Category 欧易交易所OKX官网

美联储降息后鲍威尔在记者招待会上的十问十答

美联储主席鲍威尔在美联储大幅下调基准利率50个基点后举行的记者招待会上坚称,此举一方面不是为了支持现任总统拜登,另一方面也不是为了应对即将到来的经济崩溃。
鲍威尔一开始就承认,最近的通胀和就业数据让联邦公开市场委员会(FOMC)得出了50个基点是合理的结论。
鲍威尔称:“我们有两个就业报告,7月和8月。我们还有两份通胀报告,其中一份是在停电期间发布的。QCEW报告显示,我们得到的工资报告数字可能被人为地高估,并将被下调。我们还看到了褐皮书等轶事数据。”
他说:“我们的结论是,对于经济和我们所服务的人民来说,这是一件正确的事情,这就是我们做出决定的方式。”
1、当被问及市场应如何决定未来会议是降息25个基点还是50个基点时,鲍威尔表示:“一个好的起点是经济预测概要(SEP)。如果你看一下SEP,考虑到我们现在的处境和我们的预期,你会发现这是一个重新调整我们政策立场的过程,从一年前的高通胀和低失业率,到一个更合适的位置。”
他补充说:“SEP中没有内容表明委员会很着急,这个过程随着时间的推移而演变。”
2、鲍威尔被问及美联储的最新预测,该预测显示,FOMC预计,到明年年底,联邦基金利率仍将高于长期中性利率估值,这是否表明官员们认为短期中性利率略微走高。
鲍威尔表示:“我们知道,我们在2023年7月采取的政策立场是在失业率为3.5%的时候采取的。今天,失业率上升到4.2%,通胀下降到2%以上的十分之几。我们知道,现在是时候重新调整我们的政策,使其更加合适,因为通胀和就业正在朝着更可持续的水平发展。现在风险是平衡的。”
3、随后,美联储主席被问及FOMC投票支持50个基点的差距有多大,以及是否清楚这将是9月会议的结果。
鲍威尔回答说:“停电的时候,我们让它开着。今天有很多来来回回的讨论,非常棒的讨论,委员会投票表决的决定也得到了广泛支持。”
鲍威尔补充说:“所有19名委员会成员今年都多次写下降息,所有19人,这与6月份相比变化很大。我们为此开了个好头,坦率地说,这确实表明我们有信心相信通胀将在可持续的基础上降至2%,这赋能了我们。我们可以开个好头,我很高兴我们做到了。”
4、当被问及更大幅度的降息是否代表人们日益担心劳动力市场状况时,鲍威尔坚称这是现实的。美联储最新的预测显示,失业率将见顶达到4.4%。
鲍威尔称:“劳动力市场状况稳固,我们今天采取政策举措意在保持这种状况。”“你可以这么说整个经济。美国经济状况良好,增长速度稳定,通胀正在下降。劳动力市场处于强势地位。我们想保持住它。”
5、鲍威尔还被问到,降息50个基点是否意味着美联储启动宽松周期晚了。

他回答道:“我们不认为我们落后了,我们认为这是及时的,你可以把这看作是我们承诺不落后的信号。”
6、他被问及,如果政策仍处于限制性水平,为什么不应预期劳动力市场状况会进一步恶化。
鲍威尔说:“目前的状况非常接近我所说的最大就业水平,你已经接近这个目标了。那么,是什么在驱动它呢?显然,在过去几个月里新增就业岗位有所下降,值得关注。但最终,我们相信,通过适当调整我们的政策,你可以继续看到经济增长,这将支持劳动力市场。”
他补充说:“与此同时,如果你看看经济增长和经济活动数据,我们刚刚得到的零售销售数据,第二季度GDP,所有这些都表明经济仍在稳步增长。因此,随着时间的推移,这也应该会支持劳动力市场。”
7、鲍威尔被问及FOMC从现在到11月会议期间将了解到什么,这将提供下一步举措的幅度。
他回答说:“数据比平时多,我们会看到另一份就业报告,实际上我们会在会议前的周五得到第二份就业报告,还有通胀数据。我们会得到所有这些数据,我们会密切关注。”
8、当被问及重返近年来通胀之前的“廉价资金”时代的可能性时,鲍威尔说,他们只能猜测,但他认为这不太可能。
他说:“直觉上,很多人会说,我们可能不会再回到那个年代,那时有数万亿美元主权债券以负利率交易,中性利率看起来可能是负值。现在它似乎很遥远。我自己的感觉是,我们不会再回到那个时代了,但说实话,我们会找到答案的。在我看来,中性利率可能比当时高得多,它有多高?我只是认为我们不知道。”
9、鲍威尔还回答了一些问题,即今天在选举前大幅降息是否有政治动机,是否旨在支持现任总统。
鲍威尔坚称:“我们的工作是服务于所有美国人,我们不为任何政客、任何政治人物、任何理由、任何问题,什么都不是,只是代表所有美国人实现就业最大化和物价稳定。这是一个很好的制度安排,对公众有好处,我希望并坚信它将继续下去。”
10、美联储主席面临的最后一个问题是,FOMC是否看到未来任何可能带动美国经济陷入衰退的潜在冲击。
他回答道:“我不这么认为,我没有看到任何迹象表明经济衰退的可能性在增加。你可以看到经济以稳定的速度增长,通胀正在下降,劳动力市场仍然处于非常稳定的水平。”

从08年金融危机看再质押市场:流动性不足+杠杆风险下的潜在危机

原文作者:

原文编译:深潮 TechFlow

导读

随着 ETH 质押收益降至约 3% ,投资者转向使用一种称为流动性再质押代币(Liquid Restaking Tokens, LRTs)的代币化再质押池,以提高 ETH 计价收益。因此,LRTs 中的价值已经。这一趋势的主要推动力是约 以进行杠杆操作。然而,这种策略并非没有风险。每个 LRTs 的组成部分都有其独特的风险,这些风险难以建模,并且链上的流动性不足,难以在大规模削减事件中支持有效的清算。

随着以太坊(ETH)质押收益率降至约 3% ,投资者开始转向一种名为流动再质押代币(LRTs)的代币化池,以寻求更高的以太坊收益。因此,LRTs 中的价值激增至 1000 亿美元。这一趋势主要由约 230 亿美元的抵押品推动,用于杠杆操作。然而,这也伴随着风险。LRTs 中的各个头寸具有难以预测的特异风险,并且链上流动性不足,难以在大规模削减事件中进行有效清算。

当前 LRTs 的情况与 2008 年金融危机前的状况有一些相似之处。2003 年,联邦基金利率降至 50 年来的最低点 1% 。为了追求更高的美元回报,投资者涌入美国房地产市场。由于单个抵押贷款缺乏流动性,金融工程师将其打包成抵押贷款支持证券(MBSs)。2008 年崩溃的核心问题在于过度杠杆和 MBSs 的流动性不足,这些证券和 LRTs 一样,包含难以预测的特异风险。当不良的抵押贷款操作导致违约增加时,连锁反应的清算、恐慌和流动性短缺引发了全球经济的严重衰退。

鉴于这些相似之处,我们应该反思并尝试回答:我们能从过去的教训中学到什么?

2008 年简要历史

(注意:这里还有很多未提及的内容,但为了保持主题,我挑选了一些与我们故事最相关的内容)。

导致 2008 年经济衰退的一个简化故事如下:

贷款发起人和证券化者的激励机制

对抵押贷款支持证券(MBSs)需求的增加自然激励了抵押贷款的供给增加。因此,“发起和分配”模型日益流行。这使得抵押贷款机构(发起人)迅速将违约风险转移给证券化者,再将其转移给寻求更高收益的交易者(分配)。通过转移风险,发起贷款的过程变得更加可扩展,因为他们可以快速发起和出售抵押贷款债务,而无需庞大的资产负债表和有效的风险管理。

这里存在我们的第一个委托-代理问题:由于抵押贷款发起人不需要承担他们发放的贷款的风险,他们有手段和动机在几乎没有风险的情况下去发放更多的抵押贷款。这种激励机制导致的结果是,一种极其糟糕的抵押贷款类型出现了,被称为“设计用于违约”的贷款。

评级机构的激励

然而,除了抵押贷款发起人和证券化机构,还有评级机构在支撑这些看似稳定的收益来源。评级机构的加入也发挥了重要作用。根据每个特定的抵押贷款支持证券 (MBS) 的结构,评级机构负责评估哪些证券是优质的(AAA),哪些是高风险的(B 级及以下)。评级机构的参与通过两种方式加速了金融危机的到来:

  • 评级机构的费用由负责将抵押贷款打包和证券化的机构支付。这种利益冲突导致评级机构为了争取更多业务,竞相降低评级标准。例如,评级机构 Fitch 因为较少授予 AAA 评级,几乎失去了所有的 MBS 评级业务。

  • 当时的风险模型是有缺陷的,特别是它们错误地假设不同抵押贷款之间的违约风险是独立的。结果,证券化机构可以根据风险对 MBS 进行分级(最风险的部分在违约时首先承受 X% 的损失),以创建债务抵押证券 (CDO)。风险最低的部分更有可能获得 AAA 评级,而风险最高的部分可以重新打包、重新分级,再次进行评级。这些新 CDO 的顶级部分往往会被重新授予 AAA 评级(需要注意的是,违约概率并不是独立的)。

过度使用杠杆

1988 年,巴塞尔协议 I (Basel I Capital Accord) 获批,规定了国际活跃银行的资本要求。所谓资本要求,指的是银行在持有每一美元的“风险加权”资产时,必须相应储备多少资本。简单来说,这实际上限定了银行的最大杠杆比率为 12.5 : 1 。如果你熟悉加密货币的借贷协议,可以把风险加权资本要求看作类似于不同资产的贷款价值比 (Loan-to-Value ratio)。但实际上,“风险加权”并不总是为了减少风险,它有时被用作鼓励银行追求其他目标的工具。为了鼓励银行为住房抵押贷款提供融资,住房抵押贷款相关的证券被设定为商业贷款风险的一半(50% ),这意味着银行可以使用两倍的杠杆(25 : 1)。到了 2007 年,巴塞尔协议 II (Basel II) 进一步降低了 AAA 评级抵押贷款支持证券 (MBS) 的风险权重,使得银行可以将杠杆比率提高到 62.5 : 1 (注意:评级较低的 MBS 杠杆率则更低)(政府问责办公室关于抵押贷款相关资产的报告)。

尽管有资本要求,银行通过特殊投资工具 (SIVs) 实现了“评级和监管套利”,从而规避了更多的杠杆限制。SIV 是银行“赞助”的一个独立法律实体,但它拥有独立的资产负债表。尽管 SIV 自身几乎没有信用记录,但它们依然能以较低的利率借款来购买资产,因为外界普遍认为“赞助”银行会在出现损失时提供支持。实际上,银行和这些表外的 SIVs 几乎是一体的。

长时间内,银行不需要为 SIVs 的债务满足任何资本要求。直到安然公司通过将债务隐藏在精心设计的表外工具中来支撑股价,最终导致崩溃,监管机构才开始重新审视这一问题。不过,尽管如此,监管上并没有实质性变动——SIVs 仍然只需遵守其赞助银行 10% 的资本要求。用杠杆比率来表示,银行仍然可以通过 SIVs 对 AAA 评级的抵押贷款支持证券 (MBS) 使用 625 : 1 的杠杆。(注意:这并不意味着银行一定会最大化杠杆或只持有 MBS,只是他们有这样的能力)。

因此,SIVs 很快成为全球金融系统中为抵押贷款提供资金的最主要渠道(Tooze 60)。

复杂性带来的不透明性

从中我们也可以学到复杂性的重要教训。金融并不简单,它的核心是某些参与者比其他人更擅长评估和承担风险。单独评估一支政府债券相对比较容易。一笔抵押贷款虽然复杂一些,但仍在合理范围内。但如果面对的是一组基于复杂假设的抵押贷款池呢?或者是基于更多假设的风险分层?再或者是经过多次重新打包和分层的抵押贷款池?这无疑让人头昏脑胀。

