Hyperliquid 微观结构创新

第 7 章将订单定义为承载意图、风险和信息的复杂载体，并系统分析了不同订单类型的信号强度与 MEV 暴露面；第 8 章在此基础上剖析了订单簿的结构动力学，揭示了深度幻觉、清算级联等微观结构脆弱性，并梳理了从连续竞价到批量拍卖的撮合机制演进。两章共同建立的分析框架指向一个尚未解答的核心问题：当大量买卖订单在同一时间窗口内到达时，谁的订单应该被优先执行？这个排序问题是决定市场参与者盈亏、影响市场生态结构、乃至定义市场公平性的关键。市场微观结构的核心矛盾在于，市场既需要为交易者提供充足的流动性，也需要高效地将信息聚合到价格中，而排序机制正是调节这一矛盾的关键。在传统 CEX 中，这个核心机制处于不透明的封闭架构中。撮合引擎以微秒甚至纳秒级的速度处理订单，其内部的排序逻辑、延迟补偿、乃至潜在的差异化对待，都对外部世界完全不透明，这种不透明性导致了§8.8.1所分析的成本高昂的速度竞赛。Aquilina, Budish 与 O'Neill (2022) 的研究表明，全球主要交易所每年因速度竞赛而产生的社会成本高达数十亿美元 ^[1]。参与者通过铺设专用光纤、建造微波塔、或将服务器托管在交易所机房等手段，只为在物理层面获得微秒级的领先优势。

区块链的出现，特别是以太坊等通用智能合约平台的兴起，将交易排序的权力从私有的交易所运营者手中转移到了验证者网络中。需要区分的是，这里的“去中心化”包含两个不同层面：协议层规则定义的去中心化（排序规则被编码在开源软件中，而非由单一实体私有控制）和规则执行的运营去中心化（验证者集合的规模、质押分布和治理结构）。这种“开放但语义无关”的排序范式，在创造透明性的同时，也引发了 MEV 的问题。在一个公开的交易池中，所有待处理的交易都完全公开可见，使得 MEV 搜索者可以通过贿赂区块生产者来任意重排、插入或审查交易，从而实施三明治攻击、抢跑等掠夺性策略。做市商在这种环境下，不仅要面对传统市场的逆向选择风险，还要承受来自 MEV 供应链的持续的价值提取，其面临的风险高于 CEX 环境。

正是在这一背景下，Hyperliquid 的出现提供了一个重要的案例研究。它不仅是一个去中心化交易所（DEX），更是一个开放且可观测的微观结构实验，其所有规则、交易与订单簿状态均记录在链上、可供任何人审计和验证，这与 CEX 的“黑箱”形成显著差异。Hyperliquid 的设计者针对前两种范式的局限，提出了一种全新的解决方案——语义化排序：在共识协议层面识别交易的经济学含义并据此差异化排序，将保护流动性的行为置于消耗流动性的行为之上（其定义与实现详见§9.1）。

本章将逐层分析 Hyperliquid 的微观结构体系：语义化排序、撤单优先两大机制创新，以及作为链上撮合必然结果的离散时间特性如何为其提供结构性基础，它们如何协同运作、并在流动性、效率、公平性、透明度与稳健性之间做出权衡，同时审视其边界条件与失效模式——其中 JELLY 事件提供了一次关键的压力测试，揭示了微观结构保护之外的系统性脆弱性。理解这些底层排序与撮合机制，也是分析其上层流动性激励结构（如 HLP Vault）的关键基础。

9.1 语义化排序机制

交易排序如何根本性地决定市场参与者的最终损益，是理解市场微观结构的核心问题。CEX 的封闭式时间优先、通用 DEX 的开放式贿赂优先、Hyperliquid 的语义优先，三种范式导向了截然不同的价值分配结果。语义化排序作为 Hyperliquid 机制创新的第一层和设计原则，在共识协议层面直接对交易的经济学含义进行解读，并据此做出明确的、带有价值判断的优先级选择。

语义化排序是指共识协议根据交易的经济学意图，而非纯粹的时间戳或支付的费用，来决定其在区块内的执行优先级的机制。这标志着一种范式转变：从对所有交易“一视同仁”的语义无关处理，转向对不同交易“区别对待”的语义感知处理。

9.1.1 传统范式的局限

在传统的 CEX 中，撮合引擎是一个高度优化的软件，其首要设计目标是吞吐量和低延迟。为了达到高性能，引擎的设计必须尽可能简化，将所有传入的指令（无论是新订单、撤单还是修改）都视为没有经济学含义的数据包。尽可能减少逐订单的语义处理，长期以来被视为实现高撮合速度的一种有利取向。撮合引擎的排序逻辑遵循严格的价格-时间优先原则，在价格相同的情况下，订单到达服务器的时间戳决定了其优先级。这个排序过程发生在一个完全封闭、不透明的“黑箱”中，外部参与者无法观测或审计其内部运作，理论上为交易所差异化对待客户留下了空间。这种“语义无关+封闭排序”的范式，直接导致了“速度竞赛”成为市场博弈的主要维度——如本章开篇所述的数十亿美元级社会成本 ^[1] 即由此而来；在连续时间的黑箱博弈中，速度直接决定了盈利能力。

以太坊等通用区块链的出现，改变了 CEX 的封闭排序体系。在链上 DEX 中，交易被广播到公开的 Mempool，由负责打包区块的验证者决定最终顺序。这种“语义无关+开放排序”的范式虽然实现了过程的透明，却也引入了 MEV 的问题。任何人都可以观察到 Mempool 中的待处理交易，这种透明度为 MEV 创造了显著的寻租机会。典型的 MEV 策略包括三明治攻击、抢跑和尾随。Daian 等人 (2020) 的研究首次系统性地描述了这一现象，并警告其可能威胁区块链的共识稳定性 ^[2]。在这种范式下，区块生产者实质上充当了排序权的分配者，出价最高的 MEV 搜索者可以获得优先的交易排序位置。价值从普通用户和流动性提供者手中，转移至由搜索者、构建者和提议者构成的复杂供应链。对做市商而言，这种环境比 CEX 更为恶劣，他们不仅要面对传统的逆向选择风险，还要承受来自 MEV 供应链的额外的价值提取。

图 9-1. 三种排序范式对比（概念架构示意，非实测数据；MEV 与“可被贿赂”机制依据 Daian 等人 2020 ^[2]、CEX 速度竞赛社会成本依据 Aquilina 等人 2022 ^[1]；“语义优先”的多级序数为分析性表述，文档已记载者为“撤单/Post-only 先于 GTC/IOC”）

如图 9-1 所示，三种范式递进演变——排序权从不可审计的撮合引擎，到可被贿赂的区块生产者，再到硬编码于共识协议的公共信息——其核心趋势是排序权力从隐性走向显性、从私有走向公共。

9.1.2 定义与实现

Hyperliquid 的设计者认识到，前两种范式的核心问题根源于语义无关性。无论是 CEX 的封闭黑箱还是通用 DEX 的开放拍卖，它们都将所有交易视为同质的数据包，完全忽视了不同类型交易在经济学上的本质差异。一个做市商的撤单指令和一个套利者的攻击性订单，在经济学含义上截然不同，但在这两种范式下被完全等同对待。

Hyperliquid 的解决方案是将这种区分能力直接内嵌到区块链的共识协议中。其 L1 区块链协议在处理一个区块内的交易时，并非按时间或费用排序，而是首先进行语义化分类。每一笔交易被解析其类型标签（即第 7 章定义的 Cancel、Post-only、GTC、IOC 等订单类型），然后被明确地分为两个优先级类别 ^[3]，如表 9-1 所示。

表 9-1. Hyperliquid 交易优先级分类（数据来源：作者整理）

表 9-1 的优先级分层反映了精细的设计权衡。清算引擎订单被置于“标准”优先级而非“高”优先级，这一选择具有重要含义：若清算订单优先级过低，偿付能力保护将被延迟，系统性风险增大；若过高，则攻击者可能通过故意触发清算来获得高优先级执行，构成新的攻击向量。标准优先级使做市商可在清算订单执行前撤回报价，这保护了做市商，但也可能降低清算执行质量，这一权衡在§9.4.3的 JELLY 事件中将得到具体审视。Amend/Replace 订单在语义上等价于 Cancel + 新订单的原子操作，继承高优先级是因为其核心意图仍是调整现有流动性供给而非消耗流动性。需要说明的是，Hyperliquid 官方文档与 2024 年 1 月的技术博文 ^[4] 明确记载的是一条按语义类型排序的协议级规则——撤单与 post-only 订单先于 GTC/IOC 吃单执行（文档将区块内排序描述为三类：①不向订单簿发送 GTC/IOC 的动作、②撤单、③发送 GTC/IOC 的动作）；而上表中将系统维护交易与清算引擎分别列为独立的“系统”“标准”层级，属于本章为便于分析而作的解释性重构，文档并未把标记价格/资金费率与清算明确表述为有序的排序层级。下文涉及“清算位于标准优先级、做市商可在清算成交前撤单”的论断，其成立的实际依据是“撤单先于一切可成交订单、而清算成交属于可成交订单”这一已记载机制，而非未经文档证实的四级序数本身。

在一个区块被处理时，交易严格按照上述优先级层级依次执行。这些规则被编码在所有验证者节点运行的开源软件中，其修改需要验证者集合的多数共识，而非任何单一实体的单方面决定。然而，正如§9.4.7将分析的，验证者集合的规模和质押分布决定了这一保障的实际强度。这种“语义感知+开放排序”的范式，在经济学上等同于在共识层面做出了一项明确的价值判断：保护和提供流动性的行为，其优先级高于消耗流动性的行为。表 9-2 系统性地对比了这三种排序范式。

表 9-2. 三种排序范式的系统性对比（数据来源：作者整理）

从表 9-2 的对比中可以观察到一个关键模式：在 CEX 中价值归于速度最快者，在通用 DEX 中归于贿赂最高者，而在 Hyperliquid 中则系统性地倾向于流动性提供者。三种范式对 MEV 风险的处理方式也截然不同：CEX 将其内化为交易所的私有信息优势，通用 DEX 将其外部化为公开的寻租竞争，Hyperliquid 则通过语义规则将其压缩至结构性残余。

为了将上述三种范式的差异具象化，以下通过一组相同的交易指令在三种不同排序范式下的结果差异，来分析排序如何决定交易结果。在一个假设性场景中，ETH 在 Binance 上的价格在 t = 0 时刻从 2000 美元突然下跌至 1980 美元。此时在某交易平台上，存在三个参与者和他们几乎同时发出的指令（表 9-3）。三条指令在极短时间窗口内（< 200ms）到达平台，不同的排序规则将决定最终的损益分配。

