Loading...
Loading...
SK hynix：你不该错过的 HBF 与 HBS 押注SK hynix 投资逻辑
既然 SK hynix（SKHY）终于在美国证券交易所上市，我想开始对这家公司进行覆盖。不过，我研究存储芯片股票已经很长时间了。2024 年 11 月，我曾写过一篇题为“更多内存将成为 AI 的关键”的文章。那篇文章讨论的是 Micron（MU），自从我给予其“买入”评级以来，股价已经上涨超过 800%。但从公司质量和未来前景来看，我认为 SK hynix 比 Micron 和 Samsung（SSNLF）都更优秀。
这也是为什么我一开始就给予 SK hynix“强烈买入（Strong Buy）”评级，因为我相信 HBF 和 HBS 将推动 SK hynix 主导未来的存储市场。
HBF vs. HBM vs. HBS
我认为，未来几年 HBM、HBF 和 HBS 将成为最重要的几类存储技术。HBM，也就是高带宽内存，已经获得了大量关注，因为它对 AI 工作负载非常重要。HBM 技术通过垂直堆叠 DRAM 来实现高带宽，换句话说，也就是实现更快的数据传输。目前 HBM 市场的主要参与者是 SK hynix、Micron 和 Samsung。有意思的是，中国目前仍然没有成功生产出具有竞争力的 HBM。在这三家供应商中，我认为 SK hynix 当前拥有最好的 HBM，这一点可以从其市场份额中得到验证。不过 Samsung 正在快速追赶，其市场份额仅用一年时间就从 15% 提高到了 33%。虽然 SK hynix 的市场份额目前仍然达到 50%，但如果这一趋势继续下去，Samsung 可能会进一步缩小差距。在我看来，未来 SK hynix 和 Samsung 很可能会主导整个市场，而 Micron 则可能以明显更小的市场份额位居第三。
另一个让 Micron 处于相对不利位置的因素是 HBF。SK hynix 正与 Sandisk（SNDK）共同投资这种新的闪存介质，而 Samsung 也在这一领域积极布局。至少目前来看，Micron 似乎并不打算投资 HBF。我认为这是一个错误，因为我相信 HBM + HBF 将会取代当前 HBM + DDR5 + SSD 的 AI 架构。HBF，也就是 High Bandwidth Flash（高带宽闪存），本质上是垂直堆叠的 NAND，它的优势在于每 GB 成本远低于 DRAM，同时延迟又低于 SSD。因此，从我个人角度来看，HBF 是一种重要演进，它将与 HBM 一起主导 AI 推理市场。这也是为什么我认为 SK hynix 和 Samsung 将成为未来主导存储市场的核心玩家，而 Micron 目前这种观望态度在我看来是一个错误。
另一个很有意思的存储介质是 HBS，也就是 High Bandwidth Storage（高带宽存储）。HBS 的思路是把 NAND 和 DRAM 结合起来，从而为边缘和移动应用提供一种更优解决方案。因此，这项技术并不是为数据中心设计的，而是为下一阶段做准备，也就是当 AI 开始运行在越来越多终端设备上的时候。目前，SK hynix 是唯一一家正在开发 HBS 的公司，这可能会为其带来显著的竞争优势和先发优势。
为什么我认为 SK hynix 是面向未来的最佳选择
Samsung 目前拥有一个优势，但这个优势正在逐渐减弱，那就是 Samsung 是一家规模巨大的综合型公司，可以在内部自行生产很多东西。尤其是 Samsung 能够生产市场上最优秀的一些 SSD，这一直给它带来很强的竞争优势。但和往常一样，竞争对手总会试图攻击这种竞争优势。如果 HBF 成功，而我预计它会成功，那么 Samsung 的一个主要竞争优势就会被削弱。
另一个机会来自 CXL。SK hynix 不久前展示了基于 DDR5 的内存池化概念。Samsung 也有自己的 CXL 产品。不过，CXL 会降低系统对于高性能 SSD 的依赖，而这应该会利好 SK hynix。
目前来看，凭借强大的 SSD 产品组合，我认为 Samsung 仍然拥有轻微优势。但我认为 SK hynix 面向未来的布局更好。凭借 HBM、HBF 和 HBS 产品组合，SK hynix 将能够覆盖未来 AI 存储市场几乎整个产品谱系，而我目前还没有在 Samsung 和 Micron 身上看到同样完整的布局。我也认为，SK hynix 正与 Nvidia（NVDA）共同开发面向 Physical AI 的下一代存储解决方案，这同样是支持 HBS 投资逻辑的一个强有力论据。就我个人而言，我相信未来 HBF 和 HBS 的市场规模甚至可能超过 HBM。听起来也许很疯狂，但我认为机器人对于存储的需求最终会超过数据中心。不过，这种情况是否会在当前这一轮存储周期内就发生，目前没有任何人可以百分之百确定。
估值
【原文图片位置：SK hynix 与 Micron 前瞻估值对比（YCharts）】
遗憾的是，Samsung 的存储业务并没有单独上市，因此我没有把 Samsung 纳入比较。最终，这个比较只包括 Micron 和 SK hynix。不过，从图中任何人都可以明显看到，这两家公司的前瞻估值倍数都极低。原因很简单，市场存在一种不理性的担忧，认为 2027 年存储价格或出货量会大幅下降。我认为这种担忧并不合理，因为各家公司管理层的表态以及资本开支预测都强烈指向相反的方向。