在这些复杂的打包和分层过程中,许多人会选择把风险评估的工作交给“市场”,而不再对这些衍生品进行详细的尽职调查。

而衍生品市场对复杂性的追求背后有很大的利益驱动,这种复杂性往往有利于精明的投资者,而不利于缺乏经验的人。当金融工程师、高盛员工 Fabrice “fabulous Fab” Tourre 被问到谁会购买他们的合成 CDO 时,他的回答是:“比利时的寡妇和孤儿”(Blinder 78)。

从08年金融危机看再质押市场:流动性不足+杠杆风险下的潜在危机

但是“华尔街贪婪!”的叙述过于简单化了。事实上,最终从 2004 年到 2007 年(即市场最狂热的时期)发行的 AAA 评级债券损失并不算严重——到 2011 年的累计损失仅为 17 个基点——然而全球市场却经历了史无前例的崩溃。这表明,过度杠杆和不良抵押品可能并不是唯一的原因。

在一书中,Gorten 和 Ordonez 提出,当披露抵押品质量的信息需要支付成本时,即使是日常的市场波动也可能引发经济衰退。模型显示,随着市场长时间未遭遇重大冲击,放贷机构会减少用于评级的信息成本。因此,带有低质量且评级成本高的抵押品的借款人逐渐进入市场(例如,SIV 中持有的次级抵押贷款支持证券)。由于评级降低,借贷成本下降,进而提升了市场活动,因为借款人能够以更低成本获得抵押品。然而,当某些高风险抵押品的价值出现小幅下跌时,债权人可能会重新选择支付评级成本进行评估。结果,放贷机构开始回避那些评级成本高的抵押品,即使它们的质量并不差。这种信贷紧缩可能导致市场活动大幅下降(Gorton 和 Ordonez)。

MBS(抵押贷款支持证券)与 LRT(流动性回报工具)之间的相似之处

加密市场(尤其是以太坊)对安全 ETH 收益的需求,类似于传统金融中对安全美元收益的追求。与 2003 年政府债券的美元收益类似,ETH 质押带来的收益也在逐步压缩。随着约 30% 的 ETH 供应被质押,目前收益率已降至大约 3% 。

与 2008 年的抵押贷款支持证券 (MBS) 类似,质押收益率的下降促使市场寻找更高风险的投资机会以获取更大的回报。这种类比并不新鲜。特别是在 Alex Evans 和 Tarun Chitra 的文章《》中,他们将液态质押代币 (LSTs) 比作 MBS。这篇文章讨论了 LSTs 如何帮助质押者同时获得保障网络安全的质押收益和 DeFi 收益,避免两者竞争。从那时起,LST 持有者主要通过将其作为抵押物借贷来增加杠杆。

然而,MBS(抵押贷款支持证券)与流动再质押代币(LRTs)之间的关系似乎更加复杂。

虽然像 stETH 这样的 LST 将具有相对同质的风险的验证者聚集在一起(因为它们验证的是相对稳定的协议),但再质押市场则完全不同。再质押协议促进了对各种主动验证服务(AVS)进行质押的同时聚合。为了激励用户存款,这些 AVS 向质押者和运营商支付费用。与普通的 ETH 质押相比,ETH 再质押的机会数量是无限制的——但因此也可能存在独特的风险(例如,独特的惩罚条件)。

由于收益率更高,寻求风险的加密市场纷纷涌向存款,截至撰写本文时,锁仓总价值(TVL)约为 。在这一增长中,流动再质押代币(LRTs)占据了重要份额(约 ),这些代币化了再质押头寸池中的股份。

一方面,普通的 ETH 质押收益让人感觉像是“政府发行和支持”。例如,大多数质押者可能假设,在发生导致大规模惩罚的重大共识错误时,以太坊将会进行硬分叉处理。

另一方面,再质押收益可以来自任何来源。它们不能依靠在协议中发行 ETH 来激励持续的安全性。如果出现自定义惩罚条件的实施缺陷,以太坊的硬分叉将引发更多争议。如果情况足够危急,也许我们能看到来自 攻击的硬分叉是否导致了任何道德风险,这与银行救助相关,这些银行被认为是“太大而不能倒”,否则将对全球金融系统造成系统性风险。

LRT 发行者和 ETH 再质押者的激励与寻求更高收益的抵押贷款证券化者和银行的激励是相似的。因此,我们可能会看到加密领域中设计为违约的贷款不仅可能出现,而且可能变得普遍。一种特定类型的违约贷款被称为 NINJA 贷款,因为借款人没有收入、没有工作和没有资产。在再质押中,这种现象表现为低质量的主动验证服务(AVS)获得大量 LRT 抵押品,以获取通过代币通货膨胀提供的短期收益。如我们将在后续章节中讨论的,如果这种情况大规模发生,将会存在一些重要的风险。

实际风险

最显著的金融风险是发生惩罚事件(slashing event),导致 LRT 的价值跌破各类信用协议的清算阈值。此类事件将导致 LRT 的清算,并可能对相关资产的价格产生重大影响,因为 LRT 中的资产将被解锁并出售为更稳定的资产。如果初始的清算事件足够大,可能会引发其他资产的连锁反应清算。

我可以想到两种可能的情形使这种情况实际发生:

  • 新实施的惩罚条件中的漏洞。新协议将会有新的惩罚条件,这意味着可能出现影响大量操作员的新漏洞。如果“设计为违约”的主动验证服务(AVS)变得非常普遍,这种结果发生的可能性很高。也就是说,惩罚事件的规模也非常重要。目前,AAVE(在撰写本文时,其 LRT )对借用 ETH 抵押 weETH(最受欢迎的 LRT)的清算阈值为 95% ——这意味着,利用漏洞需要导致超过 5% 的抵押品受到惩罚事件的影响,以启动第一波清算。

  • 社会工程攻击。攻击者(无论是协议还是操作员)可以说服各种 LRT 向他们投资资本。之后,他们会对 LRT 建立一个大规模的空头头寸(可能还包括 ETH 和其他衍生品)。由于这些资本并不属于他们,因此,他们没有太多的风险,除了声誉。如果构建者或操作员并不在乎他们的社会声誉(可能是因为他们是化名的),而且空头头寸和攻击奖金的收益足够可观,他们应该能够获得相当可观的利润。

当然,所有这些情况只有在惩罚机制被启用的情况下才有可能——而这并不总是如此。但是,在惩罚机制启用之前,再质押(restaking)对协议经济安全的好处是微乎其微的,因此我们应该为惩罚风险开启做好准备。

避免过去的错误

所以最大的疑问依然是……我们能从过去中学到什么呢?

激励机制很重要

目前,流动性再质押代币化之间的竞争主要集中在提供最高的以 ETH 计的收益上。类似于对高风险抵押贷款的需求增加,我们将看到对高风险主动验证服务(AVS)的需求——我认为,这正是大部分惩罚(和清算)风险所在。单独的高风险资产并不太令人担忧,但当它们被用来承担过度杠杆而没有足够流动性时,它们就会成为一个问题。

为了限制过度的杠杆,借贷协议设定了供应上限(supply cap),这决定了协议可以作为抵押品接受多少特定资产。供应上限在很大程度上取决于可用的流动性。如果流动性很少,那么清算者将更难将清算出的抵押品兑换成稳定币。

类似于银行为了增加投资组合的名义价值而承担过度杠杆,借贷协议可能会有显著的激励去违反最佳实践,以支持更多的杠杆。虽然我们希望市场能够完全避免这种情况,但历史,例如 2008 年等事件告诉我们,当人们面临利润承诺且信息揭示成本较高时,往往倾向于委托他人(或完全忽视)尽职调查。

从过去的错误中学习(例如,评级机构的激励)告诉我们,构建一个无偏见的第三方来帮助评估和协调不同抵押品类型和借贷协议的风险将非常有帮助——尤其是流动性再质押(LRT)及其保障的协议。并利用他们的风险评估提出安全的、行业范围内的清算阈值和供应上限建议。协议偏离这些建议的程度应该公开以便进行监控。在理想的情况下,这个组织不应由那些可能从高风险参数中获益的人资助,而应由那些希望做出知情决策的人资助。也许这可以是一个众包的倡议,一个以太坊基金会的资助,或者是一个盈利性的“来为工具,留为网络”项目,为个人借贷者和借款者服务。

在得到以太坊基金会资助的支持下, 在管理 Layer 2 的类似倡议方面做得很好。因此,我对类似的事情在再质押中能够成功抱有一些希望——例如,(由 Eigenlayer 基金会资助)似乎已经开始了,尽管目前尚无关于杠杆的信息。然而,即使这样的项目得以建立,完全消除风险的可能性不大,但至少可以降低市场参与者获取信息的成本。

这也引出了第二个相关观点。

模型不足和流动性短缺

我们之前讨论了评级机构和抵押贷款证券化公司如何严重高估了抵押贷款违约的独立性。我们从中学到的教训是,美国某一地区房价的下跌可以大幅影响其他地区的房价,不仅在美国其他地方,而且还影响全球。

为什么?

因为一小部分大型参与者提供了全球经济活动的大部分流动性,而这些参与者也持有抵押贷款支持证券(MBS)。当不良的抵押贷款实践导致 MBS 价格下跌时,这些大型参与者向市场提供流动性的能力也随之减弱。由于资产需要在流动性较差的市场中出售以偿还贷款,各地的价格(无论是否与抵押贷款相关)也随之下跌。

对“共享”流动性的类似高估可能在借贷协议参数设置中无意间产生。供应上限的设定旨在确保协议中的抵押品可以在不导致破产的情况下被清算。然而,流动性是每个信用协议依赖的共享资源,以确保在清算时的偿付能力。如果一个协议根据某一时刻的流动性设置其供应上限,其他一些协议可以逐个进行自己的供应上限决策,从而使每个先前关于可用流动性的假设失去准确性。因此,借贷协议应避免独立做出决策(除非它们没有优先获取流动性的权限)。

不幸的是,如果流动性在任何时候对任何人都是无需权限访问的,协议将很难安全地设定参数。然而,如果能够在某些情况下给予流动性优先访问权,这种不确定性便有了解决方案。例如,作为抵押品的资产的现货市场可以设置一个钩子,每当进行交换时,就查询借贷协议以检查是否可以进行清算。如果清算正在进行中,则市场只能允许通过借贷协议本身的消息调用来触发资产销售。这个功能可以让借贷协议通过与交易所合作,更有信心地设定供应上限。

案例研究:

我们可能已经有一个案例研究可以观察到 LRT 市场的发展。

 链上提供了超过 22 亿美元的 weETH 抵押品,但根据 ,退出路径至 wstETH、wETH 或 rETH 的链上流动性仅为 3700 万美元(这甚至没有考虑滑点或 USDC 退出,使得实际流动性更差)。

随着其他借贷协议开始接受 weETH 抵押品(例如,Spark 当前的 weETH 总锁仓金额超过 1.5 亿美元),对少量流动性的竞争将会加剧。

,这意味着价值超过 5% 的 LRT 抵押品的清算事件应该足以触发第一波清算。因此,数亿到数十亿美元的卖压将涌入市场。这几乎肯定会导致 wstETH 和 ETH 的卖压涌现,因为清算者将资产转换为 USDC,进而冒着对 ETH 和相关资产进行后续波清算的风险。但正如前面提到的,只要没有发生清算,风险就很小。因此,AAVE 和其他信用协议中的存款目前应该是安全的,不会面临清算风险。

关键区别

如果不讨论一些关键区别,就不适合写一整篇关于 LRT 和 MBS 之间相似性的文章(以及今天的加密货币与 2008 年之前的金融体系)。虽然本文传达了一些 MBS 和 LRT 之间的相似性,但它们显然存在差异。

最重要的区别之一是链上杠杆的开放性、超额抵押、算法驱动和透明性与银行及影子银行杠杆的特点。超额抵押的资本效率低下带来了一些重要的优势。例如,如果借款人违约(且有足够的流动性),贷款人应该总是期望能够收回款项——这对于不足抵押的贷款则不一样。它们的开放和算法驱动的特性也使得资产能够立即进行清算,并允许任何人参与清算。因此,不可信的保管人和阴险的交易对手无法采取有害的操作,例如延迟清算、以低于其价值的价格执行清算以及在未获得同意的情况下重新抵押抵押品。

