AI 把写机器人的成本打下来,赢家却更集中:5,868 次宕机与 504 万笔 MEV 的对照

首页 / 海外深读 / AI 让写机器人变便宜,赢家却更集中
海外深读 · MEV 与 AI

AI 把写机器人的成本打下来,赢家却更集中:5,868 次宕机与 504 万笔 MEV 的对照

如果生成式 AI 真的降低了交易门槛,我们应该看到两个变化:进入者变多,集中度下降。这篇论文只看到了第一个。

MEVAI Agent以太坊Base事件研究
一句话:生成式 AI 把「写一个交易机器人」的门槛打下来了,但它没有把「跑赢别人」的门槛打下来。

01原文信息卡

论文
AIDA: An AI Outage Registry with Evidence from On-Chain MEV
作者
Wenbin Wu(单作者)
发布
arXiv:2611.01656v1,2026 年 11 月 1 日提交,27 页、7 图、5 表
分类
q-fin.TR(交易与市场微观结构);cs.CE
数据一
AIDA 登记册:30 家 AI 服务商、5,868 条去重后的宕机事件,覆盖 2025–2026;基础模型故障按状态页或事后复盘 URL 逐条核验
数据二
以太坊:8,516 个地址发出的 5,041,034 笔已验证 MEV 交易,及其合约创建记录
数据三
Base:22 个月面板,1,099,593,191 笔 swap,29,120 个私有执行器
原文
https://arxiv.org/abs/2611.01656(访问日期 2026-11-04)

02两个结论,一个反差

论文的两个发现放在一起,形成一个有点扎眼的反差。

第一,进入 MEV 的人确实变多了:从 2024 年末到 2026 年末,活跃的套利地址翻了两番;清算人增加了三分之一。但夹击者(sandwich attacker)减少了——这类策略需要私有订单流和 builder 通道,不是会写代码就能做。

第二,成交仍然高度集中:前 50 个地址执行了三分之二的已验证 MEV 交易。

First, entry into MEV expanded where code and public state suffice, as active arbitrage addresses quadrupled from late 2024 to late 2026 and liquidators grew by a third, while sandwich attackers, who need private order flow and builder access, declined.原文:arXiv:2611.01656 摘要|译文:第一,MEV 的进入扩张发生在「代码与公开状态就够用」的地方:活跃套利地址从 2024 年末到 2026 年末翻了两番,清算人增加三分之一;而需要私有订单流与 builder 通道的夹击者反而减少。|注释:作者用「进入哪里扩张」反推门槛在哪里,这是全文最关键的识别策略。
Execution nonetheless remained concentrated, with the top fifty addresses executing two thirds of verified trades.原文:arXiv:2611.01656 摘要|译文:尽管如此,执行仍然高度集中:前 50 个地址执行了三分之二的已验证交易。|注释:分母是 8,516 个「有过已验证 MEV 交易」的地址,不是全网地址。

把这两个发现叠起来:进入变容易,赢家没变多。AI 降低的是「生产代码」的成本,不是「获得执行优势」的成本。论文的标题说的是登记册,真正的贡献是把这个区分测了出来。

03它怎么测:三层数据怎么拼

第一层是 AIDA。作者没有用「AI 服务挂了」的新闻标题,而是把 30 家服务商的状态页与事后复盘抓下来,去重成 5,868 条事件。这个口径的好处是可核验,坏处是只覆盖「愿意公开复盘」的故障。

第二层是以太坊上的 MEV 交易与合约创建。作者把「发布私有执行器」当成一个可观测的动作:新执行器上线,意味着有人写了新代码、准备抢单。

第三层是 Base 的 22 个月面板:10.99 亿笔 swap、29,120 个私有执行器。选择 Base 的理由很实际——手续费低,交易频次高,适合做小时级的事件研究。

把三层拼起来的方法叫事件研究:把 AI 宕机的小时定义为处理组,把正常小时定义为对照组,看「新合约部署」这个动作的相对频率有没有下降。

这里有一个关键的口径问题:作者统计的是「可识别的 MEV」,不是所有链上交易。夹击、套利、清算各有识别规则,规则之外的交易不进样本。所以后文的结论只适用于这个可识别集合。

还有一个容易忽略的设计:作者同时看了「交易类创建」与「非交易类创建」。如果宕机只影响前者,说明被卡住的是交易策略的生产;如果两类都掉,那更可能是开发者整体不上线。这个安慰剂检验,是全文最扎实的地方。

04宕机那天:0.67 与 0.76

先看以太坊。发布私有执行器的地址数量,在 8 小时宕机当天降到基线的 0.67;OpenAI 宕机时段,执行器创建降到 0.68;滞后两期是 0.66,第三天回升。

再看 Base。运营方的顶层创建在 OpenAI 宕机时段降到 0.76;部署执行器的运营方在滞后两期降到 0.88。

0.67 的意思是「只有基线的 67%」,也就是少了三分之一。第三天回升很关键:如果是能力被摧毁,不会反弹;反弹说明是管线被延迟,不是产能消失。

市场观测指标宕机时段滞后两期第三天
以太坊发布私有执行器的地址0.67(8 小时宕机)0.66回升
以太坊执行器创建(OpenAI 时段)0.68——
Base运营方顶层创建0.76——
Base部署执行器的运营方—0.88—
两链非交易类创建 / 工厂克隆 / 存量执行不变不变不变