全球数据中心年度支出预计将从今年大约 8,000 亿美元增长至 2030 年的 1.1 万亿美元，并在 2050 年达到 1.8 万亿美元，这是 PwC 的预测。
考虑到 2030 年之前数据中心支出预计将超过 1 万亿美元，很明显，短期内市场并没有预计会出现明显放缓。我认为 2050 年的预测有些荒谬，因为没人能够看清 24 年后的未来。但我认为 2030 年的预测是现实的，甚至可能还有些保守。
韩国芯片制造商 SK hynix 周四表示，公司计划于 2029 年第三季度在 Indiana 工厂开始量产下一代 HBM4E 芯片，同时公司 CEO 表示，预计当前的存储芯片短缺将持续到 2030 年底。
当然，你不能盲目信任这些说法，但如果多位 CEO 都在谈论持续存在的存储短缺，那么可以合理推断，其中确实有一定真实性。因此，我认为 SK hynix 当前被低估，因为存储短缺仍将持续，而且我认为 SK hynix 会成为未来前景最好的存储公司。此外，我很幸运，我的券商允许我直接购买 SK hynix 的 GDR 和 ADR，这意味着我不需要支付额外的 ADR 溢价。但我也认为 ADR 本身仍然值得买入，虽然价格略高一些，但其前瞻市盈率仅为 6.2 倍，依然极其便宜。
我的投资逻辑面临的风险
除了那些显而易见的风险，例如供给过剩比预期更早出现之外，公司还面临执行风险。HBF 和 HBS 目前都还没有真正证明它们能够达到我对这两项技术的预期。虽然第一批原型产品看起来非常有前景，但最终商业成功依然存在不确定性。不过，这也正是投资如此有趣的地方。你需要尝试预测未来究竟哪些技术会主导市场。正因为如此，我对 SK hynix 的投资期限是 5 年以上，而不是短期投资，而遗憾的是，短线投资最近已经越来越成为市场趋势。
结论
从长期来看，我非常看好 SK hynix，因为在我看来，能够在未来 AI 发展中扮演如此重要角色的公司并不多。当前这家公司几乎具备我希望在一项投资中看到的所有要素：有吸引力的估值、强劲的未来前景、较高的进入壁垒，以及很可能持续存在多年的需求。
在我看来，SK hynix 正与 Nvidia 合作，为 Agentic AI 奠定基础，这将进一步提升公司的重要性。Jensen Huang 对未来有着惊人的判断力，而在我看来，与他或者他的预测反向下注，并不是一个好主意。
因此，总的来说，基于 SK hynix 当前作为 HBM 领导者的公司质量，以及按照我的判断其未来可能成为 Edge AI 领域领导者的潜力，我给予 SK hynix“强烈买入（Strong Buy）”评级。Lambda, 通过Python代码帮助部署AI推理的‘Flash’公开AI云企业Runpod推出了软件开发工具包（SDK）兼平台“Flash”，让开发者无需复杂的 infrastructure 设置即可直接部署 AI 推理服务。其核心特点是从本地 Python 代码直接连接到云端 AI 推理，大幅减轻了容器设置、镜像管理和基础设施配置的负担。
Runpod 在此次发布中表示，其重点在于解决开发者对“无服务器虽强大，但初始设置繁琐”的不满。首席执行官甄露（Zhen Lu）解释说：“Docker 是一个出色的工具，但这并不是开发者原本想做的事情。Flash 是一款能将这些时间还给他们的产品。”他补充道，开发者只需编写 Python 代码，然后选择所需的计算选项，就能在几分钟内启动请求处理环境。
AI 开发重心，从“训练”转向“推理”
此次发布的背景是 AI 市场的快速变化。如果说初期生成式 AI 的竞争以模型“训练”为核心，那么近期随着 AI 智能体和实际服务的普及，“推理”基础设施的需求正在激增。推理与训练为中心的基础设施要求不同，因为用户请求是实时涌入的，需求波动大，而延迟和扩展速度可能决定服务的成败。
Runpod 强调，在这种趋势下，他们简化了设计，使开发者能够专注于应用逻辑和代码而非基础设施。特别是考虑到 AI 智能体难以通过单个容器或单一端点整齐地处理，而是需要同时调用不同模型、连接各种计算资源以及基于需求进行扩展。
采用 Python 作为主要语言这一点也值得关注。Python 被认为是 AI 开发中使用最广泛的语言之一。根据 2025 年 JetBrains 的调查，超过 57% 的受访者表示使用 Python，37% 的人将其作为主要语言。这一比例高于 JavaScript、Java 和 TypeScript。
在单一服务中连接多个端点
Flash 支持开发者以自己喜欢的方式创建应用程序后，将多个具有不同计算配置的 AI 云端点连接到一个服务中。开发者只需指定所需的计算资源类型，后台会自动处理负载均衡、流量管理和扩展任务。
自动扩展功能也是核心。当需求增加时，端点会扩展到预设的最大值，而在空闲状态时则会缩减回“零”水平。这种结构有利于开发者降低初始成本和运营负担，同时应对突发的请求增长。
此外，Flash 还提供基于命令行界面（CLI）的控制功能。这使得偏好于在本地环境中进行开发、测试和部署的软件工程师能够在不大幅改变现有工作流程的情况下使用它。Runpod 计划通过这种方式，提高从实验阶段到生产环境的整个软件生命周期中 AI 推理的可及性。
AI 云竞争，“易部署”成为新变量
