中国区块链技术论文首次中标国际顶会！中科院计算所又立功了

李根 发自 凹非寺 量子位 报道 | 公众号 QbitAI

黄沙吹尽始到金！

两位博士学成于中科院计算所的科学家，一篇区块链技术的硬核论文，创造了中国区块链的新历史，也把全球区块链技术往前推进一大步。

他们提出的Monoxide模型(“一氧化碳”模型)，打破区块链不可能三角瓶颈，在满足安全、高性能和去中心化的三角特性前提下，尽量不引入额外的实体，不引入额外的机制，从而实现现有算法性能千倍以上提升。

其Monoxide模型论文也因此入选计算机网络系统领域的国际顶会NSDI，成为中国区块链技术入选全球顶会的第一篇。

创造历史者——王嘉平，现任创新工场执行董事、区块链和AI领域的投资人，曾主导了创新工场对比特大陆的首轮机构投资；汪浩，目前供职于为俄亥俄州立大学。

二人同时也是中科院计算所博士毕业生，中科院计算所也是这篇历史性论文的联合署名单位之一。

中国区块链论文首次入选国际顶会

NSDI全称：Networked Systems Design and Implementation，是USENIX旗下的旗舰会议之一，也是计算机网络系统领域久负盛名的顶级会议。

与网络领域的另一顶级学术会议Sigcomm相比，NSDI 更加侧重于网络系统的设计与实现，注重系统的性能和伸缩性，众所周知的著名大数据系统Spark就发表于2012年NSDI。

此外，NSDI以重视文章质量著称，采用严格的双盲评审，每篇文章都要经过两轮总计六到八个审稿人审阅，之后还需要经过程序委员会的讨论筛选。

通常，每届会议录用20多篇论文，录取率仅在25%左右。

此次NSDI大会共收录了包括知名高校和企业研究机构在内的49篇论文，其中有超过一半来自美国顶尖高校，比如 MIT、UC Berkeley、斯坦福、CMU、普林斯顿、Cornell、UW、哈佛、耶鲁等，而另外近一半则来自微软、Google、Intel等美国知名的云计算相关企业。

而中国一线研究机构和技术公司也越来越看重，这次NSDI现场，创新工场、中科院计算所、微软亚洲研究院、清华大学和字节跳动等均派出了代表。

NSDI 关注的研究课题是计算机网络和分布式系统，区块链的核心技术就属于这个领域。

然而，目前学术界在这个领域的主流研究方向还是关注于中心化的数据中心、超算中心里的理论挑战和实际工程问题，对应的大多是云计算行业和涉及大量计算任务的机器学习领域。

大会现场，为期三天的会议中，关注区块链的论文仅有王嘉平汪浩这一篇，以至于会议主席在正式开幕的前一晚的预热宣讲中，还特别提到了这篇来自中国的论文，感慨说：“区块链终于来到了NSDI这个分布式系统领域的殿堂。”

虽然3年前就有大名鼎鼎的Bitcoin-NG区块链论文发表于NSDI， 不过那时还没叫区块链。

现在，区块链技术开始越来越受到全球关注，并且进入全球顶会的热议范畴。

但并不意味着论文入选难度降低。

王嘉平博士自述，把NSDI定为论文发表目标，完全是一次迎难而上的决定。

因为我看到这个会议的研究课题分布在网络系统的各个技术点上，大家都在关心系统的性能，即承载大业务的能力，但是在去中心化的分布式系统的性能提升方面，却一直难有突破。所以，我们认为区块链的性能问题的技术突破，最应该在这里发表。

最终，苦心人天不负，王嘉平和汪浩博士的论文不仅最终入选NSDI、现场宣讲分享，而且创造了中国区块链技术研究的历史性时刻。

打破区块链不可能三角瓶颈

自2008年“区块链之父”中本聪发表论文《Bitcoin: A Peer-to-Peer Electronic Cash System》至今，十余年里全球科学家、技术开发者前赴后继努力，不断解决更难挑战，致力于提高区块链系统性能的项目。

不过，处于高速前进中的区块链技术却长期面临着一个著名的“不可能三角”技术瓶颈。

也正是因为这个问题，区块链技术至今仍然无法在各领域内发挥出它的全部潜能。

这里的区块链“不可能三角”也称“三元悖论”，指区块链网络模型无论采用哪种共识机制来决定新区块的生成方式，都无法同时兼顾性能、安全、去中心化这三项要求，只能满足其中两项而牺牲另外一项，最多三者取其二。

而王嘉平、汪浩博士的“一氧化碳”模型论文，提出名为异步共识组 Monoxide的区块链扩容方案，可以在由4.8万个全球节点组成的测试环境中，实现比比特币网络高出1000倍的每秒事务处理量，以及1000倍的状态内存容量。

有望打破“不可能三角”这个长期困扰区块链性能的瓶颈。

王嘉平博士也对还模型进行过形象化讲解。

他说，受到“不可能三角”的制约，早期的区块链网络通常是单链形式，为了兼顾安全性与去中心化，不得作出性能方面的牺牲：

如果把区块链网络处理任务的进程，类比成人们去售票大厅购买车票的过程，那么单链区块链就可以看作是整个售票大厅只有一个售票窗口，所有前来买票的人全部要在这个窗口外排队，于是这个售票大厅的卖票速度可想而知，在单位时间内卖出的车票数目自然也不甚理想。