表 9-3. 三方核心参与者与操作（CEX / 通用 DEX / Hyperliquid 三范式）（数据来源：作者整理）

在传统 CEX 的速度优先范式下，Bob 拥有延迟优势，其 IOC 卖单在 Alice 的 Cancel 指令之前到达撮合引擎，以 1,995 美元成交 10 ETH。Bob 立即在 Binance 以 1,980 美元对冲回补，获利 150 美元。Alice 的撤单晚到，其 1,995 美元的买单以过时价格被动成交，买入价值仅 1,980 美元的 10 ETH，损失 150 美元。Bob 的利润完全来自物理层面的延迟优势。在通用 DEX 的贿赂优先范式下，Bob 的 IOC 卖单和 Alice 的 Cancel 都广播到公开交易池。一个 MEV 搜索者 Dave 发现此机会，向区块构建者支付贿赂，将自己的卖单排在 Alice 的 Cancel 之前。Dave 以 1,995 美元卖出 10 ETH 给 Alice 的过时买单，Alice 的撤单因订单已被成交而失败。Dave 获利（减去贿赂后），而 Alice 同样损失 150 美元。在 Hyperliquid 的规则优先范式下，三条指令在同一个区块窗口内到达。共识协议自动按类别分组：Alice 的 Cancel 属于高优先级，Bob 的 IOC 和 Carol 的 GTC 属于低优先级。执行顺序是：Alice 的 Cancel 被优先执行，其 1,995 美元的买单成功撤回，没有遭受任何损失。Bob 的 IOC 卖单因对手盘已不存在而无法成交。MEV 搜索者的攻击性订单也会被排在 Alice 的 Cancel 之后，三明治攻击在结构上无法实施。表 9-4 汇总了三种范式下各参与者的损益结果。

表 9-4. 三范式下各参与者损益结果汇总（Dave 仅存在于通用 DEX 场景）（数据来源：作者整理）

这个案例揭示的不仅是技术差异，更是一个关于价值归属的根本性问题：当价格发生错位时，产生的经济价值应该归谁？前两种范式分别将其归于速度最快者与最擅长操纵排序者（如表 9-2 与本节前述），而范式三的回答是：这部分价值不被任何一方攫取——它没有从流动性提供者（Alice）处被转移出去，而是留在市场中（在 Hyperliquid 列各方损益均为 0 美元）。换言之，Hyperliquid 保护的是流动性提供者免于被掠夺，而非将价值再分配给做市商。其设计隐含了一项核心假设：做市商承担的逆向选择风险构成了流动性这一公共品的供给成本，协议层面应该对此进行结构性补偿。

需要强调的是，上述保护仅在 Alice 的 Cancel 指令与 Bob 的 IOC 订单落入同一区块时才有效。若 Bob 的攻击性订单在区块 N 中被打包，而 Alice 的撤单指令因网络延迟落入区块 N+1，则 Alice 的过时报价在区块 N 中仍将被执行，做市商的逆向选择损失与 CEX 场景无异。这一跨区块失效场景的概率取决于做市商与验证者节点之间的网络延迟以及区块边界的时序关系，§9.3.7将对此进行详细分析。

9.1.3 做市商影响

语义化排序对做市商的深层影响在于，它系统性地改变了做市业务的成本结构。做市商的均衡价差必须覆盖其面临的各类成本。根据 Glosten 和 Milgrom (1985) 建立的经典模型框架，这些成本主要包括逆向选择成本、库存风险成本和订单处理成本 ^[5]。在 CEX 环境中，还需加上高昂的基础设施成本以维持速度优势。在通用 DEX 环境中，逆向选择成本因 MEV 的存在而被放大。

语义化排序通过赋予做市商的防御性指令（如撤单）以高优先级，直接降低了其面临的逆向选择风险。在正常市场条件下，做市商可以在知情交易者利用其过时报价前高概率成功撤单，从而保护自身免受损失。然而，这一保护概率在网络拥堵或区块边界附近会显著下降，撤单指令可能因传输延迟落入下一个区块，导致做市商在当前区块中仍面临逆向选择。做市商在定价模型中应为这一尾部风险保留缓冲，而非将撤单优先视为无条件的保护。这种协议层面的保护，使得做市商不再需要投入巨额资金参与速度竞赛，显著降低了基础设施成本。这两项核心成本的下降，使得做市商即使报出更窄的价差，仍然能维持盈利。图 9-2 基于 Glosten 和 Milgrom ^[5] 的模型框架，概念性地展示了三种市场环境下做市商均衡价差的分解。在语义排序环境下，逆向选择和基础设施成本的大幅降低，使得总价差被显著压缩，最终惠及所有交易者。

图 9-2. 三种市场环境下做市商均衡价差分解（概念示意，相对高度为作者赋值、非实测数据；价差分解框架依据 Glosten 和 Milgrom 1985 ^[5]，其中 ^[5] 支撑逆向选择成分，基础设施成本为本章扩展项、非 ^[5] 所含；通用 DEX 的逆向选择段已并入 MEV 损失）

从图 9-2 可以看出，语义排序环境下均衡价差的压缩主要来自两个分项：逆向选择成本因协议层保护而大幅减少，基础设施成本因速度竞赛失去意义而趋近于零；库存风险与订单处理成本在三种环境中差异较小，与排序机制关联度较低。

9.1.4 套利者影响

语义化排序并未消除 MEV，而是从结构上对其进行了重新定义和再分配。传统的三明治攻击和抢跑式 MEV 因攻击性订单的优先级低于做市商的防御性订单而被大幅抑制。然而，MEV 并未完全消失，而是以一种更受限的形式存在。由于在同一个优先级类别内部，交易的顺序仍由区块提议者决定，这意味着区块提议者仍然拥有一定的排序权。这种由区块提议者掌握的、在协议规则框架内的排序权力，本章称之为残余 MEV，亦可对应 MEV 文献中 Sun（2022）^[25] 提出的 {Monarch, Moloch, Mafia} 可提取价值框架里的“君主式（Monarch）”类别，即由单一排序者凭借排序垄断而提取的价值（该词并非 Hyperliquid 官方术语，亦不等同于泛指的“残余 MEV”）。

MonarchEV 的规模远小于传统 MEV，它主要体现在以下场景：当两个套利者在同一个区块内提交了相同的套利交易时，区块提议者可以选择让哪一个先执行。这种权力可以被“出售”，即套利者向区块提议者支付一部分利润作为“排序费”。但由于这种套利机会本身就因做市商受到保护而大幅减少，MonarchEV 的绝对规模非常有限。其性质更接近一种理论上的残余风险，而非一个实践中的严重问题。这种机制促使高频交易者从依赖微观时间优势的延迟套利，转向基于信息分析的跨市场价格偏差发现，其行为模式更接近于传统的跨市场套利（§9.2.3 将进一步分析这一策略转型对价格发现的积极作用）。

9.1.5 理论基础

语义排序的设计有着成熟的金融经济学理论支撑。如前所述，Glosten 和 Milgrom (1985) 的模型表明，做市商的价差与他们面临的逆向选择风险直接相关 ^[5]。语义排序通过赋予撤单操作优先权，系统性地降低了做市商面临的逆向选择概率，从而允许他们报出更紧的价差。从 Harris (2003) 的市场微观结构分析框架来看，语义排序实质上是在“交易规则”层面做出的一项重大创新 ^[6]。它将对流动性提供者的保护从依赖做市商自身投资（速度）或市场设计的事后补偿，提升到了协议层面的事前保障。

这一价值判断的深层逻辑在于，流动性是市场的公共品，所有交易者都从中受益，但其提供者（做市商）却承担着不成比例的风险。在没有保护的情况下，做市商会通过扩大价差来补偿这种风险，而更宽的价差意味着所有交易者都要支付更高的交易成本。因此，在协议层面保护做市商，并非一种不公平的倾斜，而是一种旨在提升市场整体效率的机制设计。它通过降低做市商的风险，从而降低他们要求的价差补偿，最终降低了所有交易者的交易成本。

然而，语义排序对知情交易者的系统性抑制也可能产生非预期的效率后果。Grossman 与 Stiglitz (1980) 的不可能定理指出，如果知情交易无利可图，获取和处理信息的激励将减弱，市场价格聚合信息的效率将随之下降 ^[7]。当语义排序使得利用信息优势攻击做市商过时报价的策略变得困难时，套利者获取和传递新信息的激励也被削弱。这不是语义排序的设计缺陷，而是一种内在的设计权衡：在流动性供给改善与价格发现激励之间，语义排序明确选择了前者。每种排序范式都是在特定约束条件下做出的设计选择，各有其权衡，不应被简单地置于线性“进步”叙事之中。

语义化排序为市场设计提供了一个全新的维度，它明确了不同交易行为的优先级，并将这种优先级硬编码到共识规则中。然而，语义排序并非 MEV 问题的唯一解决路径，将其置于更广泛的缓解方案图谱中有助于理解其独特定位。

9.1.6 MEV 缓解方案比较

当前主流的 MEV 缓解方案可依据技术路径分为多个类别。基于私有交易池的方案以 Flashbots Protect 和 MEV-Share 为代表，其核心思路是通过加密或私有化交易提交过程来阻止搜索者观察未确认交易的内容，从而消除基于信息可见性的抢跑和三明治攻击 ^[8]。这类方案在以太坊生态中获得了广泛采用，但其局限在于它并不改变排序规则本身，交易一旦被解密，排序仍由区块构建者决定，MEV 被重新分配而非消除。基于密码学的方案以阈值加密 Mempool 为代表，其通过密码学手段确保交易内容在排序确定之前不可见，从技术层面消除了基于内容的 MEV 提取。然而，这类方案引入了额外的计算和通信延迟，且无法对不同类型的交易进行差异化处理，所有交易在加密状态下被视为等价。基于意图的方案以 CoW Protocol 和 UniswapX 为代表，其将用户的交易需求抽象为“意图”，由专业求解器竞争性地寻找最优执行路径 ^[9]。这种方案在兑换场景中表现出色，但其适用范围局限于可以表达为结果约束的交易类型，无法覆盖完整的订单簿交易环境。

Hyperliquid 的语义排序在这一图谱中占据独特位置。与上述方案不同，语义排序在共识协议层面对交易的经济学含义进行显式分类，并基于这一分类做出带有价值判断的优先级决策。这使其成为本章所梳理的主流方案中，少见的在协议层面明确表达“何种市场行为应被优先保护”这一价值取向的 MEV 缓解机制。然而，这种设计需要应用专用链作为实施载体，无法在通用 L1 上部署，因为 Hyperliquid 的 L1 区块链本身就是为支持语义排序而定制的基础设施。表 9-5 对上述方案进行了系统性对比。

表 9-5. MEV 缓解方案对比（数据来源：作者整理）

dYdX v4 的对比尤其具有参考价值，因为它与 Hyperliquid 同属应用专用链上的去中心化订单簿交易所。dYdX v4 通过将排序权分散至验证者共识来缓解单点排序操纵，但并未在协议层面对不同交易类型进行语义分类，所有订单在排序时被同等对待。这一差异使得 dYdX v4 的做市商不享有 Hyperliquid 式的协议级撤单优先保护，但也避免了语义排序对知情交易者激励的抑制。两种路径在流动性保护与价格发现效率之间做出了不同的取舍。

理解这一解决方案图谱的意义在于，它揭示了 Hyperliquid 的设计选择并非没有替代方案，而是在多种可行路径中做出了特定的哲学和工程取舍。

9.1.7 语义排序与交易生命周期的交互

语义排序并非孤立地作用于交易排序环节，它与永续合约的其他核心子系统之间存在深层交互，这些交互既放大了语义排序的保护效果，也在特定条件下引入了新的风险维度。

在保证金制度层面，逐仓保证金（isolated margin）与全仓保证金（cross margin）两种模式下，语义排序与清算级联的交互呈现不同特征。逐仓模式下单个仓位的清算不影响其他仓位，级联风险被隔离在单一交易对内；全仓模式下一个仓位的清算可能导致整体保证金不足，触发跨交易对的连锁清算。语义排序在两种模式中提供相同的排序保护，但全仓模式下清算级联的传导路径更复杂，其系统性风险超出了排序层所能覆盖的范围。