此次 Flash 的发布表明，AI 云市场的竞争正在从单纯的 GPU 获取扩展到“开发者体验”。这是因为在 AI 推理需求快速增长的情况下，如何轻松快速地将原型转化为服务正成为重要的竞争因素。
特别是随着智能体型 AI 的普及，不仅简单的计算性能，灵活的部署结构、自动扩展以及多模型联动能力可能变得更加重要。Runpod 的 Flash 是一项顺应这一趋势、专注于降低基础设施壁垒的服务，它能否在未来以开发者为基础的 AI 云市场中引起显著反响，值得关注。
TP AI 注意事项
使用 TokenPost.ai 基础语言模型对文章进行了摘要。正文主要内容可能被遗漏或与事实不符。谷歌DeepMind，发布'Gemini 3.1 Flash TTS'…可通过文本调整语气语速谷歌的人工智能组织DeepMind公开了新的语音合成模型"Gemini 3.1 Flash TTS"。其核心在于不仅能比现有的机械语音更自然地说话，用户还能仅通过文本指令细致调整语气、速度和氛围。
通过文本指令控制语气·语调·速度
谷歌有限责任公司近期通过博客宣布推出了Gemini 3.1 Flash TTS。该模型在将聊天机器人响应转换为语音的过程中，能够反映"热情的"、"惊喜的"、"信息传达型"等指令词来改变语调和音色。
根据公开的演示视频，用户不仅能选择声音，还能调节语音的传达方式和氛围。如果说上一代TTS有些"像机器人"，那么这一代模型则侧重于实现更接近人类的表达力。
支持从英语地区口音到播客形式
Gemini 3.1 Flash TTS还提供多种主要语言的地区口音。以英语为例，不仅可以选择美式"Valley"和"Southern"口音，还能选择英式"Brixton"、"RP"等多种变体。此外还包括"跨大西洋"等特殊口音选项。
谷歌还为该模型加入了"导演级控制"功能。用户可以更精细地调整说话风格和速度，并能利用播客对话、有声书旁白、语言导师、语音助手、健康指南、新闻主播、客户支持专员等形式模板。
特别值得一提的是，当用户设定场景和环境，甚至输入台词指导时，该模型被设计成能让角色进行多次对话的同时保持一致的说话风格。谷歌解释说，可以将完成的设置值导出为Gemini API代码，从而在多个项目和平台中重现相同的声音。
支持70多种语言…并应用水印
据谷歌介绍，Gemini 3.1 Flash TTS的目标是提供更自然的语音体验。支持语言超过70种，包括日语、印地语、德语等。
此外，所有输出内容都嵌入了SynthID水印。此举被视为旨在便于识别AI生成的语音内容，以应对未来可能出现的深度伪造或虚假信息传播的担忧。
盲测排名第二…开发者可立即使用
其性能也得到了一定程度的验证。在反映数千次盲测人类偏好的"Artificial Analysis TTS排行榜"上，Gemini 3.1 Flash TTS以1211分位列总榜第二。谷歌表示，这意味着它获得了比多个热门TTS模型更高的评价。
目前，开发者可以立即通过Gemini API和谷歌AI工作室使用该模型。企业客户可通过Vertex AI访问，普通用户则可以在谷歌Biz中试用该功能。
此次发布表明，生成式AI的竞争正从文本和图像迅速扩展到语音领域。特别是在企业客户支持、媒体制作、教育、数字内容制作市场对"自然的AI语音"需求日益增长的情况下，Gemini 3.1 Flash TTS很可能将进一步提升相关市场的竞争激烈程度。
TP AI 注意事项
使用基于TokenPost.ai的语言模型对文章进行了摘要。正文的主要内容可能被省略或与事实不符。谷歌发布经济型AI模型'Gemini 3.1 Flash-Lite'...提升速度并降低成本谷歌作为最新Gemini系列的一部分，发布了Gemini 3.1 Flash-Lite模型，试图在人工智能领域实现又一次飞跃。该模型在设计时考虑了经济性，定价为每百万输入令牌0.25美元，每百万输出令牌1.50美元。这相对于Gemini 3.1 Pro而言成本较低。
Gemini 3.1 Flash-Lite相比其他Gemini模型拥有更快的速度。内部实验结果显示，与之前的Gemini 2.5 Flash模型相比，其整体响应生成速度提升了45%，生成第一个输出令牌前的等待时间缩短了2.5倍。
该模型能够处理最多100万个令牌的多模态提示，并能生成包含64,000个令牌的响应，可用于生成基于文本的可视化资产，如软件代码。在11项基准测试中，它展现了部分卓越的性能，特别是在GPAQ Diamond测试中取得了优异成绩。
Gemini 3.1 Flash-Lite更适合大规模任务，而非需要高度推理能力的任务。谷歌展示了利用该模型的演示，例如通过自然语言提示生成天气追踪仪表板，或为电子商务网站添加产品列表等。
这款新模型通过Google Cloud的Vertex AI和Google AI Studio以预览版形式提供，开发者可借此构建简单的应用程序。谷歌，公开轻量AI模型'Gemini 3 Flash'…在保持性能的同时降低成本75%谷歌发布人工智能(AI)语言模型"双子座3"产品系列的轻量模型，正式投身AI服务的价格与速度竞争。此次新产品的特点是在保持与原有高性能模型相似性能的同时，凭借更低的成本和更快的响应速度脱颖而出。
谷歌于当地时间12月17日公开了双子座3系列的新模型"Flash"。该模型旨在比同系列的高阶AI模型"Pro"和"DeepSeek"更轻量、响应更迅速。其核心在于通过"模型蒸馏"这一轻量化技术，压缩了Pro模型的核心性能，从而同时提升了处理速度并降低了服务成本。
