注：原文作者Barnabé Monnot是以太坊基金会的研究科学家，他的研究方向是算法博弈论、大型系统以及加密经济学。
Rollup是一种引人入胜的原语，它们将成为以太坊的首选扩容方式，并为其运营提供广阔的设计空间。在所有方面，rollup扩展了基础层协议，保留了它（例如以太坊）的大部分属性。重要的是能保证链下执行的正确性，以及执行背后数据的可用性。而如何实现两者都取决于设计者。
最近，我开始对rollup的经济学角度感兴趣，而这不仅仅是一个理论上的问题。基础层（L1）的费用很高，我们应该积极努力提供用户可负担得起的价格进行交易的空间。更好的经济学，意味着更好的定价，也意味着用户们会更快乐。
那么，我们应该如何具体考虑 rollup 的经济学呢？我们将首先确定在rollup系统中交互的各方、他们的角色和职责。完成这个步骤后，我们梳理了rollup系统的各种成本、收入和费用，为我们提供了如何驾驭这一广阔设计空间的线索。
Rollup系统中的参与者
为了简单起见，我们将考虑三种不同的角色：
- 用户：用户们在L2网络上发送他们的交易，就像在L1上一样。他们拥有 L2 上的资产，并与部署在rollup上的合约进行交互。
- rollup运营商：这个角色包含了很多其他角色，rollup运营商代表处理 L2 网络上的交易所需的所有基础设施。实际上，我们有发布交易批次的定序器（ sequencers）、发布声明的执行者（executors）、报告欺诈证明的挑战者（challengers）以及计算有效性证明的验证者（详见这篇论文）。
- 基础层：保护rollup发布的数据的协议。 考虑一个保证数据可用性并减少结算功能的协议就足够了，但你也可以考虑一个通用结算引擎，例如以太坊的。
我们的扩容故事当中的三个角色：用户在 L2 上进行交易，rollup运营商在用户和基础层之间作为一个接口，而最终的数据发布到基础层
Rollup成本
在这篇文章中，我们采用rollup的“系统”视图，重点关注成本、收入和费用。运行一个系统会产生成本，即所谓的“能量沉没成本”，简单说就是从系统内部流向外部的价值。这个系统还可能会获得收入，这是相反的，我们称之为“能量来源”，简单说就是从系统外部流向内部的价值。而费用将“来源”和“沉没成本”连接在一起，在整个系统组件中转移价值，以便每个组件都能适当地执行其功能。
例如，在之前关于 EIP-1559 的文章中，我解释了如何分解用户支付的交易费用：
- 包括交易在内的部分费用归运营商所有：在PoW基础层的情况下，矿工费用补偿了矿工增加的叔块（可理解成孤块）风险。这项费用使整个运营商承担了发布区块的成本，这也是我们用户在发送交易时默认使用的1 或 2 Gwei。
- 剩下的费用用于支付优先于他人的权利，从而为拥堵定价。这个费用会让整个网络及其用户遭受额外的拥堵。这就是L1 基础费（basefee）在正常情况下的目标。
好消息是，我们将使用一些相同的方法来了解rollup成本。 EIP-1559 成本只涉及到两方：用户和基础层。而对于不同的架构和位于用户和基础层之间的运营商，我们必须将运营商的特定成本与基础层的特定成本分离，我们将在以下的部分讨论这点。
L2运营商成本
Rollup必须找到愿意花费计算资源来处理Rollup数据的运营商，即他们要维护一个tx池、序列批处理、计算状态根/状态差异/有效性证明等。这是一项有形成本，量化了运营商背后运行基础设施所需的美元成本。
L1 数据发布成本
在数据发布成本这一点，是值得花时间讨论的，因为这确实是rollup经济中的新成本。一旦运营商聚合了足够大的tx集，他们就需要将该tx集的压缩摘要发布到基础层。目前，这并不是以一种特别优雅的方式完成的：数据发布只是将其发布为“CALLDATA”，这是一种允许发送方添加任意字节序列的tx属性。
通常 CALLDATA 保存对交易调用的智能合约方法的引用，以及该方法的输入。将rollup运营商视为调用 L1“rollup链“智能合约的某些“registerCompressedData”方法可能会有所帮助，其中表示压缩交易的字节blob作为其参数。这是 Optimism 的“规范交易链”合约的一个例子。
用户发送常规交易，运营商将其压缩并发布到基础层的rollup链智能合约
发布数据的成本，是由基础层承担的，为了在以太坊上发布数据，当前数据的市场价格由EIP-1559 管理，其中 CALLDATA 的每个非零字节消耗 16 gas，而每个零字节消耗4 gas。对于多维EIP-1559，例如，正如Vitalik提出的简单Sharding-format blob-carrying transactions，CALLDATA 的价格可以在其自己的 EIP-1559 市场上找到，将数据市场与传统执行市场分开定价。
