# 架构的所有文章

L2「再校准」：当 L1 变成自身的 Rollup，以太坊的终局是什么？

以太坊社区正重新审视L1与L2的关系。过去，L2主要作为扩容手段提供廉价交易空间，但随着以太坊主网自身通过提高Gas Limit、推进无状态化和zkEVM验证等方式提升能力，L2的定位需从“单纯扩容”转向提供L1难以满足的差异化需求，如特定应用优化、隐私功能和灵活治理模型。 互操作性成为关键挑战。流动性、账户状态和应用体验因L2增多而碎片化。解决方案包括开放意图框架和以太坊互操作层，旨在让跨链交易体验接近单链，同时通过缩短最终确定性时间（从分钟级到秒级）来提升跨链应用效率。 更具颠覆性的观点是，随着证明系统（如zkEVM）进入主网验证流程，L1未来可能采用类似Rollup的架构——由部分节点执行交易并生成证明，其他验证者验证证明而非重复执行。这将模糊L1与L2的传统边界，使Rollup成为一种更通用的执行验证架构。 最终，L2的演进方向或将成为一组在安全、结算和流动性方面与以太坊建立不同关系的执行环境，它们共享核心安全基础，但提供多样化的功能与性能。以太坊的目标是在保持扩容成果的同时，重新整合用户体验，让分散的系统仍能感觉像“一条链”。

marsbit07/21 12:54

Visa-Mastercard稳定币之争使XRP账本设计再度成为焦点

由Visa、万事达卡等140多家大型支付和金融公司支持的稳定币项目Open USD（OUSD）引发关注，其设计理念使XRP账本（XRPL）再次成为讨论焦点。前瑞波首席工程师Matt Hamilton指出，OUSD采用的多边储备共享结构与XRPL在2012年就已提出的早期设计理念相似。 需要明确的是，OUSD并非由瑞波独家构建或将直接发行在XRPL上，其初期预计在Solana和Tempo上推出。此次讨论的核心在于技术理念的共鸣，而非具体的整合。XRPL因设计之初就专注于快速结算和资产转移，其支持的数字资产发行、支付路径等功能，常使其在稳定币设计讨论中被提及。 对于XRP社区而言，主流金融联盟在探索稳定币模型时，其设计思路与XRPL早期理念的相似性，为XRPL的实用性叙事提供了支持。这暗示着XRPL关于结算和资产发行的早期设想，正被大型金融参与者重新审视。关键问题在于，这种理念上的认可能否最终转化为XRPL的直接使用，还是市场仅借鉴其设计而不通过该账本进行实际活动。

bitcoinist07/02 23:06

给Transformer变个形，LLM竟能变得更聪明

一篇名为《给Transformer变个形，LLM竟能变得更聪明》的文章介绍了一项来自Mila、康奈尔大学和蒙特利尔大学研究者的新工作。该研究提出了“锥形语言模型”概念，其核心思想是：在模型总参数量和计算量不变的前提下，不再为所有网络层均匀分配参数，而是让参数容量（如前馈网络宽度）沿着模型深度方向单调递减。 研究发现，传统Transformer等架构对所有层“一视同仁”的参数分配方式可能并非最优。多项前期研究已表明，模型的浅层和深层在功能与重要性上存在差异。研究者通过实验证实，将更多容量集中到模型前段的“头重脚轻”式分配，相比均匀分配或集中于后段的方案，能显著降低模型在验证集上的困惑度，提升预测准确性。 在440M参数的模型上，最优的余弦递减配置（前段宽度为基准1.5倍，后段为0.5倍）使困惑度改善了1.84点。这一结论在多种不同架构和更大规模的模型上也得到了验证，且未损害模型处理长上下文的能力。分析显示，深层网络更多是在“重复强调”已有信息，而非创造新理解，因此前段层更能有效利用额外容量。 这项研究指出了一个长期被忽视的设计维度：参数容量的分布形状本身就是一个有效的优化杠杆。它为提升模型性能提供了一个几乎零成本的思路，无需改变架构或增加参数，仅需重新分配已有参数。研究者认为，这一思路未来可能同样适用于视觉Transformer、扩散模型等其他领域。