在资金费率结算层面，资金费率的周期性结算被置于系统最高优先级（表 9-1），这意味着结算交易在排序层面不会被市场参与者抢跑（但如§9.4.3所示，资金费率/标记价格所依赖的外部价格输入仍可能被操纵，此处的保护仅限于链上执行顺序）。这一设计保障了资金费率机制作为永续合约价格锚定工具的完整性，其具体运作机制将在第 10 章详细分析。

在清算引擎层面，清算订单被置于标准优先级这一设计选择产生了微妙但重要的后果。当做市商的 Cancel 指令与清算引擎的强制平仓订单在同一区块内共存时，Cancel 作为高优先级将先于清算订单执行，即做市商可以在清算订单寻求成交之前撤回其报价。这保护了做市商免于被迫在极端价格下承接清算头寸，但也可能导致清算订单在执行时面临更薄的订单簿深度，从而恶化清算执行质量。JELLY 事件正是这一交互的极端体现：当大量做市商在清算触发前行使撤单优先权时，过大的清算头寸因无法在订单簿上获得充足深度而被转移至 HLP 金库，§9.4.3将对此进行深入分析。这些交互关系表明，语义排序的效果评估不能脱离其所嵌入的更广泛的合约结算体系。清算机制和保证金制度的设计细节将分别在第 11 章和第 10 章展开讨论。

这一宏观框架的有效性，高度依赖于其在实践中争议较大的具体实现，即撤单优先。

9.2 撤单优先机制

撤单优先是语义化排序框架中影响最为直接的具体规则。该规则明确规定，在一个区块的处理周期内，所有旨在撤销现有订单的指令，其执行优先级绝对高于所有试图成交这些订单的新指令。这一设计为做市商提供了一种被共识协议强制保障的最后审视权。

在传统金融市场中，最后审视权是做市商在执行客户订单前的最后决策机会，他们可以根据最新的市场信息决定接受或拒绝交易。这种权力因其不透明和潜在的利益冲突而受到广泛质疑。然而，Hyperliquid 将这一概念进行了根本性的改造。此处的最后审视权并非做市商的私有特权，而是一条公开、硬编码于共识协议中的普适规则。所有市场参与者都明确知晓这一规则的存在，并可以依此调整自身策略。这种完全的透明性，使得撤单优先不再是一种不公平的优势，而是一种重构市场博弈的已知初始条件。

9.2.1 逆向选择对冲

为了理解撤单优先的影响，必须回归§7.1.3分析的市场微观结构核心概念：逆向选择。做市商的核心业务是在不确定性中持续报价（其策略框架见§7.7.1），利润源于买卖价差，而最大的风险则来自与掌握更多信息的“知情交易者”进行交易。当外部信息导致资产真实价值发生变动时，知情交易者能够利用做市商尚未更新的过时报价进行套利，由此给做市商带来的损失即为逆向选择成本。Glosten 与 Milgrom (1985) 的经典模型系统地阐述了做市商的报价价差必须足够宽，以覆盖其在与知情交易者交易时所蒙受的预期损失 ^[5]。

在 CEX 和通用 DEX 环境中，做市商对抗逆向选择的手段有限，主要依赖于投资建设更快的技术系统以抢先撤单，或是通过扩大报价价差将风险成本前置性地转嫁给所有交易者。撤单优先机制提供了第三种解决方案：它在协议层面将正常市场条件下区块内逆向选择的发生概率压缩至接近于零的残余水平（仅在区块边界附近的狭窄窗口仍存在风险）。其本质是在知情交易者（如套利者）的攻击性订单和做市商的防御性撤单指令之间，建立了一层由共识协议强制执行的结构性隔离。

图 9-3 对比 CEX 与 Hyperliquid 两种场景下同一组交易指令的执行结果。

图 9-3. CEX 与 Hyperliquid 执行时间线对比（假设性算例，非实测数据；1,995 美元、150 美元、450μs、约 200ms 均为说明性数值；Cancel 先于 IOC 的机制依据见§9.1.2 与 ^[5]）

当外部市场价格发生变动时，做市商 Alice 和套利者 Bob 同时向系统发送指令。即使 Bob 的指令在物理上先到达，只要它们与 Alice 的撤单指令落在同一个区块内，协议的共识规则就会强制先处理 Alice 的撤单。这意味着协议为 Alice 提供了一个约 200-400 毫秒（一个区块时间）的保护窗口，使其能够在过时报价被执行前将其撤回。这一机制显著降低了做市商的逆向选择成本，使其能够在更长的时间内、以更窄的价差提供流动性。

9.2.2 与 IEX 减速带的比较

撤单优先的设计理念，常与 IEX 交易所的减速带进行比较。IEX 的设计由 Michael Lewis 在其著作《Flash Boys》^[10] 中推广而闻名，它通过一段长达 38 英里的盘绕光纤，对所有进入其撮合引擎的订单施加约 350 微秒的物理延迟，旨在消除高频交易公司与其他市场参与者之间的速度差异。尽管两者目标相似，即创造更公平的市场环境，但其在哲学和机制上存在根本不同（表 9-6）。

表 9-6. 撤单优先与 IEX 减速带对比（数据来源：作者整理）

减速带是一种“物理减速”，它试图通过技术手段修补一个有缺陷的规则体系。而撤单优先是一种“规则改变”，它从根本上改变了博弈规则。两者在流动性压力场景下的行为差异尤为关键：IEX 的延迟是对称的，所有订单（包括撤单）均受到同等延迟，因此在流动性紧缩时，做市商的撤出速度与吃单者的消耗速度同步减缓，净流动性变化相对平缓。Hyperliquid 的机制则是不对称的，仅撤单获得优先加速，在流动性紧缩场景中 Cancel 数量远超新增挂单，净流动性可能在单个区块内急剧下降。这种不对称性在正常市场中增强了流动性供给，但在压力时期可能加速流动性蒸发。值得注意的是，IEX 后续推出的 D-Limit 订单类型也开始引入语义感知的设计理念，这从侧面印证了在协议规则层面解决排序问题的必要性。

9.2.3 结构性影响

撤单优先机制对市场生态产生了深远的结构性影响，其中最直接的表现是做市商竞争维度的根本性转变。在 CEX 中，“速度+模型”的二维竞争占据主导，而在 Hyperliquid，速度的重要性被大幅削弱，竞争焦点转移至“模型质量”本身。这显著降低了做市业务的准入门槛，使得不具备顶级基础设施投资能力的小型量化团队也能参与竞争，从而增加了市场的流动性供给多样性。图 9-4 通过对比两种环境下做市商的成本结构，展示了这种从基础设施投入向模型质量竞争的结构性转变。

图 9-4. 不同交易环境下做市商成本结构对比（概念示意，非实测数据；$/$$/$$$、~0、N/A 为定性成本等级、非货币实测值；映射 9.2.3 与 9.5.1）

图 9-4 揭示了一个结构性转变：基础设施投入从 CEX 环境的主导地位降至 Hyperliquid 环境的边际水平，模型研发与数据分析取而代之成为核心成本项——直接后果是降低做市业务的资本准入门槛、同时提高其智力准入门槛。

该机制同时迫使高频吃单者的策略从延迟套利向信息驱动型方向转型。传统的狙击过时报价策略变得无利可图，迫使这些交易者转向更依赖信息分析和预测能力的策略，例如预测做市商的行为模式，或充当跨交易所的价格传导中介来促进价格收敛，而非利用价格滞后性进行套利。

在价差结构层面，撤单优先的影响同样显著。通过降低逆向选择成本和基础设施成本，做市商即使在报出更窄价差的情况下也能维持盈利。实证数据显示，在市场平稳时期，Hyperliquid 上的主流交易对价差通常能与顶级 CEX 相媲美甚至更优（这一比较的测量口径与静态/有效深度限定详见§9.5.4）。然而，这种窄价差的代价揭示了一个“流动性悖论”。Foucault, Kadan 与 Kandel (2005) 关于限价订单市场弹性的研究框架有助于理解这一现象 ^[11]：撤单优先降低了做市商挂单的期权成本，在正常市场条件下，这一激励使做市商提供更紧的价差和更深的订单簿；但同一机制也意味着，在市场压力时期，做市商可以以零摩擦的速度撤出全部流动性。Kahneman 与 Tversky (1979) 的前景理论提供了行为层面的解释：当市场波动率骤升时，损失厌恶驱动做市商倾向于立即行使撤单权而非等待和评估 ^[12]。由于撤单的执行成本（包括心理成本）被协议层面降至接近零，恐慌性撤出在 Hyperliquid 上可能比在 CEX 环境中发生得更快、更彻底。这构成了一种亲周期效应：改善正常时期流动性的机制，在危机时期加速流动性蒸发。潜在的缓解措施包括引入最低做市义务或在极端波动时实施撤单冷却期，但这些方案与撤单优先的核心设计理念之间存在张力。

对于普通交易者而言，其综合效应是积极的。他们能享受到更低的交易成本，并且其市价单被三明治攻击的风险显著降低。但他们也需要适应一种新的市场特征，即订单簿上显示的某些流动性可能是表观流动性，即§8.2所定义的“深度幻觉”在 Cancel 优先机制下以一种新的形式出现：在他们试图执行大额订单时，这些流动性可能会因为做市商行使优先撤单权而消失。对于需要执行大额订单的机构交易者而言，链上环境的完全透明性带来了结构性的执行质量挑战。时间加权平均价格（Time-Weighted Average Price, TWAP）、成交量加权平均价格（Volume-Weighted Average Price, VWAP）和冰山单等传统执行算法在完全透明的链上环境中面临根本性困境：所有子订单的规模、时间间隔和方向均实时可见，竞争对手可据此推断母订单的总规模和执行策略。Almgren 与 Chriss (2001) 的最优执行框架表明，信息泄露增加了永久性价格冲击成本 ^[13]，即当市场参与者能够预判大额订单的后续部分时，他们会提前调整报价，导致执行价格系统性恶化。这一透明性成本部分抵消了撤单优先为机构交易者在价差层面带来的收益。

撤单优先机制的有效性，离不开一个关键的结构性基础——链上撮合固有的离散时间窗口（约 200-400 毫秒）。正是这个窗口将速度竞赛的精度从纳秒级强制降低到百毫秒级，使规则而非速度成为排序的主导因素；其作为链上撮合必然结果的结构成因，以及由此打开的机制设计空间，详见§9.3。

9.3 离散时间撮合：链上撮合的固有特性

语义化排序和撤单优先定义了“谁应被优先处理”的规则，但这些规则得以生效的前提，是撮合引擎能够在一个时间窗口内“收集”多笔交易后再统一排序。离散时间撮合提供了这一结构基础。需要明确的是，离散时间撮合并非 Hyperliquid 的独创机制，而是任何链上撮合系统的固有结构特征：区块链以区块为单位达成共识和处理交易，撮合引擎一旦上链，就必然以区块为单位进行批量处理，从连续时间切换到离散时间窗口（约 200-400 毫秒）。这一结构特征本身并不复杂，但 Hyperliquid 敏锐地识别出它所创造的机制设计空间，并在此基础上构建了语义化排序和撤单优先，从根本上改变了市场的速度博弈。

9.3.1 连续与离散时间博弈

为了理解离散时间撮合的经济学后果，必须首先审视其对立面，即连续时间撮合的内在问题。Budish, Cramton 与 Shim (2015) 的研究指出，连续时间的限价订单簿内在地导致速度竞赛，因为在这种机制下，即使是微秒级的速度优势也能转化为确定性的利润 ^[14]。这导致大量社会资源被投入到建设专用微波塔、铺设海底光纤等“零和”或“负和”的基础设施投入竞赛中，最终使得市场愈发集中于少数顶级的 HFT 公司。

