Flashbots 研究：MEV 如何吞噬区块链扩容红利

作者：Robert Miller，Flashbots

编译：Saoirse，Foresight News

今天，我们提出一个新论点：MEV（最大可提取价值）已成为区块链扩容的主要限制因素。

当以太坊及其 Layer2 网络、Solana 等主流公链正竞相以最快速度扩容时，MEV 带来的经济限制已在整个行业显现。链上搜索行为正以惊人的资源浪费方式，开始占据大多数高吞吐量区块链的主要容量。

这并非理论假设或个别现象。从 Solana（MEV 机器人消耗 40% 区块空间）到以太坊 Layer2 生态，这种情况随处可见。为量化影响，我们对支持特定追踪端点的顶级 OP-Stack Rollup 进行了深度分析，结果揭示了一个全行业问题：

数据库分片（如 Rollup）、有效性证明、数据库或共识机制优化等技术扩容手段固然重要，但仅靠技术无法解决问题。我们虽已掌握构建基础技术吞吐量的方法，但当前市场结构对扩容施加了经济层面的限制。

本文将剖析这一市场失灵现象，用数据展示其影响，并提出一种旨在解决该问题的新型 MEV 拍卖机制。

为理解区块空间为何被浪费，我们先拆解一笔成功的套利交易：

Base 上的成功套利交易示例

乍一看，这似乎是效率典范：搜索机器人执行精准套利，获利 0.12 美元并支付 0.02 美元手续费。

但这笔成功套利的真实成本令人震惊：每完成一次成功套利，该机器人会发送约 350 笔尝试套利的交易（多数失败）。平均而言，单次成功套利需消耗约 1.32 亿 Gas—— 相当于近 4 个完整的以太坊区块。需注意的是，这只是参与竞争的众多机器人之一，链的实际成本反而更高。

现在来看一次典型的失败尝试，以理解机器人的链上行为：

盲目寻找套利机会的失败交易示例

乍看这笔交易并无异常：执行成功且未进行代币转移。唯一的线索是它消耗了约 260 万 Gas（如上图所示）。

深入追踪其内部调用可发现，它对数十个不同 DEX 池发起了一连串调用，通过 getReserves () 和 slot0 () 查询池状态。这些调用本质上是在获取不同 DEX 上的资产价格。

展示 slot0 () 和 getReserves () 重复调用的追踪示例

该机器人的核心逻辑很简单：

上述交易就是这四个步骤的体现，最终终止且未执行任何操作。实际上，它只是一次高强度的价格查询，消耗约 260 万 Gas 却仅读取市场状态而无实质动作。

在 Base、World 和 Solana 等公链上，这种策略已成为提取 MEV 的主流方式。少数成功交易需为大量失败尝试买单，这对搜索者而言是理性选择，却对网络造成了系统性低效。

大量资源被用于读取价格却不产生实质价值。而且并非只有这一个搜索者如此，所有搜索者为捕获原子级 MEV 都不得不采用这种策略。最终结果正如数据所示：公链被垃圾交易堵塞，手续费因垃圾交易而上涨。（注：原子级 MEV 强调在单次链上操作（如单笔交易或单个区块内）中实现的价值提取，常见于套利、抢跑等利用区块链即时性和交易顺序的场景。）

高吞吐量公链被垃圾交易堵塞并非偶然，而是市场结构缺陷引发的直接且「理性」的反应：搜索者若想通过读取区块最新状态并以此获利，就必须盲目地在同一区块内发起交易。

前文剖析的套利机器人正是典型案例。链下查询虽能获取上一确认区块的状态，但这滞后于当前构建区块中交易正在创造的 MEV 机会。在 Base 或 Solana 等网络中，原生内存池（mempool）是私密的，这意味着搜索者在区块发布前，无法知晓用户交易的执行情况及其创造的机会。若想发现并捕获套利空间，唯一的方法是让自己的交易在用户交易之后立即纳入同一区块。一旦等待下一个区块，机会就会被抢先。

猖獗的链上搜索现象源于以下因素的相互作用：

1.交易表达性

不同于传统金融中交易者提交简单静态订单（如「以 X 价格买入」），搜索者可创建作为链上程序的交易，嵌入基于市场即时状态执行的条件逻辑，实现原本不可能的复杂响应式策略。

2.转向私密内存池

为保护用户免受抢跑，多数高吞吐量公链将内存池设为私密。这虽能有效防御抢跑，却也让搜索者无法看到用户订单流。由于无法在交易上链前做出反应，搜索者只能通过发起高表达性交易，在链上盲目探测机会。

