智能DeFi协处理器如何革新区块链技术

介绍

当前区块链技术面临的一个主要挑战是其有限的处理能力，这使得去中心化应用在执行复杂链上计算时受到诸多限制。不过随着区块链协处理器等技术的快速发展，结合博弈论和机制设计，我们正在见证一系列创新用例的出现，这些新技术正在显著改善用户体验。

本文将深入探讨协处理器的设计理念，重点分析它们能够支持的各种应用场景。

区块链的计算资源既昂贵又有限，一个可行的解决方案是将计算任务转移到链外执行，然后通过协处理器验证链上结果，从而实现更复杂的dapp逻辑。根据安全假设的不同，协处理器可以分为无信任（ZK）、信任最小化（MPC/TEE）、乐观和加密经济型等类型。这些解决方案还可以灵活组合，以实现安全性与效率的最佳平衡。

在DeFi领域，不同类型的协处理器适用于不同的任务。潜在的应用场景包括DEX（AMM和订单簿）、货币市场、质押、重新质押等多个方面。随着去中心化人工智能的兴起，协处理器正在引领我们进入一个”智能DeFi“的新时代。

协处理器（Coprocessor）的作用

区块链通常被视为通用CPU虚拟机(VM)，可能并不适合处理繁重的计算任务。涉及数据驱动分析和密集计算的工作通常需要链下解决方案的支持。例如，像dydx v3这样的订单簿交易所就采用了在中心化服务器上运行的链下匹配和风险引擎，仅在链上进行资金结算。

在计算机领域，协处理器被设计用来协助主处理器执行特定任务，正如其前缀”co-“所暗示的那样。以GPU为例，它作为CPU的协处理器，专门处理3D渲染和深度学习等需要并行计算的任务。这种分工使得主CPU能够专注于通用处理。协处理器模型让计算机能够处理单个通用CPU无法完成的复杂工作负载。

通过利用协处理器和访问链上数据，区块链应用程序可以提供更高级的功能并做出更明智的决策。这为执行额外计算创造了机会，使应用程序能够完成更复杂的任务，从而变得更加”智能”。

不同类型的协处理器

基于信任假设的不同，协处理器主要可以分为三种类型：零知识（ZK）、乐观(Optimistic)和加密经济(Cryptoeconomic)型。

ZK协处理器如果正确实施，理论上可以实现完全无信任。它们执行链下计算并提交链上证明进行验证。虽然提供了速度优势，但在证明成本方面需要权衡。随着定制硬件的发展和密码学的进步，最终传递给终端用户的成本有望降低到更可接受的水平。

Axiom和RISC Zero Bonsai是ZK协处理器的典型代表。它们允许在链外运行对链上状态的任意计算，并提供计算执行的证明。

为了更好地理解ZK协处理器的工作原理，我们可以看看RISC Zero Bonsai的工作流程。应用程序将协同处理请求发送到Bonsai Relay，后者将证明请求转发给Bonsai证明服务。RISC Zero zkVM执行程序并生成证明来验证代码的正确执行，任何人都可以验证。随后，Bonsai Relay在链上发布证明，应用程序通过回调函数接收结果。

以太坊上的Bonsai

虽然ZK协处理器是实现可验证链外计算的一种方法，但MPC和TEE等替代方案提供了不同的途径。MPC支持对敏感数据进行协作计算，而TEE则提供基于硬件的安全隔离环境。每种方案都在安全性和效率之间进行权衡。本文将重点讨论ZK协处理器。

乐观协处理器提供了经济高效的解决方案，但它们存在严重的延迟问题（通常为数周）。它们要求诚实的参与方在具有挑战性的时间窗口内通过欺诈证据进行有效质疑。因此，安全保障的实现会被推迟。

加密经济协处理器是一种乐观执行的协处理器，具有足够大的经济保证金，并设有链上保险系统，允许其他人为错误的计算提供赔偿。这种经济保证金和保险可以通过类似Eigenlayer的共享安全提供商购买。优点是即时结算，缺点是保险成本较高。

各种协处理器类型的特征

*现有的证明生成时间不到一秒（针对小型、经过优化的证明），而且它们正在迅速改进。

不同类型的协处理器展现出不同的成本、延迟和安全特性。将它们组合使用可以优化用户体验。Brevis就是一个很好的例子。它最初推出的是zk协处理器，现在又推出了Brevis coChain。这项创新将加密经济学和ZKP结合在ZK协处理器中，降低了成本，最小化了延迟，并提升了用户体验。

纯ZK协处理器在当前阶段仍面临高证明生成成本和可扩展性等挑战。这是因为数据访问和计算结果的ZK证明总是需要预先生成。通过利用Eigenlayer的重新抵押基础设施，Brevis coChain使dapp能够定制所需的加密经济安全级别，从而在提升用户体验方面获得更大灵活性。

