哪个公链的TPS最高？它真的有意义吗？

前言：超越数字的追问

在区块链技术的宏大叙事中，每秒交易量（Transactions Per Second, TPS）常常被视为衡量一个公链网络性能的首要指标。它如同赛车领域的最高时速，被各大公链项目方竞相宣传，以证明其技术的卓越性和承载未来大规模应用的能力。然而，单纯追求TPS的数字游戏是否真的有意义？高TPS背后是否隐藏着对区块链核心价值的妥协与牺牲？本报告旨在超越对TPS数字的简单罗列，深入剖析其定义、构成、技术实现以及其在更广阔的区块链生态中的真实价值。本报告将论证，最高的TPS数字本身并不代表最优秀的公链，一个有价值的网络，需要的是高吞吐量、低延迟、去中心化和安全性的系统性平衡，而非单一维度的速度竞赛。

第一章：TPS——一个被误解的指标

1.1 TPS的定义与计算迷思

TPS，即每秒交易量，指的是一个公链网络在一秒钟内能够处理和确认的交易总数。这个指标看似直观，但在实践中，它常常被笼统地用于指代两种截然不同的概念：“理论峰值TPS”与“实际吞吐量”。理论峰值TPS是基于理想化网络条件下的最大处理能力，通常通过公式计算得出：TPS = (区块大小 / 平均交易大小) / 区块间隔时间 。这个公式揭示了TPS与区块大小和区块间隔时间之间的直接关系。例如，增加区块大小可以包含更多交易，从而提高交易吞吐量 。   

然而，这种理论计算忽略了复杂的现实网络环境。实际吞吐量（或实际TPS）反映的是网络在现实负载下所能达成的真实性能，它受到一系列关键因素的制约 。其中最重要的包括：  

·

网络拥塞与数据包丢失： 当网络中传输的数据量激增时，会发生网络拥塞，导致数据包需要更长时间才能送达目的地，甚至被丢弃。数据包丢失后必须重传，这会增加延迟并降低整体吞吐量。   

·

·

·

网络拓扑与地理距离： 网络中设备的数量、链路的带宽以及设备间的距离都会影响数据传输。即使是精心设计的网络拓扑，也难以完全消除数据传输中的瓶颈。例如，如果服务器和设备位于不同的地理区域，数据传输距离更远，会显著增加延迟，这一因素被称为“传播” 。   

·

·

·

验证者节点的硬件能力： 某些公链为实现高TPS，会要求验证节点的硬件达到服务器级别，这需要强大的CPU处理能力和海量内存，例如Solana对验证者节点提出的高昂硬件要求 。如果节点的处理能力不足，便无法处理高流量和复杂的数据包，进而限制了吞吐量 。   

·

·

·

协议效率： 不同的传输协议也会影响性能。例如，TCP旨在减少数据包丢失，因此具有较高的延迟；而UDP则不检查丢失或错误，而是传输多个重复数据包，从而提供最低的延迟 。   

·

·

这些现实世界的变量使得理论峰值TPS在实践中几乎不可能实现。理论TPS值通常被用作营销手段，以创造“高性能”的印象，然而，它忽视了区块链作为分布式系统的本质挑战：网络通信、节点同步和数据冗余 。即使单个节点能高速处理交易，如果区块无法快速传播至所有节点，整个网络的实际吞吐量依然会受限。这揭示了TPS衡量中的一个核心矛盾：理想的单机性能与现实的分布式网络效率之间的鸿沟。  

1.2 TPS数据的迷雾：虚假与膨胀的真相

仅仅关注TPS的数字，而不分析其背后的构成，是片面且危险的。TPS数据常常存在被夸大或“灌水”的现象，这与中心化金融市场中“成交量造假”的行为有异曲同工之妙，其本质都是通过制造虚假数字来影响市场认知 。链上数据灌水的几种常见手段包括：  