透明性是一个重要的优势。关于协议余额和抵押品质量的链上信息可供任何人验证。在之前讨论的 Gorten 和 Ordonez 的研究背景下,我们可以说 DeFi 在一个评估抵押品质量成本较低的环境中运作。因此,揭示抵押品质量信息的成本应该更低,从而使市场能够以更低的成本和更频繁地进行调整。实际上,这意味着借贷协议和用户拥有更丰富的信息资源,以便在关键参数选择上做出决策。然而,值得注意的是,对于再质押,仍然存在一些主观的链下因素,例如代码质量和团队背景,获取这些信息的成本较高。

一个轶事性的迹象是,自 BlockFi、Celsius 等公司倒闭后,链上的借贷活动似乎增加了。值得注意的是,我们看到 AAVE 和 Morpho 的存款显著增长,但几乎没有出现与之前周期相当规模的链下借贷操作。然而,获取关于当前链下借贷市场规模的具体数据并不容易——这意味着可能存在显著但未被广泛宣传的增长。除非出现直接的借贷协议黑客攻击,其他条件不变,基于上述原因,链上杠杆的实现应该更具韧性。

随着 LRT 的被削减风险的增加,我们可能会再次迎来一个绝佳的机会,亲眼见证透明、超额抵押、开放和算法驱动的借贷在实际操作中的利弊。最后,也许最大的区别在于,如果出现意外,我们没有政府来救助我们。对于贷款人来说,也没有政府的支持或凯恩斯主义代币经济学。只有代码、其状态以及状态的变化。因此,我们应尽量避免不必要的错误。

3EX合约交易赛火爆进行中 速来报名 瓜分35万USDT超级奖池

9月17日3EX合约交易大赛正式开启!全球加密货币交易者齐聚一堂,争夺高达35万USDT的超级奖池及特斯拉Model Y等豪华实物大奖!此次比赛自启动以来,热度不断攀升,吸引了众多个人交易者和交易团队参与,激烈角逐!此次3EX合约交易大赛将持续至9月30日,参赛报名通道将开放至9月28日,任何符合条件的交易者都有机会加入这场全球交易巅峰对决中。无论你是精英战队,还是独立作战的个人高手,3EX都为你提供了展现交易实力的绝佳舞台。

3EX合约交易赛火爆进行中 速来报名 瓜分35万USDT超级奖池

赛事双轨并行,豪华奖池吸引力十足

本次大赛分为“个人赛”和“战队赛”两大赛道。个人赛中,交易者凭借自己的独特策略单打独斗,冲击个人大奖;而在战队赛中,众多交易者组成战队,共同冲击团队奖励。赛道双重并行,既有个人的巅峰对决,也有团队协作的荣耀之战。

交易者参赛成功即可瓜分高达35万USDT的现金奖池,奖金会根据参赛者的交易量进行分配,交易量越大,瓜分的奖池金额越高。除了USDT奖励,参赛者还有机会赢取特斯拉Model Y和MacBook等超豪华实物奖品!此外,3EX还准备了早鸟奖、超级队长奖、优秀交易员奖等多重惊喜奖项,奖励丰厚,不容错过!

全球巅峰对决,展现交易实力

作为全球首家的加密货币AI交易平台,3EX一直致力于用全球顶尖的AI技术为用户提供极致的交易体验。此次合约交易大赛,正是3EX回馈用户、推动交易者个人及团队交易能力提升的重要举措。在这里,交易不仅是一场数字博弈,更是一次心智与策略的对决。每一个成功的交易背后,都是对市场的深刻理解与对交易时机的精准把控。此次大赛不仅是一次交易技能的切磋,也是全球交易者之间的交流和碰撞。无论你是经验丰富的老手,还是怀揣梦想的新手,都有机会在这个全球顶尖的交易平台上展示你的才华与实力。

速来参与,见证你的巅峰时刻!

3EX合约交易大赛正在火爆进行中,赶快抓住最后的机会,参与这场属于交易者的巅峰对决!报名通道将于9月28日关闭,比赛将持续至9月30日。无论你是交易新手还是老手,都能在这个赛场上展现实力,见证属于你的巅峰时刻!马上报名参与3EX合约交易大赛,迎接巅峰对决!瓜分35万USDT超级奖池,赢取特斯拉Model Y、MacBook等惊喜大奖!

点击下方链接报名加入,与3EX一起见证属于你的巅峰时刻!

报名链接:https://www.3ex.com/activity/futures_trading_competition

【3EX相关链接】

https://linktr.ee/3exlinktreecn 

Twitter(CN): https://twitter.com/3EX_ZH 

为什么IBM的市值只有微软的十六分之一?

我平时的一个主要学习方式(以及爱好)是读财报。

上市公司每个季度的财报披露,包括公告、新闻稿和分析师电话会议纪要,向我们提供了大量的财务信息和业务信息,是一个不容忽视的知识宝库。最近两年,因为港股和中概股实在没法看,我的大部分时间花在读美股科技股财报上——包括微软、苹果、英伟达等市值最大的公司,也包括IBM这样在某些垂类具备巨大影响力的公司。

在我读中学的时候(也就是第一次纳斯达克泡沫破裂前后),IBM是与微软并列的科技巨头之一,虽然其市值已经低于后者,但仍处于一个重量级。此后二十年,IBM经过了多次业务重组,确立了以企业级软件为核心的商业模式,同时也退出了“科技巨头”的行列,与微软等一线科技公司的差距越拉越大。此时此刻(2024年9月11日):

IBM的市值只有微软的1/16,更准确的说是6.14%;上个季度IBM的营业收入只有微软的1/4,净利润只有微软的1/12;Non-GAAP净利润也只有微软的1/10;

在规模远远小于微软的情况下,上个季度IBM的营业收入同比增速仅有2%,而微软为15%;IBM的净利润增速倒是略快于微软(14% vs. 10%)。

有必要指出,上述对比不完全公平,因为2021年IBM刚刚完成了对IT基础设施运维业务的拆分,后者变成了一家名为Kyndryl(勤达睿)的独立上市公司。然而,就算把Kyndryl加进来,IBM的营业收入也仅能达到微软的30%。何况Kyndryl被拆分的原因就是其利润过于微薄,不太受资本市场欢迎,目前其市值仅有约50亿美元(相当于1/600个微软)。

在这个生成式AI驱动的时代,微软的战略地位远比IBM更好:前者是OpenAI最大的外部投资者,旗下的Azure云是AI训练最常用的云,而且已经在Office, Teams, Bing等软件和服务当中全面融入了GPT;后者则沦为一个不太重要的角色,以IBM Watson为代表的昔日荣光早已褪色,现在的IBM只能勉强排进AI技术的第二集团。在可见的未来,微软和IBM的差距继续拉大的可能性,显然远远高于拉近的可能性。

01

那么问题来了:IBM是怎么沦落到这个地步的?

要知道,整整十二年前,也就是2012年9月11日,微软和IBM的差距还几乎可以忽略不计:

在那一天,IBM的市值为2334亿美元,微软的市值为2568亿美元,两者完全就是一个量级的公司。

在那个季度(即2012年7-9月),IBM的营业收入为247亿美元,微软为160亿美元;IBM的净利润为38亿美元,微软为45亿美元;两者仍然是一个量级的公司。

此后十二年当中,微软的市值增长了近12倍,而IBM的市值(已经考虑到拆分因素)原地踏步;两者市值被拉开的差距,几乎与净利润被拉开的差距相同,说明这一变化是基本面驱动的,而非市场一时头脑发热。

耐人寻味的是,这十二年当中,两家公司的管理层都是相对稳定的:从2012年至2020年,IBM由罗睿兰(Ginni Rometty)担任CEO,直至2021年由阿温德·克里希纳(Arvind Krishna)取而代之;而从2014年至今,微软一直由萨特亚·纳德拉(Satya Nadella)担任CEO。所以这个问题很大程度上可以简化为:罗睿兰主政期间的IBM,与纳德拉主政期间的微软相比,犯下了什么错误?或者说,未能做出什么正确的事情?

原因肯定很多。我既没有担任过跨国公司CEO,也没有从事过技术工作,所以只能从旁观者的视角,大致说一下自己的看法。从事后诸葛亮的角度看,IBM至少在以下三个重大方向上犯了错误,其重要程度依次递减:

  • 没有即时下注云计算尤其是公有云业务,从而未能适应IT服务“云端化”的趋势;
  • 没有追上AI技术向深度学习转变的浪潮,从而使自己过去几十年的AI技术积累迅速过时;
  • 没有押注于任何消费端(To C)业务,从而失去了更多可能性(虽然押注了也未必有用)。

先说第一条。过去二十年,全球IT服务最重要的趋势就是云计算:从以前的企业自建IT系统,逐渐转变为对外采购公有云平台的服务,由此实现IT基础设施乃至软件服务的全面“云端化”(也就是“外包化”)。第一个吃螃蟹的是亚马逊,AWS已经成长为其最赚钱的业务(远比主营的电商业务更赚钱);其次就是微软。早在接任微软CEO之前,纳德拉就是微软向云计算转型的重要人物,一手促进了微软数据库、Windows服务器和开发工具业务与Azure云平台的融合。在接任CEO之后,纳德拉坚决地、毫不犹豫地对Azure加大投入,终于使得后者成为了微软的收入增长引擎以及最大的单一收入部门。

事实上,从技术和产品的视角看,云计算与微软原有业务的相关性有限:微软在传统PC和服务器软件上的优势,并不能直接转化为云计算服务上的优势,前者的“云端化”是一个漫长而痛苦的过程。所谓“微软传统业务与云计算业务的协同性”,主要是指销售端的协同性——微软的销售体系(包括直销人员和经销商)覆盖了大批企业,可以向这些企业推荐Azure云服务;微软的老客户采购Azure也可以拿到一定的折扣。这种基于销售端的“优势”,IBM同样具备,甚至Oracle也具备,只是其销售覆盖面有所不同而已。

简而言之:微软在旧时代的技术积累,并不能保证它的Azure在新时代能追上如日中天的亚马逊AWS。AWS的前身早在2002年就成立了,2006年就开始对外全面提供服务;Azure的前身则在2008年才成立,2010年才开始对外提供服务。对于技术进步日新月异的云计算行业来说,4-6年的差距是非常巨大的,必须加倍努力才有可能扳回来。纳德拉执掌微软云业务之时,其实已经是向云计算全面转型的最后时间窗口了;如果再晚两年,Azure恐怕就要落后于更后起的谷歌云了!纳德拉的”all-in Azure”决策的战略意义之大,怎么估计都不过分!

而IBM在云计算领域的落后,几乎完全可以归结为“动手太晚”。2010年,IBM才开始探索云计算业务;2013年,才通过收购SoftLayer,建立了一个真正意义上的云服务部门。然而,直到2017年,IBM才确立了以“混合云”(Hybrid Cloud, 可以视为公有云和私有云的结合体)为主的云服务战略,并且在2018年通过收购Red Hat强化了这个战略。彼时彼刻,亚马逊AWS、微软Azure、谷歌GCP三强鼎立的形势已经形成,留给IBM的市场空间已经非常狭小,主要局限于那些偏好混合云的大型企业客户。

搞笑的是,按照IBM官方的说法,罗睿兰担任CEO期间最大的功绩是“确立了IBM的混合云战略”——这话当然不错,只可惜这个战略本应在2012-2013年就确立,而不是等到2017-2018年!“迟到的正义为非正义”,同理,迟到的正确决策只能沦为平庸的决策。况且混合云并非什么IBM独家技术,亚马逊、微软、谷歌乃至Oracle都可以做;哪怕退回这个狭窄的垂类市场,IBM的地位仍然不够稳固。

继续说第二条。IBM曾经在AI技术领域维持了长达五十年的领先地位,70后至80后的朋友应该都对1996年“深蓝”击败卡斯帕罗夫之战记忆犹新;美国人可能还对IBM Watson于2011年在《危机边缘》(Jeopardy!)知识竞赛当中击败人类选手留下了深刻印象。罗睿兰担任CEO期间的一个重要战略,就是通过Watson解决方案,把IBM的AI技术进行商业变现,其首选对象是医疗行业。

事实证明,欧美医疗行业过于复杂,涉及的监管和伦理问题太多,至少在当时并不十分适合由AI去改造,所以Watson的商业表现高开低走。但是更重要的是,2012-2013年(也就是Watson开始大规模商用的时间节点)发生了一场AI技术革命:基于神经网络的深度学习技术不仅取代了传统的知识图谱(符号主义),也取代了统计学习等传统机器学习技术,成为最高效、应用范围最广泛的AI基础技术。此后短短十年间,深度学习彻底改造了互联网内容分发和广告推送体系,开启了自动驾驶和大语言模型(LLM)等新兴产业,在学术界也成为了绝对的主流。

为什么IBM的市值只有微软的十六分之一?

