TL;DR
以太坊卖给 Rollup 的数据可用性(blob)不靠拍卖、靠公式定价,这到底亏了多少?这篇 2026 年 10 月的实证论文用 Pectra 升级做了一次干净的自然实验——blob 价格从约 $1.40 一天内跌到接近 0,Rollup 的购买量只涨了 24%。需求弹性 -0.19:价格几乎不影响用量,所谓的”机械定价”主要只是换了个收钱的人。更值得看的是方法论:预注册、516 个安慰剂日期、450 个设定的 specification curve,一套实证规范拉满。
📄 论文:Demand Under a Mechanical Price: Elasticity and Welfare in Ethereum’s Data-Availability Market 👤 作者:Farbod Ghasemlu(独立研究者) 📅 arXiv 2610.16588,2026 年 10 月 12 日(q-fin.TR,交易与市场微观结构) 🔗 arXiv 摘要页 · HTML 全文
背景:当价格不由市场决定
2024 年 3 月 Dencun 升级引入 EIP-4844 后,Rollup 不再用 calldata,而是买 blob(每个 128 KiB)往以太坊塞压缩后的交易数据。这笔 DA 费用是 L2 成本里的大头。
定价机制很有意思:没有拍卖,纯公式。每个区块有个 blob 数量目标(最初 3 个),实际用量超过目标,累积的”超额”就让下个区块的价格指数上涨;低于目标就下跌,地板价 1 wei。2025 年 12 月的 EIP-7918 又加了一条:blob 费不得低于执行 base fee 的约 1/16(保留价)。
flowchart LR
A[本区块 blob 用量] --> B{与目标比较}
B -->|超目标| C[超额累积↑<br/>下个区块费用指数上涨]
B -->|低于目标| D[超额衰减↓<br/>下个区块费用指数下跌]
C --> E[地板价 1 wei 托底]
D --> E
这让人想起 EIP-1559 的 base fee——同样是指数控制器,同样不看竞价。经济学里有个经典框架(Weitzman 1974):价格工具 vs 数量工具,选哪个取决于需求弹性和供给弹性的相对大小。套用到这里:需求有弹性,机械定价扭曲资源配置,福利损失是配置型的;需求无弹性,定错价只是换了个收钱的人,损失是转移型的。所以整个福利核算归结为一个数字:blob 的需求弹性到底是多少?
之前没人测过。EIP-1559 有 Reijsbergen、Liu 等人的实证,blob 市场只有早期的描述性工作(Park、Heimbach-Milionis 等人记录费用和拥堵),没有设计型(design-based)的弹性估计。这篇是第一篇。
方法拆解:一次天赐的自然实验,配全套实证规范
识别策略:Pectra 供给冲击。 测弹性最难的是找到干净的价格变动:blob 费对所有买家都一样,截面没差异;时间序列里费用又是需求的结果(内生)。作者抓住了 Pectra 升级(2025 年 5 月 7 日):升级把 blob 目标从 3 翻倍到 6(上限 6→9),日期提前数周由客户端版本定死(外生),当时市场正处拥堵、费用高达 0.82 mETH(约 1.40 降到 0——这种 variation 测不出弹性,就没什么能测出来了。
估计:面板 + Poisson PML。 观测单位是 rollup-day,用 Poisson 伪极大似然估计,带 rollup 固定效应、rollup 特定线性趋势、星期效应,窗口取分叉前后各 28 天。这里有个诚实得可爱的细节:作者预注册时选的是”每笔 L2 交易的 blob 数”(k=1,加 L2 交易数做 offset),理由是 Pectra 当天 ETH 涨了 22%、可能顺带推高 L2 活跃度。但数据打脸了——L2 活跃度本身对分叉有反应,分母被处理污染了。作者果断把未归一化的购买量(k=0)提为主要估计,把原方案降为描述性指标,并把这次修改和原因写进论文(replication 仓库 commit 可查)。这种”预注册了但数据不配合,于是公开改方案”的操作,比很多藏着掖着的论文可信得多。
推断:单事件的正确打开方式。 整个识别就靠 Pectra 这一个事件,常规的 cluster 标准误管的是 rollup 之间的噪音,管不了”分叉当天恰好有个全市场共同冲击”的风险。作者用了两套互补的办法:
- 516 个安慰剂日期(Conley-Taber):在没分叉的日子里跑同样的估计量,看 Pectra 的系数有多极端——结果是没有一个安慰剂日期的系数比它大;
- wild score bootstrap:因为 Base 一家就占了 78% 的方差权重,普通聚类标准误会偏,用 Rademacher 符号向量全枚举(32,768 种)做修正。