marsbit06/29 12:53

何恺明团队新作：删掉VAE和私有数据后，文生图竟然更强了

何恺明团队发布极简文生图模型MiniT2I，挑战当前依赖复杂组件的行业范式。该模型摒弃了VAE编解码器、AdaLN条件注入、私有数据和强化学习对齐等常见设计，直接在像素空间使用流匹配目标进行训练。其采用改进的MM-JiT架构，用轻量文本适配器取代复杂的条件注入机制，使模型结构更简洁高效。 训练数据全程使用公开集，采用预训练加微调的两阶段模式。仅258M参数的B/16版本在多个基准测试中超越了参数量大数倍的同类模型，展现出极高的性价比。扩展后的L/16版本在风格、构图等方面已接近更大规模的先进模型。 研究证明了文生图模型可通过架构和训练流程的简化实现强大性能，可能推动该领域从“堆料”向“提纯”的范式转换。团队也指出了像素空间模型在patch边界伪影、高分辨率扩展和数据瓶颈等方面的当前局限。

marsbit06/22 10:17

Uniswap v4 Hook解析：架构设计、常见漏洞与防护实践

Uniswap v4 引入的 Hook 机制允许开发者在流动性池的关键生命周期事件中嵌入自定义逻辑，显著提升了灵活性，但同时也带来了新的安全挑战。本文解析了其核心架构：通过单例 PoolManager 合约集中管理所有池子状态，采用瞬时记账（flash accounting）确保交易结束时账目平衡，并通过 Hook 地址的低位比特编码其回调权限。 文章重点指出常见漏洞与防护实践： 1. Hook 的回调函数（如 beforeSwap）缺乏默认的访问控制，开发者需显式添加 onlyPoolManager 等修饰符以防未授权调用。 2. Hook 与池子的绑定不受协议限制，需在 beforeInitialize 中实现白名单或单池绑定逻辑。 3. Async Hook（自定义曲线）完全替代了 AMM 的 swap 逻辑，其安全性完全依赖 Hook 自身实现，需按独立金融合约标准进行审计。 4. Delta 记账机制仅保证账目最终平衡（NonzeroDeltaCount 归零），但不验证业务逻辑的正确性，Hook 可能通过操纵 delta 进行攻击。 5. 权限位必须与函数实现严格匹配，且地址通过 CREATE2 预先计算，升级时无法新增回调类型。 最后强调，每个 Hook 构成独立的信任域，其安全审计需覆盖完整的交互链路，项目方和审计方均需升级方法论以应对更复杂的风险。

marsbit06/22 08:05

小鹏、蔚来卷算力，理想换架构

6月15日，理想汽车发布自研智驾芯片马赫M100，其特点在于采用动态数据流架构，区别于业界常见的冯·诺依曼架构。该设计旨在解决大模型推理中的数据搬运瓶颈，宣称在自家VLA2.1算法上，单颗芯片有效算力约为英伟达Thor U的3倍，延迟降低40%。该架构论文入选ISCA 2026工业分区，获得学术认可。 与蔚来、小鹏、华为等聚焦提升算力数字不同，理想选择从底层架构革新。马赫M100与理想自有算法深度绑定，实现了芯片、编译器、操作系统、AI算法、域控制器的全栈自研闭环，提升了软硬协同优化自主权，但也带来了未来技术路线切换成本较高的挑战。 发布会上，理想还提出“具身智能汽车”新定义，将竞争维度从配置转向系统能力。同时立下军令状：其智驾大模型马赫VLA将于今年第四季度全面对标特斯拉FSD V14，并给出了下半年分月的OTA升级具体目标。 目前理想面临营收下滑、毛利率收窄的财务压力，但研发投入保持高位。2026年销量目标为55万台，新车型L9 Livis市场反响良好，但整体销量增长仍需后续产品接力。马赫M100的架构创新能否经得起量产与市场的检验，今年7月的首次OTA和年底与FSD的对标将是关键考验。