Brevis coChain首先会根据PoS共识”乐观”地生成协处理请求的结果。然后启动两个挑战窗口，一个是特定于应用程序且由开发人员配置的，另一个是较长的全局coChain削减窗口。

Brevis coChain工作流程

在应用程序挑战窗口期间，观察者可以提交与协处理结果相矛盾的ZKP。成功的挑战会削减提议者并奖励挑战者。失败的提案会导致挑战者的保证金被没收。

如果没有挑战，应用程序将认为结果有效。全球coChain削减窗口是为了增强安全性。即使应用程序接受了错误的结果，只要coChain削减窗口还开着，恶意验证器就可以被削减，错误的结果也可以被纠正。

由于不同类型的协处理器展现出不同的成本、延迟和安全特性，应用程序需要根据自身需求选择合适的类型。对于涉及高安全性任务的计算，例如在数十亿美元规模的流动质押中计算Beacon链上验证者的余额，ZK协处理器是最合适的选择。它们提供了最大的安全性，因为结果可以无需信任地进行验证。此外，在这种情况下延迟不是问题，证明可以在可接受的时间范围内生成。

对于对延迟不太敏感且不涉及重大财务价值的任务，例如在社交资料上展示链上成就指标，提供最低链下计算的乐观协处理器可能更合适。

对于其他任务，当购买的保险能够覆盖风险价值时，加密经济协处理器被证明更具成本效益。保险成本的分析需要具体情况具体分析，很大程度上取决于应用程序带来的价值。这些任务通常需要不同的分析和风险建模。

协处理器还可以按照计算类型进行分类，例如：

RISCZero、Succinct和=nil;用于常规计算；Ritual和Modulus用于人工智能；SpaceandTime用于数据库操作；MegaETH用于EVM计算等。

协处理器在DeFi中的应用是一个具有巨大潜力的新兴领域。接下来，我们将探讨如何在DEX、货币市场、质押、重新质押等DeFi领域使用协处理器的现有想法和实现。

去中心化交易所（DEX）

DEX涉及多个利益相关方，包括交易者、流动性提供者、做市商、流动性管理者、解决者/填充者等。协处理器有潜力通过不同级别的信任假设有效地简化复杂任务，最终提升这些参与方的体验。

降低成本

在基本的AMM中，一个重要功能是在用户发起交易时计算必要的参数，包括转入和转出的金额、费用以及转入后的价格。利用zk协处理器计算能力的一个简单用例是在链外执行部分交易功能，然后在链上完成剩余步骤。零知识证明的自动化做市商(zkAMM)是一种集成了零知识证明的自动化做市商。Diego(@0xfuturistic)介绍了基于Uniswap v3的zkAMM(zkUniswap)的实现，其中部分AMM交易计算被卸载到Risc Zero zkVM。用户在链上发起交易请求，中继器接收交易输入，在链下进行计算，然后发布输出和证明。AMM验证证明并结算交易。

虽然当前阶段的计算成本仍然与EVM相当，但通过并行化独立路径的交易计算，可以实现更高的效率，这得益于RiscZero的继续特性。本质上，交易的执行可以在链上顺序完成，但实际的交易步骤可以在链下并行计算。这使得可以并行化批处理中最重的部分，这是EVM无法原生实现的。通过批量处理多个交易，也可以摊销验证的成本。

用户还可以选择使用替代数据可用性层来发送交换请求，或者利用EIP712签名进行链下传播，这可以进一步降低交换成本。

动态参数

协处理器还可以用于动态控制AMM池的交易费用。动态费用的概念是在市场波动期间提高费率，在市场平静时降低费率。这对被动流动性提供者有利，因为他们始终站在交易的不利一边，并通过损失与再平衡(LVR)经历价值漏失。动态费用的实施旨在通过充分补偿LP来解决这个问题。

一些AMM已经具备此功能。例如，Ambient利用外部预言机每60分钟监控不同费用级别的Uniswap v3池并拍摄快照，以选择性能最佳的池。

为了进一步优化费率调整，可以利用链上和链下的额外数据。这包括针对特定AMM池或不同流动性池(如Ambient解决方案)甚至不同网络上的池的同一货币对进行的链上历史交易。如果允许某些信任假设，还可以引入来自Chainlink或Pyth等信誉良好的预言机的链外数据(如CEX交易数据)。

选择哪种类型的协处理器取决于费用调整的频率。如果池需要非常频繁的动态费用变化，加密经济协处理器可能更合适，因为证明成本可能超过保险成本，而保险成本可以通过费率差异乘以平均数量来估计。如果发生任何错误的计算，LP可以轻松地索赔Eigenlayer提供的保险，以补偿他们的费用损失。