- 还跑了 450 个设定的 specification curve(换窗口、换趋势、换估计量……),中位弹性 -0.22,没有任何一个设定给出绝对值超过 1 的弹性。
实验与数据:几个硬数字
先看描述性事实(论文 Table 1):Dencun 时代(2024.3–2025.5)费用钉在地板的区块占 24.8%,Pectra 时代占 48.9%,Fusaka 引入保留价后是 0%。费用总额更说明问题:Dencun 时代 Rollup 共付了 4,704 ETH,Pectra 时代只有 7.8 ETH——拥堵期的稀缺租金是大头。
核心结果(Table 2):Pectra 后 28 天,15 个主要 Rollup 的 blob 购买量涨了 24%,安慰剂区间 [8%, 40%];隐含弹性 -0.19,区间允许的最弹性值 -0.31。分 Rollup 看,14 个里有 11 个上涨(Base 涨得最多,0.295 log points)。而”每笔 L2 交易的 blob 数”只变了 -2.8%——降价没让大家更”省”,增长全部来自 L2 活跃度本身上升。
福利分解是点睛之笔:4,704 ETH 里 67% 发生在 2024Q4–2025Q1,那两个季度用量达到目标的 97%——容量本身是紧约束,换成拍卖也会收走差不多的稀缺租金,所以这笔钱主要是从 Rollup 转到了协议(销毁),不是效率损失。宽松期呢?EIP-7918 的保留价在 296 天里最多造成 **2.6 ETH($8,039)**的无谓损失,小到可以忽略。
还有两个反直觉的发现:
- 地板价 ≠ 市场失灵:价格钉在地板上看起来像”该排队了”。作者匹配了 540 万笔 blob 交易的 mempool 首次出现记录:地板价时期交易平均只多等 1.03 个区块,被挤出的几乎为 0——容量是宽松的,没有排队问题。
- 协议验证副产品:作者重算了全部 6,650,443 个区块的 excess blob gas,发现 Fusaka 升级后旧规则会误判 29.5% 的区块——顺手给客户端实现做了一次审计。
相关工作对比:为什么这篇不一样
blob 市场的早期文献大多是描述性的:Park 等人记录市场头几个月,Heimbach-Milionis 测打包无效率,Ambrosia-Mizrach 发现 L2 费用中位数降了 95% 以上。机制设计理论那边,Crapis 等人推导过最优动态费用,Roughgarden 分析过 EIP-1559 的激励相容——但都是理论。
这篇的差异化在于三点:① 设计型识别(自然实验 + 安慰剂推断),而不是描述统计;② 福利核算(把弹性变成”转移 vs 无谓损失”的账本);③ 诚实的方法论(预注册、决策日志、specification curve、连”两条走不通的路”都报告了——BPO1/BPO2 扩容没有 first stage、拿执行 base fee 做工具变量违反排他性,作者都写出来替后人避坑)。
局限与开放问题
- 外推要小心:弹性是在”1.40”区间测的,价格涨到 $100 时需求曲线可能是另一个形状。作者反复强调这是 bound(上界),不是真理。
- 单事件识别:安慰剂推断依赖”安慰剂日期与分叉日期可交换”的假设,无法被直接检验。
- L2 传导机制:论文 Section 11 讨论了 blob 费如何传导到 L2 用户,但那部分偏机制描述,定量证据不如主结果硬。
- 开放问题:Fusaka 保留价时代的需求反应?不同 Rollup 的异质性背后是什么(为什么 Base 反应最大)?如果以后 blob 价格长期高企,-0.19 还成立吗?
一点思考
对以太坊/Rollup 生态:关于”blob 该不该拍卖”的争论可以歇歇了。需求无弹性意味着,定价机制的选择主要影响谁收钱(销毁 vs 验证者),几乎不影响用量和效率。EIP-4844 这套”土味公式”在福利上没亏多少,简单反而是优点——这对所有链上资源定价(存储、计算、DA)都是个参考:先测弹性,再吵机制。
对做量化的人:这篇的方法论比结论更值得学。区块链的”计划内硬分叉 + 链上全量数据”简直是实证研究的天堂——处理时点干净外生、数据没有采样偏差、还能拿 516 个安慰剂日期做推断。传统金融里想找这么干净的外生冲击,得等十年一遇的政策变化。以后看到”以太坊又要升级”,第一反应不该只是看币价,而该想想:这次升级能识别出什么因果效应? 这种”把协议升级当自然实验”的视角,是链上数据给量化研究最独特的礼物。
对独立研究者:作者是单人独立研究者,一个人重算 665 万个区块、匹配 540 万笔 mempool 记录、预注册+决策日志全套实证规范拉满。这种体量的工作一个人做出来,执行力拉满,也说明链上数据把实证研究的门槛真的打下来了——不需要 Bloomberg 终端,一台机器 + 全量公开数据就能做顶刊级别的实证。
本文为论文研读笔记,观点为个人解读。引用数据均来自论文原文,感兴趣请直接阅读 arXiv 全文。