双子座3 Flash在实际性能指标上也展现出引人注目的成果。在衡量通识知识与问题解决能力的MMLU-Pro、SWE-bench、GPQA等多种基准测试中，其得分与高阶模型相差无几，部分项目甚至表现更优。例如，在通识问题测试中，双子座3 Flash获得81.2分，小幅领先Pro模型(81%)；在编码性能项目SWE-bench中也取得了78%的成绩，高于Pro模型。
该模型不仅应用于谷歌搜索等普通用户服务，也将适用于面向企业客户的API。尤其在企业层面，其成本节约效果显著。Flash模型可按每令牌0.5至3美元的费用使用，这仅为同系列高阶模型的四分之一左右。"令牌"是AI为处理信息而将句子细分的单位，考虑到目前每日使用量已超过1万亿令牌，处理速度与成本效益变得愈发重要。
此举可解读为谷歌针对近期生成式AI市场快速增长所采取的应对策略。其意图是在确保高性能模型带来的技术优势的同时，通过轻量模型提升用户可及性。特别是在追求无损性能的前提下同时实现快速处理与成本节约，使其有望广泛应用于聊天机器人、搜索、编码自动化等多种服务领域。
这一趋势值得关注，因其可能加速未来整个AI行业从"大型模型"向"定制化轻量模型"的转变。相较于固化的性能中心竞争，针对多样化需求制定的灵活产品线战略，正更有可能成为下一代AI市场的主流。“杰西”代币发布后 两个狙击钱包获利17亿韩元……Base网络Flashblock引发关注有监测发现，在JESSE代币上线的瞬间，多个狙击钱包仅用几秒钟便捕获超过130万美元（约17亿韩元）的收益。链上分析平台Bubblemaps和Arkham Intelligence具体揭示了这些交易是如何完成的。
据分析，就在Base网络创始人Jesse Pollak的新创作者代币"JESSE"合约完成部署之际，钱包地址0xB102立即投入约25万美元（约3.3亿韩元）买入该代币。该钱包似乎在代币公开、即合约地址被广泛知晓之前，就已提前获得访问权限。
此后，这些代币被转移至0x9572钱包，其中大部分以约80万美元（约10.6亿韩元）的价格售出。Bubblemaps将此次狙击行为评价为"与合约创建同步执行的高效交易"，并分析其实现了约60万美元（约7.9亿韩元）的价差收益。
Arkham Intelligence在另一份报告中，额外监测到两起类似的早期购买案例。报告称，两个狙击钱包在此次上线中共计获利超过130万美元，其中一个以约19.1万美元（约2.5亿韩元）的投资获得了该代币约7.6%的份额。该钱包为确保交易优先权，甚至向Base序列器支付了相当于4.4万美元（约5800万韩元）的Gas费。
此类秒级购买得以实现的背后，是Base网络的核心功能"Flashblocks"。Flashblocks将每2秒一个的区块分割为200毫秒间隔的子区块，使得价格信息一经发布，自动化机器人即可设置买单。这种方式使得合约部署和购买能在同一区块内同步进行，即便没有公开的Memepool，也催生了极致的速度竞争和信息战。
关于此次创作者代币上线，Jesse将初始供应量的一半即5亿枚投入流动性池，其中约2.617亿枚在同一区块内被买入。部分拥有精密自动购买工具的交易员，一举积累了高达数十亿韩元的净利润。
另一方面，Base是由Coinbase孵化的以太坊Layer2网络，近期因引入Flashblocks功能，在收益方面也正崛起为最高效的L2平台。据Galaxy Digital今年7月的报告，Base日均收益约为18.5万美元（约2.4亿韩元）。
文章摘要由 TokenPost.ai 提供
🔎 市场解读
这再次凸显了创始人系代币的前置交易问题，同时表明L2平台上的自动狙击技术正日趋精密。
💡 策略要点
鉴于公开信息探测速度已成为盈利关键，理解新代币上线时的区块结构及网络特性至关重要。
📘 术语解释
- 狙击(Sniping)：在代币上线后极速抢先买入以谋求短期价差的行为
- 闪区块(Flashblocks)：Base的新功能，将一个区块分割为多个0.2秒间隔的子区块，使订单优先权竞争成为可能
- 序列器(Sequencer)：在Layer2上负责将交易按序排列并生成区块的核心节点
TP AI 注意事项
本文使用基于TokenPost.ai的语言模型进行文章摘要。正文主要内容可能被省略或与事实存在出入。
FlashAI：去中心化 AI 算力革命，从 FAI 开始在人工智能席卷全球的今天，算力已成为推动创新的核心动力。然而，高昂的集中式算力成本和资源浪费正成为行业瓶颈。FlashAI（简称 FAI）应运而生，以区块链技术为依托，整合全球闲置 AI 算力，打造高效、低成本的去中心化算力市场，为游戏开发者、医疗企业、科研机构等提供普惠 AI 服务。FlashAI 不仅是一个 WEB3 平台，更是一场连接供给与需求的革命！
FlashAI：AI 算力普惠的先锋
通过智能撮合引擎、零知识证明（ZKP）隐私保护和跨链兼容技术，FlashAI 能帮助供需双方实现毫秒级算力匹配，降低成本 30-50%，并推动绿色计算，减少能源浪费。
FlashAI 的首个落地案例源于与 UtilityNet 分布式计算网络和 Planet Hares 元宇宙游戏的合作。 Planet Hares 是一个以 3 D 沉浸式 MMORPG 游戏为基础，包含多种娱乐社交方式的元宇宙游戏，由 HYPERGEM 开发，拿到过多个国际性 WEB 3 游戏大奖。
