繼Pectra後,Fusaka也要升級!如何融入以太坊長期發展路線圖?
繼Pectra後,Fusaka也要升級!如何融入以太坊長期發展路線圖?
2025.12.02 | 區塊鏈
##### 什麼是Fusaka升級? 2025年12月3日,以太坊將在主網啟用「Fusaka」升級,這是繼5月的「Pectra」升級之後,今年第二次重大硬分叉。Fusaka的名字源自兩個內部升級代碼名稱,Osaka(執行層升級)和Fulu(共識層升級)的合併。

Rollup目前承載了以太坊的大部分交易和手續費收入,但它們仍受到發布回L1的數據量以及成本的限制。

Fusaka升級旨在紓解這種壓力。其主要功能PeerDAS(對等數據可用性採樣)允許驗證者無需下載所有內容即可驗證Rollup數據塊,從而降低頻寬和儲存需求,同時大幅提升數據吞吐量。

與此同時,「Blob-Only Parameter」(簡稱BPO)、新的gas和區塊大小限制以及歷史過期的調整,使區塊鏈能夠適應多次的容量提升。

本文將剖析Fusaka升級帶來的變化,其在Surge、Verge和Purge路線圖中的定位,以及在未來幾年可能對用戶、Rollup和整個以太坊生態系統產生的影響。

##### 從Merge到Fusaka:路線圖 要了解Fusaka的定位,不妨回顧一下以太坊的發展歷程。

TheMerge(2022年)「合併」使以太坊從工作量證明機制轉變為權益證明機制,能耗降低了約99.9%。

Shapella(2023年)實現了質押以太幣的提取,將單向質押系統轉變為流動性系統,吸引了更多的驗證者。

Dencun(2024年3月)引入了以太坊改進提案(EIP)4844「blob」,這是一種用於Rollup的更便宜的臨時數據通道,也被稱為protodanksharding。

Pectra(2025年5月)增加了EIP-7702帳戶抽象功能,並重新調整了諸如2048個以太幣的驗證者上限等質押參數。

這些升級與Vitalik Buterin簡略的路線圖相符:Merge、Surge、Verge、Purge和Splurge。Surge旨在通過Rollup和更好的數據可用性來擴展以太坊,而Verge和Purge則側重於更輕量級的用戶端和清除舊的歷史記錄。

Fusaka是首個同時推動所有這些功能的升級。它作為Surge的一部分為Rollup數據進行擴展,並作為Verge和Purge的一部分最佳化歷史記錄和更輕量級的同步機制。它還為模組化的以太坊堆棧設定了明確的目標,即在L1結算的基礎上增加L2吞吐量,實現每秒超過10萬筆交易(TPS)。

##### PeerDAS、blobs和更大的區塊 Fusaka的核心擴容方案是EIP-7594,即PeerDAS。

PeerDAS不再要求每個完整節點下載完整的Rollup數據塊,而是將其分割成更小的單元,並使用抽樣和糾刪碼技術,使驗證節點僅獲取隨機片段。如果可用片段足夠多,網路就可以確信完整數據存在。

這樣可以減少每個節點的頻寬和儲存,並為最終實現blob容量8倍的增長奠定基礎,而無需強迫質押者升級硬體。

為了使這種增長更具靈活性,EIP-7892引入了BPO分叉,這是一種小型硬分叉,僅更改三個與Blob相關的參數:目標值、最大值和基礎費用調整因子。

Fusaka之後,以太坊可以根據L2需求的增長,以更小、更頻繁的方式提升blob容量,而無需像以往那樣等待數年才能進行一次重大分叉。

在執行方面,Fusaka更新了gas和區塊大小:

  • 有效區塊gas目標值從目前的4500萬大幅提升。EIP-7825限制了單筆交易可使用的gas量,而EIP-7934則增加了10MB遞迴長度前綴(RLP)區塊大小限制,以降低拒絕服務攻擊(DoS)的風險。