而Monoxide模型的出现则打破了这一瓶颈，在满足安全、高性能和去中心化的三角特性前提下，尽量不引入额外的实体，不引入额外的机制。

那么，这是如何实现的呢？

首先，用多链取代单链。换句话说，为售票大厅增设窗口。

事实上，此前也有一些研究尝试多链模型，但是孤立工作，无法协同，无法真正发挥“多链”的潜能。

可以理解为，售票大厅增设多个窗口，但是一个目的地仅对应一个窗口。也就是说，前来卖票的人在“不对口”的窗口无法成功买票，而是需要根据目的地去对应的窗口买票。这意味着，同一时间内，有些窗口前会排起长队，而有些窗口前可能空无一人，整个售票大厅在单位时间内卖出的车票数目仍然有限，卖票效率仍有很大的提升空间。

Monoxide网络是一个并发的多链系统，每一个链称为”共识组”，是其精髓所在。

具体来讲，共识组是由多个同质的、功能上完全一致、地位上也完全平等，并逻辑上尽量隔离的独立共识系统的实例所构成，它们并行工作，分摊全网的吞吐、计算、存储的压力，分摊全网状态的维护工作。

由于共识组之间完全并行、异步也无需锁定和同步，所以即便某一个共识组发生拥塞也不会干扰其它共识组的吞吐和出块。

如此一来，在上面所描述的售票情景中，前来售票大厅买票的每一个人，无论在哪个窗口都可以直接买票，不同窗口的售票员会在后台协同发挥作用，使单位时间内卖出的车票数目最大化。

反应在性能上面，区块链的吞吐量和容量将有大幅提升，即单位时间每个窗口卖出的票数与单位时间售票大厅容纳的人数明显增加。

实验证明，Monoxide模型可以将一个现有的单链共识算法，横向扩展1000倍以上，从而使吞吐量提升1000倍以上，同时也将全网计算能力(CPU)提升2000倍以上，将状态表达的内存空间提升2000倍以上。

理论上，横向扩展的倍数上限甚至能够达到10万量级。所以这一研究成果无疑会为区块链技术的发展带来质的飞跃。

落地赋能金融支付医疗等场景

毫无疑问，Monoxide模型不仅将区块链研究往前推进一大步，也会加快区块链技术的落地应用，造福大众。

由于这项技术在效率提升、安全保护等方面存在巨大潜能，越来越多的行业开始认识到区块链的力量并逐步尝试落地。

而Monoxide异步共识组系统的提出，则让区块链技术向实际落地应用又迈进了一步。

互联网发展至今，任何一个实实在在的在线应用，都是需要承载日常大量的访问和操作以及记录大量用户的状态和信息。

这导致任何一项区块链技术的落地应用，都要求区块链技术本身有能力承载这样的流量和用户体量。

这就是为什么区块链技术本身的性能对应用的切实落地至关重要。

Monoxide异步共识组系统在丝毫没有牺牲去中心化特性实现了性能提升，每一个全节点的工作压力(带宽、计算、内存、磁盘IO)并没有伴随全网横向扩展提升而显著加大。

如此一来，就能够保证让一台普通中档价位的电脑轻松地作为网络的一个全节点，通过普通家用宽带网络接入主网，为推进区块链技术的落地进程作出重要贡献，意义重大。

例如，过去在金融支付领域，受到货币兑换、手续办理等因素的制约，跨国支付往往需要花费较高的时间成本，难以高效完成。

而在具有公开、不可篡改属性的区块链技术的帮助下，交易双方的信用机制将得到保障，并且大幅提升系统的运转效率，降低业务成本，能够有效推动跨境支付在商业领域中的发展。

同理，区块链技术在银行清算、供应链管理、商品防伪溯源等领域也大有可为，甚至有机会带来颠覆式的改革。

另外，在以海量数据为支撑的人工智能领域，区块链技术的潜能也有极大的施展空间。

数据安全是人工智能行业内的热门话题和痛点之一，区块链技术凭借自身的去中心化、匿名化等特点，不仅能够确保领域内数据共享的安全性及私密性，还可以避免数据孤岛情况的发生。

这种区块链技术与人工智能技术的有机结合，可以为智慧城市、医疗卫生、食品安全等领域提供更多可能性。

值得注意的是，这次创新工场和中科院计算所，也是论文背后的核心支持力量。中科院计算所曾诞生出联想、中科曙光、寒武纪等知名科技领军企业。创新工场则以Tech VC知名，在AI为核心等前沿技术领域成绩卓著，区块链计算领域则投出了知名独角兽比特大陆。

现在，随着王嘉平、汪浩博士的这篇论文，也意味着带着强烈的“TechVC”标签，创办人工智能工程院的创新工场，对区块链前沿技术领域展开进一步探索。

另外，2019年8月开始，Monoxide将上线测试网络，供开发者做技术评估。

作者介绍

最后，再次隆重介绍下两位创造历史的论文作者：

王嘉平：现任创新工场人工智能工程院副院长兼执行董事，此前为微软总部雷德蒙研究院主管研究员，专注分布式系统，计算机图形学和视觉以及用于机器学习的GPU集群等领域的研究，有数十项研究成果发表于ACM SIGGRAPH/ToG顶级国际期刊，已授权的美国专利十项余项。

王嘉平博士师从沈向洋——现微软全球执行副总裁、微软AI及研究事业部负责人。

王嘉平于中科院计算所获得博士学位。他的博士论文《基于数据驱动的表面质感建模与绘制》获得了2009年度全国百篇优秀博士论文奖，是该年唯一一名计算机科学专业的获奖者。

汪浩：目前就职于俄亥俄州立大学，从事分布式系统和数据库系统方面的研究。博士同样毕业于中科院计算所。

— 完 —