序。

5. 然后，排序器将这批交易提交回以太坊主网，以便包含在一个区块中。

在当前状态下，Rollup 的排序器是中心化的，并由一个实体（Arbitrum 的 Offchain Labs 和 Optimism 的 Optimism PBC）控制。这种中心化为 Rollup 创建了单点故障，并可能导致活跃性问题（以及缺乏审查抵抗力）——如果排序器出现故障，L2 将无法正常运行。

例如，在 6 月初，Arbitrum 的排序器遇到了一个错误，导致批处理在链上回滚，从而导致批处理的 Gas 成本损失。在短时间内，批处理提交者没有 Gas，并且无法正确地将交易发送到以太坊。

L2 Gas/执行费用；

L1 调用数据/安全费用。

进一步来说，我们可以将收入和成本分解为具体的组成部分。虽然不同的 ORU（例如 Arbitrum、Optimism）没有完全相同的定价公式，但它们遵循一个通用的框架：

L2 费用定价

在所有 ORU 中，L2 费用价格是 L1 计算规模、L1 计算成本、L2 计算规模和 L2 计算成本的函数。

由于所有 L2 排序器在将批次/证明发布到 L1 主网时都会产生成本，因此当执行 L2 交易时，将主网结算的动态成本传递给用户是合乎逻辑的。

Arbitrum 和 Optimism 的 L2 费用定价方式不同。两者之间一个非常重要的区别在于 Optimism 和 Arbitrum 计算 L1 计算成本的方式。Arbitrum 使用一个定价 L1 计算的预言机，这意味着在没有治理投票的情况下，预言机以与 4844 之前相同的方式定价 L1 计算。然而，Optimism 的 L1 计算包含一个可以由 Optimism 团队调整的动态开销（标量）变量，以调整 L1 计算成本。

从中我们可以得出以下结论：

• L2 Gas 限制随着 L2 Gas 价格的增加而减少。

• L2 Gas 限制随着 L2 计算、L1 Gas 价格和 L1 计算的增加而增加。

注意：

• dynamic_overhead 变量是由 Optimism 团队设置的变量，以确保他们的排序器在将交易批次提交回 L1 网络时能够得到足够的补偿，以支付产生的 Gas 成本。

• 目前它被设置为 0.684 ，这表示排序器正在补贴 Gas 成本。

• 从历史上看，这个值主要设置在 1 以上，这表示排序器正在额外收费以维持 L1 结算 Gas 缓冲区。

EIP-4844 

目前，Optimistic 的 Rollup 在 Layer-2 执行和存储方面的成本较低，但为了符合数据可用性，将数据发布到 Layer-1 仍对用户来说是昂贵的。

数据是使用 calldata 操作码发布到以太坊的 Layer-1 ，因此 Arbitrum 和 Optimism 都实施了 calldata 压缩算法，如 Zlib 和 brotli 压缩算法。这种数据发布成本很高，并且占据了 L2 用户支付的交易费用的 80-90% 。

然而，在 2023 年 10 月至 2024 年 2 月之间，备受瞩目的以太坊改进提案（EIP-4844 ，Proto-danksharding）计划推出。EIP-4844 提议向以太坊添加一种新的交易类型，允许接受“数据块”。这些“数据块”在大约两周后被删除或修剪，而不像现有 calldata 一样永久存储。这些数据块的大小设计得足够小，以减少主网链上的存储开销。

以太坊 Layer 1 （L1）上的高交易费用是 L2 Rollup 在发布批次和证明时的主要成本。EIP-4844 对此的影响是显著降低 L1 的成本开销，同时允许批次数据在足够长的时间内可用，以便发布任何欺诈证明。目前的估计将这种成本节约因素从当前 L1 批次发布成本的 10 倍到 100 倍不等。

如果将 100% 的节省传递给用户，我们可以假设这种成本节约可能会增加 Arbitrum 上的交易数量（新的 dApp 类型，更多的用户）。

做出一些假设：

• 保持当前的市盈率（P/E）；

• 假设成本减少 10 倍；

• 由于费用节省而导致交易数量增长。

我们可以计算出这些变化对 ARB 和 OP 价格的影响。例如，如果 Tx 量增长了 40% ，并且只有 90% 的费用节省传递给用户，那么 ARB 的价格将为 2.10 美元。

L2 代币经济学与估值

目前，Arbitrum 和 Optimism 的唯一价值积累是治理；这是 ARB 和 OP 的唯一功能。然而，ARB 和 OP 的价值积累可能来自另外两个来源：交易费用和 MEV。

在它们目前的状态下，这两个 L2 解决方案严重依赖于它们的中心化排序器，所有这些中心化的区块构建和提议的利润都会传递给 Arbitrum 基金会和 Optimism 基金会。然而，这两个解决方案已经承诺向去中心化的排序器机制迈进，其中基金会不是唯一构建和提议 L2 区块的实体。L2 代币实现价值积累的第一步是去中心化排序器，这并不容易，但它可以允许 L2 代币持有者通过构建和提议过程参与产生的价值。

排序器的去中心化很可能通过 PoS 机制来实现，用户将质押原生的 L2 代币。如果质押者没有履行职责或恶意行为，将会被削减质押。质押者可以通过原生代币形式获得交易费用的一部分、MEV（在后 FIFO 世界中）或质押奖励。

去中心化排序器的重要性在于，中心化排序器可能导致用户交易被审查，提取过高的租金或产生有害的 MEV，对用户产生不利影响。

标签：交易 影响 算法