·

投票交易（Consensus Transactions）： 许多公链，例如Solana，其TPS数据中包含了大量的投票交易（Voting Transactions）。这些交易是由验证者提交，用于网络共识的内部活动，不代表用户的实际经济行为。当比较不同公链的吞吐量时，这些投票交易会显著“膨胀”TPS数字，使其看起来远高于其他公链 。   

·

·

·

机器人与套利交易： 在低交易费用的公链上，高频交易机器人和套利程序会产生海量的非人类驱动交易。这些交易虽然被计入“用户交易”范畴，但它们的目的并非服务于实际应用或经济活动，而更像是为了捕捉微小的价格差异或进行其他自动化操作。例如，Solana网络的高TPS部分归因于其上大量的套利机器人和NFT铸造机器人 。这些“垃圾流量”虽然提高了TPS数字，但与衡量链上生态繁荣度的初衷相悖，并可能导致网络拥堵，这也是Solana在2022年经历数次中断的原因之一 。   

·

·

·

垃圾交易（Spam Transactions）： 在一些交易费用极低的公链上，无意义的转账或合约调用可以被恶意用户用来刷高TPS数字，以制造虚假繁荣 。为了防止这类垃圾交易，公链通常会设计经济激励机制，例如Avalanche上的交易需要支付交易费，并随后被销毁（永久消失），这是一种有效的过滤机制 。   

·

·

为了辨别这些虚假和膨胀的TPS数据，需要依赖可靠的第三方数据平台。例如，Dune Analytics提供了一个社区驱动的平台，用户可以通过SQL查询和交互式仪表盘来分析链上数据 。Dune试图通过过滤规则来提供更真实的TPS数据，例如其交易指标（Dune Index）只计算价值超过1美元的交易 。这种方法有效排除了“粉尘交易”和刷量行为，使得跨链比较更加公平和有意义。  

下表对主流公链的TPS数据及其交易构成进行了对比，直观揭示了宣传TPS与实际效用之间的巨大鸿沟。

公链	理论TPS峰值（约）	官方宣称的实际TPS（约）	第三方数据（TPS）	投票交易占比	机器人/套利交易影响
Solana	65,000+	50,000+	1,000+ (Dune过滤后)	极高，占据大部分	显著，NFT铸造和套利机器人贡献大量交易
Aptos	160,000	12,933	未披露	0	存在，但未具体量化
Ethereum	15-30	27	约13-15	无	存在，但由于Gas费高昂，刷量成本高
Polygon (L2)	7,000	7,000	未披露	无	存在

第二章：TPS性能王者的技术探源

TPS的巨大差异并非偶然，而是源于不同公链在底层技术和共识机制上的根本性选择。本章将深入探讨TPS领先公链背后的核心技术原理。

2.1 Solana：历史证明（PoH）与并行引擎的极限速度

Solana以其惊人的高吞吐量而闻名，这主要归功于其独特的技术组合，特别是“历史证明”（Proof of History, PoH）和并行执行引擎“Sealevel”。

·

历史证明（PoH）： PoH是一种加密时钟，它并不直接作为共识机制，而是作为一种辅助工具，为交易排序提供基础 。通过一个可验证延迟函数（Verifiable Delay Function, VDF），Solana网络上的每个验证者都能持续生成一系列哈希值，这些哈希值作为可验证的时间戳，以加密方式将交易链接到特定的时间点 。这一机制的核心优势在于，它使得节点在共识达成之前就能对交易顺序达成一致，从而显著减少了节点之间就交易顺序进行沟通和协商的需求，避免了传统区块链中的瓶颈问题 。   

·

·

·

并行执行（Sealevel）： 传统的区块链（如以太坊）通常以串行方式执行区块中的智能合约交易，这已成为制约其吞吐率的重要瓶颈。相比之下，Solana的Sealevel引擎允许其同时处理数千笔智能合约交易 。它通过并行处理无依赖关系的合约，最大化利用了CPU资源，显著提升了交易执行效率。这种“分工协作”的模式使得Solana能够实现其令人印象深刻的交易吞吐量 。   