3.低廉的手续费

低成本的区块空间进一步放大了链上搜索行为。搜索者深知，单次成功套利的利润可覆盖大量失败交易的成本，因此敢于向每个区块发送海量投机性交易。而 Gas 费越低，搜索者越能编写更复杂的逻辑，追求更复杂的策略。[1]

4.缺乏高效拍卖机制

搜索者之间的竞争缺乏正式的交易排序偏好表达机制。由于无法通过直接方式为区块中的特定交易排序竞价，竞争退化为一种浪费的替代手段：消耗更多 Gas。搜索者提高胜率的主要方式，就是在区块的更多位置消耗 Gas，以增加交易落在「正确位置」的概率。

这四大因素共同催生了「垃圾交易拍卖」，一种极度浪费的机制，既助长了网络拥堵，又未能有效捕获 MEV 价值。为量化垃圾交易造成的低效规模，我们进行了数据验证。

分析证实，MEV 驱动的垃圾交易对扩容构成了经济限制。

我们通过识别「重复查询 DEX 但不转移代币」的交易来定义垃圾交易。这一启发式方法旨在定位本可在链下完成、却被迫上链的系统性浪费型「后跑」（backrunning）套利行为。我们在 Python 工具和 Dune 仪表盘上均实现了该方法，具体方法论详见附录。

由于垃圾交易检测工具依赖特定 RPC 方法，当前数据分析仅限于 OP-Stack Rollup。但 Ghost Logs 团队的数据表明，Solana 也存在类似现象，且其他以太坊 Rollup（如 ZKsync、Arbitrum）也被发现有垃圾交易迹象。

首先，这一问题具有系统性且广泛存在。对 OP-Stack Rollup 的分析表明，垃圾交易并非孤立现象，而是整个生态系统中的主导力量。在 Unichain、Base 和 OP 主网等链上，垃圾交易通常消耗超过 50% 的总 Gas。由此可见，这是当前市场设计的结构性后果，而非局部异常。

第二项发现显示，从链的角度看，垃圾交易的效率极低。

在我们分析的所有 Rollup 中，垃圾交易消耗的资源与其产生的收入之间存在巨大差距。相比其他用户，垃圾交易机器人消耗的 Gas 量是其支付手续费的数倍。例如，OP 主网上的垃圾机器人消耗了约 57% 的 Gas，却仅支付了约 9% 的手续费，差距达 6 倍之多。

手续费支付与 Gas 消耗的差距表明，垃圾交易给网络带来了巨大的外部成本，却几乎未提供相应价值，这是系统性低效市场的典型特征。其中包括实实在在的计算资源浪费，因为每个全节点都被迫执行这些交易，从而提高了所有网络参与者的硬件要求。

此外，我们还分析了 L2 中的垃圾交易如何影响 Rollup 对 L1 数据可用性（Data Availability）的使用。

数据显示，在 2025 年 2 月的一百万个区块中，Base 上的垃圾机器人贡献了约 56% 的 Gas 消耗、26% 的 L1 DA（Data Availability 数据可用性）用量，以及 14% 的链上手续费。垃圾机器人的 DA 用量占比起初让我们感到意外，但随后发现这与其交易数量占比（而非 Gas 消耗）相关。这是合理的，因为 DA 用量取决于数据压缩效率，而非 Gas 消耗量。

第三，这种低效直接抵消了扩容的好处。为衡量垃圾交易的负面影响，我们引入了一个新指标：有效 Gas 吞吐量，即 Rollup 扣除垃圾机器人消耗后，每秒处理的用户可用 Gas 量。

Base 的趋势尤为明显：2024 年 11 月，总 Gas 吞吐量为 1500 万 Gas / 秒，而用户的有效 Gas 吞吐量仅为 1200 万 Gas / 秒。在接下来的四个月里，总吞吐量虽增加了 1100 万 Gas / 秒，但有效吞吐量几乎保持不变。换句话说，几乎所有新增的处理能力都被垃圾交易占据。

有趣的是，2 月底之后，有效吞吐量开始与总吞吐量的增长趋势更趋一致。这似乎与市场交易量（及由此产生的 MEV）相关：2 月 14 日「Libra 丑闻」爆发后，随着 Telegram 机器人交易的 Memecoin 交易量下降，有效吞吐量重新开始增长。

