跳到主内容
@wquguru
精选75BeInCrypto 中文(RSS)加密货币多源精选 ×5

Zcash科学家质疑比特币2100万上限,建议4%年增发

Zcash 科学家质疑比特币 2100 万枚上限

原文
发到 X

StarkWare 首席执行官、隐私币 Zcash 创始科学家 Eli Ben-Sasson 本周针对比特币的 2 100 万总量上限提出质疑。他指出,丢失私钥会导致真实可用的比特币供应不断减少,并建议采用每年最高 4% 年度增发上限的机制。

Ben-Sasson 的言论立即引发比特币拥护者的强烈反对,因为恒定供应被视为比特币网络的核心承诺。Zcash 创始人 Zooko Wilcox 也提出不同方案,坚持保持硬性上限不变。

比特币最大供应量。图片来源:BeInCrypto

Ben-Sasson:为何比特币 2 100 万上限难以为继?

Ben-Sasson 作为 STARK 零知识证明体系的发明人之一,2014 年还联合撰写了 Zcash 背后的 Zerocash 方案。他的批评,源于对丢失比特币数据的分析。

据 Chainalysis 估算,截至 2017 年,已有 278 万至 379 万枚比特币因私钥丢失无法找回。该数据还假设中本聪(Satoshi Nakamoto)的原始币早已彻底沉睡。与此同时,法院针对价值高达 2 350 亿美元的“沉睡钱包”归属问题仍在审理中,相关诉讼悬而未决。详见报道。

“将比特币的总量上限设定为 2 100 万枚,其实并不合理……事实上,随着时间趋近无穷,多数私钥终将丢失。我非常支持清晰明确的货币政策,并主张为未来比特币数量设定绝对上限。”他在 社交平台发文表示。

Ben-Sasson 建议,每年发行增量不超过 4%,基本匹配全球人口增长率。这一机制还可在 2140 年比特币区块奖励正式归零后,继续为矿工提供持续收入。目前全网已有约 95.5% 比特币流通。

与此同时,比特币网络当前区块手续费正处于 2019 年以来低点,进一步加剧外界对比特币安全预算的担忧——这一观点与过往安全性警示相呼应。

Zcash 回应:销毁机制与形式化证明的新思路

Wilcox 向 Ben-Sasson 推荐了 Shielded Labs 推出的网络可持续机制(Network Sustainability Mechanism)。根据该规则,持币人可以自愿销毁自身持有的 $ZEC,之后网络会以矿工奖励的形式重新铸造同等数量代币。整个 $ZEC 总量仍然保持 2 100 万枚的上限。

You may be interested in Shielded Labs “Network Sustainability Mechanism”, which attempts solve these problems while reinforcing the sustainability of the 21M cap. https://t.co/WrYITGq5jy

— zooko🛡🦓🦓🦓 ⓩ (@zooko) July 7, 2026

具体数据解释了 Ben-Sasson 的质疑。该机制计划销毁 60% 的交易手续费,大约每年 210 枚 $ZEC。他强调,如此有限的金额难以为矿工提供实质性激励,并再次表示,相比于限定供应上限,限定通胀率更为合理。

行业先例对此问题没有定论。Monero(门罗币)在 2022 年选择了另一种方案,为每个区块设立 0.6 枚 $XMR 的永久性奖励。然而,$BTC 开发者则多次否决类似建议。

$ZEC 社区同样关注反方向的风险——隐藏型通胀。核心密码学家 Sean Bowe 正在通过 Tachyon 项目,开发相关证明。他表示,这项工作已接近证明在全新 Ironwood 池中,不存在隐蔽漏洞可悄然超发代币。

Zcash's new formal verification efforts eliminate undetectable counterfeiting bugs from the new Ironwood pool. https://t.co/QWPujJutIb

— Sean Bowe (@ebfull) July 7, 2026

$BTC 支持者依旧态度坚决,继续引用 Michael Saylor 的观点,强调“拒绝更改”才是网络成功的关键。

尽管该提案几乎没有实际落地的可能,但它再度提出了一个 $BTC 必须终将面对的问题:在区块奖励全部结束后,仅靠手续费是否足以保障网络安全?

The post Zcash 科学家质疑比特币 2100 万枚上限 appeared first on BeInCrypto Chinese.

更进一步:量化金融体系

看懂新闻只是起点——沿量化金融路径,把它变成能交付的工程能力

进入量化体系 →

关联讨论

同一事件的更多信源

相似阅读

另一事件,读法相近