作为老牌AI技术霸主,IBM未能跟上时代;至于原因究竟是管理层决策失误、投入资源不够还是执行效率低下,已经不重要了。重要的是,当谷歌以一年10家的速度收购基于深度学习的AI创业公司、以天价延揽包括伊利亚·苏茨克维(Ilya Sutskever)、吴恩达在内的顶尖AI科学家时,IBM的动作几乎可以忽略不计。结果就是,在短短2-3年之内,谷歌夺走了AI技术霸主的地位,并且迅速将AI应用于搜索引擎、翻译等服务上,从而让“技术-应用-商业化”的飞轮转动了起来。可怜的IBM则直到2021年才承认Watson的失败,当时它的AI基础研发实力不但早已被谷歌甩出了好几个身位,而且已经落后于亚马逊、Meta。

严格地说,微软在这一局里也是后来者,深度学习技术从来不是它的强项。但是微软做出了一个相当正确的决定,就是在2019年投资OpenAI,并且将后者的服务融入Azure云平台。ChatGPT横空出世之后,所有人都不得不承认,这是微软历史上最重要、最成功的一次战略投资。与GPT的深度合作不仅拉动了微软Office, Teams等软件服务的销量,更重要的是确立了Azure的“AI服务第一云平台”的地位——从2023年开始,AI需求每个季度都能至少把Azure的收入增速拉高5个百分点。现在轮到亚马逊感受到危机、急忙寻找各种应对手段了!

当然,微软并没有把希望全部寄托在对外投资上,它对于生成式AI的内部研发一直在进行中。例如,它曾与英伟达共同开发了万亿参数规模的Megatron大模型,而且至今仍在开发和迭代大模型。最近五年,由于Azure逐渐释放出巨大的盈利能力和现金流,微软得以向生成式AI等基础研发方向分配更丰厚的资源,实现成熟业务对新兴业务的“供养”;而IBM或Oracle则没有这么多资源可供挥霍。成功能够带来成功,就像钱能生钱,关键在于资源分配的方法得当。

最后说第三条。自从2005年向联想出售PC业务之后,IBM几乎就没有像样的消费端业务了。此后近二十年时间里,IBM对消费端业务没有展现过任何兴趣,不管是消费互联网、消费硬件还是内容服务。公允地说,这不能算一个真正的“错误”,因为IBM确实不具备消费端业务的基因,就算过去十多年里它押注了什么消费业务,我们也很难预测它取得多大的战果。

问题在于,同一时期的微软也不具备太多的消费端业务基因,但它还是屡败屡战、愈战愈勇,顽强地坚持了下来。对游戏业务的投入,贯穿了比尔·盖茨、史蒂夫·巴尔默和萨特亚·纳德拉三位CEO的任期;对智能硬件的投入,虽然在智能手机领域输的一塌糊涂,但是在平板电脑取得了一定的战果,维持了微软的战略性存在;对消费互联网的投入,主要是Bing搜索引擎和LinkedIn,总体看来是成功的,尤其是在与生成式AI融合之后,其战略价值正在上升。附带说一句,Bing的启动和LinkedIn的收购,都发生于纳德拉的CEO任期内。

我们不难发现,巴尔默担任CEO期间,微软确实不擅长消费端业务,朝令夕改、毫无头绪,收购过来的优质业务往往也灰头土脸收场。可是在纳德拉接手之后,微软的消费端业务更成熟了,其表现至少可以称之为中规中矩。从财务角度看,时至今日,微软的全部消费端业务均实现了盈亏平衡,就连历史上的烧钱大户游戏业务也是如此(这得益于对Xbox硬件平台定位的转变)。从资本市场的角度看,它们不再是拖后腿的业务,对微软市值的正面贡献越来越明显了。

纳德拉对于消费端业务的态度,集中体现在2022年初他对收购动视暴雪决策的解释当中:对于游戏这样一个拥有超过30亿用户的大型消费业务,微软不能缺席。同理可以推断出,在纳德拉看来,微软若想保持科技巨头的地位,就不能龟缩在企业级业务的“舒适圈”里,必须打出去。这一方面是为了建立与消费者的直接联系、培养用户心智,另一方面是为了形成业务协同效应——例如AI与Bing的协同效应,以及Azure与云游戏的协同效应。反观IBM,过去二十年的历任CEO,没有一个做出过类似的判断;他们无一例外地认为,IBM可以通过仅仅做企业级业务,甚至仅仅做利润丰厚的大企业业务,就维持科技巨头的地位。历史证明他们错了。

不过,既然IBM已经在云计算、AI两个战略方向上犯下了更不可饶恕的错误,对消费端业务毫无押注的错误就没那么重要了,甚至可以忽略不计。讽刺的是,IBM历史上最高光的时刻,恰恰是它在消费端最强大的时刻——从1980年代直至1990年代初,IBM PC引领了第一波信息技术革命走进千家万户,直到康柏、惠普、戴尔等生机勃勃的新厂商后来居上。在消费端电脑市场,苹果曾经是IBM的手下败将,可是在短短十几年内它就重新站了起来,成为了一家完全立足于消费端市场的科技巨头。世事万变,但是事在人为,“基因”也好、“历史积累”也好,归根结底是依靠人去执行的。

02

因此,我们更能理解,在美式上市公司中,CEO为什么总能拿到极端丰厚的薪酬了:

根据彭博新闻的统计,2022年美国上市公司CEO的平均薪酬是员工平均水平的400倍!像埃隆·马斯克这样的明星CEO,每年能够拿走价值几十亿美元的薪酬包。纳德拉2023年的薪酬包为4850万美元;而在他就任CEO之前的2013年,作为微软高级副总裁、云计算业务的负责人,他的薪酬包仅为760万美元。

哪怕考虑到最近十年的通货膨胀因素,差距也是十分巨大的!

这种情况合理吗?考虑到CEO至关重要的地位,显然是合理的。在纳德拉担任微软CEO的十年之内,微软的股价上涨了10倍;而在此前巴尔默的任期内则基本是零增长。如果罗睿兰在担任IBM CEO期间能够在云计算和AI两大战略性问题上面至少做出一个正确决策,并执行下去,那么IBM现在可能还屹立于科技巨头之林,其市值可能是万亿美元而不是1850亿美元。美式公司治理结构赋予了CEO几乎无限的业务决策权,所以CEO应该为一切错误承担责任,也应该为一切成就获得奖励。所谓“权力与义务的统一”,就是这样的。

由此可以进一步推断出:在采用美式公司治理结构的中国公司,主要是互联网中概公司当中,CEO的权力和责任就更大了。他们不但享有美式公司所赋予的制度性权力,还拥有中式人情社会所特有的非制度性权力,从而可以更高效、更彻底地将自身意志贯彻下去。当他们做出正确或错误选择时,对公司的影响就更大了。所以说,互联网大厂的成败至少有一半可以归结为一号位的问题,这个说法或许有些偏激,但还是有道理的。

就上面这个问题,我还想展开说更多,但那应该是另一篇文章的主题。

后空投时代思考:是时候建立长期价值驱动的模式了

原文作者:

原文编译:zhouzhou,BlockBeats

编者按:空投曾是推动加密项目发展的重要工具,但随着时间推移,它们逐渐暴露出短期投机的弊端,难以维持用户和开发者的长期忠诚度。许多项目依赖空投和资助计划,吸引的却是迅速流失的「热钱」。未来,区块链项目应聚焦于构建长期、价值驱动的模式,激励用户和开发者持续参与和贡献,以实现更稳定的生态系统发展。

我们是时候应该专注于构建能够确保用户和开发者忠诚度的长期、价值驱动的模式了。

后空投时代思考:是时候建立长期价值驱动的模式了

经过十多年的加密货币初创企业运营,我准备宣布一个范例式的转变:空投已经走到尽头,开发者奖励计划也很可能面临同样的命运。

因此,区块链项目必须转变思路,不再依赖短期的激励措施,而是应着眼于构建长期、以价值为导向的模式,从而确保用户和开发者的忠诚度。如果不采取这样的转变,整个行业将面临发展的停滞,甚至衰退。

空投最早在 2020 年走向主流,当时 Uniswap 去中心化交易所向每个与其平台互动过的钱包分发了 400 个 UNI 代币。这一策略旨在通过让用户获得项目的财务权益来推动平台的广泛采用,而且确实取得了成功。紧随其后,其他项目纷纷效仿,空投迅速成为 DeFi 社区的普遍期望。

然而,空投也带来了一些意想不到的负面影响。例如,「空投农耕」现象日益严重,即用户创建多个账户或进行最低限度的操作,仅仅是为了获得代币分配。更糟糕的是,这些机会主义者通常在领取奖励后迅速离开项目,导致用户活跃度和代币价值的快速下滑。结果,空投不仅未能培养出长期忠诚的用户,反而成为短暂投机收益的代名词。

以 Layer-2 扩容解决方案 Blast 为例。今年 6 月,Blast 向早期用户发放了 170 亿新发行的 BLAST 代币,希望借此吸引用户和资本。然而,结果并不理想,许多接收者对他们获得的少量奖励感到失望,链上数据也显示,不少用户在领取代币后很快就离开了平台。BLAST 的价格在数小时内下跌了 20% ,因为许多用户迅速抛售了代币。更引人注目的是,该协议的总锁仓价值(空投旨在吸引的资本)在空投前的一个月内已经下降了超过 33% 。存款用户在获取收益后迅速离开了平台。

空投不仅没有在吸引用户之后留住他们,反而成为「热钱」的目标——这些用户收取奖励后便迅速离开,寻找下一个机会。据 CoinMetrics 的最新研究显示,三分之二的空投代币自发行以来就已经贬值。持有至今的空投代币的中位回报率为 -61% 。

这不仅仅是开发者面临的问题,而是整个系统性的问题。依赖短期激励的网络往往吸引的是短暂的用户和开发者,他们来得快,去得也快。这种频繁的流失削弱了网络的稳定性,并侵蚀了整个 DeFi 生态系统中的信任。

区块链的资助计划也面临类似的挑战,虽然这些资助在最初阶段帮助了新平台的启动,但它们的效果如同空投一样短暂。开发者经常在多个区块链之间跳跃,将其服务复制到多个环境中以寻求资助,但却难以在任何单一平台上建立长期项目。这种「建设者困境」不仅影响开发者,还使各大网络难以维持稳定且忠诚的社区。

这些激励模式的不稳定性导致了繁荣 – 萧条的周期,使得开发者难以预测未来的活动和收入。开发者往往投入大量资源到项目中,最终由于资助流程的不可预测性和频繁的政治化,仅能获得承诺的一小部分。这与资助计划的初衷相悖,也违背了加密行业在技术和道德层面上所提倡的开放访问和可组合性的目标。

CoinMetrics 在其报告中指出,空投可能会在短期内提升协议的使用率,但是否能够创造真正的、可持续的长期增长仍有待观察。基于目前大多数空投和资助计划的运作方式,没有理由相信短期激励能够突然开始创造长期的采用、流动性或正向的代币价格走势。

空投和资助激励在 2020 年至 2022 年期间确实是启动项目的绝佳工具。然而,这段时期已经过去。虽然它们仍将在更广泛的生态系统中扮演一定的角色,但还想单凭这些工具就能够真正推动采用和增长的时代已经结束了。

在后 Blast 时代,潜在的「空投农民」将更加怀疑空投的价值。相应地,那些实力较弱的项目将更加快速地经历繁荣与衰退的循环,进一步让「空投」从一种诱人的噱头变成一个负面词汇。