·

·

2.2 Aptos与Sui：基于DAG的并行革命

与Solana类似，Aptos和Sui也通过并行执行技术追求高吞吐量，但它们采用了不同的架构基础——有向无环图（Directed Acyclic Graph, DAG）和一种乐观并发控制模型。

·

DAG共识机制： Aptos和Sui的共识机制，例如Sui的Narwhal和Bullshark协议，都基于DAG结构 。DAG允许交易并发提交，而无需像传统的链式结构那样，必须等待前一个区块被完全确认。这种结构天然地支持并行化，因为没有依赖关系的交易可以独立地被打包和验证 。   

·

·

·

并行交易处理： Aptos和Sui的核心创新在于其并行交易执行模型，例如Aptos的Block-STM技术 。该模型通过乐观并发控制或交易依赖图（Transaction Dependency Graph）来安全地并行处理无冲突的交易 。系统首先并行执行所有交易，然后通过追踪交易的读写集来检测是否存在冲突 。如果没有冲突，交易成功提交；如果发生冲突，系统会重新执行冲突的交易，直到它们被正确处理。这种机制显著提升了执行效率，尤其是在低冲突场景下 。   

·

·

·

Move语言的角色： 为并行执行而设计的Move语言，在Aptos和Sui的架构中扮演了至关重要的角色 。Move的独特之处在于其资源所有权模型，它将数字资产定义为可以被安全存储在账户中且不可复制的“资源”。这种语言层面的设计确保了在并行处理中，每个交易对资源的访问和修改都是可控且安全的，从而从根本上避免了并行执行中的数据冲突风险 。   

·

·

2.3 以太坊：在“不可能三角”中寻求平衡的扩容之路

与上述新兴公链不同，以太坊在设计之初就优先选择了去中心化和安全性，而牺牲了可扩展性。其基础层（L1）的TPS较低，仅为每秒15-20次交易 。然而，以太坊的扩容策略并非单纯地追求L1的TPS，而是通过更具层次感和系统性的方式来解决“不可能三角”难题。  

·

Layer 2扩容方案： 以太坊选择了“第二层解决方案”（Layer 2）作为其主要扩容路径 。这些方案（如Polygon和各种Rollups技术）将大部分交易转移到链下处理，只将最终的交易结果或证明数据批量提交到主链上 。这种方式在不牺牲以太坊L1安全性和去中心化的前提下，显著提升了交易吞吐量和降低了交易成本 。例如，Polygon的TPS可达到7,000 。   

·

·

·

分片（Sharding）： 作为以太坊L1的长期扩容方案，分片技术旨在将整个网络分割成多个子集，每个子集被称为一个分片（shard），每个分片拥有独立的状态和账本，并可以并行处理事务 。这种方法将验证者的工作量分散到不同的分片上，显著减少了每个节点需要处理和存储的数据量，从而在理论上实现更高的吞吐量 。   

·

·

下表总结了TPS领先公链的核心技术与机制，展现了它们在扩容路径上的不同设计哲学。

公链	核心扩容技术	并行执行机制	共识协议	交易最终性（Finality）
Solana	历史证明 (PoH) + Sealevel	PoH提供交易排序，Sealevel并行执行智能合约	权益证明 (PoS)	快速，通常在几秒内
Aptos	有向无环图 (DAG) + Block-STM	乐观并发控制，并行处理无冲突交易	AptosBFT (PoS变体)	几乎瞬时，0秒
Sui	有向无环图 (DAG) + Narwhal/Bullshark	交易依赖图，并行执行无依赖关系交易	Narwhal/Bullshark (DAG-BFT)	快速，通常在2秒内
Ethereum (L1)	基础层设计	串行执行	权益证明 (PoS)	慢，约13-15秒
Ethereum (L2)	Rollups、分片	链下并行处理，链上批量提交	继承以太坊L1的安全性	快速，通常在1秒内