或许对用户最直接的影响，是垃圾交易的持续存在人为推高了交易手续费的基准线，并使其长期居高不下。

尽管 Rollup 的扩容举措已将名义手续费降至极低水平（例如约 0.01 美元），让许多自然用户对价格不再敏感，但理论上，若区块空间充足、用户对价格不敏感，再加上 EIP-1559 手续费市场机制的作用，手续费本应趋近于绝对最低值。扩容的愿景正是创造足够的容量，使这种近乎零手续费的状态成为常态。

但实际情况并非如此。试图通过垃圾交易捕获 MEV 的搜索者正用海量交易塞满区块，消耗大量 Gas。这种行为推高了区块利用率，导致基础手续费持续上涨，这更多反映了 MEV 市场的系统性低效，而非自然用户的真实需求。

尽管终端用户承担的手续费仍处于低位，但整体水平已远高于实际所需。这一问题的关键点在于：那些依赖大量廉价区块空间的创新应用场景（如链上社交网络或自动化微支付）正因此被排除在市场之外。

最后，分析显示，MEV 垃圾交易的搜索者市场呈现极端集中化特征。

为验证这一点，我们统计了区块高度 26000000 至 26900000 中，哪些智能合约消耗了最多被归类为「垃圾交易」的 Gas。初步观察时，市场看似头部占比较高但结构分散。

但这一表象具有欺骗性。链上分析显示，搜索者常用的策略是轮换用于发送垃圾交易的智能合约，但将利润统一转入固定的「获利地址」。通过追踪成功套利交易的 ETH 转账路径，我们尝试识别由同一运营方控制的智能合约。尽管并非所有机器人都采用此模式，但头部机器人普遍如此。

当按获利地址对数据进行分组后，市场集中度变得极为显著：

结果很明显，仅两家机构就主导了 Base 上 80% 以上的垃圾交易。这种极端集中化表明市场存在明显进入壁垒，且当前的「垃圾交易拍卖」并非真正的竞争性市场。竞争缺失进一步削弱了价格发现机制，导致公链既无法捕获被提取 MEV 的真实价值，又不得不承受垃圾交易带来的负外部性。

我们认为，区块链应最大限度地在有限的区块空间中容纳有价值的经济活动。

从这一标准来看，当前的「垃圾交易拍卖」机制效率极低：在 Uniswap v3 上完成两笔兑换的套利仅需约 20 万 Gas，而在 Base 上实现相同经济结果却需消耗约 1.3 亿 Gas。效率差距高达 650 倍，而缩小这一差距正是释放扩容真正潜力的关键。

要解决这一问题，先要回到链上搜索成为主流模式的四大原因：交易表达性、内存池隐私性、低廉手续费与缺乏高效拍卖机制。其中，低 Gas 费与高表达性是通用智能合约链的明确目标 [2]，我们需要继续强化这些特性。因此，解决方案必须聚焦于另外两点：让搜索者能够读取即将上链的状态，并以既保障用户权益、又最小化链上垃圾交易的方式表达其偏好。

1. 通过可编程隐私实现状态透明化

高效的市场需要为搜索者提供交易流的实时访问权限，同时通过编程方式限制其对信息的使用方式。系统需可验证地确保搜索者仅能进行「后跑」（backrun）交易，而无法实施抢跑（frontrun）、三明治攻击（sandwich）或泄露隐私数据。这种可见性使搜索者能够在链下执行条件逻辑，而非在链上盲目探测。当搜索者在链下生成潜在获利交易后，仍需一种方式将其精准嵌入区块以捕获 MEV。

2. 构建显性竞价的 MEV 拍卖机制

摒弃以 Gas 消耗为竞争维度的「垃圾交易拍卖」模式，转而设计基于经济激励的交易排序权竞价机制。搜索者可直接为目标交易的区块位置提交货币报价，通过市场化定价机制决定交易顺序。这种模式将无序的 Gas 消耗竞争转化为高效的价格发现过程：

Flashbots 已在尝试利用可信执行环境（TEEs）为搜索者提供可见性，同时防止三明治攻击。TEEs 可确保特定代码在执行时，数据即使对机器操作者也保持机密性。

这使得搜索者能在 TEE 中运行，可验证地对私密交易进行后跑，同时无法实施三明治攻击或导出任何隐私数据。我们已在以太坊 L1 上验证了这一模式，搜索者通过类似系统进行后跑交易已持续数月，并正积极将其适配到 L2。

