深入理解EigenLayer的Intersubjective staking的意义：群体主观性，多数人暴政和可分叉代币

原文作者：@Web3 Mario

引言：在五一假期期间，Eigenlayer 发布了其 Eigen Token 白皮书，严格意义上来说，这并不是一个旨在介绍激励模型以及价值的传统意义上的经济白皮书，而是为大家带来了一个全新的业务系统——基于 Eigen Token 的 Intersubjective staking，在看完白皮书全文（并没有深入阅读附录部分）以及前辈们对其的解读后，有了一些自己的感想与理解，希望与诸君分享，并期待大家讨论。先上结论，我认为 Intersubjective staking 的意义在于，其提出了一个基于一种可分叉的 ERC 20 token 模型的共识系统，可用于对一些“群体主观性”问题的决策，与此同时避免出现多数人暴政。

何为“群体主观性”

正确的理解 Intersubjective 是理解该系统意义的前提，关于如何翻译这个词，中文互联网上似乎还没有形成统一的结论，在阅读了潘致雄老师的文章后颇感认同，的确“社会共识”的概念能够很好的用于理解其含义，但是我觉得用“群体主观性”来指代这个概念似乎与字面翻译更吻合，方面理解，因此在下面的行文中，我选择用“群体主观性”指代 Intersubjective。

究竟何为“群体主观性”，在 EigenLayer 的上下文中，指的是在某个系统中的所有积极的观察者群体之间对某种事务执行结果的对错有一个广泛的一致共识，那么称这种事务具有 intersubjective，也就是群体主观性。我们知道 EigenLayer 的核心价值之一在于通过将共识层与执行层解耦，并专注于前者的搭建于维护，从而将共识服务化，降低Web3应用的开发成本，充分发掘市场的潜在需求。在白皮书的叙述中，EigenLayer 似乎将自己定位为一个可以为第三方执行数字化任务的去中心化数字公共平台，那么自然就有必要对其服务的边界进行分析，也就是明确什么类型的数字化任务可以被其“可信”的执行。而在Web3的语境中，“可信”通常意味着一个系统由密码学设计或经济模型来避免数字化任务执行错误的情况发生，因此首先需要做的就是对数字化任务可能出现的执行错误进行分类。EigenLayer 将数字化任务的执行错误分成了三大类：

客观可归因错误：该类错误指的是可以凭借一组客观存在的证据（通常指的是链上数据，或者说具有 DA 的数据），在不依赖某特定主体信任的情况下，可以通过某种逻辑或数学推导方式证明的数字化任务的执行错误。例如在 Ethereum 中某个节点对两个冲突的区块进行了签名，这个错误是可以通过密码学证明的，与此类似的还包括 OP Rollup 中的欺诈证明过程，是通过链上执行环境对一组有争议的数据进行重新执行，即可通过结果比对判断错误。

群体主观性可归因错误：该类错误指的是在某个系统中所有参与者群体对于某种数字任务的执行结果有一致的主观判断标准的执行错误。对该类错误进行细分，又可以分成两类，

在任何时间都可以通过回溯过往数据被识别的错误，例如价格预言机中， 2024 年 5 月 8 日 00: 00: 00 UTC 时 Binance 中 BTC 的现货价格为$ 1 ，这个错误在事后任何时间内都可以被识别。

只有实时的观察才能观察到的错误，例如恶意审查，假设一笔交易长时间的被某节点群恶意的拒绝执行。

不可归因错误：该类错误则指的是那些尚未在群体之间有确定一致的判断标准的执行错误，例如判断巴黎是不是最美的城市等。

而 Intersubjective Staking 正是希望可以有效的解决具有群体主观性属性的数字化任务，这样就意味着可以应对群体主观性可归因类型的数字化任务执行错误。也可以说这是对链上系统的扩展。

当前解决方案的多数人暴政问题

所谓多数人暴政是一个政治术语，指的是在议会中绝大多数的席次联合强制通过政策，进而侵损到少数人的权益。在明确了 EigenLayer 目标后，让我们来看下当前针对此类问题的解决方案类型。按照 EigenLayer 的总结共分为两种：

1. 惩罚机制：该类机制通常通过加密经济学，惩罚作恶节点的质押资金来震慑恶意行为，staking slash 即为其中一种，然而这种方法容易出现一个麻烦，设想一下当一个诚实节点提交了作恶证明，然而此时系统中大部分节点决定合谋共同作恶，则可以选择无视证明，甚至反向惩罚诚实节点。