UtilityNet 是一个去中心化的数字芯片网络，专门为下一代边缘计算和人工智能基础设施提供芯片资源。目前 UtilityNet 在测试网期间主要由中国-东盟信息港股份有限公司（中国东信）与算能科技联合推出的「东信智算魔盒 S 1」设备作为核心硬件支撑，该设备内置算能科技自主研发的 BM 1684 X TPU（张量处理单元），具备 32 TOPS int 8 算力，支持 32 路 1080 P 高清视频分析和私有化部署 DeepSeek R 1 大模型（7 B-14 B 参数），完美适配 Planet Hares 的游戏内 AI 对话服务，让虚拟角色如真人般互动。
UtilityNet 的创新 POCI（可信计算）共识机制，结合魔盒 S 1 的安全引擎，确保数据隐私和链上混合加密校验，并能够为用户提供强大的 AI 计算能力，确保高效处理实时推理和数据调度任务。FlashAI 作为撮合平台，连接 UtilityNet 的算力供给与 Planet Hares 的需求，未来还将扩展到医疗影像分析、金融风险评估和物联网优化等领域，构建一个多场景的 AI 生态。
加入节点挖矿，共享 FAI 财富
FlashAI 的平台代币为 FAI，总供应量固定为 10 亿枚，其中 70% 通过 AI 算力节点挖矿逐步释放，确保社区驱动的可持续发展。其余分配包括技术团队 10%（三年解锁）、社区空投 10%（投票决定）、基金会 5%（一年后分 12 个月释放）和 DAO 组织 5%。
FlashAI 的核心吸引力在于其节点挖矿机制，70% 的 FAI 代币通过算力贡献逐步释放，为用户提供了低门槛、高回报的参与机会。
为何现在加入 FlashAI？
FlashAI 不仅仅是一个项目，更是一个开放的生态，连接全球算力与需求。无论是游戏爱好者希望体验智能角色对话，还是开发者寻求低成本 AI 算力，抑或是投资者追求稳定收益，FlashAI 都提供了绝佳机会。2025 年是去中心化 AI 爆发之年。根据市场预测，未來十年全球 AI 市场规模預計將突破萬亿美元，分布式算力预计占 10-15% 份额。FlashAI 凭借技术优势，以及 DAO 治理的透明性，正站在这一浪潮的前沿。
立即行动，点亮 AI 未来！
现在是加入 FlashAI 的最佳时机！无论您是想通过节点挖矿获得 FAI 奖励，还是参与社区治理分享空投，FlashAI 都为您敞开大门。访问 flashai.club，了解更多详情，加入 X（@Flash_AIAI），与全球社区一起探索 AI 算力的无限可能。
Base 更名为 Basechain，重磅推出 Flashblocks、Base 应用程序与开发工具，开启以太坊 L2新篇章在 2025 年 7 月 16 日举办的“A New Day One”大会上，Base 宣布了一系列重大更新，标志着其作为以太坊第二层（L2）网络的全面升级与转型。Base 正式更名为 Basechain，这一新名称不仅体现其与 Coinbase 的深厚渊源，更彰显了其超越初始定位、迈向更广泛生态愿景的雄心。此次改革涵盖了技术升级、品牌重塑和开发者生态的扩展，旨在为用户和开发者提供更快、更便捷的 Web3 体验。以下是本次更新的核心亮点与详细解读
Flashblocks：将区块时间缩短至 200 毫秒，速度提升十倍
Basechain 推出的最大技术亮点是 Flashblocks，一项大幅提升交易处理速度的技术革新。据报道，Flashblocks 将 Basechain 的区块时间从原来的 2 秒缩短至 200 毫秒，使网络速度提升了 10 倍，成为以太坊 L2 生态中速度最快的网络之一。这一升级通过预确认区块（preconfirmation blocks）技术实现，每 200 毫秒流式传输一次区块更新，为游戏、DeFi 等对时间敏感的应用提供了接近即时确认的体验。
Flashblocks 技术由 Basechain 与 Flashbots 合作开发，Flashbots 是一家专注于以太坊交易排序和 MEV（最大可提取价值）解决方案的研发机构。该技术已在测试网上成功运行，并于 2025 年第二季度正式上线主网，标志着 Basechain 在性能优化上的重大突破。这一改进不仅提升了用户体验，还为需要高吞吐量和低延迟的去中心化应用（dApps）提供了强有力的支持
Coinbase 钱包转型为 Base 应用程序：打造 Web3 全能入口
作为品牌重塑的一部分，Coinbase 钱包正式更名为 Base 应用程序，并被重新设计为一个集社交、聊天、支付、交易和发现功能于一体的多功能平台。这一“全能应用”（Everything App）的定位旨在将 Web3 的核心交互功能整合到一个无缝的界面中，为用户提供更加流畅和直观的操作体验。Base 应用程序支持跨链智能钱包的自动创建，允许用户在单一平台上进行 USDC 支付、社交互动、交易以及探索迷你应用程序（mini-apps）。
通过将 Coinbase 钱包升级为 Base 应用程序，Basechain 希望打破传统加密钱包的局限，打造一个更贴近日常使用的 Web3 入口。这一举措不仅增强了用户对 Basechain 生态的粘性，也为未来的社交和金融功能扩展奠定了基础.