那么,解决方案是什么?区块链项目必须超越这些短暂的激励,专注于建立长期、价值驱动的模式,使所有参与者的利益相一致。这意味着开发一种系统,不仅要奖励用户和开发者的到来,更重要的是奖励他们长期留在生态系统中并为其增长做出贡献。

无论你是存款者还是开发者,你很快就能做出选择。你可以选择一次性获得报酬,数额不确定,并且该代币很可能在下周贬值 30% ;或者,你可以根据网络的实际表现和你对其积极贡献的大小,持续获得报酬,只要你愿意,就能不断得到回报。

距离 Uniswap 首次亮相已有近五年,空投和资助已不再足够,我们是时候该建立真正能够长期运作的协议了。

AI×DePin:智能基础设施的协同进化


引言

去中心化物理基础设施网络(DePIN)是一种将区块链技术与物联网(IoT)相结合的前沿概念,正在逐步引起行业内外的广泛关注。DePIN 通过去中心化的架构重新定义了物理设备的管理和控制模式,展现出在传统基础设施领域(如电网和废物管理系统)引发颠覆性变革的潜力。传统基础设施项目长期以来受到政府和大型企业的集中控制,通常面临高昂的服务成本、不一致的服务质量以及创新受限等问题。DePin 提供了一种全新的解决方案,旨在通过分布式账本和智能合约技术,实现物理设备的去中心化管理与控制,进而提升系统的透明度、可信度和安全性。

Depin 的功能与优势

  • 去中心化管理与透明性: DePIN 通过区块链技术的分布式账本和智能合约,实现了物理设备的去中心化管理,使得设备的所有者、用户及相关利益方能够通过共识机制验证设备的状态和操作。这不仅提高了设备的安全性和可靠性,还确保了系统的操作透明性。例如,在虚拟电厂(Virtual Power Plant, VPP)领域,DePIN 能够公开并透明化插座的溯源数据,使用户能够清晰了解数据的生产和流通过程。

  • 风险分散与系统连续性: 通过将物理设备分布到不同的地理位置和多方参与者手中,DePIN 有效降低了系统的中心化风险,避免了单点故障对整个系统的影响。即使某一节点发生故障,其他节点仍能继续运行并提供服务,保障了系统的连续性和高可用性。

  • 智能合约自动化操作: DePIN 利用智能合约实现设备操作的自动化,从而提高了操作效率和准确性。智能合约的执行过程在区块链上是完全可追溯的,每一步操作均被记录,允许任何人验证合约的执行情况。这种机制不仅提高了合约执行的效率,还增强了系统的透明性与可信性。

DePIN 的五层架构分析

概述

尽管云端设备通常具有高度中心化的特性,但 DePIN(去中心化物理基础设施网络)通过多层模块化技术栈的设计,成功模拟了中心化的云计算功能。其架构包括应用层、治理层、数据层、区块链层和基础设施层,每一层都在整个系统中发挥着关键作用,以确保网络的高效、安全和去中心化运作。以下将对这五层架构进行详细分析。

应用层(Application Layer)

  • 功能:应用层是 DePIN 生态系统中直接面向用户的部分,负责提供各种具体的应用和服务。通过这一层,底层的技术和基础设施被转化为用户可以直接使用的功能,如物联网(IoT)应用、分布式存储、去中心化金融(DeFi)服务等。

  • 重要性:

  • 用户体验:应用层决定了用户与 DePIN 网络的交互方式,直接影响用户体验和网络的普及程度。

  • 多样性和创新:该层支持多种应用,有助于生态系统的多样性和创新发展,吸引不同领域的开发者和用户参与。

  • 价值实现:应用层将网络的技术优势转化为实际价值,推动了网络的持续发展和用户的利益实现。

治理层(Governance Layer)

  • 功能:治理层可在链上、链下或以混合模式运行,负责制定和执行网络规则,包括协议升级、资源分配和冲突解决等。通常采用去中心化治理机制,如 DAO(去中心化自治组织),确保决策过程的透明、公平和民主。

  • 重要性:

  • 去中心化决策:通过分散决策权,治理层减少了单点控制风险,提高了网络的抗审查性和稳定性。

  • 社区参与:该层鼓励社区成员的积极参与,增强用户的归属感,促进网络的健康发展。

  • 灵活性和适应性:有效的治理机制使网络能够快速应对外部环境的变化和技术进步,保持竞争力。

数据层(Data Layer)

  • 功能:数据层负责管理和存储网络中的所有数据,包括交易数据、用户信息和智能合约。它确保数据的完整性、可用性和隐私保护,同时提供高效的数据访问和处理能力。

  • 重要性:

  • 数据安全:通过加密和去中心化存储,数据层保护用户数据免受未经授权的访问和篡改。

  • 可扩展性:高效的数据管理机制支持网络扩展,处理大量并发数据请求,确保系统的性能和稳定性。

  • 数据透明性:公开透明的数据存储增加了网络的信任度,使用户能够验证和审计数据的真实性。

区块链层(Blockchain Layer)

  • 功能:区块链层是 DePIN 网络的核心,负责记录所有交易和智能合约,确保数据的不可篡改性和可追溯性。该层提供去中心化的共识机制,如 PoS(权益证明)或 PoW(工作量证明),保障网络的安全和一致性。

  • 重要性:

  • 去中心化信任:区块链技术消除了对中心化中介的依赖,通过分布式账本建立信任机制。

  • 安全性:强大的加密和共识机制保护网络免受攻击和欺诈,维护系统的完整性。

  • 智能合约:区块链层支持自动化和去中心化的业务逻辑,提升了网络的功能性和效率。

基础设施层(Infrastructure Layer)

  • 功能:基础设施层包括支撑整个 DePIN 网络运行的物理和技术基础设施,如服务器、网络设备、数据中心和能源供应等。该层确保网络的高可用性、稳定性和性能。

  • 重要性:

  • 可靠性:坚实的基础设施保障网络的持续运行,避免因硬件故障或网络中断导致的服务不可用。

  • 性能优化:高效的基础设施提升了网络的处理速度和响应能力,改善了用户体验。

  • 可扩展性:灵活的基础设施设计允许网络根据需求进行扩展,支持更多用户和更复杂的应用场景。

连接层(Connection Layer)

在某些情况下,人们会在基础设施层和应用层之间增加一个连接层,该层负责处理智能设备与网络之间的通信。连接层可以是中心化的云服务,也可以是去中心化的网络,支持多种通信协议,如 HTTP(s)、WebSocket、MQTT、CoAP 等,以确保数据的可靠传输。

AI 如何改变 DePin

智能管理与自动化

  • 设备管理与监控:AI 技术使得设备管理和监控变得更加智能化和高效。在传统的物理基础设施中,设备的管理和维护往往依赖于定期检查和被动维修,这不仅成本高昂,而且容易出现设备故障而未及时发现的问题。通过引入 AI,系统可以实现以下几方面的优化:

  • 故障预测与预防:机器学习算法能够通过分析设备的历史运行数据和实时监控数据,预测设备可能出现的故障。例如,通过对传感器数据的分析,AI 可以提前检测到电网中的变压器或发电设备可能出现的故障,提前安排维护,避免更大范围的停电事故。

  • 实时监控与自动报警:AI 可以对网络中所有设备进行 24/7 的实时监控,并在检测到异常时立即发出警报。这不仅包括设备的硬件状态,还包括其运行性能,如温度、压力、电流等参数的异常变化。例如,在去中心化的水处理系统中,AI 可以实时监控水质参数,一旦发现污染物超标,立即通知维护人员进行处理。

  • 智能维护与优化:AI 能够根据设备的使用情况和运行状态,动态调整维护计划,避免过度维护和不足维护。例如,通过分析风力发电机的运行数据,AI 可以确定最优的维护周期和维护措施,提高发电效率和设备寿命。

  • 资源分配与优化:AI 在资源分配和优化方面的应用可以显著提高 DePin 网络的效率和性能。传统的资源分配往往依赖于人工调度和静态规则,难以应对复杂多变的实际情况。AI 可以通过数据分析和优化算法,动态调整资源分配策略,实现以下目标:

  • 动态负载平衡:在去中心化计算和存储网络中,AI 可以根据节点的负载情况和性能指标,动态调整任务分配和数据存储位置。例如,在一个分布式存储网络中,AI 可以将访问频率较高的数据存储在性能较好的节点上,同时将访问频率较低的数据分布在负载较轻的节点上,提高整个网络的存储效率和访问速度。

  • 能效优化:AI 可以通过分析设备的能耗数据和运行模式,优化能源的生产和使用。例如,在智能电网中,AI 可以根据用户的用电习惯和电力需求,优化发电机组的启停策略和电力的分配方案,降低能耗,减少碳排放。

  • 资源利用率提升:AI 能够通过深度学习和优化算法,最大化资源的利用率。例如,在去中心化物流网络中,AI 可以根据实时交通情况、车辆位置和货物需求,动态调整配送路径和车辆调度方案,提高配送效率,降低物流成本。

数据分析与决策支持

  • 数据收集与处理:在去中心化物理基础设施网络(DePin)中,数据是核心资产之一。DePin 网络中的各种物理设备和传感器会持续产生大量数据,这些数据包括传感器读数、设备状态信息、网络流量数据等。AI 技术在数据收集与处理方面展现出显著优势:

  • 高效数据收集:传统的数据收集方法可能面临数据分散、数据质量不高等问题。AI 通过智能传感器和边缘计算,可以在设备本地实时收集高质量的数据,并根据需求动态调整数据收集频率和范围。

  • 数据预处理与清洗:原始数据通常包含噪声、冗余和缺失值。AI 技术可以通过自动化的数据清洗和预处理,提升数据质量。例如,利用机器学习算法检测并修正异常数据,填补缺失值,从而确保后续分析的准确性和可靠性。

  • 实时数据处理:DePin 网络需要对海量数据进行实时处理和分析,以快速响应物理世界的变化。AI 技术,特别是流式处理和分布式计算框架,使得实时数据处理成为可能。

  • 智能决策与预测:在去中心化物理基础设施网络(DePin)中,智能决策与预测是 AI 应用的核心领域之一。AI 技术通过深度学习、机器学习和预测模型,可以实现复杂系统的智能决策和精确预测,提高系统的自主性和响应速度:

  • 深度学习与预测模型:深度学习模型能够处理复杂的非线性关系,并从大规模数据中提取潜在模式。例如,通过深度学习模型分析设备的运行数据和传感器数据,系统可以识别出潜在的故障征兆,提前进行预防性维护,减少设备停机时间,提高生产效率。

  • 优化与调度算法:优化与调度算法是 AI 在 DePin 网络中实现智能决策的另一个重要方面。通过优化资源分配和调度方案,AI 可以显著提高系统效率,降低运营成本。

安全性

  • 实时监控与异常检测:在去中心化物理基础设施网络(DePin)中,安全性是一个至关重要的因素。AI 技术可以通过实时监控和异常检测,及时发现和应对各种潜在的安全威胁。具体而言,AI 系统可以实时分析网络流量、设备状态和用户行为,识别异常活动。例如,在去中心化通信网络中,AI 可以监控数据包的流动,检测异常流量和恶意攻击行为。通过机器学习和模式识别技术,系统可以迅速识别并隔离受感染的节点,防止攻击的进一步扩散。

  • 自动化威胁响应:AI 不仅能够检测威胁,还能自动化地采取响应措施。传统的安全系统往往依赖人为干预,而 AI 驱动的安全系统可以在威胁检测到后立即采取行动,减少响应时间。例如,在去中心化能源网络中,如果 AI 检测到某个节点存在异常活动,可以自动切断该节点的连接,启动备用系统,确保网络的稳定运行。此外,AI 可以通过不断学习和优化,提高威胁检测和响应的效率和准确性。

  • 预测性维护和防护:通过数据分析和预测模型,AI 可以预测潜在的安全威胁和设备故障,提前采取防护措施。例如,在智能交通系统中,AI 可以分析交通流量和事故数据,预测可能的交通事故高发区域,提前部署应急措施,减少事故发生的概率。类似地,在分布式存储网络中,AI 可以预测存储节点的故障风险,提前进行维护,确保数据的安全性和可用性。

