区块链关键词Rollup是什么,一文搞懂为什么要让它去中心化

老雅痞Publicado a 2022-12-26Actualizado a 2022-12-26

Resumen

rollup顾名思义,就是把一堆交易rollup(卷)起来,变成一个rollup交易,所有节点接收到这个rollup交易之后,不去执行被卷起来的逻辑,而只去接受这些逻辑的执行结果。

rollup顾名思义,就是把一堆交易rollup(卷)起来,变成一个rollup交易,所有节点接收到这个rollup交易之后,不去执行被卷起来的逻辑,而只去接受这些逻辑的执行结果。而在今天这篇文章中,我们探讨了rollup去中心化的定义和高层思想,而并没有涉及关于去中心化rollup实现的深层技术细节。在开始之前,先让我们了解一下去中心化rollup的基础知识。

“”

去中心化rollup的定义是什么?

“”

在去中心化rollup的定义上存在一些分歧。但其被广泛接受的定义是:在去中心化rollup中,任何用户都可以确保他们的交易将被执行。

“”

我们应该花点时间问问为什么人们会关心rollup是否去中心化。鉴于rollup依赖L1来提供安全保障,用户不是无论如何都会受到保护吗?

“”

rollup保证只要L1(数据可用性层)存在,用户就可以通过在L1上强制进行交易来重建L2状态并退出rollup。如果系统不满足这个条件,那么我们会说它不构成一个rollup,而是另一种L2或侧链。这应该清楚地表明,选择一个高度去中心化的(始终是实时的,抗审查的)L1是至关重要的。另一个细微差别是,比起特定于应用的rollup,对于通用目的的rollup,用户必须能够强制包含任何任意交易,而不仅仅是“退出”交易。

定义一个rollup去中心化与否的区别在于,用户强制将其交易包括在内的难度或现实程度。例如,他们是否需要非常强大的计算资源来生成ZK证明?或者他们是否可以使用消费类硬件,或者短期租用廉价的服务器?是否有一些特权行为者长期享有自由支配权,从而降低了一个人试图被包含在内的能力,使之推迟?限制越少,去中心化程度越高。

在现实中,普通用户可能想要避免运行完整的rollup节点,在ZK-rollup的情况下则是避免运行验证程序附加组件。他们希望看到,他们进行交易的rollup有助于让广泛而多样化的参与者履行必要的职能。而且,新的参与者可以无许可地加入网络来执行这些功能。

“”

考虑到上述情况,让我们用去中心化rollup的另一个定义来结束本节,以帮助我们更好地理解:在去中心化rollup中,各方可以参与每个网络角色——即作为提议者、验证者和节点运行者。

“”

这将引导我们进入下一部分。

“”

如何去中心化rollup?

“”

鉴于上述定义,特别是第二个定义,你可能会看到,我们可以通过确保所有角色都可以由多方执行来去中心化rollup。这些角色是:

“”

>提议者

>验证者

>节点运行者

“”

在我们回顾每个角色之前,让我们简单回顾一下上一节中提到的一点:rollup作为L2解决方案,会决定他们希望扩展哪个L1,或者更准确地说,他们将使用哪个L1来保证安全。这里的“安全保证”是指依赖L1达成共识和数据可用性(DA)。虽然这不是说rollup本身可以调整到去中心化,但选择一个充分去中心化的L1是个关键的决定,Taiko选择了以太坊,以获得最强大的安全保证。

“”

接下来让我们看看各个角色。

“”

提议者

“”

提议者从用户的L2交易中构建rollup区块,并将其提交给L1。有时这些人在其他rollup系统中被称为排序者。

“”

提议者决定在区块中包含哪些交易,以及如何对它们进行排序。这是一个重要的角色,因为它可以从交易排序中提取利润,并决定排除哪些交易,从而能够审查某些交易、应用或用户。

“”

一个去中心化的rollup应该允许用户期望包含他们所有有效的交易。

“”

验证者

“”

验证者生成SNARK证明,断言上述提议区块的L2交易和区块的有效性。

“”

验证者决定将哪些提议的区块转换为链上验证区块。这个角色会决定一个区块何时可以达到链上验证状态,但无法决定哪些txs进入区块或它们如何排序。在这种链上验证状态之前,验证者可以挂起那些依赖于有效性证明的交易,或者挂起某些等待其母区块被链上验证的准链上验证区块。

“”

一个去中心化的rollup应该允许用户期望验证他们所有的有效交易。

“”

节点运行者

“”

节点运行者从链上(L1)数据执行交易,以与rollup状态保持同步。

“”

提议者和验证者需要运行完整的rollup节点来履行他们各自的角色。其他参与者也想要运行节点,例如提供块浏览器等服务的节点、基础设施提供商以及出于其他原因希望与链状态保持同步的用户。

“”

一个去中心化的rollup应该允许用户期望所有有效交易的执行。

“”

去中心化rollup有什么权衡?

