作者：Frank，PANews
在區塊鏈領域中，MEV（最大可提取價值）一直是一個複雜且不可忽視的問題，它指的是礦工或驗證者透過操控區塊中交易的排序、插入或刪除交易，從中提取額外利潤的現象，常見的MEV 手法包括三明治攻擊、搶跑和清算套利等。
MEV 在不同公鏈上表現各異，從以太坊上常見的套利交易，到Solana 上嚴重的三明治攻擊，再到比特幣、BSC、波場等公鏈中逐漸顯現的MEV 潛力。本文將盤點各大公鏈的MEV 現象，分析其不同的實現路徑以及對使用者和網路的潛在影響。
以太坊：三明治攻擊已衰退，主要以套利為主
作為交易量最大的公鏈，以太坊上一直是MEV現象最集中的公鏈。尤其是在DeFi 和NFT 交易活躍的時期。 2023年，以太坊基金會賣出ETH時遭受MEV Bot三明治攻擊，損失9,101美元，MEVBot獲利約4,060美元。
對一般使用者而言，MEV多數情況下帶來的是負面影響，尤其是當三明治攻擊、搶跑交易等行為氾濫的時候。但就礦工或驗證者而言，MEV是一份不可忽視的額外收入，尤其是在區塊獎勵下降的時期。 MEV收入能夠補充礦工和驗證者的收益水平，對於維護整個區塊鏈網路的穩定性和去中心化具有一定的積極意義。
MEV的分類中，除了三明治攻擊、搶跑交易這種直接危害用戶利益的交易之外，清算套利等行為對維持市場流動性而言，多數情況下並不算有害交易行為。因此，如何減少有害的三明治攻擊等行為，保留清算、套利等MEV，則成為了維持MEV均衡的難題。
為了解決MEV 帶來的公平性問題的同時平衡驗證者的收益， Flashbots 推出了MEV-Boost和Flashbots Protect 協議。 MEV-Boost 是一種中繼系統，它允許驗證者透過中繼節點從外部區塊建構者獲取優化過的區塊，這些區塊透過複雜的MEV 提取策略最大化了交易排序的收益。 MEV-Boost 引入了透明的區塊建立流程，避免了傳統的搶跑和三明治攻擊等惡意MEV 手段。
Flashbots Protect 主要是為一般使用者設計的，目的是保護使用者的交易不受搶跑（Front-running）和三明治攻擊（Sandwich Attacks）等MEV攻擊的影響。使用者透過Flashbots Protect 可以提交私人交易，這些交易不會公開廣播到以太坊的公共mempool 中，而是透過私人通道直接發送給支援Flashbots 的礦工或驗證者。
一直以來，以太坊上透過MEV-Boost 或Flashbots Protect 等協議傳輸的隱私訂單比例約為30%左右，而仍透過公共Mempool傳輸的訂單比例仍高達70%左右。這樣意味著大量的用戶並不喜歡採用Flashbots Protect來啟動交易。不過，以太坊DEX上約有70%的交易則是透過Flashbots Protect發起的隱私訂單。目前，以太坊上MEV的收入比例約為26%，這一佔比說明驗證者的主要收益來源主要還是區塊獎勵，而不僅依賴MEV 收益。
目前，以太坊註冊MEV-Boost的驗證者數量達到147萬，佔比超過81%。 9月5日數據顯示，過去14天透過MEV-Boost協議產生的區塊比例達到89%。不過，這並不意味著89%的以太坊訂單都是透過隱私池傳輸的MEV訂單。
目前，三明治攻擊在以太坊上似乎已得到了較大的緩解。根據Eigenphi數據顯示，過去30天三明治攻擊的額總體收入為74萬美元，同期的套利收入則高達172萬美元。
Solana：MEV問題加劇，三明治攻擊威脅用戶交易安全
Solana上的MEV問題在這一輪牛市日益嚴重，根據Blockworks Research調查顯示，2024年4月，Solana上的MEV收入已經超過了以太坊。在2023年11月之前，Solana上的MEV收入幾乎可以忽略不記。
相較以太坊，Solana上MEV被社群討論更多的原因是，其三明治攻擊已經嚴重的影響著普通用戶的交易。先前，PANews曾就這一主題進行過深入研究，其中地址開頭為arsc的三明治攻擊機器人在2個月內攫取3000萬美元，相比之下Uniswap近一個月的收入也僅為3100萬美元。 （相關閱讀： 2個月「攫取」3000萬美元，Solana最大的三明治攻擊者日賺57萬美元引眾怒）
關於Solana上的MEV，則不得不提到Jito Labs，Jito Labs在Solana上開發的Jito-Solana可以視為Solana版本的MEV-Boost，雖然兩者的實現路徑不同，但總體的思路類似，都是為了幫助驗證者最大化MEV的收益。 Jito推出了一個區塊空間拍賣機制，讓交易發起者單獨支付一筆小費給驗證者以保障捆綁的交易包被優先執行。此外，3月Jito宣布暫時關閉其運行的mempool以減少三明治攻擊，因為這個記憶體池可以被用於三明治攻擊者監聽用戶發起的交易內容，但MEV機器人仍可以透過運行RPC節點來監聽交易。