DePin 如何改变 AI

DePin 在 AI 中的应用优势

  • 资源共享与优化:DePin 允许不同实体之间共享计算资源、存储资源和数据资源。这对于 AI 训练和推理需要大量计算资源和数据的场景尤为重要。去中心化的资源共享机制能够显著降低 AI 系统的运营成本,提高资源利用率。

  • 数据隐私与安全:在传统的集中式 AI 系统中,数据往往集中存储在某个中央服务器上,存在数据泄露和隐私问题。DePin 通过分布式存储和加密技术,保证了数据的安全性和隐私性。数据持有者可以在保留数据所有权的情况下,与 AI 模型共享数据,进行分布式计算。

  • 增强的可靠性和可用性:通过去中心化的网络结构,DePin 提高了 AI 系统的可靠性和可用性。即使某个节点出现故障,系统仍能继续运行。去中心化的基础设施减少了单点故障的风险,提高了系统的弹性和稳定性。

  • 透明的激励机制:DePin 中的代币经济学为资源提供者和用户之间的交易提供了透明、公正的激励机制。参与者可以通过贡献计算资源、存储资源或数据来获得代币奖励,形成一个良性循环。

DePin 在 AI 中的潜在应用场景

  • 分布式 AI 训练:AI 模型训练需要大量的计算资源。通过 DePin,不同的计算节点可以协同工作,形成一个分布式的训练网络,显著加快训练速度。例如,去中心化的 GPU 网络可以为深度学习模型提供训练支持。

  • 边缘计算:随着物联网(IoT)设备的普及,边缘计算成为 AI 发展的重要方向。DePin 可以将计算任务分配到靠近数据源的边缘设备上,提高计算效率和响应速度。例如,智能家居设备可以利用 DePin 实现本地化的 AI 推理,提升用户体验。

  • 数据市场:AI 模型的性能依赖于大量高质量的数据。DePin 可以建立一个去中心化的数据市场,使数据提供者和使用者能够在保障隐私的前提下进行数据交易。通过智能合约,数据交易过程透明且可信,保证数据的真实性和完整性。

  • 去中心化的 AI 服务平台:DePin 可以作为基础设施,为去中心化的 AI 服务平台提供支持。例如,一个去中心化的 AI 图像识别服务平台,用户可以上传图像,平台通过分布式计算节点进行处理并返回结果。这种平台不仅提高了服务的可靠性,还能通过代币机制激励开发者不断优化算法。

AI + DePin 项目

在本节中,我们将探讨几个与 AI 相关的 DePin 项目,重点介绍去中心化文件存储与访问平台 Filecoin、去中心化 GPU 算力租赁平台 Io.net,以及去中心化 AI 模型部署与访问平台 Bittensor。这三者分别在 AI 领域中担任了数据存储访问、算力支持训练和模型部署使用的重要角色。

Filecoin

Filecoin 是一个去中心化的存储网络,通过区块链技术和加密货币经济模型,实现全球范围内的分布式数据存储。由 Protocol Labs 开发,Filecoin 旨在创建一个开放且公共的存储市场,用户可以通过支付 Filecoin 代币(FIL)在网络中购买存储空间,或通过提供存储服务来赚取 FIL。

功能

  • 去中心化存储:Filecoin 通过去中心化的方式存储数据,避免了传统云存储的集中化弊端,如单点故障和数据审查风险。

  • 市场驱动:Filecoin 的存储市场由供需关系决定,存储价格和服务质量通过自由市场机制动态调整,用户可以根据需求选择最优的存储方案。

  • 可验证存储:Filecoin 通过时空证明(Proof-of-Spacetime, PoSt)和复制证明(Proof-of-Replication, PoRep)等机制,确保数据在存储提供者处得到有效存储和备份。

  • 激励机制:通过挖矿和交易奖励机制,Filecoin 鼓励网络参与者提供存储和检索服务,从而增加网络的存储容量和可用性。

  • 可扩展性:Filecoin 网络通过引入分片等技术手段,支持大规模数据存储和快速访问,满足未来海量数据增长的需求。

解决的痛点

  • 数据存储成本高昂:通过 Filecoin 的去中心化存储市场,用户可以更灵活地选择存储提供者,降低数据存储成本。

  • 数据安全和隐私问题:去中心化存储和加密技术确保数据的私密性和安全性,减少了因集中化存储带来的数据泄露风险。

  • 数据存储的可靠性:Filecoin 提供的时空证明和复制证明机制确保数据在存储过程中的完整性和可验证性,提升了数据存储的可靠性。

  • 传统存储平台的信任问题:Filecoin 通过区块链技术实现存储透明化,消除第三方机构对数据的垄断和操控,增强了用户对存储服务的信任。

目标用户

  • 存储提供者:通过提供闲置磁盘空间接入平台,响应用户的存储请求并赚取代币。存储提供者需要质押代币,如果无法提供有效的存储证明,则会受到惩罚,失去部分质押代币。

  • 文件检索者:当用户需要访问文件时,检索文件所在位置以赚取代币。文件检索者无需质押代币。

  • 数据存储者:通过市场机制,提交愿意支付的价格,匹配到存储者后将数据发给存储者。双方签署交易订单并提交到区块链。

  • 数据使用者:用户通过提交唯一的文件标识符及支付价格,文件检索者将找到文件所在存储位置,响应存储请求并提供数据。

代币经济体系

  • FIL 代币的流通:FIL 是 Filecoin 网络中的原生加密货币,用于支付存储费用、奖励矿工以及在网络中进行交易。FIL 代币的流通维持了 Filecoin 网络的正常运行。

  • 存储矿工及检索矿工的奖励:存储提供者通过提供存储空间和数据检索服务来赚取 FIL 代币。矿工的奖励与他们提供的存储空间、数据的访问频率以及参与网络共识的贡献相关。

  • 网络费用:用户需要支付 FIL 代币来购买存储和检索服务,费用由存储市场的供需关系决定,用户可以在市场中自由选择适合的服务提供商。

  • 代币发行和通胀:Filecoin 的总供应量为 20 亿,新的 FIL 代币通过挖矿奖励逐渐发行。随着矿工数量的增加,网络的通胀率会逐渐下降。

Io.net

Io.net 是一个分布式 GPU 计算平台,通过收集并集群化闲置算力,为市场提供算力调度和临时补充,而非替代现有的云计算资源。平台允许供应商通过简单的 Docker 指令部署支持的硬件供用户租用,以满足任务分发与处理的需求。Io.net 通过分布式算力共享的模式,期望提供接近云计算平台的效果,同时显著降低服务成本。

功能

  • 简易部署:供应商可以通过 Docker 指令轻松部署硬件,用户则可以通过平台便捷地租用硬件集群,获得所需算力。

  • 集群化算力:通过集群化闲置算力,平台作为市场算力的调度与临时补充,提升了整体计算资源的利用率。

  • 安全传输与上链存储:平台采用端对端加密技术,保障用户资料安全。同时,任务执行信息会被上链存储,实现日志的透明和永久保存。

  • 节点健康度监控:平台记录并公开每个节点的健康状态,包括离线时间、网络速度及执行任务情况,以确保系统的稳定性和可靠性。

解决的痛点

  • 算力不足:由于大模型的兴起,市场对训练时所需 GPU 算力的需求剧增。Io.net 通过整合民间闲置 GPU 资源,填补了这一算力缺口。

  • 隐私与合规性:大型云平台服务商如 AWS 和 Google Cloud 对用户有严格的 KYC 要求,而 Io.net 通过去中心化方式规避了合规性问题,用户可以更灵活地选择使用资源。

  • 成本高昂:云计算平台的服务价格较高,而 Io.net 通过分布式算力共享显著降低成本,同时通过集群化技术实现接近云平台的服务质量。

目标用户

  • 算力提供者:将闲置的 GPU 接入平台供他人使用。根据所提供设备的性能及稳定性,可以获得代币奖励。

  • 算力使用者:通过消费代币租用 GPU 或 GPU 集群,用于任务提交或大模型训练。

  • 质押者:质押者通过质押平台代币以支持平台的长期稳定运转,从设备租赁中获取质押收益,这有助于提升优良设备的排名。

代币经济体系

  • 代币使用:平台内所有交易均使用原生代币$IO,以减少智能合约中的交易摩擦。用户和供应商可以使用 USDC 或$IO 支付,但使用 USDC 需要支付 2% 的服务费。

  • 代币总供应:$IO 最大供应量为 8 亿个,上线时发行 5 亿个,其余 3 亿个用于奖励供应商和质押者。代币将在 20 年内逐步释放,第一年从总量的 8% 开始,每月递减 1.02% 。

  • 代币销毁:平台收入的一部分将用于回购并销毁$IO,费用来源包括双边 0.25% 的预定费及使用 USDC 付款收取的 2% 服务费。

  • 代币分配:代币将分配给种子轮投资者、A 轮投资者、团队、生态与社区以及供应商奖励。

Bittensor (TAO)

Bittensor 是一个去中心化的点对点 AI 模型市场,旨在通过让不同的智能系统相互评价和奖励,促进 AI 模型的生产与流通。Bittensor 通过分布式架构,创建了一个能够持续生产新模型并对贡献者进行信息价值奖励的市场。该平台为研究者和开发者提供了一个部署 AI 模型的平台,以赚取收益;而用户则可以通过该平台使用各种 AI 模型和功能。

功能

  • 分布式市场:Bittensor 建立了一个去中心化的 AI 模型市场,允许工程师和小型 AI 系统直接变现他们的工作,打破了大型公司对 AI 的垄断。

  • 标准化与模块化:网络支持多种模式(如文本、图像、语音),允许不同 AI 模型进行交互和知识共享,并能够扩展至更复杂的多模态系统。

  • 系统排名:每个节点根据其在网络中的贡献进行排名,贡献衡量标准包括节点对任务的执行效果、其他节点对其输出的评价以及其在网络中获得的信任度。排名较高的节点将获得更多的网络权重和奖励,激励节点在去中心化市场中持续提供高质量服务。这种排名机制不仅确保了系统的公平性,还提高了网络整体的计算效率和模型质量。

解决的痛点

  • 智能生产的集中化:目前的 AI 生态集中于少数几家大公司,独立开发者难以变现。Bittensor 通过点对点的去中心化市场,为独立开发者和小型 AI 系统提供了直接获利的机会。

  • 计算资源利用率低下:传统的 AI 模型训练依赖单一任务,无法充分利用多样化的智能系统。Bittensor 允许不同类型的智能系统互相协作,提高计算资源的利用效率。

目标用户

  • 节点运营者:将算力和模型接入 Bittensor 网络,通过参与任务处理和模型训练获得代币奖励。节点运营者可以是独立开发者、小型 AI 公司,甚至个人研究者,通过提供高质量的计算资源和模型来提升在网络中的排名和收益。

  • AI 模型使用者:需要 AI 计算资源和模型服务的用户,通过支付代币租用 Bittensor 网络中的计算能力和智能模型。使用者可以是企业、科研机构或个人开发者,他们利用网络中的高质量模型完成特定任务,如数据分析、模型推理等。

  • 质押者:持有 Bittensor 代币的用户通过质押支持网络的长期稳定运行,并获得质押奖励。质押者不仅能从网络的通货膨胀中获益,还能通过质押来提升自己支持的节点排名,从而间接影响网络整体的计算效率和收益分配。

代币经济体系

  • 代币用途:Bittensor 网络内的所有交易和激励均通过原生代币进行,减少了交易过程中的摩擦。用户可以使用代币支付计算资源和模型服务的费用,节点运营者则通过提供服务赚取代币。

  • 代币产生:每 12 秒出一个区块,产生 1 个 TAO 代币,根据子网的表现及其中节点的表现进行分配。代币的分配比例为: 18% 分配给子网所有者,子网矿工和验证者各获得 41% 。代币的最大供应量为 2100 万。