在这个Dune analytics仪表板中，我尝试整理了由几个主要rollup二层网络发布的数据。我不清楚自己是否捕获了所有的rollup，尤其是zk-rollup二层网络，如果你发现有问题的地方，请告诉我！:)
另请参阅 Aditi最近发布的帖子《Ethereum Rollup Call Data Pricing Analysis》 以及L2fees.info
L2拥堵成本
除了上面提到的两个成本之外，还有第三个更无形的成本。每当rollup总区块空间的供应无法满足现有市场需求时，就必须对稀缺资源进行分配。对于时间不敏感的用户，他们只需要正常排队即可，拥挤的系统对他们不会造成价值损失，但是当用户产生等待成本时，他们就会尽量减少延迟，对于排在队列后面的用户，他们的福利减少是整个Rollup系统的一个成本。
通常情况下（例如以太坊平台），系统会依靠费用市场来对稀缺资源进行分配，使成本明确。如果没有费用市场或某种形式的拥堵定价，用户要么“及时支付”，要么贿赂链外的区块提议者以供纳入，要么反复重新发送其交易，以保证其中一笔交易被采用。在所有这些情况下，用户都通过消耗资源来防止这种损失。
Rollup收入
现在我们已经清楚了Rollup的成本，我们将尝试对系统收入进行分析。这里我们区分了两个主要来源：交易价值（transaction value）以及发行（issuance）。
交易价值
用户通过Rollup而不是其他方式进行交易（从而获取一些价值），因此他们准备为服务支付费用。这里的价值是指用户通过将他们的交易包含在Rollup中而获得的效用。为了纳入Rollup，如果我有50美元的效应费（指我愿意为这笔交易支付的最大金额），而最终我支付了2美元，那我剩余的价值为48美元。无论是谁在收取费用，他的收入都是2美元，但从rollup系统的角度来看，初始的流入价值是50美元。
第二，当交易包含正MEV时，例如，交易是某笔 DEX 上的三明治swap交易，这个数量就会被添加到我们的交易价值概念中。在这一点上，谁接收这笔价值并不重要（无论是提取价值的定序器，或者是三明治交易的用户还是其他什么）。这里唯一重要的是，我们的初始交易给整个系统带来的价值，要比原始用户从中获得的价值要多。凭此，我们可得出：
交易价值 = 用户价值 + MEV
发行
第二个收入来源是发行。在基础层，区块生产者以新铸造代币的形式获得收入，这是网络的原生加密资产。这种收入抵消了区块生产者的基础设施成本，只要是有利可图的，就会有更多的区块生产者加入。
假设rollup能够铸造自己的token，并且这种token具有价值，那么这个rollup可能会通过发行新代币来支付运营费用。这里的模型更加模糊，有多种方式将收入来源用于rollup成本。现在，让我们仅考虑有可能发行有价值的代币，并通过这一行为给系统带来更多价值。
明确rollup经济联系
总而言之，一个rollup系统包含了三方：用户、rollup运营商以及基础层。运行系统会产生三种成本：运营成本、基础层数据发布成本以及拥堵成本。而系统有两种收入方式：交易价值以及发行。
那现在，这就成了一个匹配游戏，谁在支付，以及什么时候支付。有些配对是很容易分的，比如rollup运营商必须向基础层支付L1数据发布费，他们必须在发布数据时按照基础层所报的价格支付费用。
当费用是动态的，定价是通过费用市场时，L2拥堵成本也是即时的。用户观察当前市场对rollup区块空间的需求，并根据可用供应调整他们的费用。例如，rollup可能希望在其网络上部署一个EIP-1559风格的市场机制，来管理 L2 交易的包含。然后可以使用L2基本费用，方便用户估计当前L2拥堵成本。
系统全视图，流入代表收入（交易价值 + 发行），流出代表成本（L2 运营商成本、L1 数据发布成本以及拥堵成本），费用在各方之间转移价值。
预算平衡：rollup运营商的限制
让我们为系统添加一个新的约束条件：运营商预算平衡。我们假设rollup运营商不能亏本运营，即他们必须至少获得等于或大于其成本的收入。当然，这个假设可能并非总是成立的，但对我来说，如果我们关心运营商的去中心化，这对我来说似乎是很重要的。亏本运营的运营商，可能会排除资本不足的参与者，并限制运营商的数量。而运营商数量较少，会降低抗审查性保证，在最坏的情况下，用户必须强制通过基础层完成交易，并因此产生高额费用。
而发行代币，作为一个松弛变量可以派上用场，它可以确保预算平衡。每当运营商“太无利可图”时，他们就会离开系统，这会增加剩余运营商收到的代币份额，直到再次实现平衡。或者，当运营商“利润太高”时，新进入者会竞相分享利润，直到运营商再次实现预算平衡。
通过延迟付款维持运营商预算平衡
使用预算平衡规则，我们必须考虑运营商如何保持非负平衡。他们的本金流出（L1数据发布费）是可变的，并与本金流入（交易费）分开收取。我们假设运营商完全了解他们的 L2 运营商成本，并在交易时向用户报出准确的价格（类似于他们对叔块费率和相应的矿工费补偿的了解）。但是他们应该如何向用户报出最终的 L1 数据发布成本，并在之后实现呢？