第三章：TPS的意义之辩——“不可能三角”下的权衡

仅仅拥有最高的TPS数字，并不意味着一个公链是“最好的”。本章将深入探讨高TPS背后的代价，以及在衡量网络性能时，比TPS更重要的其他指标。

3.1 TPS的代价：去中心化与安全性的牺牲

区块链的核心价值在于其“不可能三角”理论：一个区块链系统无法同时实现去中心化、安全性与可扩展性（高TPS），只能在这三者中权衡取舍，最多同时满足其中两个 。  

追求极致的TPS往往以牺牲去中心化为代价。为了实现高吞吐量，公链通常需要对验证者节点提出更高的硬件要求。以Solana为例，其验证者节点需要配备24个物理核心的CPU、至少384GB的DDR5 ECC内存和多个企业级NVMe SSD硬盘 。这些硬件成本高昂，一套基本的配置可能需要数千到上万美元 。  

这种高昂的硬件门槛自然而然地排除了普通个人用户的参与，导致验证者网络的控制权集中于少数具有雄厚资本的机构或专业团体手中。当验证者数量减少时，网络变得更容易受到攻击或被少数实体操纵，从而削弱了其去中心化程度和抗审查性。这种从技术追求到社会结构演变的传导效应，是衡量TPS意义的关键维度。TPS的提升，在很大程度上是将网络的计算负担转移到了单个验证者身上，使其运行成本变得极高，这与“去中心化”的理想信念背道而驰 。  

3.2 最终性与延迟：比TPS更重要的用户体验指标

对用户而言，比每秒处理的交易总数更重要的是其单笔交易的体验。这涉及到两个关键指标：延迟（Latency）和最终性（Finality）。

·

延迟： 指一笔交易从发起到达成共识所需的时间。在用户感知上，延迟直接决定了操作的响应速度。一个TPS极高的网络，如果单笔交易需要很长时间才能被确认，用户体验依然会很差。我们可以把TPS比作高速公路的“每秒通过车辆数”，而延迟则是从A地到B地的“行驶时间”。如果高速公路车流量很大，但总是堵车，用户体验依然很差。   

·

·

·

最终性： 指交易被完全确认，且不可逆转的保证。对于许多金融和商业应用而言，交易的最终性至关重要。例如，Aptos宣称其交易最终性为“0秒”，即交易一旦被验证，就立刻被认为是不可逆转的 。相比之下，比特币网络需要等待6个区块确认后才能被认为不可逆，这需要大约一个小时的时间 。   

·

·

一个真正有价值的网络，需要的是高吞吐量与低延迟、高最终性的协同。TPS只是一个宏观指标，而最终性与延迟则直接反映了用户的微观体验。一个TPS高达数千的公链，如果其交易最终性需要数分钟甚至更长，那么在实际应用场景中，其价值可能远低于一个TPS较低但能提供即时最终性的网络。

3.3 经济模型与TPS的博弈

高TPS还带来了其他不可忽视的系统性挑战，特别是对经济模型和数据存储的影响。

·

状态膨胀的风险： 一个高TPS的网络会以惊人的速度生成新的区块和交易数据。由于所有全节点都需要存储从创世区块以来的所有交易和状态数据，这种高速增长的交易量将导致链上数据膨胀，从而显著增加节点的存储成本 。这种状态膨胀进一步加剧了去中心化的困境，因为只有具备强大存储和计算能力的机构才能负担起运行全节点的成本，使得普通个人参与网络的门槛越来越高 。   

·

·

·

Gas费的“过滤器”作用： Gas费不仅是节点运营的收入来源，更是一种经济上的“过滤器”。它通过设定经济成本，有效筛选出有价值的交易，并抑制恶意用户发送无意义的垃圾交易 。一个高TPS、低Gas费的公链，虽然在数字上非常亮眼，但它也更容易成为垃圾交易和机器人刷量的温床 。因此，一个真正有意义的TPS，是经由合理Gas费筛选出的、反映真实需求和经济活力的交易量，而非单纯的数字堆砌。   