在传统金融市场，芝加哥商品交易所与纽约证券交易所之间的通信延迟是速度竞赛的典型竞争领域。高频交易公司投入数亿美元建设微波塔网络，仅为将芝加哥-纽约走廊的数据传输延迟从约 6.0 毫秒缩短至约 3.8 毫秒（约 2014-2018 年数据，当前最先进微波网络的延迟可能更低）。这约 2.2 毫秒的优势，在连续时间的“胜者独占”博弈中，每年可产生数千万甚至上亿美元的利润，因为率先对价格变动做出反应的参与者能够捕获几乎全部的套利机会。而 Hyperliquid 约 200-400 毫秒的区块时间，正是离散时间撮合的经济学本质所在：它将连续时间中的胜者独占博弈转变为离散时间窗口内的平等竞争——只要指令落在同一区块内，区块内的速度差异在协议层面便不再产生经济价值（其量化算例见§9.3.5）。

Hyperliquid L1 采用 HyperBFT 共识算法，这是 HotStuff 家族的一种衍生实现。在正常网络条件下，HyperBFT 的出块延迟约为 200 毫秒；在高负载条件下（如 JELLY 事件期间），由于交易池拥堵和验证者间通信延迟增加，出块时间可能延长至 400 毫秒甚至更长。200-400 毫秒的区块时间范围反映的正是这种负载依赖的动态特征。Hyperliquid 的撮合机制在离散时间中运行，以区块为基本单位。每个区块的处理流程（如图 9-5 所示 ^[3]）统一为：从交易池中收集交易，根据语义规则排序，在排序后的序列中按价格优先、时间次之的原则逐一撮合，最终一次性更新订单簿状态并提交区块。这种批量处理的模式带来了显著的微观结构后果。

图 9-5. Hyperliquid 区块处理流程（机制示意；流程依据 Hyperliquid 文档^[3]；※图中“优先级层级：系统/高/标准”为本章解释性重构：文档^[3][4]明确记载者仅为“撤单与 Post-only 先于 GTC/IOC 吃单”，将标记价格/资金费率与清算列为独立有序层级属本章为便于分析而作的解释性重构、非文档原文，详见表 9-1 注）

图 9-5 揭示了一个重要设计特征：语义排序发生在交易收集之后、序贯撮合之前，即“先分类、再排序、后撮合”的三阶段流程，这是语义排序与离散时间撮合协同运作的具体实现方式。

9.3.2 速度竞争的转移

离散时间撮合机制将速度竞赛的维度进行了转移。在一个区块内部，所有同类型交易的执行顺序由区块提议者接收到的顺序决定，但由于交易池通常会缓冲数个区块的交易，大部分交易在被打包前已在池中等待片刻。这使得在区块内部，“谁先发送”这一速度优势被大幅稀释。然而，速度竞争并未被完全消除，而是转移到了区块之间。如果一个参与者的交易能比其他人的更早进入交易池，那么它就更有可能被打包进更早的区块。因此，速度竞赛从 CEX 的“微秒级”竞争，降低到了 Hyperliquid 的百毫秒级竞争。

这种区块间的速度竞争在“区块边界”附近尤为突出。当一个区块的打包截止时刻即将到来时，在一个约 10-20 毫秒的模糊区间内，仍然存在一种残余的速度竞争。即便如此，与 CEX 中 1-10 微秒的竞争窗口相比，Hyperliquid 已经将速度竞争的激烈程度降低了约3个数量级。

9.3.3 与 FBA 的比较

尽管 Hyperliquid 名义上仍采用价格-时间优先的中央限价订单簿（Central Limit Order Book, CLOB）机制（其结构与规则见§8.1.1），但其离散时间的批量处理特性，使其具备了§8.8.3所介绍的频繁批量拍卖的部分特征。FBA 的核心思想是在一个时间窗口内收集所有订单，然后以一个统一的清算价格成交所有可匹配的订单，从而从理论上完全消除速度优势 ^[14]。Hyperliquid 并未采用统一清算价，而是在区块内继续使用价格-时间优先的序贯撮合。在同一优先级类别内部，交易按区块提议者从交易池中接收到的顺序排列，有效地形成了先进先出（FIFO）的排序。然而，由于区块提议者对接收顺序拥有最终确认权，这构成了 MonarchEV 的一个具体维度。这种同优先级内的排序规则导致了与 FBA 的关键差异。

假设在一个区块窗口内，订单簿上有卖单在 2,002 美元、2,005 美元、2,010 美元，同时有三个买家 Alice、Bob、Carol 的市价买单到达，总需求量小于等于 2,005 美元价位的总供给量。在 FBA 机制下，所有买家将以统一的清算价 2,005 美元成交，他们的到达时间完全无关紧要。而在 Hyperliquid 机制下，到达最早的买家 Alice 将先以 2,002 美元的价格成交一部分，再以 2,005 美元的价格成交剩余部分，从而获得一个更优的平均成交价。后到的买家 Bob 和 Carol 则只能以 2,005 美元的价格成交。在此场景中，Alice 的速度优势（即使只是毫秒级）为她带来了经济利益。此外，区块提议者可以在 Bob 和 Carol 之间选择谁先执行，这构成了残余 MEV 的一个来源。

上述案例所揭示的定价机制差异、残余速度优势以及 MEV 风险分布，可通过表 9-7 进行系统性对比。

表 9-7. Hyperliquid 与 FBA 机制的关键差异（数据来源：作者整理）

Hyperliquid 的设计可以视为 FBA 的理论目标与 CLOB 的实践约束之间的一种平衡方案。它在很大程度上实现了 FBA 的主要目标（即大幅削弱速度竞赛），同时保留了传统订单簿的用户体验和相对简单的实现逻辑。

这一机制差异背后是更深层的设计哲学分歧。Hyperliquid 与 FBA 在理念上有共通之处，即都通过将时间离散化来对抗速度竞赛 ^[14]，但两者在实现路径和哲学取向上存在根本差异。FBA 的核心是采用统一清算价格，使得拍卖窗口内的所有交易以同一价格成交，从而消除抢跑动机。而 Hyperliquid 仍是价格-时间优先的订单簿，在一个区块内，交易按语义优先级和价格水平序贯执行，价格可以变动。Hyperliquid 吸收了 FBA 的核心思想，但将其与传统的订单簿机制及创新的语义化排序规则相结合。Hyperliquid 在撮合机制、价格形成方式、排序规则和 HFT 抑制策略等维度上均与 FBA 存在结构性差异，表 9-8 对此进行了系统性对比。

表 9-8. 离散时间撮合与 FBA 对比（数据来源：作者整理）

从理论角度看，Budish 等人 ^[14] 论证 FBA 的核心逻辑在于打破速度竞赛的“囚徒困境”。链上撮合固有的离散时间特性实现了同样的效果，而 Hyperliquid 在此基础上增加了一个 FBA 没有的维度，即语义排序。在 FBA 中，所有参与者在每个拍卖窗口内是完全平等的；而在 Hyperliquid 中，做市商的撤单指令被明确赋予了更高的优先级。这是一个重要的设计差异：FBA 追求的是“过程平等”，而 Hyperliquid 追求的是“结果优化”，它明确地将流动性提供者的利益置于流动性消耗者之上。因此，Hyperliquid 可以被视为 FBA 思想在区块链原生环境中的一种更明确的、具有倾向性的实用主义实现。

9.3.4 与语义排序的协同

链上撮合的离散时间特性与语义排序是相辅相成的互补要素，两者的结合构成了 Hyperliquid 微观结构的基础。离散时间创造了一个“批次窗口”，为语义排序提供了实施基础。在连续时间撮合中，订单按到达顺序逐一处理，无法在不同类型的订单之间建立优先级关系。反之，语义排序解决了离散时间的一个固有问题：在批次窗口内，若无明确的排序规则，区块提议者将对所有交易拥有完全的排序自由度，这会导致不受约束的 MEV 提取。语义排序通过预定义的优先级规则，严格限制了区块提议者的自由裁量权，将 MEV 空间压缩至“同类别内的排序”这一个维度。

这两个要素缺一不可。若无离散时间，语义排序在连续时间中无法实施；若无语义排序，离散时间将退化为纯粹的区块空间拍卖，导致区块提议者 MEV 的失控。其他去中心化交易所同样拥有离散时间这一结构特征，但未能将其转化为微观结构优势。Hyperliquid 的创新在于识别出链上撮合固有的离散时间窗口所蕴含的机制设计空间，并在其上构建语义排序与撤单优先，创造出一种在已知的传统金融与加密金融实践中少有直接先例的自洽微观结构。

图 9-6 呈现离散时间撮合与语义排序的协同关系及其对市场生态的作用。

图 9-6. 离散时间与语义排序的协同效应（概念示意，非实测数据；MEV 被压缩至同一优先级类别内部排序，即残余 MonarchEV——该术语取自 Sun 2022 的 {Monarch, Moloch, Mafia} 可提取价值框架^[25]，并非 Hyperliquid 官方术语）

图 9-6 表明，离散时间创造批次窗口为语义排序提供实施条件，语义排序则约束区块提议者的自由裁量权，两者交互使 MEV 空间被压缩至同一优先级类别内部排序这一维度，其规模和危害性远小于通用 DEX 上不受约束的 MEV 提取。

9.3.5 速度竞赛削弱

在 CEX 的连续时间撮合环境中，速度的领先以纳秒（十亿分之一秒）衡量，高频交易公司为此投入巨额资金。而在 Hyperliquid 的离散时间撮合环境中，最小的时间单位是一个区块时间（数百毫秒）。这意味着，无论交易指令是以 1 微秒还是 100 毫秒的延迟到达，只要它们落在同一个区块窗口内，在时间维度上就被视为“平等”的。决定执行优先级的不再是物理速度，而是协议的语义规则。

这种从纳秒到毫秒的时间粒度压缩，使传统 HFT 的速度优势几乎完全失效。基于 Budish 等人 ^[14] 的理论框架与 Hyperliquid 技术文档 ^[3]，图 9-7 对比了不同交易平台的有效竞争时间窗口。

图 9-7. 不同交易平台有效竞争时间窗口对比（代表性参数示意，非外部数据集；对数时间轴；以太坊约 12s 出块、Hyperliquid 约 200-400ms 出块依 Hyperliquid 文档^[3]，为出块/确认口径，区别于约 70ms 的单区块最终性；顶级 HFT 1-10μs、标准做市 50-500μs 为行业数量级；理论 FBA 贯穿整窗口依 Budish 等人 2015 ^[14]；“较顶级 HFT 约 4μs 窗口大约 5 万倍”为算术推论）

一个简单的模型可以量化这种效应：假设在 CEX 上，HFT 公司 A 的延迟为 50 微秒，做市商 B 的延迟为 500 微秒，A 比 B 快 450 微秒，这个差距足以让 A 在每次价格变动时都抢先捕获 B 的过时报价。但在 Hyperliquid 上，区块时间为 200 毫秒（200,000 微秒），两者 450 微秒的延迟差异仅为区块时间的 0.225%。只要指令落入同一个区块，这个差异就无关紧要。速度竞赛的“分辨率”从纳秒级被强制拉低到百毫秒级，显著均衡化了参与者的竞争条件，使竞争焦点从基础设施速度转向模型质量与信息分析能力。

