以太坊首个ZK-rollup项目ZKsync Lite将于2026年停运

cointelegraph发布于2025-12-08更新于2025-12-08

文章摘要

以太坊首个ZK-Rollup扩容方案ZKsync Lite将于2026年正式停运。开发团队Matter Labs表示，该网络作为概念验证项目已成功完成使命，为后续ZK技术发展铺平道路。ZKsync Lite于2020年推出，主打快速转账和NFT铸造功能，但因不支持智能合约而应用受限。目前用户无需立即采取行动，资金仍安全且提现功能持续有效。数据显示，该网络当前桥接资产约5000万美元，但日活仅330余次操作。其替代方案ZKsync Era（支持智能合约的zkEVM）同期日活超2.2万次，总锁仓价值达3640万美元。 ZKsync团队承诺将尽快公布具体停运时间表和迁移指南，并强调此次调整不影响其他ZKsync产品线。与此同时，项目方正提议调整ZK代币经济模型，拟将代币与网络费用绑定以增强经济效用。

ZKsync Lite——以太坊上首个零知识（ZK）rollup网络将于明年停止维护，开发团队表示其已完成历史使命。

"我们计划于2026年逐步淘汰ZKsync Lite（即ZKsync 1.0），这是我们在以太坊上部署的原始ZK-rollup解决方案。"ZKsync周日在X平台发文称，"这是一个按计划有序退场的系统，它已达成设计目标，且不会影响ZKsync其他任何系统。"

声明补充指出，ZKsync Lite"作为突破性的概念验证项目，为构建生产级系统提供了关键思路"。

"它完成了自己的使命：验证技术可行性并为下一代方案铺平道路。"

技术公司Matter Labs于2020年推出ZKsync Lite，主打快速转账和铸造非同质化代币（NFT）功能，但因不支持智能合约而限制了应用范围。

该网络首创有效性证明技术，能在交易打包发送至以太坊主网进行最终验证前，即时证明交易有效性。

在2023年初推出支持智能合约的零知识以太坊虚拟机（zkEVM）ZKsync Era后，Matter Labs停止了对ZKsync Lite的后续开发。

ZKsync强调现有用户无需立即采取行动，网络仍照常运行，"资金保持安全，在此期间向L1的提款功能将持续有效"。

其他产品均不受影响，团队表示将很快公布ZKsync Lite的"具体细节、时间表和迁移指南"。

相关阅读：ZKsync开发者称隐私工具正随机构采用而兴起

据DefiLlama数据显示，目前该网络桥接资产价值略低于5000万美元，但L2BEAT数据显示过去24小时用户操作数仅330余笔。

相比之下，ZKsync Era目前总锁仓价值达3640万美元，过去24小时用户操作量超过2.2万笔。

与此同时，该区块链可能面临更多变革。上月，ZKsync联合创始人Alex Gluchowski提议重构其ZK治理代币模型，重点突出"经济实用性"，将代币与网络费用直接挂钩。

杂志专题：原生Rollup是什么？以太坊最新创新全面解读

你可能也喜欢

TradeXYZ脱离Hyperliquid单飞的可能性有多高

**TradeXYZ脱离Hyperliquid单飞的可能性分析** 随着TradeXYZ业务规模持续扩大，并长期占据Hyperliquid HIP-3市场超过90%的份额，近期社区对其是否可能脱离Hyperliquid并独立搭建交易平台的讨论升温。 **自立门户的驱动力** TradeXYZ已借助Hyperliquid成长为RWA永续合约市场的巨擘，其贡献的交易量占Hyperliquid总交易量70%以上。若选择自立门户，核心商业驱动力可能是为了**捕获全部底层交易手续费**。目前，TradeXYZ与Hyperliquid的交易费用分成固定为50/50，这意味着近一半收入归属于Hyperliquid。对于一个创造超4000亿美元交易量的项目而言，调整分成比例或独立运营以获取全部收益，具有显著吸引力。行业历史上也存在类似案例，如Uniswap、dYdX等项目在壮大后选择构建自有基础设施。 **制约与风险** 然而，TradeXYZ独立面临多重制约： 1. **性能挑战**：Hyperliquid提供了强大的底层技术（HyperCore），管理着撮合、清算等核心功能。自建同等性能的基础设施短期内难以实现，可能影响产品体验和市场叙事。 2. **渠道依赖**：尽管TradeXYZ拥有自己的交易前端，但大部分用户仍习惯通过Hyperliquid前端访问其流动性市场。Hyperliquid是其主要的分发渠道，失去渠道支持的价值难以估量。 3. **合作关系与信任**：TradeXYZ创始人Shoku是Hyperliquid的早期支持者，双方团队关系密切，存在深厚的信任基础。“背刺”合作方可能引发舆论争议，损害信誉。 **双输的潜在结局** 分析指出，若TradeXYZ真的选择分裂，很可能导致**双输局面**： * 对Hyperliquid而言，将失去最大的增长点和叙事基础（RWA合约龙头地位），总交易量可能骤降超50%，其代币HYPE估值或受重创。 * 对TradeXYZ而言，将面临从零开始构建基础设施和培养用户习惯的挑战，同时可能因竞争关系失去原有渠道优势，并在激烈的市场中被其他竞争者趁虚而入。 **结论** 综合来看，虽然TradeXYZ市场影响力日益增强，拥有议价能力，但考虑到技术依赖、渠道价值、双方信任关系以及可能引发的双输竞争，**其脱离Hyperliquid自立门户的可能性较低，也并非理智选择**。更可能的发展路径是在维持现有合作集成优势的基础上，协商更有利的条款，并逐步将发展重点向自身品牌和用户生态建设倾斜。