如今，rollup应用启发式方法来对冲L1数据发布成本的可变性。在一个例子中，rollup观察当前的L1基本费用（感谢EIP-3198!），并在速率上加一个额外的缓冲区，提前向用户多收取费用，以防运营商以后发布数据时必须支付更多费用。另一种方法是根据 L1 基础费用的运行平均值向用户收取费用，以平衡长期波动。
在我看来，自然的解决方案是调用衍生工具，例如简单的L1 basefee未来合约。在交易时，向用户收取费用，以支付锁定基础层上发布数据的未来价格的成本。通过减少悲观的超额支付，节省的费用会转嫁给用户。研究此类衍生品的优化设计，目前仍然是一个开放式问题。
用户在交易时向运营商付款，但运营商必须按照基础层的报价支付数据发布费用，这是可变的
如何处理拥堵费用？
假设用户进行交易时，rollup完全可以为拥堵成本定价，那么现在就有了拥堵费用形式的收入。如今，在以太坊的底层，这些费用是被燃烧掉的。这样做的第一个原因是激励相容性：如果拥堵费用返还给区块生产者，那么协议基础费用将不再有约束力，这破坏了EIP-1559的用途。但燃烧并不是保持激励相容性的唯一选择。
有人提议，将所有“rollup排气”费用，即因经济外部性（如拥堵或MEV）而产生的费用，直接用于公共产品融资。这是一个不错的解决方案，城市拥堵定价通常是为了改善公共交通系统，也就是说，它是用于补偿负外部性的资金，当对其进行相应定价时，可以提供这种收入。
请注意，我把MEV也放进去了……我们为什么要像考虑拥堵费用一样考虑MEV呢？首先，因为与拥堵一样，MEV也是一种外部性。发起一笔携带 MEV 交易的简单行为，为那些能够捕获它的人创造了积极的外部性。而外部性是“不匹配的价值”，也就是说，它们产生于一些原始的经济活动，这些活动平衡了有用的工作和该工作的报酬（例如，用户支付L2运营商成本；运营商支付L1数据发布成本），但它们在过程中产生或破坏了一些额外的价值。
这在 MEV 竞拍的概念中得到了最清楚的阐述。在这种设计中，运营商根据他们可以从中提取多少价值，来竞争制作区块的权利。这种价值概念中隐含的是拥堵成本，用户通过相互竞标来表达。再一次，假设不允许运营商亏本运营，他们的出价必须反映他们从区块中提取价值的真实能力，即运营商将出价其批次中的用户费用加上他们从批次中提取的MEV。同时，假设所有运营商必须支付同等金额的L2运营成本，并且L1数据发布成本准确地向用户收取，我们得到：
- 用户费用 = L1 数据发布费用 + L2 运营商费用 + L2 拥堵费用
- 运营商成本 = L2 运营成本 + L1 数据发布成本
- 运营商收入 = 用户费用 + MEV
- 运营商利润 = 运营商收入 - 运营商成本 = L2 拥堵费用 + MEV
在一个运营商在有效市场中竞争，以赢得提出区块权利的世界中，运营商必须以竞标的方式放弃全部利润，也就是说，他们在批处理中可用的拥堵费用和MEV。这就是“滑入”系统的价值：第一来自用户防止因拥堵而造成的损失，第二来自初始交易引起的连锁反应。这个价值一开始就不是任何人的，那么为什么不应该以某种方式捕获和重新分配它呢？
拆解
这篇文章做了很多假设，例如，我假设了“运营商预算平衡”，因为我认为社区应考虑以批判的眼光来看待亏损运营的rollup，这意味着系统不会是去中心化的。发行代币有助于重建预算平衡，尽管它依赖于外部价格信号（代币价值）来协调运营商的激励措施。在这种观点下，运营商最好尽可能精确地定价，例如他们的 L2 运营商成本以及L1数据发布成本。这避免了未来收入不匹配的情况，即运营商期望更高的代币价格来覆盖其运营。
但这并不是在提倡一种特定形式的rollup 经济学，设计空间仍然是敞开的。拆解L2运营商成本，揭示了我们在此尚未探索的更多复杂性，例如，支持去中心化基础设施的市场机构为 zk-rollup生成有效性证明。关注rollup 中特定类型的用户，例如从 L2 到 L1 或跨 L2 桥的快速提款服务，也将揭示用户需求的不同方面。有了关于成本、收入以及费用的清晰概念，现在我们就有望更容易地推断rollup应实现的结果和业务目标，以及实现这些目标的方法。
其他资源：
1、John Adler撰写的《等等，这都是关于资源定价？》，这为L2 运营商成本，以及执行和数据可用性成本的可分离性提供了更多背景信息。
2、Patrick McCorry、Chris Buckland、Bennet Yee以及Dawn Song撰写的论文《SoK: Validating Bridges as a Scaling Solution for Blockchains》
非常感谢 Anders Elowsson、Vitalik Buterin、Fred Lacs 以及 Alex Obadia 提供了许多有用的评论。