2024 年 1 月 11 日，美国劳工统计局发布了高于预期的 CPI 数据，引发了市场的连锁反应。t = 0 时数据发布；t + 5 毫秒，芝加哥期货市场的算法交易系统率先反应，BTC 期货价格下跌；t + 15 毫秒，Binance 上的顶级 HFT 做市商开始调整报价；t + 50 毫秒，Binance 现货市场价格完成调整。在 t + 50 毫秒到 t + 200 毫秒之间，Hyperliquid 上的做市商检测到 Binance 的价格变动，发送 Cancel 指令。同时，套利者也检测到价差，发送 IOC 买单试图攻击过时报价。两者的指令均落入同一个区块。在 t + 200 毫秒，区块被处理。根据 Cancel 优先规则，做市商的撤单指令先于套利者的买单执行。做市商成功撤回过时报价，避免了损失，而套利者的买单因无对手方而失败。此案例揭示了 Hyperliquid 微观结构的一个核心特征：其价格发现存在约 150-200 毫秒的结构性延迟，使其呈现出对外部市场的价格跟随特征。正是这个延迟窗口为做市商提供了发送 Cancel 指令的充足时间，而 Cancel 优先规则确保了这些指令能够先于攻击被执行，离散时间与 Cancel 优先在此形成了有效的协同。值得注意的是，在区块边界处（如 t + 200 毫秒附近）可能出现短暂的流动性暂时缺失，因为做市商的旧报价已被撤回，而新报价尚未在链上确认。

9.3.6 区块时间作为超参数

前述分析将 200-400 毫秒的区块时间视为一个给定的系统参数，但从机制设计角度看，区块时间是一个可调节的超参数，其取值直接决定了做市商保护强度与价格发现效率之间的权衡曲面。在区块时间较短的情境下（例如接近 50 毫秒），每个区块窗口内收集的交易数量减少，做市商可用的反应时间被压缩，Cancel 指令成功落入与攻击性订单相同区块的概率降低，逆向选择风险部分回升，做市商被迫报出更宽的价差以补偿，系统的速度竞争特征开始接近 CEX。在区块时间较长的情境下（例如超过 2 秒），做市商获得充裕的保护窗口，逆向选择风险进一步降低，但价格跟随延迟同步扩大，订单簿上的报价与外部市场价格之间的偏差在每个区块周期内持续积累，做市商必须事前加宽价差以覆盖区块内价格漂移带来的报价陈旧化（quote staleness）风险（而非因被迫延长持仓——做市商仍可每个区块撤单重报）。均衡价差因此呈现出一条 U 形曲线：区块时间过短，逆向选择成本推高价差；区块时间过长，库存风险和价格陈旧性推高价差；在中间区域存在一个使总价差最小化的最优区块时间。

Hyperliquid 当前选择的 200-400 毫秒区块时间可以在这一框架中加以定位。与其他 L1 相比，以太坊的 12 秒区块时间为语义排序提供了充裕的实施空间但价格跟随延迟过大，Solana 的约 400 毫秒区块时间与 Hyperliquid 接近但未引入语义排序，Arbitrum 等 L2 的亚秒级区块时间同样缺乏交易类型的差异化处理。Hyperliquid 的独特之处在于将相对短的区块时间与语义排序相结合，试图在 U 形曲线的低点附近运行。需要指出的是，上述 U 形曲线为定性描述，其量化校准面临显著挑战。Budish 等人 ^[14] 的 FBA 模型参数基于美国股票市场的波动率特征和参与者结构进行估计，直接推广到加密永续合约市场需要根据截然不同的波动率分布、杠杆结构和参与者构成重新校准。不同交易对的最优区块时间可能存在显著差异，例如 BTC 永续合约与长尾代币的波动率特征差异意味着两者在 U 形曲线上的最优点可能相距甚远，但 Hyperliquid 当前对所有交易对采用统一的区块时间。随着底层共识技术的进步，区块时间可能进一步缩短，这将改善价格发现延迟，但同时也会压缩撤单优先提供的保护窗口，两者之间的动态平衡需要持续的实证校准。

9.3.7 边界效应与 MonarchEV

离散时间撮合存在固有局限，其中一种独特的风险是区块边界效应。由于交易在离散的区块中处理，那些恰好落在2个区块边界附近的交易，其结果可能截然不同。如图 9-8 所示，做市商 Alice 在区块 N 的截止时间 tN 前 1 毫秒发送 Cancel 指令，但如果该指令因网络延迟在 tN 后 1 毫秒才到达验证者节点，它将被归入区块 N+1。在区块 N 的处理过程中，Alice 的过时报价仍然有效，可能被该区块内的套利者成交。

图 9-8. 区块边界效应（假设性算例，非实测数据；t-10ms、t+1ms 为示意时标，说明 Cancel 优先在区块内部提供近绝对保护、但区块边界处存在狭窄缺口；映射 9.3.7）

这意味着，尽管 Cancel 优先在区块内部提供接近绝对的保护（以撤单在同区块内提交并被提议者接收为条件），区块边界处仍存在一个狭窄的保护缺口，其宽度取决于网络延迟波动、通常在几毫秒到几十毫秒之间。因此做市商仍需关注与验证者节点之间的网络延迟，但目的是确保指令可靠落入预期区块、而非在区块内部竞争——竞争焦点从“区块内速度竞赛”转变为“跨区块可靠性竞赛”，其投资规模远小于传统的速度基础设施竞赛。

此外，离散时间撮合并未完全消除 MEV。HyperBFT 采用确定性的 leader rotation 机制选择区块提议者，这意味着下一个区块的提议者身份在技术上是可预测的。MEV 搜索者可以利用这种可预测性，针对性地向即将出块的验证者提交优先排序请求。在一个区块内部，对于同一优先级的交易（如同为 IOC 订单），其排序权力仍然掌握在该区块提议者手中，即§9.1.4 所定义的 MonarchEV。虽然这种 MEV 的规模和危害性远小于通用 DEX 上的 MEV，但它仍然是 Hyperliquid 生态中一个值得关注的权力集中点。

链上撮合固有的离散时间特性是 Hyperliquid 微观结构创新的结构基础。区块链将时间从连续切换至离散，从根本上改变了市场的竞争范式，不仅大幅削弱了传统 HFT 的优势，也为语义化排序和撤单优先这两大机制创新提供了必要的实施条件。离散时间特性与两大机制创新的组合构成了一个复杂的协同系统，其内在的权衡与风险边界同样值得审视。

9.4 协同效应与权衡

语义化排序、撤单优先与离散时间撮合这三层机制的威力，并非源于孤立运作，而是在于相互协同构成的一个复杂系统。链上撮合固有的离散时间特性将连续的时间流分割为独立的区块窗口，为在批次内进行语义化排序创造了必要条件；语义化排序则为这个窗口内的交易流定义了非经济的、基于规则的优先级，其核心在于赋予撤单操作优先地位。这种递进式的结构共同作用，显著改变了市场的微观动态，但也引入了新的权衡与风险边界。这一协同效应最终导向一个正反馈循环，旨在增强市场的核心功能——流动性：一条从做市商保护到更窄价差、更多交易量、更多做市商进入的自我增强传导链，其完整链条将在§9.4.8（图 9-9）展开。然而，这一自我增强循环在实践中面临多重约束，其内在的权衡与风险边界值得逐一审视。

9.4.1 透明性效应

Hyperliquid 的一个核心价值主张是其高度透明性，§7.5分析的“可验证性与策略隐私”之间的张力在此得到集中体现。所有交易历史、订单簿快照乃至协议的排序规则本身，都记录在链上，可供任何人审计。这种设计消除了中心化交易所的“黑箱”问题，建立了基于可验证事实的信任。然而，这种完全的透明性也带来了一个非对称的副作用：它在消除一种信息不对称的同时，也创造了新的信息博弈维度，导致了一场分析能力的竞争。

由于所有数据公开可得，量化分析团队能够通过复杂的算法对其他市场参与者，特别是做市商的交易策略进行“反向工程”。通过分析特定做市商在不同市场条件下的报价行为、库存管理和撤单模式，可以推断出其模型的关键参数。这种被反向工程出的策略特征，被称为策略指纹。掌握了对手的策略指纹，竞争者便可以开发出针对性的反制策略，例如在对手报价后以更优价格进行微调，从而系统性地抢走订单流。

一家小型量化做市团队 AlphaQuant 在 Hyperliquid 上部署了一套创新的做市模型，初期表现优异。但数月后，其利润急剧下降。经调查发现，一个竞争对手通过分析其链上所有的公开交易数据，完整地复刻了其核心算法模型。竞争对手掌握了 AlphaQuant 的“行为指纹”，例如在特定波动率下的撤单阈值和价差调整模式，并据此开发了专门的反制策略。由于 Hyperliquid 的透明性，AlphaQuant 的策略优势被快速削弱。为了应对，该团队不得不开发“策略混淆”技术，如在报价中加入随机噪声、随机化撤单延迟等，但这牺牲了一定比例的做市效率。策略混淆在理论上必然降低信号精度，因为噪声的引入使得做市商自身的最优报价决策也受到干扰，但具体效率损失的程度取决于混淆参数设定和市场条件，目前尚缺乏公开的实证测量。这种分析竞争虽然不像 CEX 的速度竞赛那样耗费物理资源，但同样提高了做市的门槛，对小型参与者构成了新的挑战。这揭示了一个内在矛盾：撤单优先降低了做市的速度门槛，但完全的透明性又抬高了做市的策略复杂度门槛。更深层的风险在于，链上透明性不仅暴露个体策略，还使协调性群体行为成为可能。做市商仓位和 HLP Vault 持仓的完全可观测性，通过社交媒体的放大效应，可以催化针对特定参与者的协调性行为，§9.4.3将分析的 JELLY 攻击者正是利用了 HLP Vault 风险敞口的公开可见性来设计其攻击路径。

9.4.2 价格发现延迟

Hyperliquid 的机制设计在“保护流动性”与“促进价格发现”之间做出了明确取舍，优先选择了前者。撤单优先和离散时间撮合使做市商能安全地提供流动性，但也降低了他们主动报价、推动价格向新均衡水平移动的动机。做市商更倾向于采用被动报价策略，即以外部成熟市场如 Binance 的价格为基准加上固定价差进行报价，并在外部价格变动时利用撤单优先来保护自己，而非主动预测价格方向。

这种模式导致 Hyperliquid 的价格发现过程呈现出一种结构性依赖，其价格更新被动地、并带有一定延迟地（一个区块时间）跟随着外部市场的价格变动。这种价格发现的低效并非技术缺陷，而是为了保护做市商、换取更高流动性而付出的代价。从量化角度看，这种延迟在正常市场条件下约为一个区块时间（200-400ms）^[4]。在市场剧烈波动时，由于做市商可能因不确定性增高而集体撤出市场，导致订单簿深度骤降，价格调整的延迟可能扩大到多个区块时间。这种对外部市场的结构性依赖，是其价格跟随定位的内在脆弱性。在系统性去杠杆事件中（如 2020 年 3 月的全球流动性危机或 2022 年 FTX 崩盘），Hyperliquid 面临的不仅是一个区块时间的价格跟随延迟，而是一种二阶风险：当多个 CEX 同时出现流动性枯竭时，价格参考源本身变得不可靠。Hyperliquid 的预言机价格（oracle price，标记价格的核心输入）取外部 CEX 现货价格的加权中位数，标记价格在此基础上再叠加订单簿 EMA 等组件；若这些 CEX 在极端压力下出现显著的价格偏离或交易暂停，预言机价格与标记价格的锚定功能将同步失灵，可能触发不当清算或错误的资金费率结算。