marsbit1分钟前

marsbit1分钟前

「天线宝宝」机器人上门做保洁，200元/小时，纯·人工·智能

一家名为Tau Robotics的美国机器人初创公司推出了一项“天线宝宝”机器人上门保洁服务，收费为30美元（约200人民币）每小时。该公司目前拥有Chelsea、Elon和Tony三款人形机器人，分别擅长厨房卫生间清洁、物品归位和深度清洁。值得注意的是，这些演示视频中的机器人动作均为人工远程遥控操作，而非自主人工智能。公司解释，这种“遥操”模式是当前技术条件下的折衷方案，旨在优先保证任务完成效率并收集真实家庭环境数据，以推动后续的自主化研发。所有展示视频均未加速播放，这相较于业内常见的加速演示更具真实性。文章指出，人形机器人进入家庭场景面临巨大挑战，主要体现在技术复杂性和环境非标准化方面。与国内企业优先聚焦工业场景不同，部分美国公司选择从家庭服务切入。支持者认为，人形设计更符合人类直觉，便于远程操控映射，并能提供独特的情绪价值。然而，消费者是否愿意为遥控机器人服务付费，市场接受度仍有待观察。目前，该服务仅在旧金山以邀请制形式开放体验。

marsbit15分钟前

marsbit15分钟前

从韩国到美国：多亏了AI，蓝领越来越吃香了

人工智能正在重塑劳动力市场，传统四年制大学学位的吸引力下降，而电工、焊工等技术型蓝领职业的需求和薪酬显著上升。数据显示，美国职业学校收入大幅增长，同时AI导致的白领裁员创下新高。供需两端变化推动年轻人重新规划职业路径，调查显示多数Z世代认为蓝领工作在AI时代更具就业保障。职业教育热度近半年急剧攀升，年轻人主动寻求不易被AI替代且有实际用工需求的职业，技术岗位招聘甚至比程序员更困难。专家指出，这既是经济计算，也源于对高额学位债务和纯屏幕工作的反思。技术职业薪资中位数已追平或超越许多需要学位的工作，且提供边学边赚的学徒路径及创业可能。韩国半导体高中毕业生就业率极高，进入三星等企业可获得丰厚薪酬。美国面临结构性技术工人短缺：大量婴儿潮一代即将退休，而新一代劳动力数量不足，缺口达数百万。同时，数据中心等基建扩张推高了相关技术工种需求。为此，摩根大通、Meta等企业正投资巨额资金开展培训项目。尽管市场信号明确，但社会对职业教育的传统偏见仍构成“认知差距”。产业界需主动推广，让公众认识到技术职业不仅收入稳定，还是通向创业的快速路径，以真正缓解人才短缺。

marsbit58分钟前

marsbit58分钟前

高通：AI 狂热消退，手机何时走出阴霾？

高通发布2026财年第三季度财报，收入99.5亿美元，同比下滑4%，略好于预期。手机业务营收50.9亿美元，同比下滑19.6%，主要受安卓阵营出货量下降及高端机型需求走弱影响。汽车业务在数字座舱带动下大幅增长61%，IoT业务增长9%。毛利率为53.1%，同比下降2.5个百分点，主要受存储等成本上涨挤压。净利润20亿美元，核心经营利润同比下滑41%。下季度营收指引为97-105亿美元，符合市场预期，但每股收益指引低于预期。手机市场需求持续疲软，存储涨价给成本带来压力。为寻求新增长，高通正积极布局数据中心AI业务，包括AI加速器、商用CPU、定制芯片和连接产品，并设定了2027财年50亿美元的收入目标。然而，市场对AI资本开支可持续性的担忧使其股价回落，数据中心业务贡献仍需时间兑现。在当前传统业务承压的背景下，公司估值更多依赖于手机基本盘的复苏与AI新业务的进展。

marsbit1小时前

marsbit1小时前

从TPU到自我进化的Agent，Jeff Dean如何判断AI的下一步

在2026年YC创业学校的访谈中，Google传奇工程师Jeff Dean分享了对AI未来发展的深刻洞见。他认为，AI竞争正从追求“更大的模型”转向“更好地组织智能”。当前AI的能力已接近初级工程师，但更重要的是构建能让AI长期工作、持续试错并自动验证的系统。 Jeff Dean指出，下一代AI的关键在于推理硬件、能量效率、数据搬运成本以及上下文工程。他特别强调，AI的实际成本往往不是计算本身，而是数据搬运的能耗。同时，他将上下文工程视为小团队的重要机会——通过组织领域知识、工具和工作流，让通用模型在特定场景中更可靠。对于创业公司，他提出了“1%法则”：应寻找当前通用模型成功率极低（接近0%或1%）的任务，这些往往是存在专有数据、专业验证或结构性盲区的领域，而非模型已能做到20%的任务。随着AI自动化执行成本下降，“问题选择”、“规格定义”和“品味”将变得更为稀缺和重要。他展望未来，AI将自动化科学方法本身，通过高速实验循环和廉价验证器加速发现。最终，最稀缺的能力仍将是清晰地识别和定义真正有价值的问题。

marsbit1小时前