MagicSpend：用 Coinbase 余额无缝支付 gas 费
MagicSpend 的推出是 Basechain 简化用户体验战略的一部分，旨在通过与 Coinbase 平台的深度整合，进一步推动加密货币的日常使用。
Base Build：赋能开发者，目标吸引 100 万开发者
为了加速生态系统的建设，Basechain 宣布了 Base Build 计划，旨在吸引和支持 100 万名开发者加入其生态系统。该计划通过提供一系列开发工具和资源，帮助开发者更轻松地在 Basechain 上构建去中心化应用。Base Build 的推出不仅体现了 Basechain 对开发者社区的重视，也为其成为以太坊 L2 生态的核心平台提供了强有力的支持。
Basechain 的开发工具通过与 Alchemy 等基础设施平台合作，进一步优化了开发者体验。例如，Alchemy 宣布其 RPC 和 WebSocket 服务已从第一天起支持 Flashblocks，为开发者提供低延迟的开发环境。这一举措将吸引更多开发者利用 Basechain 的高性能网络开发创新应用，特别是在游戏、DeFi 和社交领域。
Basechain（原 Base）自 2023 年推出以来，已成为以太坊 L2 生态中最受欢迎的网络之一，以日活跃用户计名列前茅。然而，近期数据显示，Basechain 在 2025 年经历了超过 43 亿美元的资金净流出，主要由 Binance 等机构从 L2 撤回到以太坊主网（L1）所驱动。尽管如此，Basechain 的总锁仓价值（TVL）在 2025 年 6 月达到 49.4 亿美元，超越 Arbitrum One 的 40.3 亿美元，成为以太坊 L2 生态中的领先者。
此次改革正值以太坊生态的快速发展阶段。2024 年 3 月的以太坊 Dencun 升级引入了 blob 空间（EIP-4844），大幅降低了 L2 交易费用，催化了日常支付和微交易的链下迁移。Basechain 的 Flashblocks 和其他新功能进一步巩固了其在这一趋势中的领先地位。
Flashbots 研究：MEV 如何吞噬区块链扩容红利撰文：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：
多个 Rollup 中的垃圾交易机器人消耗超过 50% 的 Gas，却仅支付不足 10% 的手续费；
2024 年 11 月至 2025 年 2 月期间，Base 网络将 Gas 处理能力提升至 1100 万 Gas/ 秒，但几乎全部被垃圾机器人占用（相当于三条以太坊主网的容量！）；
垃圾机器人对 Gas 的持续需求推高了用户手续费；
垃圾交易市场高度集中，Base 上 80% 以上的垃圾交易由两家搜索者主导。
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。
垃圾交易剖析
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：
向链上发送交易
执行时查询多个 DEX 池的价格
若存在套利机会则执行
若无则终止交易
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。）
垃圾交易的根本原因
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。
研究发现
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。
1.垃圾交易具有系统性和普遍性
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。
2.垃圾交易消耗的 Gas 远超其支付的手续费
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。
3.垃圾交易限制并抵消了扩容的效益
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。
4.垃圾交易的持续需求推高了用户手续费
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。
5.垃圾交易市场高度集中
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。
前进之路
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。
解决方案方向
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：
搜索者无需发送数百笔无效交易，只需为真正有价值的排序权付费；
区块链可通过拍卖捕获 MEV 的真实价值，而非让资源浪费在无意义的链上计算中。
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。
结论
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。
附录
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：
无代币转移：交易是否涉及任何代币转移？若有，则不归类为垃圾交易。
重复 DEX 价格查询：若交易在未执行代币转移的情况下，对常见 DEX 价格数据发起至少 4 次查询，则归类为垃圾交易。
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：
包含所有交易的区块压缩后总大小；
移除垃圾交易后的区块压缩后总大小。
两者差值即为单区块中垃圾交易消耗的 L1 DA 估算值。
脚注
[1] 这表明链的 MEV 使用量将随其吞吐量增长而同步扩张。
[2] 特定应用链（app-specific chain）的逻辑可能不同：有意限制交易表达性在此场景下可能是有效策略。
[3] 显性拍卖解决了系统性资源低效问题，但引入了新限制：运行公平竞争拍卖所需的时间。受网络延迟和拍卖计算量影响，该时间为区块时间设定了下限，意味着最大化区块空间利用率与最小化区块时间之间存在权衡。相关专题文章即将发布。
Unichain：UniSwap 与 Flashbots 能否解决 MEV 问题？撰文：0XNATALIE
昨天，Uniswap 宣布与 Flashbots 合作推出专为 DeFi 设计的以太坊 L2——Unichain，这是一个基于 OP Stack 的 Optimistic Rollup，旨在解决 DeFi 面临的一些挑战。值得一提的是，Uniswap、Flashbots 和 Optimism 都得到了 Paradigm 的投资支持。