  • EIP-7823和EIP-7883重新定價並限制了MODEXP預編譯,以防止一次繁重的加密調用使整個區塊停滯。

簡而言之,Fusaka為以太坊提供了更多空間來儲存Rollup數據和複雜交易,同時增加了安全機制,確保區塊對普通節點仍可驗證。

##### 用戶體驗、安全性和開發者工具 Fusaka的改進並非僅著眼於容量,有多個EIP還專注於用戶體驗、安全性和開發者操作便捷性。

EIP-7917使下一個epoch的提議者日程完全確定,並且可以通過信標根在鏈上訪問。這對於基於Rollups和預確認的方案至關重要,因為這些方案需要提前知曉哪個驗證者將提議給定的區塊,以便提供快速且可靠的軟最終性(Soft Finality)保證。

在用戶體驗方面,EIP-7951增加了secp256r1預編譯,使以太坊原生支持P-256簽名,該曲線被Apple的SecureEnclave、Android Keystore、FastIdentity Online 2(FIDO2)和Web Authn金鑰所採用。

這使得錢包能夠依賴設備級別的生物識別和金鑰,而非助記詞,從而使L1更接近主流平台的登錄流程。

開發人員獲得了EIP-7939,即計算前導零的操作碼,它用於計算256位字中的前導零數量。它使得位級數學運算、大整數運算以及一些零知識證明電路的實現成本更低、難度更低。

最後,EIP-7642擴展了以太坊的歷史數據過期機制,允許用戶端丟棄更多合併前及更早的數據,同時公布其提供的數據範圍。這可以為每個節點節省數百GB的空間,並能顯著加快新驗證者的同步速度。

##### 誰獲益:L2節點、驗證節點和以太坊持有者 對於L2生態系統而言,PeerDAS和BPO分叉相結合,使得數據更便宜且更豐富。

分析師估計,Fusaka加上首個BPO分叉可能會在一段時間內將L2數據費用降低40%至60%,尤其是對於像DeFi、遊戲和社交這類高吞吐量的應用場景。更低的數據費用意味著有更多空間進行試驗,並且可能引發新一輪圍繞價格和用戶體驗的Rollup競爭。

對於節點運營商和驗證者來說,Fusaka減輕了一些負擔,但也增加了其他負擔。採樣和歷史過期減少了節點需要下載和儲存的數據量,使得新節點更容易同步到最新區塊。

然而,隨著BPO分叉將blob計數推得更高,配備良好的驗證者和基礎設施提供商將承擔更多的上傳頻寬,如果用戶端實現和指導不夠謹慎,可能會將網路推向規模更大的運營商。

機構和權益質押服務提供商往往將Fusaka視為一種戰略賦能,而非一次性的速度提升。更可預測的數據吞吐量、更安全的gas和區塊大小限制以及更清晰的歷史管理,都讓大規模驗證器運營更易於規劃。

對於ETH持有者而言,其影響顯而易見。以太坊網路底層正在被調整為L2級別的高容量結算和數據引擎,最低費用和blob定價也進行了調整,以吸引更多交易活動在以太坊上進行結算,這可能會影響費用市場和驗證者獎勵。

然而,這種調整也存在權衡取捨。協議變得更加複雜,如果普通用戶沒有感受到成本和體驗方面的明顯改善,可能會招致批評。

##### Fusaka之後:Glamsterdam及邁向10萬TPS之路 下一個名為Glamsterdam的升級預計將於2026年推出,其兩大亮點是:提議者構建者分離(ePBS)和區塊級訪問列表(BAL)。
  • ePBS致力於透過在協議層面將區塊構建和提議分離,來強化最大可提取價值(MEV)供應鏈,而非僅僅依賴外部中繼。

  • BALs旨在實現更高效的執行以及更好地處理狀態訪問,包括未來blob容量的增加。

PeerDAS和BPO分叉推動了Surge的發展。歷史記錄過期時間的延長和點對點(P2P)的調整則體現了Verge和Purge的主題。諸如提議者預覽(Proposer Lookahead)和P-256支持等用戶體驗升級,使得預確認和通行金鑰錢包能夠大規模地實現。

如果以太坊能保持這樣的節奏推進,那麼Fusaka將更多地被視為一個轉折點。它標誌著路線圖從分散的計劃轉變為一個連貫且注重價值的擴容方案。其目標是在不放棄最初使網路具有價值的去中心化特性的情況下,支持每秒10萬筆交易的模組化堆棧。

本文合作轉載自:[《PANews》][1]
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