·

·

第四章：面向未来的展望

TPS的演进，与其说是单纯的技术指标竞赛，不如说是整个区块链生态在“不可能三角”中寻求最优解的持续探索。未来的发展将不再仅仅关注TPS的绝对值，而是技术融合、生态应用和核心价值的协同。

4.1 技术的持续演进与融合

未来的公链将不再依赖单一的技术路径，而是通过技术融合来打破瓶颈。

·

共识协议的创新： 诸如DAG、PoH等新型共识和交易排序机制将持续发展，它们通过更高效的数据结构和通信协议，从根本上解决旧有链式结构所面临的瓶颈 。   

·

·

·

分片与L2的协同： 以太坊等公链通过分片（Sharding）和Rollups等第二层解决方案的深度融合，正在探索如何在不牺牲去中心化和安全性的前提下实现可扩展性 。这种分层架构将链下交易的高效处理与链上基础层的安全结算相结合，为大规模应用提供了可行的路径。   

·

·

·

并行计算的突破： 智能合约并行执行技术（例如，Sui和Aptos所采用的机制）的进一步发展，将使其不仅能高效处理简单转账，更能安全、高效地执行复杂的跨合约交互，为DeFi、Web3游戏等复杂应用提供强大的底层支持 。   

·

·

4.2 TPS的真正价值所在

TPS的最终意义，在于其能否服务于特定的、具有现实需求的用例。TPS的价值不应只停留在数字层面，而应体现在它所能承载的链上经济活动和应用生态的繁荣程度。

·

从数字竞赛到价值服务： 只有承载了真实业务场景的交易量，其高TPS才真正具备价值。例如，在供应链溯源领域，区块链的高吞吐量和不可篡改性能够将生产、运输等全流程的关键业务数据上链，从而确保信息的公开透明和真实可信 。而在金融领域，高TPS能够支持高频的支付和清算，使稳定币得以在全球支付与汇款中发挥作用 。   

·

·

·

从“链上速度”到“链下应用”： TPS作为技术基础设施的一个指标，其重要性最终体现在能否支撑起庞大且复杂的链下应用生态，并为用户提供无缝体验 。一个真正有意义的公链，是那个能够吸引开发者，构建起充满活力的DeFi、游戏、NFT和社交应用生态，并能承载这些应用所需的交易规模，同时又保持其去中心化和安全性的网络。   

·

·

结论：TPS的终局——从速度到价值

本报告通过对TPS的定义、技术实现、数据构成和其在区块链“不可能三角”中的位置进行全面分析，得出了以下结论：

1.

最高TPS是一个误导性的单一指标。 简单地罗列TPS排名意义有限，因为不同公链的TPS数字存在巨大的“水分”，例如投票交易和机器人刷量。一个公链的真实吞吐量需要通过第三方数据平台，结合交易类型、用户数量和Gas费消耗等综合指标来衡量。

TPS的提升必然伴随着去中心化和安全性的权衡。 追求极致的高TPS往往需要对验证者节点提出高昂的硬件要求，这增加了个人参与的门槛，导致网络控制权集中，从而牺牲了区块链的核心价值——去中心化。

最终性与延迟是比TPS更关键的用户体验指标。 在许多需要即时确认的场景中，交易从发起到达成共识所需的时间（延迟）和交易不可逆的保证（最终性）对用户体验的影响远超TPS。一个高TPS但高延迟的网络在实际应用中并不具备优势。

TPS的终局，不是一场无休止的数字竞赛，而是一个系统性、多维度的平衡。真正优秀的公链，是那个能在保证核心去中心化价值的前提下，以足够的效率承载真实、有价值的经济活动，并为用户提供卓越体验的网络。最高TPS只是一个起点，而非终点，其真正的意义在于其承载的价值，而非其数字本身。