marsbit06/16 04:52

《GENIUS 法案》与 《CLARITY 法案》通过之后，链上收益的正确架构究竟是什么？

本文探讨了在《GENIUS法案》与《CLARITY法案》通过后，链上信贷的正确架构。文章指出，链上信贷分为三类：超额抵押加密借贷、无抵押借贷和资产支持信贷。其中，资产支持信贷是目前增长最快且唯一能有效解决逆向选择问题的类别，它要求贷款具备可识别的真实世界抵押品、完善的担保权益和有效的追偿机制。 当前链上信贷市场主要通过代币化基金权益的形式包装资产支持信贷，但这并未真正解决风险问题，只是继承了链下基金的结构性风险。真正的解决方案应是在智能合约层（金库层）直接编码评估、结构和追偿机制。 文章强调，随着美国监管框架（如禁止稳定币直接支付收益）的明确，链上合规收益的交付将高度依赖于设计良好的金库。金库不仅是投资产品，更承担了发行、披露、分销、追偿和合规监管的关键功能。因此，未来链上信贷的核心在于构建合规优先、在协议层内嵌信贷工作流程的金库架构，以迎接监管明确后的市场需求。

Foresight News06/11 11:13

越过“内存墙”，AI推理时代的晶圆级革命与算力路线

2026年，AI产业进入新拐点：全球主要云厂商的推理资本支出首次超过训练。这意味着算力需求核心从“炼模型”转向“用模型”，瓶颈也从计算规模变为“内存墙”——即数据在GPU与片外存储间搬运带来的高能耗与延迟。 为突破内存墙，Cerebras公司选择了“晶圆级计算”的激进路线。其核心产品WSE-3不切割晶圆，直接制成超大芯片，集成90万个AI核心和44GB片上SRAM，带来远超传统GPU（如英伟达B200）的片上内存带宽。其架构将模型权重存储于片外MemoryX，按需流式传输至芯片计算，从而在LLM推理，尤其是首token延迟和长上下文任务中展现出显著优势，token生成速率可达GPU的1.5-5倍。同时，其芯片内互联功耗也远低于当前GPU。 但这种极致物理优化也带来挑战：通过先进制程提升SRAM容量的路径已近天花板；整片晶圆发热量大，需专用液冷；片外I/O带宽有限，难以高速扩展形成大规模集群；软件生态也与主流CUDA不兼容。 与此同时，行业巨头正通过多条路径围剿：1）自研ASIC推理芯片（如谷歌TPU、微软Maia）；2）利用台积电SoW等先进封装技术将“晶圆级”能力通用化、平民化；3）探索光互联/光计算作为终极解决方案。 Cerebras还面临商业转型的挑战，巨额订单迫使其从芯片商转向云服务商，需快速建设专用数据中心，交付压力巨大。 最终，AI推理时代的算力架构呈现路线分野：Cerebras向左，追求单任务下的极致低延迟；英伟达向右，以通用性应对多变负载。技术变革仍在继续，谁将主导未来，尚无定论。

marsbit06/05 11:07

GitHub，被 AI 打穿了

2026年2月9日，GitHub发生大规模服务中断，核心数据库集群因“缓存重写风暴”过载，导致网站、API、Actions及Copilot等服务瘫痪。事故根源是一个配置改动（缓存刷新时间从12小时改为2小时），但背后是平台面临的结构性挑战。 2026年前三个月，GitHub发生至少8次重大事故，故障原因各异但相互关联。深层原因是AI Agent的爆发式使用导致负载性质剧变。数据显示，2026年单周代码提交量达2.75亿次，按此推算全年将达140亿次，是2025年的14倍。AI贡献的提交量和PR数量在数月内增长数十倍。这些不眠不休的AI“用户”以远超人类的速率提交代码、创建仓库，使GitHub的负载模式从可预测的人类节奏转变为持续高压的自动化洪流。 同时，AI Agent（尤其是Agentic工作流）消耗的计算资源远超预期，使GitHub基于座位的Copilot订阅模式严重亏损。GitHub不得不实施限流，并于6月1日全面转向按用量计费。 为应对挑战，GitHub宣布需按当前规模的30倍重新设计架构，而非简单扩容，重点包括解耦服务、增强故障隔离、改进流量管控等。行业如Stripe、AWS也面临类似问题。 本质上，GitHub正从“人类协作平台”转变为“AI工作流的输出管道”。这不仅是基础设施的压力测试，也引发对其商业模式和核心身份的重塑。频繁的事故报告和高透明度，是平台在重建过程中争取社区耐心的方式。这次停机事件标志着软件开发在AI时代的一次深刻转折。

marsbit06/04 10:39

跨链桥主动求变，LI.FI用意图架构成为TradFi机构流动性中枢

marsbit06/03 06:35