因此，Jito關閉mempool並未使得三明治攻擊在Solana上消亡，只是門檻變得更高了。而專門透過三明治攻擊獲取收益的團隊也在社區的討伐下變得更加狡猾。
根據PANews觀察，先前臭名昭著的arsc機器人並未停止，而是透過換皮的方式繼續進行三明治攻擊，並且現在的攻擊規模比此前更大，甚至幾乎壟斷了Solana上的三明治攻擊。 sandwiched是Ghost團隊專門開發的監控Solana三明治攻擊的平台，PANews仔細觀察發現，目前在Solana上活躍的三明治攻擊程序的實控地址都是arsc。簡單解釋來說，arsc將先前用於三明治攻擊的邏輯編寫為多個智能合約，每個合約上會部署數百個地址執行合約進行攻擊。這樣如果只是追蹤地址則無法看出其中的關聯度。根據粗略觀察來看，平均每個智能合約下的地址約為數百個到一千左右，因此，arsc用於三明治攻擊的地址可能有上萬個。 
近一年來，Jito上獲得的Tips收入（MEV小費）已經超過153萬枚SOL（價值約1.98億美元），同期的以太坊MEV收入約為6億美元。
BSC：推出類似Flashbots的MEV解決方案，套利為主
BSC 和以太坊在MEV 萃取機制上有許多相似之處，BSC 同樣引進了類似Flashbots 的MEV 解決方案。在BSC上，採用的是bloXroute 的MEV Relay。該方案透過私人交易包（Bundles）來保護用戶交易不被公開mempool 中的MEV 機器人盯上，從而減少用戶的損失。
不過，從數據來看，BSC上的MEV整體利潤遠高於以太坊，根據Eigenphi顯示，BSC鏈近30天的MEV總收入約為1.33億美元，其中套利收入約為1.3億美元，三明治攻擊收入僅280萬美元。其中，8月22日數據顯示當天套利收入達3,000萬美元，這數據顯得有些異常。整個BSC鏈8月的總交易量才為200億美元，MEV收入的數據為何能達到這麼高的數值確實值得懷疑。
以太坊L2：MEV 還未形成規模化，清算收益為主
關於以太坊Layer2上MEV的具體情況目前的數據平台幾乎沒有，根據Arthur Bagourd 和Luca Georges Francois 的論文研究顯示，截至2023年6月，以太坊L2上的MEV收入（Polygon、Arbitrum、Optimism）約為2.13億美元。其中，Polygon的貢獻佔比最高，約2.13億美元，主要源自於少數幾筆大筆交易增加了整體利潤。 Arbitrum MEV 提取總利潤約25 萬美元，Optimism的數據約為25萬美元。整體來看，剔除極端數據之外，以太坊L2上的MEV還未能形成一個大規模的穩定收入，這主要也是因為以太坊L2的交易量變化較大。此外，以太坊L2的MEV收入主要來自於清算收益而非三明治攻擊。近期，Arbitrum透過了名為Timeboost的交易排序機制，一種類似MEV-Boost的中繼系統。
波場：DPoS 機制下的MEV 機會有限
作為交易量最大的公鏈之一，波場近期由於MEME幣的熱潮也迎來更大的交易量。不過，不少用戶提出在波場上有大量的機器人攻擊。隨後，波場創辦人孫宇晨表示，波場並不存在MEV機制，目前發生的機器人攻擊為機率攻擊。
波場採用的共識機制為DPOS（Delegated Proof of Stake），在該機制下，通常不存在與傳統PoW 和PoS 類似的公開mempool（記憶體池）。在DPoS 系統中，交易並不是先廣播到公開的網路節點供礦工或驗證者挑選。相反，交易由用戶提交到超級代表（Super Representatives, SRs）或受託人節點，這些節點有權負責產生區塊和確認交易。除非這些超級代表主動參與MEV交易當中，否則一般情況下MEV發生的機率較低。
比特幣：MEV逐步顯現，主要依賴銘文和礦工行為
由於比特幣的設計與以太坊不同，採用的是簡單的UTXO 模型，每筆交易主要是發送方和接收方的比特幣轉移，因此交易排序不會引發像以太坊那樣複雜的套利或清算機會。此外，比特幣網路上也沒有複雜的智能合約，也意味著礦工無法像在以太坊上那樣利用套利或清算提取MEV。
不過，隨著銘文、符文、Layer 2 等比特幣生態的出現，比特幣上也正在出現MEV的潛力。當然，對礦工而言，更多的MEV機會將彌補挖礦獎勵的減少。不過隨著比特幣協議的演變，MEV也開始成為比特幣生態中需要應對的挑戰。不過，由於比特幣生態的MEV行為仍未能形成規模化，標準化的模式，暫時還未能看到相關的數據。
整體來看，MEV 在各大公鏈上的表現形式各異，從以太坊的成熟套利機製到Solana 上猖獗的三明治攻擊，每個生態都面臨著獨特的挑戰和機會。隨著DeFi、NFT 和智慧合約技術的不斷演變，MEV 現象將持續發展，不同公鏈將持續探索平衡MEV 效益和使用者體驗的解決方案。未來，如何有效管理MEV，將成為公鏈維護去中心化和網路公平性的重要課題。
APP 