另一方面，有些池更喜欢不太频繁的费率变化，但处理的数量非常大，这可能会增加保险购买成本。在这种情况下，ZK协处理器更适合，因为它提供了最强的保障。

主动流动性管理器（ALM）

对于经验不足的用户来说，被动流动性提供可能是一个有吸引力的选择，他们希望从闲置流动性中赚取费用，而不必过度担心价格偏差。然而，一些流动性提供者(LP)更容易受到价格偏差和统计套利造成的损失。虽然动态调整费用可以缓解这个问题，但更彻底的解决方案是改变流动性曲线的形状，这就是更复杂的流动性管理方法——主动流动性管理器(ALM)。

现有的ALM大多只提供再平衡等基础策略，对费用收取的影响有限。更先进的技术如使用货币市场或衍生品进行对冲，要么在链上频繁执行时成本高昂，要么依赖集中式链下黑盒计算。

协处理器有潜力解决成本和信任问题，从而支持更先进的策略。通过与尖端的零知识机器学习(ZKML)解决方案如Modulus Labs以及去中心化人工智能平台如Ritual集成，流动性管理者可以利用基于历史交易数据、价格相关性、波动性、动量等的复杂策略，同时享受隐私和无需信任的优势。

高频交易策略需要精确的时机和快速的执行。虽然ZK解决方案可能并不总能满足必要的速度，但加密经济协处理器在这一领域表现出色。这些协处理器允许快速执行人工智能算法，并在块时间允许的情况下尽可能频繁地更新参数。然而，使用这种方法会产生保险费用。由于管理者不当处理资金或进行反向交易等潜在风险，准确估计这些成本具有挑战性。决策过程涉及平衡额外回报与保险费用，这取决于协处理器测量的时间范围内发生的总量。根据单个AVS中可用的资本以及在任何给定时刻预测风险价值的能力，扩展此流程也可能很困难。

基于指标的奖励分配

虽然每笔交易都记录在区块链上，但智能合约在确定这些交易所代表的指标方面面临挑战，例如交易量、交互次数、每单位时间的TVL等。虽然可以使用Dune Analytics等索引解决方案，但依赖链外索引引入了额外的信任层。这正是协处理器可以发挥作用的地方。

交易量是一个特别有价值的链上指标。例如，在特定的AMM池中，与特定地址在一定区块内关联的累计交易量。这个指标对DEX非常有用，可以允许根据用户的交易量为其设置不同的费用等级。这种方法类似于动态费用，但它不依赖一般数据，而是查看特定地址的数据。

Brevis提供了一个有趣的例子，其中交易量证明可以与定制的费用返还Uniswap hooks结合，提供类似于CEX上的VIP交易者的基于交易量的费用返还。

具体来说，Uniswap v4可以读取用户过去30天内的历史交易，用定制的逻辑解析每个交易事件，并使用Brevis计算交易量。然后，交易量和Brevis生成的ZK Proof在Uniswap v4 Hook智能合约中进行可信验证，该智能合约异步确定并记录用户的VIP费用等级。在证明验证之后，任何符合条件的用户的未来交易将触发getFee()函数，简单地查找VIP记录，并相应地为他们减少交易费用。

成为”VIP”的认证成本也很低（根据其性能基准结果，大约2.5美元）。通过使用像NEBRA这样的解决方案聚合多个用户，可以进一步降低成本。唯一的权衡是延迟，因为访问和计算2600笔链上Uniswap交易大约需要400秒。然而，对于时间不敏感的功能，这并不太重要。

为了解决延迟问题，dapp可以利用Brevis的coChain。通过PoS共识机制快速计算和交付结果，以最大程度地减少延迟。如果出现恶意活动，可以在挑战窗口期间使用ZKP来惩罚恶意验证者。

例如，在前面提到的VIP费用场景中，如果超过2/3的coChain验证者在链接到动态费用挂钩的”VIP等级查找表”中欺骗性地为某些用户分配更高的VIP等级，则某些用户最初可能会获得更大的费用折扣。然而，当在削减窗口期间出示ZK证明，证明VIP等级不正确时，恶意验证者将面临处罚。然后，可以通过启用挑战回调来更新VIP等级查找表来纠正错误的VIP等级。对于更谨慎的场景，开发人员可以选择实施扩展的应用程序级挑战窗口，提供额外的安全性和适应性。

流动性挖矿

流动性挖矿是一种旨在引导流动性的奖励分配形式。DEX可以通过协处理器更深入地了解其流动性提供者的行为，并适当分配流动性挖矿奖励或激励。重要的是要认识到并非所有LP都是一样的。有些人充当雇佣兵，而另一些人则是忠实的长期支持者。

最佳的流动性激励应该反复评估LP的奉献精神，特别是在市场大幅波动期间。那些在此期间持续为矿池提供支持的人应该