DePin 面临的挑战与结论

DePIN 作为一种新兴的网络架构,通过结合区块链技术,实现了物理基础设施的去中心化管理。这一创新不仅解决了传统基础设施面临的数据隐私、服务中断以及高扩展成本等问题,还通过代币激励机制和自组织模型,赋予网络参与者更多的控制权和参与度。尽管 DePIN 展示了强大的潜力,但依然面临一些挑战。

  • 可扩展性:DePIN 的可扩展性问题源于其依赖区块链技术的去中心化特性。随着用户数量和网络规模的增加,区块链网络上的交易量也会随之增加,特别是 DePIN 应用与物理世界的连接,需要更高的信息传输要求。这会导致交易确认时间延长以及交易费用增加,进而影响整体网络的效率和用户体验。

  • 互操作性:DePIN 生态系统建立在多个区块链之上,这要求 DePIN 应用能够支持同质或异质状态转换,并实现与其他区块链网络的无缝互操作性。然而,当前的互操作性解决方案通常限于特定区块链生态系统或伴随着高昂的跨链成本,难以全面满足 DePIN 的需求。

  • 法规合规性:作为 Web 3.0 生态系统的一部分,DePIN 面临多重监管挑战。其去中心化和匿名性特性使得监管机构难以监控资金流动,可能导致非法集资、传销和洗钱活动的增加。此外,税收监管方面,由于账户的匿名性,政府难以收集税收所需的证据,这对现有税收系统构成了挑战。

未来,DePIN 的发展将取决于这些关键问题的解决,并有望在广泛的应用场景中发挥重要作用,重塑物理基础设施的运作模式。

Vitalik推文解读:以太坊L1与L2经济模型的博弈

作者:陈剑 来源:X,@jason_chen998

以太坊第一总书记Vitalik又为市场未来发展指明了方向。其实这条推文还是非常有趣的,里面包含的可探讨的信息量非常大,包括对以太坊L1和L2经济模型和资产定价模型的探讨。

首先起因在于 @loi_luu 提出了一个所有人都痛批以太坊的问题:“L2分走了以太坊的交易量,但是却没有给以太坊支付足够多的费用”。在4844升级后L2给以太坊支付的就是存在Blob里的DA费用,尽管L2更便宜了但相比之前以太坊的收入急剧下滑,我和Loi都在想能否像L3之于L2那样缴纳固定比例的Gas费作为税收,比如你要在Arbtrium上发一条Layer3,每一笔的交易收入都要有10%固定给Arbtrium。

Vitalik的回复是目前L1在协议层面没办法确切的衡量L2上执行的费用实际是多少,同理其实L2如Arbtrium也没办法确切衡量其L3的费用,来自Arbtrium的 @stonecoldpat0 也回复说确实如此,部分协议的智能合约可以实现自动收费,但没办法全部做到,所以所谓的10%的税收也只是一个君子协定,还是要由L3信守承诺。

所以Vitalik觉得由以太坊在协议层面进行更改强制要求L2为每一笔费用交税实现起来太难了,他觉得可以做一个中立的跨所有Layer2的证明聚合层,由这一层负责所有L2向L1汇款的工作。

如果Vitalik的这项提议成立的话,以太坊则会在原本的DA安全费外又多向L2们收取一笔可观的交易税,不论L2们同不同意,至少这对于以太坊的经济模型又是一次强大的提振,强烈建议Vitalik总书记亲自指挥亲自部署,尽快落实!

另外这样看的话也许Eigenlayer或者以 @puffer_finance 为代表的Based Rollup更适合去做这个连接L1和Layer2税收中间层的工作?

除此以外Vitalik提到了一个有趣的资产价格博弈模型哈伯格税,提到的原因即上文中说到的如果试图强制征税就会导致人们有很多种方法如可以降低资产价格来逃税,所以Vitalik提到了他认为很有价值的一个理论模型哈伯格税,不过这个也依然不适用于上文中探讨的L2与L1税收的问题,只是Vitalik为了给亲儿子ENS带货顺带提的,他说他多次建议ENS采用哈伯格税模型。

哈伯格税很有意思,它是由上世纪的一位经济学家阿诺德·哈伯格所提出的一种自由市场博弈模型,希望通过基于资产所有者自主报价来征税的方式,在实现税收最大化的同时提升资产的流动性,什么意思呢?举个例子。

比如现在你有一套房子市场的公允价值1个亿,那政府按照2%的税收就能收你200万,这时候如果你觉得交税太多了,那你可以通过各种方式将房子的价格报低,并且一直不出售,从而少交税,从而形成了资产垄断降低了市场流动性的同时又没有缴纳足够税,哈伯格则认为每个人对自己的资产有定价权是合理的,但既然你报价了则必须要接受别人的购买,哈伯格税的核心理念是每个人都必须要对自己持有的资产进行报价,并且按照你的报价交税,如果别人接受了你的报价则你必须要卖给他。

在哈伯格税的模型中就会形成一个资产持有者、购买者、报价、税收的博弈模型,比如你有一套房子,你觉得它值1个亿,那你就按照这个价格上报并交税,如果你为了少交税报价1千万,则有人出1千万买你房子的时候你必须要接受强制把它卖掉,看似你少交税了但是你却承担了贱卖资产的损失,如果你觉得这套房子虽然市场价1亿,但是你祖祖辈辈住在这里不愿意搬,你为了不被卖掉则报10个亿也没问题,但你则需要按10个亿交税,如果你觉得多出来的税值得避免被人买走的极端价格也可以。

总之就是作为资产持有者你会非常小心谨慎的考虑自身情况去给资产定价,将整个社会经济的博弈颗粒度细化到具体的人身上,这样保证每一个资产的价格都是临界在最有效流通的区间,并且税收也可以达到合理的最大化。

哈伯格税在现实世界中必然是行不通的,但是在区块链中则完全不会有任何问题,这就是一个智能合约自动执行的工作而已,比如 @orb_land 就是一个典型的案例,也被Vitalik点赞过,你可以在上面购买专家的时间,每一份时间就是一个NFT,但是你在购买的时候必须要设定一个卖出的价格,否则无法完成购买,然后系统会按照你设定的价格收税,比如你买到了马斯克的一份时间,你必须要设定一个可以忍痛接受税费,但又不至于赚少了的溢价,所以Vitalik也一直在敦促ENS升级为哈伯格税,如果随着房产等上链等RWA终极美好愿景未来实现了,哈伯格税还是有望彻底落实的。

BTC波动率:一周回顾2024年9月9日–9月16日

BTC波动率:一周回顾2024年9月9日–9月16日

关键指标(香港时间 9 月 9 日下午 4 点 -> 9 月 16 日下午 4 点):

  • BTC/USD + 6.9% ($ 55, 080 -> $ 58, 900) , ETH/USD -0.7% ($ 2, 320 -> $ 2, 305)

  • BTC/USD 12 月(年底)ATM 波动率 -2.9 v ( 62.4-> 59.5), 12 月 25 d 风险逆转波动率 -0.1 v ( 2.5 -> 2.4)

BTC波动率:一周回顾2024年9月9日–9月16日

  • BTC/USD 在区间支撑范围强劲反弹,回升至 $ 58-60 k 关键价格区间,当前正尝试在价格波动较大的情况下寻找平衡。

  • 短期走势仍然保持看涨态势,但若跌破 $ 57.5 k 支撑位,可能预示更大幅度的回调

  • 若价格回落至 $ 54 k 以下,将打破长期上升的旗形形态,暗示可能会跌破 $ 50 k

  • 如果价格突破 $ 61-62 k 上方,下一个主要阻力位将在 $ 65 k 附近,市场可能会在此处遇到卖压,选举前的概率仍然是 50/50 

市场大事件:

  • 本月初关于 “Rektember” 的担忧似乎被夸大,BTC/USD 在触及 $ 52 k 强劲支撑后,本周表现回暖,短暂突破$ 60 k。相反,ETH/USD 缺乏上涨动能,徘徊于 $ 2, 300 水平

  • 9 月 10 日的总统辩论后,由于哈里斯的表现被认为优于对手,美国民调略微向其倾斜。然而,由于目前选情依然接近 50/50 ,除非选情进一步明确,否则对加密货币价格影响有限(这种情况可能要等到实际选举时才会发生)

  • 本周的 FOMC 会议市场仍然在 25 个基点和 50 个基点的降息预期之间摇摆;最初在周三 CPI 数据公布后,市场完全定价了 25 个基点的降息预期,但随后一些非美联储投票成员的“泄密”信息显示 50 个基点的降息也可能成真,市场预期回归 50/50 

  • 美国股市再次从本地低点找到支撑,原因包括:市场仓位显然仍然相对防御,受“九月下跌潮”担忧的影响;企业盈利大多依然稳健;美国经济数据尚未出现崩溃迹象。如果美联储此时确实降息 50 个基点,预计股市和加密货币市场将进一步走高

ATM 隐含波动率:

BTC波动率:一周回顾2024年9月9日–9月16日

  • 尽管市场对总统辩论和美国 CPI 等事件的预期溢价较高,但实际波动率在本周依然较为平淡,尽管 1 w 隐含波动率曾一度高达 60 ,但高频波动率仍维持在 40 中段。

  • 在本周初期,市场对期权的需求激增,但到周末,市场出现了波动性和方向性押注的平仓,进一步压低了隐含波动率,特别是在曲线的前端。

  • 由于选举结果仍为 50/50 ,选举波动率定价略微下降,符合整体波动曲线中溢价的减少,随着选举临近,我们预计波动率会有所上升。

  • 选举波动率定价略微下降,与整体波动率曲线上的溢价减少相一致。由于当前选举结果的概率仍然是 50/50 ,我们预计随着事件的临近,波动率将会再次上升。

偏斜/凸性:

BTC波动率:一周回顾2024年9月9日–9月16日

BTC波动率:一周回顾2024年9月9日–9月16日

  • 本周波动率的偏斜和和凸性走势相对平稳,市场聚焦于本月事件的局部期权需求。

  • 由于隐含波动率与现货价格变动之间没有明显的相关性(即隐含波动率对现货价格的上涨或下跌反应不大),因此我们很难在选举前看到任何重大的价格调整。由于选举结果的不确定性(50/50)以及选举结果对现货价格的显著影响,我们预计在选举前,市场会对局部行权价的波动进行更多调整。

祝大家下周好运,也祝参加 Token 49 的朋友们玩得愉快!

BTC波动率:一周回顾2024年9月9日–9月16日

您可在 t.signalplus.com 使用 SignalPlus 交易风向标功能,获取更多实时加密资讯。如果想即时收到我们的更新,欢迎关注我们的推特账号@SignalPlusCN,或者加入我们的微信群(添加小助手微信:SignalPlus 123)、Telegram 群以及 Discord 社群,和更多朋友一起交流互动。

SignalPlus Official Website:https://www.signalplus.com

读取、索引到分析 简述Web3数据索引赛道

1 引言

从 2017 年的第一波 dApp Etheroll、ETHLend 与 CryptoKitties 开始,到如今各式各样基于不同区块链的金融、游戏与社交 dApp 百花齐放,当我们谈论去中心化的链上应用时,是否曾思考过这些 dApp 在交互中所采纳的各类数据的源头?