“”

从中心化到去中心化的转变过程暴露出了一个权衡空间。

“”

在本节中,利弊两方面都适用于提议者和验证者(我们统称之为操作者);如前所述,我们将不考虑节点运行者,但请记住,运行rollup节点对这些角色都是必需的。

“”

在rollup提议者/验证者的背景下,我们看到了以下几点:

去中心化的实施与治理

“”

Vitalik最近写道:“去中心化的治理结构可以抵御内部的攻击者,而去中心化的实施可以抵御外部的强大攻击者。”这是在DAO的背景下说的——也就是说,治理结构和实施都与DAO有关。具体来说,它针对了DAO去中心化的一个目的:稳健性。

“”

我们认为,将这种框架广泛地用于rollup非常有帮助。

有鉴于此,到目前为止,我们已经讨论了rollup如何通过去中心化的实施来抵御外部威胁(审查、失效)。我们绝不能忽视rollup如何抵御内部威胁——抵御最初负责建设和维护它的组织和社区。这里可供rollup使用的工具是治理,或简单的说,其DAO。

“”

现在描述DAO的细节以及我们建议它采用哪些治理机制还为时过早,但这将是未来文章的主题。

“”

作为对这个话题的最后思考,我们可以看到,实施提供了对rollup属性的时间点分析,而治理可以描述实施如何随时间变化,以及哪一方可以做出这些决定。

Lecturas Relacionadas

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 1 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 1 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

**【Resumen semanal de los editores (13-19 de junio)】** Esta selección semanal rescata análisis profundos del flujo de información, filtrando el ruido para ofrecer perspectivas clave. **Panorama macro:** Tras la reapertura del Estrecho de Ormuz, el mercado ajusta su foco desde el "impacto bélico" hacia la "recuperación de la oferta". Se observan movimientos en petróleo, bonos, inflación y cadenas de valor como LNG y fertilizantes. **Inversión y emprendimiento:** Ray Dalio advierte sobre la concentración del mercado en acciones de grandes tecnológicas de IA, recomendando diversificación. En cripto, se analizan ciclos a largo plazo, señales de posible fondo para BTC en Q4, y los desafíos regulatorios en mercados como Corea del Sur. El análisis de SpaceX tras su IPO destaca su elevada valoración, riesgos sistémicos potenciales y la importancia de próximos hitos como su inclusión en índices. **Web3 & IA:** Una advertencia señala exposiciones de billones de dólares fuera de balance en la nube/IA, un riesgo latente si la comercialización falla. Se exploran las predicciones de IA para el Mundial y la estructura de costos de una suscripción a IA como Claude. **Mercados de predicción:** Robinhood desarrolla su propia plataforma (Rothera), iniciando una "guerra de canales" en la industria y posicionándose como competidor directo de Kalshi. **CeFi & DeFi:** Se analizan mecanismos de perpetuales para pre-IPO (ej. SpaceX) y los desafíos técnicos pendientes. La desviación del precio de STRC (vinculado a Strategy) refleja preocupaciones sobre su modelo de negocio. Se presenta el nuevo ETF de Bitcoin con rendimiento de BlackRock (BITA). **Ethereum y escalabilidad:** Se destaca la ventaja clave de Ethereum: su vasto ecosistema de desarrolladores y estándares, consolidándolo como sistema operativo para las finanzas descentralizadas. **Otros titulares de la semana:** Acuerdo EEUU-Irán, decisión de la Fed, movimientos en SpaceX y Anthropic, y opiniones destacadas sobre mercados.

marsbitHace 2 hora(s)

Selección Semanal del Editor Weekly Editor's Picks (0613-0619)

marsbitHace 2 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

Leopold Aschenbrenner, considerado uno de los inversores más agresivos en IA, ha realizado cambios significativos en su cartera. Ha establecido posiciones cortas por unos 9.000 millones de dólares en empresas como NVIDIA, ASML y Oracle, al mismo tiempo que redirige capital hacia lo que él identifica como los próximos cuellos de botella en infraestructura de IA: energía eléctrica, memoria, redes de centros de datos y activos de modelos más profundos como Anthropic. Su lógica no sugiere que la burbuja de la IA haya estallado, sino una rotación dentro de la infraestructura. Considera que la "transacción de la pala" clásica (como invertir en semiconductores) está demasiado concurrida y sobrevalorada. En su lugar, apuesta por los eslabones fundamentales siguientes: la capacidad real de construir y energizar centros de datos, y la necesidad crítica de materiales como el cobre y la fibra óptica para la transmisión de datos. La reciente emisión de bonos de NVIDIA por 25.000 millones de dólares, a pesar de su gran liquidez, se interpreta como una señal de un cambio en la financiación del sector. Aschenbrenner también ha invertido de forma privada en Anthropic, lo que representa una apuesta directa al "mineral" (el modelo de IA) en lugar de solo a las "herramientas". En resumen, su estrategia actual se centra en la infraestructura física y de servicios esenciales (energía, construcción, redes) que habilitarán la próxima fase de expansión de la IA, considerándolas apuestas más sólidas y menos saturadas.

marsbitHace 2 hora(s)

Análisis de la última reasignación de cartera del "hijo de la versión" del mercado de valores estadounidense: 9.000 millones de USD en ventas en corto de NVIDIA, apuntando a los sectores eléctrico y de memoria

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片