长期以来，关于扩容的讨论一直局限于基础技术吞吐量。但我们的研究表明，关键突破点已不再是扩大区块容量，而是更高效地利用区块空间 [3]。这是因为每释放一单位区块空间，MEV 都会激励垃圾交易消耗新增容量。换言之，「扩容」带来的大部分收益被具备经济理性的 MEV 机器人攫取，真正的用户无法从中获益。这一问题正推高普通用户的手续费、制约扩容成效，并造成海量网络资源浪费。

扩容的局限性正在于此：增加区块空间虽能提升吞吐量，但对手续费的改善有限，因为日益复杂的链上 MEV 会吞噬大部分增益。若想突破这些限制并释放扩容的真正潜力，我们必须摆脱浪费的垃圾交易市场。通过可编程隐私与显性竞价，我们能消除垃圾交易的激励，用富有表现力、公平且高效的 MEV 市场取代「垃圾交易拍卖」。

采用 MEV 拍卖并非奢侈选择，而是战略需要。核心在于利用 TEEs 为搜索者提供交易流访问权限，同时通过编程限制其使用方式。这种设计可实现理想结果：在无垃圾交易的前提下支持后跑套利，同时防范三明治攻击。对区块链而言，这意味着在高效、无垃圾的市场中捕获更多收入；对用户和开发者而言，更低且稳定的手续费与真实可用的容量将最终释放扩容的全部价值。

当我们突破垃圾交易的限制时，世界将发生什么？当交易成本低到几乎可忽略不计时，哪些新可能将被解锁？又会诞生哪些新型应用？答案，唯有实践可证。

感谢 DataAlways、Hasu、Fahim、Danning、dmarz、Nathan、Georgios、Dan、buffalu、Quintus、Tesa、Anika、Brian、Xin、Sam、Eli、Christine、Christoph、Alex、Fred 以及其他许多人提出的宝贵意见。特别感谢 Phil，同时也感谢 Achal 在设计方面提供的帮助。

垃圾交易识别启发式方法

为识别垃圾交易，我们采用了两种启发式规则：

我们认为，在撰写本文时，这些启发式方法是可靠的：任何涉及代币转移的操作通常对用户具有实际价值，而垃圾交易仅在捕获 MEV 机会时才会转移代币。此外，DEX 价格查询规则能有效识别系统性探测套利机会的机器人，这是我们观察到的主要垃圾交易形式。该定义聚焦于仅在链上查询 DEX 价格的浪费性行为，而排除了具有生产性的后跑（backrunning）行为。

但这一定义未来需进一步优化：垃圾交易机器人可通过简单转移代币绕过该规则，因此「垃圾交易」的分类标准仍是值得后续研究的方向。此外，该定义主要覆盖了占 MEV 主流的盲目后跑套利机器人，而未包含清算等其他 MEV 策略。

垃圾交易识别方法论

我们通过分析交易追踪识别垃圾交易：对每笔交易，检查其所有追踪以判断是否调用代币转移函数或 DEX 价格函数（如 slot0()、getReserves() 等）。若交易涉及代币转移，则排除；若未转移代币且发起 4 次及以上 DEX 价格查询，则归类为垃圾交易。

选择 4 次作为阈值是出于保守考虑，实验显示将阈值设为 3 次对整体结果影响甚微。类似地，我们在 Dune 上通过转移事件过滤交易，发现其与基于追踪的方法结果差异不大。

spam-inspect 工具

为研究垃圾交易，我们开发了 spam-inspect，一个专为分析以太坊 Rollup 活动而设计的 Python 工具，旨在高效识别垃圾机器人行为。该工具通过追踪区块内每笔交易，并用上述启发式规则实现分析。

此工具依赖 trace_block 方法，目前仅在支持 OP-Reth 或 OP-Erigon 的 OP-Stack 链上可用。

Dune 查询

我们在 Dune 上构建了物化视图（materialized views），通过过滤包含 Transfer 事件的交易并识别重复 DEX 价格调用，定位符合垃圾交易标准的哈希值。与 spam-inspect 的差异在于，此方法依赖转移事件而非交易追踪。这些垃圾交易物化视图被用于后续查询分析。

数据可用性（DA）估算

尽管本文主要讨论垃圾交易对 Gas 的影响，但其也会消耗其他资源，如 Rollup 对 L1 数据可用性的占用。为估算 L2 垃圾交易浪费的 L1 DA 资源，我们构建了自定义数据管道（复用了 op-batcher 的部分模块），通过两组计算得出结果：

两者差值即为单区块中垃圾交易消耗的 L1 DA 估算值。