9.4.3 JELLY 事件：攻击链与机制分析

任何规则体系，无论设计多精密，都可能被参与者以意想不到的方式利用。Kirilenko 等人 (2017) 对 2010 年“闪崩”事件的研究表明，即便是成熟市场的规则在极端条件下也可能被非预期地利用 ^[15]。2025 年 3 月 26 日发生的 JELLY 事件对 Hyperliquid 的规则体系进行了一次压力测试，其攻击路径与§8.3.1分析的清算级联传导机制高度相关，暴露了微观结构保护之外的系统性脆弱性。

JELLY 是当时 Hyperliquid 上一个新上线的低流动性代币，其在外部现货交易所的日均交易量仅数百万美元。攻击的时间线可重构如下：首先，攻击者创建三个链上独立账户（关联账户检测机制的缺失使这一步未触发任何风控警报），总计存入约 717 万美元 USDC ^[16]。其次，攻击者跨3个账户建立对冲头寸：2个账户建立合计约 405 万美元的 JELLY 多头头寸，第三个账户建立约 410 万美元的 JELLY 空头头寸，空头的有效杠杆使得标记价格上涨 400% 时亏损将远超本金。随后，攻击者在外部现货交易所大量买入 JELLY，利用其极低的外部流动性深度将价格推高数倍（不同来源报告的涨幅从约 400% 至数十倍不等，结算价 0.0095 美元为攻击者开仓价）。外部价格的剧变通过预言机传导至 Hyperliquid 的标记价格。如§9.4.2 所述，标记价格以外部 CEX 现货价格的加权中位数为核心输入、并在此基础上叠加订单簿 EMA 等组件；当攻击者操纵的外部价格占据足够权重时，预言机价格与标记价格随之大幅偏移。标记价格的偏移导致空头账户的维持保证金率跌破阈值，触发强制清算。

Hyperliquid 的清算瀑布遵循特定的优先级序列：清算引擎首先尝试在订单簿上以限价方式清算头寸；若订单簿深度不足或滑点超过预设阈值，头寸被转移至保险基金；若保险基金资金不足以覆盖，头寸最终转移至 HLP 金库作为最后承接方。在 JELLY 事件中，由于空头头寸规模远超该代币在 Hyperliquid 上的订单簿深度（正如§9.1.7分析的，做市商可通过撤单优先在清算订单执行前撤回报价，进一步削弱了可用深度），头寸在清算瀑布中迅速穿透前两层防线，被转移至 HLP 金库。随着 JELLY 价格继续攀升，HLP 金库承接的空头头寸产生的未实现亏损一度达到约 1350 万美元（约占金库总资产的 6%），这一数字超过攻击者初始本金的原因在于高杠杆下空头的亏损在理论上无上限。真正的威胁并不在于这一时点的 6% 快照亏损本身，而在于空头亏损理论上无上限、随标记价格继续上行而线性扩大这一趋势：若不及时干预，亏损将快速侵蚀 HLP 金库约 2.3 亿美元的总资产，构成系统性威胁 ^[17]。

Hyperliquid 的验证者集合在约 2 分钟内达成共识，投票下架 JELLY 永续合约，并以攻击者的原始开仓价格 0.0095 美元强制结算所有 JELLY 头寸，而非以当时约 0.50 美元的市场价格结算 ^[17]。事件发生后 24 小时内，约 2 亿美元的资金从 Hyperliquid 流出。

9.4.4 风险传导与反事实分析

JELLY 事件的风险传导路径遵循一条清晰的因果链：外部价格操纵→标记价格偏移→保证金不足→强制清算→HLP 金库承接→未实现亏损扩大→市场信心冲击→资金流出→订单簿深度下降→潜在级联清算。24 小时内约 2 亿美元的流出占当时 Hyperliquid 总锁仓价值（Total Value Locked, TVL）的显著比例，这一资金流出若持续加速，可能触发 Diamond 与 Dybvig (1983) 描述的银行挤兑式负反馈循环 ^[18]，即存款人的理性个体行为（提取资金以保护自身）在集体层面产生自我实现的流动性危机。

反事实分析有助于评估干预决策的合理性。若验证者未干预且 JELLY 价格继续上涨，HLP 金库的空头亏损将随标记价格线性增长（空头在理论上亏损无上限），在金库总资产约 2.3 亿美元的约束下，标记价格继续上涨数倍即可能导致金库资不抵债。金库的资不抵债不仅意味着存款人的直接损失，更会通过信心渠道引发大规模资金撤出，加速飞轮的反转。从跨市场传染角度审视，JELLY 的脆弱性特征（极低的外部流动性深度、无头寸限制、高杠杆）并非孤立现象。Hyperliquid 上存在多个具有类似风险画像的长尾代币永续合约，多标的同时攻击的相关性风险构成了一个尚未被充分评估的系统性敞口。

9.4.5 紧急干预的法律与治理含义

验证者以开仓价 0.0095 美元而非市场价约 0.50 美元进行强制结算，这一决策的经济学含义值得深入分析。这一结算价的选择保护了 HLP 金库免于进一步亏损，但同时损害了 JELLY 合法多头持有者的利益，那些在攻击期间因正常交易动机持有 JELLY 多头的参与者被强制以远低于市场价的价格平仓，其盈利机会被单方面剥夺。

从法律定性角度看，这一干预在不同监管框架下可能面临不同程度的审视。在美国 CFTC 反操纵条款下，以非市场价结算可能被视为交易所对市场价格的人为干预。在欧盟 MiCA 框架下，紧急措施需满足比例性要求，即干预范围应与所防范的风险相称。传统金融中的可比先例是交易所对错误交易与异常价格的事后调整权力（如 CME 规则手册中关于“交易取消与价格调整”的 Rule 588，处理超出不可复核区间的错误交易，以及交易所在市场紧急状态下的相关授权），这类机制通常伴随预先披露的程序规则和事后审查机制。Hyperliquid 的验证者干预在约 2 分钟内完成，这一时间线揭示了小规模验证者集合在危机响应中的双面性：快速协调能力使其能够在损失扩大前果断行动，但同一特征也意味着少数参与者可以在极短时间内做出影响所有用户的重大决策，且无须经过预设的治理审议程序。这一张力直接回指§9.1.2对去中心化的限定性表述：验证者共识在技术上是“多数决定”，但在小规模验证者集合中，“多数”的实际含义与公众对“去中心化治理”的认知之间存在距离。

9.4.6 保护边界

JELLY 事件揭示了 Hyperliquid 微观结构体系的保护边界。将这些机制置于完整的风险管理框架中有助于精确定位其作用范围：交易前风控（pre-trade）包括保证金要求、头寸限制、关联账户检测等准入控制；交易中风控（at-trade）包括交易排序、撮合规则、价格保护等执行层机制；交易后风控（post-trade）包括清算执行、风险头寸承接、保险基金管理等结算层机制。语义化排序、撤单优先和离散时间撮合的保护集中于 at-trade 环节：语义排序消除了基于贿赂的排序操纵，撤单优先消除了做市商面临的区块内逆向选择风险，离散时间消除了纳秒级的速度竞赛优势。这三层保护的共同效果是将 MEV 提取空间压缩至同优先级类别内部的排序这一个残余维度。

然而，JELLY 攻击的路径恰恰绕过了 at-trade 层：攻击者利用的是 pre-trade 层面的关联账户检测缺失和头寸限制不足，以及 post-trade 层面的清算承接规则和跨市场价格操纵。即使语义排序完美运行，即使每一笔 Cancel 指令都在其预期区块内成功执行，JELLY 攻击仍然可以按照完全相同的路径实施。这表明，微观结构保护是必要条件但非充分条件：一个完整的市场安全体系还需要在 pre-trade（动态保证金、头寸限制、跨市场监控）和 post-trade（清算规则、金库治理、保险基金充足性）层面建立独立的防御机制。

9.4.7 验证者经济学与中心化风险

语义排序规则的有效性最终取决于规则的执行者，即验证者节点集合。Hyperliquid 采用 HyperBFT（HotStuff 家族衍生）共识算法，当前的验证者集合规模相对有限（约 16-24 个活跃验证者，截至 2026 年初约 21 个）^[3]。这种有限规模在提供高吞吐量和低延迟方面具有工程优势，但也引发了关于规则执行可信度和中心化风险的问题。

在 MonarchEV 维度上，验证者（特别是区块提议者）在同一优先级类别内部拥有排序自由度。前述分析将 MonarchEV 定性为“理论上的残余风险”，但这一判断的准确性取决于验证者集合的规模和激励结构。在一个由少数节点构成的验证者集合中，区块提议者的身份因确定性 leader rotation 而具有较高的可预测性，搜索者可以有针对性地向即将出块的验证者提交优先排序请求。验证者是否接受这类请求，直接决定了 MonarchEV 从“理论残余”向“实际收入来源”的转化程度。

在操作风险维度上，约 21 个验证者的集合面临多重基础设施风险。密钥管理构成首要关切：Hyper Foundation 控制多数质押份额，其密钥泄露理论上可控制共识过程。地理和基础设施集中度构成第二层风险：若多数验证者运行在同一云服务商上，单一基础设施故障可能导致链停止或严重降级。客户端软件同质性构成第三层风险：所有验证者运行相同的客户端实现，单一软件漏洞可瘫痪全网，而以太坊社区推动客户端多样性的经验表明，这一风险在高价值系统中不容忽视。在 65 亿美元未平仓合约规模下，上述任何单点故障的后果都可能是灾难性的。

在道德风险维度上，JELLY 事件中验证者集合覆写结算价格的先例创造了一种隐性预期：当某个头寸足够大以至于威胁 HLP 金库的偿付能力时，验证者可能会介入保护。这种“太大而不能倒”的隐性担保可能被大型交易者策略性地利用，他们可能博弈验证者的干预行为，承担超出正常风控范围的风险敞口，因为他们预期在极端情况下系统会为其兜底。这种道德风险与传统金融中系统重要性机构面临的问题具有结构性相似之处，但在去中心化协议中缺乏成熟的监管框架来加以约束。

9.4.8 核心权衡

综合以上分析，这一微观结构体系的协同效应可以通过图 9-9 所示的正反馈循环加以概括。

图 9-9. 微观结构体系的协同与正反馈循环（概念示意，非实测数据；六节点自强化飞轮，底注“自强化/自瓦解对称性”以 2025 年 3 月 26 日 JELLY 事件验证、依 ^[16][17]；其可持续性取决于清算规则、保证金体系与金库治理等配套系统）

图 9-9 所示的正反馈循环遵循“协议层保护→做市商风险降低→更窄价差→更多交易量→更多做市商进入”的传导链条，其自我增强特性意味着初始条件一旦满足（即机制保护足够有效），流动性的积累将呈现加速态势。然而，这一正反馈循环并非没有代价，Hyperliquid 的微观结构体系在其寻求的目标之间做出了一系列明确的系统性权衡。这些权衡并非“对”与“错”的判断，而是在不同市场质量维度之间的价值取舍，共同定义了该平台的市场特性。这些权衡涵盖了流动性与价格发现、做市商保护与吃单者权利、透明性与策略隐私、安全性与性能、规则确定性与灵活性等多个维度，Hyperliquid 在每个维度上都做出了明确的倾向性选择。表 9-9 对各维度的选择、收益与代价进行了系统性总结。