当前以太坊 L1 的区块时间为 12 秒，交易速度慢限制了用户体验。此外，MEV 问题也亟待解决，现有的区块构建机制导致某些参与者通过操纵交易顺序获取不公平的收益，进而降低市场效率。针对这些问题，Unichain 推出 1 秒区块时间和 250 毫秒的「Flashblocks」，结合可验证的优先排序机制和可信执行环境（TEE），大幅提升了交易速度，同时增加了交易排序的透明度和公平性，为 Layer 2 的 DeFi 生态注入新的活力。
Unichain 的技术特点
1. Verifiable Block Building（可验证区块构建）
这是 Unichain 引入的一种新的区块构建机制，由 Rollup-Boost 实现。旨在提高区块链的交易排序透明度，减少不公平的 MEV 提取，并提高交易处理速度。其基本思想是使用 TEE 来执行区块构建过程，提供透明且可信的排序机制。Rollup-Boost 是 Flashbots 开发的一个用于升级 Rollup 性能的可验证区块构建平台，通过 TEE 来优化区块构建过程。Unichain 是其首个实际应用案例。Rollup-Boost 作为侧车软件（sidecar）集成在 Unichain 上，利用其技术特性（如 Flashblocks 的快速确认和可验证的优先排序）来增强 Unichain 的性能和用户体验。
可验证区块构建的工作原理：
使用 TEE 进行区块构建：TEE 是一种硬件安全技术，能够在隔离的环境中执行计算任务，确保外部环境无法篡改或干扰。在 Unichain 中，区块构建者在 TEE 中运行，确保构建过程安全可靠。TEE 会模拟交易执行，检测是否有交易会失败，并剔除失败的交易，从而防止用户因失败交易而支付高额费用。
生成 Flashblocks（闪块）：Unichain 中每 1 秒生成一个区块，并引入一种预确认机制 Flashblocks ，将每个区块被分为四个闪块（即每 250 毫秒生成一次预确认），并实时传输给定序器。用户可以在交易被正式打包之前就获得早期确认，防止由于区块重组等原因而导致的交易回滚，降低因不确定性导致的额外费用。这一机制加快了交易结算速度，减少 MEV 提取的机会。
优先排序和可验证性：Rollup-Boost 提供了一种可验证的交易排序方法，使用户能够验证其交易在区块中的执行顺序。通过在 TEE 中进行区块构建，交易优先排序可以按照特定规则（如支付的优先费用）透明地进行，并通过验证证明确认区块构建是否符合这些规则。这种机制不仅能防止区块构建者滥用排序权力，还能内化 MEV，即设置规则（如 MEV 税）将一部分 MEV 的收益分配给协议或流动性提供者。
2. Unichain Validation Network（Unichain 验证网络）
Unichain 验证网络（UVN） 通过质押和分布式验证，解决单一定序器架构中存在的风险，并加速区块链的经济最终性。
UVN 由多个节点组成，每个节点都可以独立验证区块的状态，确保所有交易记录是合法且未被篡改的。可以防止单一定序器中的冲突区块风险（Block Equivocation Risk）或无效区块风险（Invalid Block Risk），从而增强网络的安全性。成为 UVN 验证节点的运营者必须在以太坊主网上质押 UNI 代币，质押越多的节点拥有越大的权重，更有机会成为活跃的验证节点。
此外，UVN 提供了一种更快的经济最终性机制，通过多节点并行验证来减少单一定序器带来的潜在延迟。每个验证节点在验证周期内都对区块的有效性进行确认，并将验证信息公示到网络上，增加链状态的可信度。一旦区块通过验证，这些交易便被视为不可逆地完成（即经济最终性）。验证者在每个验证周期内需要对区块进行验证并发布公证，否则将无法获得相应的奖励。
社区对 Unichain 怎么看？
Syncracy Capital 联合创始人 Ryan Watkins 提出「RollApps are FatApps」的观点，认为 Unichain 所代表的 RollApp 具有更高的控制能力和灵活性，类似于胖应用，拥有更大的控制权和对基础设施的管理能力，能够更好地掌控自己创造的价值。他将应用结构划分为三种类型，并比较了它们的控制范围：
Standard Application：这些应用仅控制应用逻辑和应用费用，执行、结算、共识和数据可用性等层面依赖于区块链基础设施。应用的控制范围相对较小。
Smart Contract RollApp：通过智能合约扩展应用的功能和控制范围，覆盖了执行层面，应用可以管理自身的执行逻辑和费用，但仍依赖于底层区块链（如以太坊）的共识和数据可用性。
Sovereign RollApp：这类应用几乎可以控制所有层面（除了数据可用性），在基础设施上更具独立性，能够为用户和开发者提供更高的定制化控制和功能。
Fenbushi Capital 研究员 Yuki 指出将 Unichain 并不是一个专门为特定应用设计的区块链（app-chain），而是一个通用的 L2 解决方案，具有内置的 MEV 再分配机制，不过仍然需要一些自定义的机制（如 hooks）来确保 MEV 收益流向特定的目标群体（如用户或流动性提供者）。
研究员 Haotian 认为 Uniswap 推出 Unichain 并非背离以太坊，而是进一步推动了以太坊 L2 生态的发展。目前的 L2 生态尚未充分激发 DeFi 的活力，而 Unichain 将在 DeFi 领域的扩展上起到催化作用。与 dYdX 和 MakerDAO 选择完全独立的架构和共识机制不同，Unichain 基于 OP Stack，依然符合以太坊的 Rollup-Centric 扩展战略，同时也为 UNI 代币赋予了更多功能。Unichain 将与其他 L2 共同竞争，有助于提升整个 L2 市场的活力。
也有一些不同的观点，例如 KOL sudo rm 认为现阶段的扩展策略忽视了一些核心问题的解决。 L2 扩展了网络的处理能力，但用户的安全问题并没有得到有效解决。与其投入大量资金到 L2 的开发上，不如先解决以太坊生态系统中最基本和最根本的问题，比如用户安全性和抗攻击性。KOL Temmy 对 Uniswap 推出 Unichain 的必要性提出质疑，对是否需要更多的 L2 解决方案感到困惑，因为他认为现有的 L2 已经足够了。Uniswap 这样做可能会导致更多的流动性碎片化，并且如果其他 dApps 效仿，情况可能会比预期的更糟糕。SK hynix 投资逻辑 既然 SK hynix（SKHY）终于在美国证券交易所上市，我想开始对这家公司进行覆盖。不过，我研究存储芯片股票已经很长时间了。2024 年 11 月，我曾写过一篇题为“更多内存将成为 AI 的关键”的文章。那篇文章讨论的是 Micron（MU），自从我给予其“买入”评级以来，股价已经上涨超过 800%。但从公司质量和未来前景来看，我认为 SK hynix 比 Micron 和 Samsung（SSNLF）都更优秀。 这也是为什么我一开始就给予 SK hynix“强烈买入（Strong Buy）”评级，因为我相信 HBF 和 HBS 将推动 SK hynix 主导未来的存储市场。 HBF vs. HBM vs. HBS 我认为，未来几年 HBM、HBF 和 HBS 将成为最重要的几类存储技术。