与此同时,非交易类创建、工厂合约的自动克隆、以及已经在跑的套利和夹击执行,都没有显著变化。这个「一半动、一半不动」的图案,比任何单一系数都更有说服力。

05为什么「新代码」停了,「旧机器人」没停

这个不对称可以用一句话解释:AI 宕机影响的是「写新东西」,不是「跑旧东西」。已经部署的机器人是链上合约与私有执行器,宕机时它们照常运行;被卡住的是人(或 agent)修改策略、部署新合约的那一步。

AI outages stall new trading code while deployed bots keep trading.原文:arXiv:2611.01656 摘要|译文:AI 宕机让新的交易代码停摆,而已经部署的机器人照常交易。|注释:这是全文的机制总结,也是「AI 是产能、不是执行优势」的另一种说法。

所以把 AI 当成「交易能力」是错位的。它更像建筑工地的预制件厂:停工时,新楼起不来,但已经交付的楼不会塌。对交易团队来说,这意味着 AI 风险主要落在「迭代速度」上,而不是「当日盈亏」上。

这也解释了为什么夹击者减少。夹击需要两样东西:私有订单流的可见性,和 builder 的打包位置。这两样都不是生成式 AI 能生成的;套利只需要公开状态和代码,所以进入者最多。论文用「进入哪里扩张、哪里收缩」反推出门槛到底在哪,这个推理比回归系数更有信息量。

再看清算人增加三分之一:清算机器人逻辑相对固定、触发条件公开,属于「代码够用就行」的活。三类策略、三种斜率,恰好对应三种门槛。

06我们的复算:0.59% 的地址,三分之二的成交

论文没有给集中度的绝对数,只给了「前 50」与「三分之二」。这两个数足够做一次简单复算:

前 50 地址占比 = 50 ÷ 8,516 = 0.587% 成交份额 = 66.7% 相对倍数 = 66.7% ÷ 0.587% ≈ 113.5 倍分母取论文给出的 8,516 个有过已验证 MEV 交易的地址;这是「地址数」口径,不是资金量口径。

也就是说,千分之六的地址拿走了三分之二的成交,人均份额是平均值的约 113 倍。这个倍数还是低估的:分母里包含大量只做过一两笔的地址,均值被它们拉低;如果看中位数,集中度会更极端。

再看进入:活跃套利地址翻两番,听起来很多,但摘要没有给基数与存活率。4 倍是流量,不是存量;真正决定竞争的是「活下来的地址数」。如果 4 倍进入对应的是 4 倍退出,竞争强度并没有变化。

这也是读这类论文时最容易犯的错:把「新增」当「净增」。地址可以批量生成,合约可以工厂克隆;论文专门把「工厂克隆」放进安慰剂组,说明作者自己也意识到这个混淆。

07反例:登记册看不见的东西

第一,AIDA 覆盖 30 家服务商,靠状态页与事后复盘;没写复盘的小故障不会进样本,所以 5,868 是下限,不是全量。真实宕机频率更高,处理组的定义也就更模糊。

第二,宕机与市场波动可能同时发生。极端行情会让服务过载,也会让新部署减少;这时「新合约下降」可能来自行情,而不是宕机。作者用非交易类创建做安慰剂,部分排除了这一点,但不能全排除。

第三,这是单作者预印本,未经同行评审。27 页、7 图、5 表的体量说明工作不小,但结论应作为「值得复现的发现」,而不是「已确立的事实」。

第四,MEV 的定义随研究口径变化。把本文的 504 万笔与别的论文的 MEV 规模直接相加,会重复计算;把「前 50 占三分之二」套到所有链上交易,也会高估集中度。

最后一个边界:论文测的是「部署行为」,不是「盈利能力」。新执行器变少,不等于存量机器人赚得更多;它只说明迭代慢了。

08对中文读者的用法:四个检查点

  • 评估 AI 交易产品,先问它交付的是「代码产能」还是「执行通道」;前者会被下一次宕机打断,后者才是壁垒。
  • 看竞争格局,看前 50 地址的成交份额,不要看地址总数;地址可以批量生成,份额不能。
  • 做事件研究,把「新部署」与「存量执行」分开统计,否则会把延迟效应误读成能力下降。
  • 做宕机压力测试,假设 AI 服务停 8 小时:你的策略管线会停在哪一步?如果是「改参数」,风险有限;如果是「平仓」,风险致命。

09原文链接与访问日期

原文:arXiv:2611.01656, AIDA: An AI Outage Registry with Evidence from On-Chain MEV,2026 年 11 月 1 日提交,访问日期 2026 年 11 月 4 日。
本文英文引文均摘自该页摘要;复算中的 8,516、50、66.7% 均为摘要给出的数,倍数与占比为本文计算。
资料来源与核对方式
· arXiv:2611.01656 摘要(arxiv.org/abs/2611.01656),访问日期 2026-11-04
· 5,868 条事件、30 家服务商、5,041,034 笔交易、8,516 个地址、1,099,593,191 笔 swap、29,120 个执行器、0.67/0.68/0.66/0.76/0.88 均出自该页摘要
· 113.5 倍为本文按 66.7% ÷(50÷8,516)计算;论文未直接给出该倍数
访问日期:2026-10-21。文中涉及的金额、数量与时间以所列来源为准;未标注的推断均为机制推演,不构成投资建议。

常见问题

这篇的原文是什么?

见文末「原文链接与访问日期」,均为公开发布的研究报告、预印本或 SEC 文件。

文中的数字都是原文的吗?

标注来源的为原文数据;本文计算的倍数、年化与敏感性表格已在相应位置标注假设。

可以转载吗?

欢迎注明来源转载;英文引文版权归原作者。

本文为公开资料的整理与独立计算,不构成投资或法律建议。 最后更新:2026-11-04。

安装 App