表 9-9. Hyperliquid 核心机制的五大权衡（数据来源：作者整理）

Hyperliquid 的设计哲学明确选择了“流动性优先、做市商友好、透明可验证”的价值取向，并为此接受了“价格发现依赖外部、吃单者处于劣势、策略隐私缺失”等代价。理解这些内在的、结构性的权衡，是评估 Hyperliquid 模式能否被更广泛地采用，以及其长期稳定性的关键所在。

9.5 微观结构影响与流动性飞轮

前述分析聚焦于微观结构体系的内部逻辑与权衡，本节将视角从机制设计转向市场层面的系统性后果。语义化排序、撤单优先与离散时间撮合并非孤立地作用于单个交易者，它们通过改变做市成本结构、开放流动性供给渠道、以及形成自我增强的反馈循环，对 Hyperliquid 的整体市场微观结构产生了深远影响。这些影响的综合效应，构成了 Hyperliquid 区别于 CEX 和通用 DEX 的核心竞争力基础。

9.5.1 做市成本重构与价差压缩

沿用§9.1.3 建立的 Glosten-Milgrom 价差分解框架 ^[5]，撤单优先机制对做市成本结构的影响可从其中逆向选择成本与基础设施成本两个主导分项切入量化分析。在 CEX 环境中，做市商需要持续应对知情交易者利用过时报价进行套利的风险，同时需要投入巨资建设低延迟基础设施以在速度竞赛中保持竞争力；Hyperliquid 的撤单优先机制对这两个分项产生了直接且可量化的压缩效应。

在逆向选择维度上，由于 Cancel 指令在区块内享有绝对优先权，做市商在外部价格变动后的一个区块时间窗口内（200-400 毫秒）可以大概率成功撤回过时报价。这将逆向选择事件的发生概率从 CEX 环境中主要取决于物理延迟的竞争结果，降低至仅在区块边界附近的极小窗口内存在风险。在基础设施维度上，离散时间撮合将有效竞争时间粒度从纳秒级提升至百毫秒级，使得专用微波塔、共置服务器等高昂基础设施投入不再构成做市业务的必要条件。这两项成本的同时下降，使得做市商能够在维持盈利能力的前提下报出更窄的价差。实证数据显示，Hyperliquid 上主流交易对在市场平稳时期的买卖价差通常能够与 Binance 等顶级 CEX 相当甚至更优（其测量口径与静态/有效深度限定详见§9.5.4），而参与做市的团队在基础设施上的资本投入远低于 CEX 环境中的同类团队。这一成本结构的重构，正是§9.2.3 所述做市竞争焦点“从资本密集型速度竞赛转向知识密集型模型质量竞争”的成本侧根源。

9.5.2 HLP Vault 与流动性供给大众化

Hyperliquid 的微观结构保护不仅降低了专业做市商的运营成本，也为一种全新的流动性供给模式提供了基础条件。HLP Vault（Hyperliquidity Provider）是 Hyperliquid 协议内置的流动性提供者金库，允许普通用户将 USDC 存入金库，由自动化策略代为执行做市操作，用户按份额分配做市收益。这一设计的核心前提是，撤单优先和离散时间撮合为金库的做市策略提供了与专业做市商相同的协议层保护：金库的 Cancel 指令同样享有区块内最高执行优先级，其过时报价被套利者成交的概率同样被压缩至结构性残余水平。如果没有这些微观结构保护，一个公开可见、策略可预测的大型流动性池将成为知情交易者的理想攻击目标，做市亏损将远超收益。

HLP Vault 的经济学意义在于，它将做市业务从一种要求专业基础设施和量化模型能力的排他性活动，转变为一种普通用户可以通过资本贡献间接参与的收益来源。在传统金融市场和 CEX 中，做市收益几乎完全被拥有速度优势和模型优势的专业机构获取。Hyperliquid 的机制保护降低了做市的技术门槛，而 HLP Vault 进一步降低了资本门槛，使得分散的小额资本也能汇聚为具有市场深度影响力的流动性池。然而，做市大众化的叙事也需要审视参与者的行为特征。Barber 与 Odean (2000) 的研究表明，零售投资者系统性地表现出收益率追逐偏差、过度自信和近因偏差 ^[19]。在 HLP Vault 的语境中，可观的历史收益率（部分时段被宣传为高年化，但独立测算显示 2025 年年化约 11%–12%、全期 CAGR 约 42%）可能吸引了大量不理解底层杠杆化做市风险的参与者，他们可能将其视为一种收益耕作产品而非一种承担做市尾部风险的投资。JELLY 事件后 AUM 回撤约 15% 又逐步恢复的模式与典型的“恐慌-遗忘”周期高度一致，这提示参与者群体中可能存在对风险的系统性低估。此外，HLP Vault 的结构（资金投入、由他人管理的共同事业、期待利润）在形式上符合 Howey 测试的四要件特征 ^[20]。若在主要司法管辖区被认定为证券，其发行和销售将需要注册或豁免，这将从根本上制约做市大众化的规模扩展。

JELLY 事件同时揭示了这一模式的固有脆弱性：HLP 金库作为一个规模庞大且行为可预测的公共流动性池，其清算承接规则可以被攻击者有针对性地利用。金库的规模优势与其作为攻击目标的可见性之间，存在一种内在的张力。

9.5.3 流动性飞轮与生态可持续性

上述两个层面的影响，即专业做市成本的压缩与零售流动性供给的开放，共同驱动了一个自我增强的流动性飞轮。这一飞轮的运转依赖于两个相互耦合的引擎：专业做市商受较低逆向选择成本吸引而提供更紧的报价，HLP Vault 用户受可观的做市收益分成吸引而存入资本。专业做市商从 Vault 资本增厚的订单簿深度中获益（更大的深度降低了大额订单冲击其头寸的概率），Vault 存款人则从专业做市商创造的更高效市场条件中获益（更高效的市场意味着更稳定的做市收益）。两者的正向反馈使得流动性的积累呈现加速态势：更深的流动性带来更窄的价差，更窄的价差吸引更多交易量，更多交易量产生更多做市利润，利润又进一步吸引专业做市商和 Vault 存款人的进入。

然而，正反馈循环天然具有自强化与自瓦解的对称性。DeLong, Shleifer, Summers 与 Waldmann (1990) 的噪声交易者模型以及 Soros 的反身性理论均指出，正反馈循环在上升阶段自我强化的同一机制，在下降阶段同样会自我强化 ^[21]。JELLY 事件提供了这一对称性的实证检验：在正向阶段，HLP Vault 的高收益吸引资金流入，资金增厚了订单簿深度，更深的深度进一步提升了做市收益，形成正向螺旋；在负向阶段（JELLY 后），亏损引发资金流出，AUM 回撤约 15% 削弱了订单簿深度，深度下降可能进一步恶化做市收益，形成负向螺旋。JELLY 后 AUM 的恢复表明当前飞轮仍运行在临界质量之上，但安全边际的大小难以先验确定：是否存在一个 TVL 或交易量的阈值，低于该阈值飞轮将不可逆崩溃，是一个尚待检验的重要问题。

飞轮的规模扩展本身也面临内生约束。HLP Vault 当前约 2.7 亿美元的 AUM（历史峰值约 5 亿美元，2025 年中）在日均 69 亿美元的交易量中运作，其持仓变动已具有显著的市场影响力。随着 AUM 增长，金库面临三重容量约束：更大的仓位调整在有限的订单簿深度中产生更大的价格冲击；更大规模的挂单模式在链上完全可见的环境中更容易被竞争者识别和反制；紧急降险时更大规模的撤出将加剧市场冲击。这些约束意味着存在一个理论上的 AUM 上限，超过该上限做市收益将因自身规模效应而被侵蚀。

这一飞轮的可持续性取决于微观结构体系所维持的保护与开放之间的均衡。若做市商保护过强，使市场条件过度偏向做市商而牺牲吃单者体验，交易量可能因执行成本过高而萎缩；若保护不足，做市商利润受到侵蚀，专业机构和 Vault 存款人均可能撤出。JELLY 事件还揭示了第三种失效模式：飞轮可以被针对 Vault 基础设施本身的攻击所中断，即使交易排序和撮合机制运转正常。因此，飞轮的长期稳定性不仅取决于微观结构机制的设计质量，也取决于清算规则、保证金体系和金库治理等配套系统的健壮性。Hyperliquid 模式的演化方向（区块时间的持续优化、语义排序规则的扩展、验证者信息优势的治理）都将通过改变这一均衡条件而影响飞轮的运转效率。

9.5.4 实证数据与市场表现

前述三个小节所建立的理论预测（做市成本压缩带来价差收窄、Vault 机制吸引零售资本、飞轮效应推动流动性积累）可以通过公开可得的市场数据加以初步验证。截至 2026 年 3 月，Hyperliquid 的 L1 总锁仓量约为 44 亿美元，日均交易量约 69 亿美元，约为 Binance 期货日均交易量的 15%，在链上永续合约市场中占据约 70% 的份额 ^[22]。在未平仓合约规模上，Hyperliquid 的未平仓合约约为 65 亿美元，约占 Binance 期货（约 212 亿美元）的 30%，同时达到 dYdX（约 8200 万美元）的 70 余倍、GMX（约 1.24 亿美元）的 50 余倍，远超其他链上竞争对手 ^[23]。

在分析具体数据之前，有必要说明测量方法论。本节引用的“价差”定义为最优买卖价（BBO）价差的时间加权平均值，即在观测窗口内每个时刻的最优买价与最优卖价之差按时间加权计算的均值。“深度”定义为中间价一定百分比范围内（通常为 0.1-0.5%）的挂单总量。数据源为 CoinGecko 和 DefiLlama 提供的公开市场数据 ^[22][23]，采样窗口为 2026 年 2-3 月，采样频率为小时级快照。这些测量参数的选择直接影响数据的可比性和可解读性。

在 BTC 永续合约市场，部分快照数据显示 Hyperliquid 的顶部买卖价差可窄于 Binance。需特别说明，常被引用的具体数值（如价差约 1 美元 vs 5.5 美元、中间价深度约 140 BTC vs 80 BTC）难以追溯到独立的一手来源，且独立的滑点测算显示在较大成交规模下（如 100 万美元级别）Binance 通常具有更深的可成交深度。因此“Hyperliquid 深度更优”的判断应限于顶部盘口，并叠加下文的有效深度折扣加以审慎解读 ^[23]。这一比较需要从两个维度加以限定。

第一个维度是静态深度与有效深度的区分。订单簿快照显示的 140 BTC 是“静态深度”，即在该时刻挂单簿上显示的总量。然而，在撤单优先机制下，做市商可以在大额市价单执行前的同一区块内高概率撤回其报价。因此，当一个 100 BTC 的市价买单实际执行时，可供成交的“有效深度”可能显著低于静态显示的 140 BTC。有效深度的上界等于静态深度（无做市商撤单），下界等于所有做市商同时行使撤单优先权后的残余深度，而这一残余深度可能仅包含 HLP Vault 等无法在同一区块内响应撤单的被动流动性。这一区分与§9.2.3分析的“深度幻觉”现象以及§8.2的订单簿表观流动性分析形成交叉印证。

第二个维度是 HLP Vault 对价差的补贴效应。Kyle (1985) 在其经典的知情交易模型中区分了表观流动性与均衡流动性 ^[24]。HLP Vault 作为一个以做市收益分享（而非纯利润最大化）为目标的流动性池，可能系统性地以低于均衡水平的价差做市，其窄价差可能部分反映的是隐性补贴而非纯粹的效率提升。将 Vault 贡献高低不同时期的价差进行比较，有助于分离补贴效应与机制效率效应，但目前缺乏此类分时段比较的公开数据。