HBM，也就是高带宽内存，已经获得了大量关注，因为它对 AI 工作负载非常重要。HBM 技术通过垂直堆叠 DRAM 来实现高带宽，换句话说，也就是实现更快的数据传输。目前 HBM 市场的主要参与者是 SK hynix、Micron 和 Samsung。有意思的是，中国目前仍然没有成功生产出具有竞争力的 HBM。在这三家供应商中，我认为 SK hynix 当前拥有最好的 HBM，这一点可以从其市场份额中得到验证。不过 Samsung 正在快速追赶，其市场份额仅用一年时间就从 15% 提高到了 33%。虽然 SK hynix 的市场份额目前仍然达到 50%，但如果这一趋势继续下去，Samsung 可能会进一步缩小差距。在我看来，未来 SK hynix 和 Samsung 很可能会主导整个市场，而 Micron 则可能以明显更小的市场份额位居第三。 另一个让 Micron 处于相对不利位置的因素是 HBF。SK hynix 正与 Sandisk（SNDK）共同投资这种新的闪存介质，而 Samsung 也在这一领域积极布局。至少目前来看，Micron 似乎并不打算投资 HBF。我认为这是一个错误，因为我相信 HBM + HBF 将会取代当前 HBM + DDR5 + SSD 的 AI 架构。HBF，也就是 High Bandwidth Flash（高带宽闪存），本质上是垂直堆叠的 NAND，它的优势在于每 GB 成本远低于 DRAM，同时延迟又低于 SSD。因此，从我个人角度来看，HBF 是一种重要演进，它将与 HBM 一起主导 AI 推理市场。这也是为什么我认为 SK hynix 和 Samsung 将成为未来主导存储市场的核心玩家，而 Micron 目前这种观望态度在我看来是一个错误。 另一个很有意思的存储介质是 HBS，也就是 High Bandwidth Storage（高带宽存储）。HBS 的思路是把 NAND 和 DRAM 结合起来，从而为边缘和移动应用提供一种更优解决方案。因此，这项技术并不是为数据中心设计的，而是为下一阶段做准备，也就是当 AI 开始运行在越来越多终端设备上的时候。目前，SK hynix 是唯一一家正在开发 HBS 的公司，这可能会为其带来显著的竞争优势和先发优势。 为什么我认为 SK hynix 是面向未来的最佳选择 Samsung 目前拥有一个优势，但这个优势正在逐渐减弱，那就是 Samsung 是一家规模巨大的综合型公司，可以在内部自行生产很多东西。尤其是 Samsung 能够生产市场上最优秀的一些 SSD，这一直给它带来很强的竞争优势。但和往常一样，竞争对手总会试图攻击这种竞争优势。如果 HBF 成功，而我预计它会成功，那么 Samsung 的一个主要竞争优势就会被削弱。 另一个机会来自 CXL。SK hynix 不久前展示了基于 DDR5 的内存池化概念。Samsung 也有自己的 CXL 产品。不过，CXL 会降低系统对于高性能 SSD 的依赖，而这应该会利好 SK hynix。 目前来看，凭借强大的 SSD 产品组合，我认为 Samsung 仍然拥有轻微优势。但我认为 SK hynix 面向未来的布局更好。凭借 HBM、HBF 和 HBS 产品组合，SK hynix 将能够覆盖未来 AI 存储市场几乎整个产品谱系，而我目前还没有在 Samsung 和 Micron 身上看到同样完整的布局。我也认为，SK hynix 正与 Nvidia（NVDA）共同开发面向 Physical AI 的下一代存储解决方案，这同样是支持 HBS 投资逻辑的一个强有力论据。就我个人而言，我相信未来 HBF 和 HBS 的市场规模甚至可能超过 HBM。听起来也许很疯狂，但我认为机器人对于存储的需求最终会超过数据中心。不过，这种情况是否会在当前这一轮存储周期内就发生，目前没有任何人可以百分之百确定。 估值 【原文图片位置：SK hynix 与 Micron 前瞻估值对比（YCharts）】 遗憾的是，Samsung 的存储业务并没有单独上市，因此我没有把 Samsung 纳入比较。最终，这个比较只包括 Micron 和 SK hynix。不过，从图中任何人都可以明显看到，这两家公司的前瞻估值倍数都极低。原因很简单，市场存在一种不理性的担忧，认为 2027 年存储价格或出货量会大幅下降。我认为这种担忧并不合理，因为各家公司管理层的表态以及资本开支预测都强烈指向相反的方向。 全球数据中心年度支出预计将从今年大约 8,000 亿美元增长至 2030 年的 1.1 万亿美元，并在 2050 年达到 1.8 万亿美元，这是 PwC 的预测。 考虑到 2030 年之前数据中心支出预计将超过 1 万亿美元，很明显，短期内市场并没有预计会出现明显放缓。我认为 2050 年的预测有些荒谬，因为没人能够看清 24 年后的未来。但我认为 2030 年的预测是现实的，甚至可能还有些保守。 韩国芯片制造商 SK hynix 周四表示，公司计划于 2029 年第三季度在 Indiana 工厂开始量产下一代 HBM4E 芯片，同时公司 CEO 表示，预计当前的存储芯片短缺将持续到 2030 年底。 当然，你不能盲目信任这些说法，但如果多位 CEO 都在谈论持续存在的存储短缺，那么可以合理推断，其中确实有一定真实性。因此，我认为 SK hynix 当前被低估，因为存储短缺仍将持续，而且我认为 SK hynix 会成为未来前景最好的存储公司。此外，我很幸运，我的券商允许我直接购买 SK hynix 的 GDR 和 ADR，这意味着我不需要支付额外的 ADR 溢价。但我也认为 ADR 本身仍然值得买入，虽然价格略高一些，但其前瞻市盈率仅为 6.2 倍，依然极其便宜。 我的投资逻辑面临的风险 除了那些显而易见的风险，例如供给过剩比预期更早出现之外，公司还面临执行风险。HBF 和 HBS 目前都还没有真正证明它们能够达到我对这两项技术的预期。虽然第一批原型产品看起来非常有前景，但最终商业成功依然存在不确定性。不过，这也正是投资如此有趣的地方。你需要尝试预测未来究竟哪些技术会主导市场。正因为如此，我对 SK hynix 的投资期限是 5 年以上，而不是短期投资，而遗憾的是，短线投资最近已经越来越成为市场趋势。 结论 从长期来看，我非常看好 SK hynix，因为在我看来，能够在未来 AI 发展中扮演如此重要角色的公司并不多。当前这家公司几乎具备我希望在一项投资中看到的所有要素：有吸引力的估值、强劲的未来前景、较高的进入壁垒，以及很可能持续存在多年的需求。 在我看来，SK hynix 正与 Nvidia 合作，为 Agentic AI 奠定基础，这将进一步提升公司的重要性。Jensen Huang 对未来有着惊人的判断力，而在我看来，与他或者他的预测反向下注，并不是一个好主意。 因此，总的来说，基于 SK hynix 当前作为 HBM 领导者的公司质量，以及按照我的判断其未来可能成为 Edge AI 领域领导者的潜力，我给予 SK hynix“强烈买入（Strong Buy）”评级。