上述增长指标还需要在宏观环境中加以解读。2024-2025 年处于 BTC ETF 获批后的牛市周期中，几乎所有加密基础设施的 TVL 和交易量均大幅增长。要分离 Hyperliquid 平台特有的超额增长与系统性牛市 beta，应将其同期增长率与 dYdX、GMX 等链上竞争对手进行对比。初步数据显示 Hyperliquid 的增速显著高于同类平台，但其中 HYPE 代币激励的贡献仍难以完全分离。

HLP Vault 的运营数据为流动性大众化理论提供了检验依据。该金库的资产管理规模历史峰值约 5.1 亿美元（2025 年中）、当前约 2.7 亿美元（DefiLlama，2026 年中），累计净盈利约 1.218 亿美元（约 50% 的期内总回报，以金库期内平均管理规模为分母；截至 2025 年 10 月，DefiLlama HLP 面板口径，与第 21 章一致）；据 OAK Research、OnchainTimes 等独立测算，其年化回报约为 11%–12%（2025 年）、全期 CAGR 约 42%、近 12 个月约 22%，且收益高度事件驱动、波动较大，并非稳定的 65-70% 年化水平 ^[22]。然而，这一年化收益率缺乏分解，其构成可能包括多个来源：做市价差收益、HYPE 代币激励、方向性 beta 暴露（牛市中做市商通常持有净多头）、以及清算承接利润。不对收益来源进行分解就引用 65-70% 的年化数字，容易给读者造成“纯做市收益 65-70%”的错误印象，而实际上相当比例的收益可能来自代币激励和方向性敞口，而这些收益来源不具有跨周期的可持续性。JELLY 事件后，Vault 的资产管理规模在事件前后约回撤 15%（JELLY 发生时金库规模约 2.3 亿美元，与§9.4.3口径一致，回撤至约 1.95 亿美元；约 5 亿美元为 2025 年中的历史峰值，并非 JELLY 发生时的水平），随后在协议修复清算承接规则后逐步恢复。这一数据同时验证了飞轮的正向传导和其在极端事件下的脆弱性。在验证者层面，Hyperliquid 当前运行约 16-24 个活跃验证者（截至 2026 年初约 21 个），其中 Hyper Foundation 控制的节点占据多数质押份额 ^[3]。单区块最终性（finality，即交易不可逆所需时间）约为 70 毫秒，区别于约 200 毫秒的出块时间；端到端订单确认延迟中位数约 200 毫秒、99 分位约 900 毫秒（同址客户端）。上述数据整体上支持了本章的理论分析，但需要注意其局限性：市场数据为特定时点的快照，无法完全分离机制效应与代币激励效应对流动性增长的贡献，且 Hyperliquid 作为一个快速演化的系统，其市场指标可能在短期内发生显著变化。

9.6 本章小结

本章以 Hyperliquid 为案例，将第 7 章建立的订单语义分析框架和第 8 章揭示的订单簿微观结构理论应用于一个具体的应用链交易所，系统分析了语义化排序与撤单优先两大机制创新如何在链上撮合固有的离散时间特性之上构成一个自洽的微观结构体系。语义化排序在共识协议层面对交易的经济学含义进行4级分类（系统、高、标准、低），将流动性保护行为的优先级置于流动性消耗行为之上，同时为清算订单和系统维护交易指定了独立的优先级层级。§9.1.7进一步分析了语义排序与保证金制度、资金费率结算和清算引擎之间的交互关系，揭示了排序机制在更广泛的合约结算体系中的嵌入效应。撤单优先将分类规则具体化为做市商的协议级最后审视权；链上撮合固有的离散时间特性将速度竞赛的精度从纳秒级压缩至百毫秒级，为语义化排序和撤单优先的实施创造了必要的时间窗口——这一时间窗口并非 Hyperliquid 的独创，而是任何链上撮合系统的固有结构特征，Hyperliquid 的创新在于识别并利用这一特征构建了差异化的排序规则。将 Hyperliquid 的语义排序置于 MEV 缓解方案的更广谱系中，与 Flashbots 的私有交易池、阈值加密 Mempool、意图求解以及 dYdX v4 的分散排序权等替代路径对比，可以看到，在本章梳理的方案中，语义排序是少见的在协议层面做出显式价值判断的方案，但其代价是对应用专用链的强依赖。

这一微观结构体系的核心效应是系统性降低了做市商面临的逆向选择风险与基础设施投入成本。实证数据提供了初步验证：部分快照显示 Hyperliquid 的 BTC 永续合约顶部买卖价差可窄于 Binance（常被引用的约 1 美元 vs 约 5.5 美元、静态深度约 140 BTC vs 约 80 BTC 等数值难以追溯到独立一手来源，大额成交下 Binance 有效深度通常更优，故应限于顶部盘口审慎解读），而占据链上永续合约市场约 70% 份额这一口径较为确定。静态深度与有效深度的差距、HLP Vault 对价差的补贴效应、宏观牛市周期等解读限定条件均已在§9.5.4详述。HLP Vault 以约 5 亿美元峰值 AUM 验证了流动性供给大众化的可行性，但其常被援引的 65-70% 年化收益实为含代币激励与方向性敞口的口径，独立测算约为 11%–12%，且收益高度事件驱动、波动较大，可持续性有待验证。

撤单优先在流动性层面呈现“流动性悖论”特征：正常时期降低做市成本并改善流动性供给，但同一机制在市场压力时期可能加速流动性蒸发，而做市商以零摩擦行使撤单权的亲周期效应值得市场设计者的关注。JELLY 事件的深入分析从攻击机制、风险传导和法律治理三个维度揭示了微观结构保护之外的系统性脆弱性：清算瀑布的穿透、HLP 金库的被迫承接、验证者以非市场价强制结算，这些环节均发生在排序层保护的边界之外。验证者集合的有限规模和快速治理能力在危机应对中表现为优势，但也引发了操作风险集中、道德风险和“规则硬编码于共识层”叙事之间的张力。流动性飞轮的正反馈循环具有自强化与自瓦解的对称性，其可持续性不仅取决于微观结构机制的设计质量，也取决于清算规则、保证金体系和金库治理等配套系统的健壮性。区块时间作为可调节的超参数，其取值直接定义了做市商保护与价格发现效率之间的权衡曲面，但 U 形曲线的量化校准需要针对加密永续合约市场的特定参数进行估计。

正如 Budish 等人 (2015) ^[14] 所指出的，市场设计的核心不是让参与者在给定规则下达到均衡，而是设计出能够产生更优均衡的规则。Hyperliquid 的实验表明，区块链提供了将市场规则以透明、可验证且难以被单方面篡改的方式编码在共识协议中的可能性，而其在微观结构保护、流动性供给大众化和生态飞轮构建方面的探索，连同这些探索所暴露的边界条件和失效模式，将为后续章节对 HLP Vault 具体运作机制的分析提供必要的理论基础。

参考文献

[1] Aquilina, M., Budish, E., & O'Neill, P. (2022). Quantifying the high-frequency trading "arms race". The Quarterly Journal of Economics, 137(1), 493–564. https://doi.org/10.1093/qje/qjab032

[2] Daian, P., Goldfeder, S., Kell, T., Li, Y., Zhao, X., Bentov, I., Breidenbach, L., & Juels, A. (2020). Flash Boys 2.0: Frontrunning in decentralized exchanges, miner extractable value, and consensus instability. 2020 IEEE Symposium on Security and Privacy (SP), 910–927. https://doi.org/10.1109/SP40000.2020.00040

[3] Hyperliquid. (n.d.). Hyperliquid docs. Retrieved February 28, 2026, from https://hyperliquid.gitbook.io/hyperliquid-docs

[4] Hyperliquid. (2024, January 6). Latency and transaction ordering on Hyperliquid. Medium. https://hyperliquid.medium.com/latency-and-transaction-ordering-on-hyperliquid-cf28df3648eb

[5] Glosten, L. R., & Milgrom, P. R. (1985). Bid, ask and transaction prices in a specialist market with heterogeneously informed traders. Journal of Financial Economics, 14(1), 71–100. https://doi.org/10.1016/0304-405X(85)90044-3

[6] Harris, L. (2003). Trading and exchanges: Market microstructure for practitioners. Oxford University Press.

[7] Grossman, S. J., & Stiglitz, J. E. (1980). On the impossibility of informationally efficient markets. The American Economic Review, 70(3), 393–408.

[8] Flashbots. (n.d.). Flashbots Protect documentation. Retrieved March 15, 2026, from https://docs.flashbots.net/flashbots-protect/overview

[9] CoW Protocol. (n.d.). CoW Protocol documentation. Retrieved March 15, 2026, from https://docs.cow.fi

[10] Lewis, M. (2014). Flash Boys: A Wall Street revolt. W. W. Norton & Company.

[11] Foucault, T., Kadan, O., & Kandel, E. (2005). Limit order book as a market for liquidity. The Review of Financial Studies, 18(4), 1171–1217. https://doi.org/10.1093/rfs/hhi029

[12] Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263–292. https://doi.org/10.2307/1914185

[13] Almgren, R., & Chriss, N. (2001). Optimal execution of portfolio transactions. Journal of Risk, 3(2), 5–39. https://doi.org/10.21314/JOR.2001.041

[14] Budish, E., Cramton, P., & Shim, J. (2015). The high-frequency trading arms race: Frequent batch auctions as a market design response. The Quarterly Journal of Economics, 130(4), 1547–1621. https://doi.org/10.1093/qje/qjv027

[15] Kirilenko, A. A., Kyle, A. S., Samadi, M., & Tuzun, T. (2017). The Flash Crash: High-frequency trading in an electronic market. The Journal of Finance, 72(3), 967–998. https://doi.org/10.1111/jofi.12498

[16] Arkham Intelligence. (2025). JELLYJELLY exploit on Hyperliquid: On-chain attribution. Arkham Research. https://intel.arkm.com

[17] Halborn. (2025). Explained: The Hyperliquid JELLY incident (March 2025). Halborn Blog. https://www.halborn.com/blog

[18] Diamond, D. W., & Dybvig, P. H. (1983). Bank runs, deposit insurance, and liquidity. Journal of Political Economy, 91(3), 401–419. https://doi.org/10.1086/261155

[19] Barber, B. M., & Odean, T. (2000). Trading is hazardous to your wealth: The common stock investment performance of individual investors. The Journal of Finance, 55(2), 773–806. https://doi.org/10.1111/0022-1082.00226

[20] SEC v. W. J. Howey Co., 328 U.S. 293 (1946).

[21] DeLong, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise trader risk in financial markets. Journal of Political Economy, 98(4), 703–738. https://doi.org/10.1086/261703

[22] DefiLlama. (n.d.). Hyperliquid L1 statistics. Retrieved March 15, 2026, from https://defillama.com/chain/hyperliquid-l1

[23] CoinGecko. (n.d.). Hyperliquid futures statistics. Retrieved March 15, 2026, from https://www.coingecko.com/en/exchanges/hyperliquid

[24] Kyle, A. S. (1985). Continuous auctions and insider trading. Econometrica, 53(6), 1315–1335. https://doi.org/10.2307/1913210

[25] Sun, X. (2022). Short note on {Monarch, Moloch, Mafia} extractable value. HackMD. https://hackmd.io/@sxysun/short-note-ext