2024 年,热点聚焦于 AI 与 Web3,在人工智能的世界里,数据就像是其成长与进化的生命源泉。正如植物依赖阳光和水分才能茁壮成长,AI 系统同样依赖海量的数据来不断「学习」和「思考」。没有数据,AI 的算法再精妙也不过是空中楼阁,无法发挥其应有的智能与效能。

本文从区块链数据可访问性(Data Accessibility)的角度,深入分析了行业发展过程中区块链数据索引的演变,并对比了老牌数据索引协议 The Graph 与新兴的区块链数据服务协议 Chainbase 和 Space and Time,特别探讨了这两个结合 AI 技术的新晋协议在数据服务与产品架构特色的异同。

2 数据索引的繁与简:从区块链节点到全链数据库

2.1 数据源头:区块链节点

从一开始了解「区块链是什么」时,我们就常看到这样一句话:区块链是去中心化的记账本。区块链节点是整个区块链网络的基础,承担着记录、存储和传播链上所有交易数据的责任。每个节点都拥有一份完整的区块链数据副本,确保网络的去中心化特性得以维持。然而,对于普通用户来说,自建和维护一个区块链节点并非易事。这不仅需要专业的技术能力,还伴随着高昂的硬件和带宽成本。同时,普通的节点查询能力也有限,无法以开发人员需要的格式查询数据。因此,尽管理论上每个人都可以运行自己的节点,但实际操作中,用户通常更倾向于依赖第三方服务。

为了解决这一问题,RPC(远程过程调用)节点提供商应运而生。这些提供商负责节点的成本和管理,并通过 RPC 端点提供数据。使得用户可以无需自建节点,便可轻松访问区块链数据。公共 RPC 端点是免费的,但有速率限制,可能会对 dApp 的用户体验产生负面影响。私有 RPC 端点通过减少拥塞提供更好的性能,但即使是简单的数据检索也需要大量的来回通信。这使得它们请求繁重,对于复杂的数据查询效率低下。此外,私有 RPC 端点通常难以扩展,并且缺乏跨不同网络的兼容性。但节点提供商标准化的 API 接口给予了用户访问链上的数据更低的门槛,为后续的数据解析和应用打下了基础。

2.2 数据解析:从原型数据到可用数据

从区块链节点获取的数据往往是经过加密和编码处理的原始数据。这些数据虽然保留了区块链的完整性和安全性,但其复杂性也增加了数据解析的难度。对于普通用户或者开发者来说,直接处理这些原型数据需要大量的技术知识和计算资源。

数据解析的过程在这一背景下显得尤为重要。通过将复杂的原型数据进行解析,转换为更易理解和操作的格式,用户可以更直观地理解和利用这些数据。数据解析的成功与否直接决定了区块链数据应用的效率和效果,是整个数据索引流程中的关键一步。

2.3 数据索引器的演进

随着区块链数据量的增加,数据索引器的需求也日益增加。索引器在组织链上数据并将其发送到数据库以便于查询方面起着至关重要的作用。索引器的工作原理是索引区块链数据并通过类似于 SQL 的查询语言(GraphQL 等 API)使其随时可用。通过提供查询数据的统一界面,索引器允许开发人员使用标准化查询语言快速准确地检索所需的信息,从而大大简化了流程。

不同类型的索引器通过各种方式优化数据检索:

  1. 完整节点索引器:这些索引器运行完整的区块链节点并直接从中提取数据,确保数据完整准确,但需要大量的存储和处理能力。

  2. 轻量级索引器:这些索引器依靠完整节点根据需要获取特定数据,从而减少存储要求但可能会增加查询时间。

  3. 专用索引器:这些索引器专门针对某些类型的数据或特定的区块链,可优化特定用例的检索,例如 NFT 数据或 DeFi 交易。

  4. 聚合索引器:这些索引器从多个区块链和来源提取数据,包括链下信息,提供统一的查询界面,这对于多链 dApp 特别有用。

目前,以太坊档案节点(Archive Node)在 Geth 客户端中的存档模式占用了约 13.5 TB 的存储空间,而在 Erigon 客户端下,存档需求约为 3 TB。随着区块链的不断增长,档案节点的数据存储量也会随之增加。面对如此庞大的数据量,主流索引器协议不仅支持多链索引,还针对不同应用的数据需求,定制了数据解析框架。例如,The Graph 的「子图」(Subgraph)框架就是一个典型案例。

索引器的出现大大提升了数据的索引和查询效率。与传统的 RPC 端点相比,索引器可以高效地索引大量数据,并支持高速查询。这些索引器允许用户执行复杂的查询,轻松过滤数据,并在提取后进行分析。此外,一些索引器还支持聚合来自多个区块链的数据源,避免在多链 dApp 中需要部署多个 API 的问题。通过在多个节点上分布式运行,索引器不仅提供了更强的安全性和性能,也减少了集中式 RPC 提供商可能带来的中断和停机风险。

相比之下,索引器通过预先定义的查询语言,使得用户可以在无需处理底层复杂数据的情况下,直接获取所需信息。这种机制显著提高了数据检索的效率和可靠性,是区块链数据访问的重要创新。

2.4 全链数据库:向流优先对齐

使用索引节点查询数据通常意味着 API 成为消化链上数据唯一门户。然而,当一个项目进入扩展阶段时,往往需要更灵活的数据源, 而这是标准化的 API 无法提供的。随着应用需求的复杂化,初级数据索引器与其标准化的索引格式逐渐难以满足越来越多样化的查询需求,例如搜索、跨链访问或链下数据映射。

在现代数据管道架构中,「流优先」方法已经成为解决传统批处理局限性的一种方案,能够实现实时的数据摄取、处理和分析。这种范式的转变使得组织能够对传入数据立即作出响应,从而几乎即时地得出洞察并做出决策。类似地,区块链数据服务提供商的发展也正朝着构建区块链数据流的方向前进,传统索引器服务商均陆续推出了以数据流方式获取实时区块链数据的产品,例如 The Graph 的 Substreams,Goldsky 的 Mirror,也有如 Chainbase 和 SubSquid 这样根据区块链生成数据流的实时数据湖。

这些服务旨在解决对区块链交易进行实时解析和提供更全面查询能力的需求。正如「流优先」架构通过降低延迟和增强响应能力,革新了传统数据管道中的数据处理和消费方式一样,这些区块链数据流服务商也希望通过更先进且成熟的数据源,支持更多应用程序的发展并辅助链上数据分析。

通过现代数据管道的视角重新定义链上数据的挑战,我们得以从全新的角度看待链上数据的管理、存储和提供的全部潜力。当我们开始将子图和以太坊 ETL 等索引器视为数据管道中的数据流而非最终输出时,便可以设想一个能够为任何业务用例量身定制高性能数据集的可能世界。

3 AI + Database? 深入对比 The Graph, Chainbase, Space and Time

3.1 The Graph

The Graph 网络通过一个去中心化的节点网络来实现多链数据索引和查询服务,促进开发者便捷地索引区块链数据并构建去中心化应用。其主要的产品模式为数据查询执行市场和数据索引缓存的市场,这两个市场本质都是服务于用户的产品查询需求,其中数据查询执行市场具体指消费者为所需的数据选择合适的提供数据的索引节点付费,数据索引缓存的市场则是索引节点依据子图的历史索引热度、收取的查询费、链上策展人对子图输出的需求调动资源分配的市场。

子图(Subgraphs)是 The Graph 网络中的基础数据结构。它们定义了如何从区块链中提取并转换数据为可查询的格式(例如 GraphQL 模式)。任何人都可以创建子图,且多个应用可以重复使用这些子图,这提升了数据可复用性和使用效率。

The Graph 产品结构 (Source: The Graph Whitepaper)

The Graph 网络由四个关键角色构成:索引器、策展人、委托人和开发者,他们共同为 web3 应用提供数据支持。以下是他们各自的职责:

  • 索引器(Indexer):索引器是 The Graph 网络中的节点运营商,索引节通过质押 GRT(The Graph 的原生代币)参与网络,提供索引和查询处理服务。

  • 委托者(Delegator):委托者是那些将 GRT 代币质押给索引节点以支持其运营的用户。委托者通过他们所委托的索引节点赚取部分奖励。

  • 策展人(Curator):策展人负责信号哪些子图应该被网络索引。策展人帮助确保有价值的子图被优先处理。

  • 开发者(Developer):与前三者作为供应方不同,开发者是需求方,是 The Graph 的主要用户。他们创建并提交子图至 The Graph 网络,等待网络满足需求数据。

目前 The Graph 已经转向全面的去中心化子图托管服务,不同的参与方之间有流通的经济激励确保系统运转:

  • 索引节点奖励:索引节点通过消费者的查询费用和部分 GRT 代币区块奖励来赚取收益。

  • 委托者奖励:委托者通过他们所支持的索引节点获得部分奖励。

  • 策展人奖励:如果策展人信号了有价值的子图,他们可以从查询费用中获得部分奖励。

事实上,The Graph 的产品也在 AI 浪潮中迅速发展。作为 The Graph 生态系统的核心开发团队之一,Semiotic Labs 一直致力于利用 AI 技术优化索引定价和用户查询体验。当前,Semiotic Labs 开发的 AutoAgora、Allocation Optimizer 和 AgentC 工具分别在多个方面提升了生态系统的性能。

  • AutoAgora 引入动态定价机制,基于查询量和资源使用情况实时调整价格,优化定价策略,确保索引器的竞争力和收入最大化。

  • Allocation Optimizer 解决了子图资源分配的复杂问题,帮助索引器实现资源的最佳配置,以提升收入和性能。

  • AgentC 是一个实验性工具,允许用户通过自然语言访问 The Graph 的区块链数据,从而提升用户体验。

这些工具的应用使得 The Graph 结合 AI 辅助进一步提升了系统的智能化和用户友好度。

3.2 Chainbase

Chainbase 是一个全链数据网络,将所有区块链数据整合到一个平台,方便开发者更轻松地构建和维护应用程序。它的独特功能包括:

  • 实时数据湖:Chainbase 提供了一个专门用于区块链数据流的实时数据湖,使得数据在生成时即可被即时访问。

  • 双链架构:Chainbase 基于 Eigenlayer AVS 构建了一个执行层,与 CometBFT 的共识算法形成并行的双链架构。这种设计增强了跨链数据的可编程性和可组合性,支持高吞吐量、低延迟和最终性,并通过双重质押模型提升了网络安全性。

  • 创新数据格式标准:Chainbase 引入了一种名为「manuscripts」的全新数据格式标准,优化了加密行业中数据的结构化和利用方式。

  • 加密世界模型:凭借其庞大的区块链数据资源,Chainbase 结合 AI 模型技术,打造了能够有效理解、预测区块链交易并与之交互的 AI 模型。目前已推出基础版模型 Theia,供公众使用。

这些功能使 Chainbase 在区块链索引协议中脱颖而出,尤其注重实时数据的可访问性、创新的数据格式,以及通过链上和链下数据的结合,创建更智能的模型以提升洞察力。

Chainbase 的 AI 模型 Theia 是其区别于其他数据服务协议的关键亮点。Theia 基于 NVIDIA 开发的 DORA 模型,结合链上和链下数据以及时空活动,学习并分析加密模式,并通过因果推理做出响应,从而深入挖掘链上数据的潜在价值和规律,为用户提供更加智能化的数据服务。

AI 赋能的数据服务使 Chainbase 不再仅仅是一个区块链数据服务平台,而成为一个更具竞争力的智能化数据服务商。通过强大的数据资源和 AI 的主动分析,Chainbase 能够提供更广泛的数据洞察,并优化用户的数据处理过程。

3.3 Space and Time

Space and Time (SxT) 意在打造可验证的计算层,在去中心化数据仓库上扩展零知识证明,从而为智能合约、大语言模型和企业提供可信的数据处理。目前 Space and Time 已获得 2000 万美元最新一轮的 A 轮融资,由 Framework Ventures、Lightspeed Faction、Arrington Capital 和 Hivemind Capital 领投。

在数据索引和验证领域,Space and Time 引入了一种全新的技术路径——Proof of SQL。这是 Space and Time 开发的一种创新零知识证明(ZKP)技术,确保在去中心化数据仓库上执行的 SQL 查询是防篡改的和可验证的。当运行查询时,Proof of SQL 会生成一个加密证明,验证查询结果的完整性和准确性。这个证明附加在查询结果上,使任何验证者(如智能合约等)都可以独立确认数据在处理过程中未被篡改。传统的区块链网络通常依赖共识机制来验证数据的真实性,而 Space and Time 的 Proof of SQL 实现了一种更为高效的数据验证方式。具体来说,在 Space and Time 的系统中,一个节点负责数据的获取,而其他节点则通过 zk 技术验证该数据的真实性。这种方式改变了共识机制下多个节点重复索引相同数据的到最终达成共识获取数据的资源损耗,提升了系统的整体性能。随着这项技术的成熟,它为着重数据可靠性的一系列传统行业使用区块链上数据构造产品打造了落脚石。

同时,SxT 一直与微软 AI 联合创新实验室密切合作,加速研发生成式 AI 工具,方便用户更轻松地通过自然语言处理区块链数据。目前在 Space and Time Studio 中,用户可以体验输入自然语言查询,而 AI 会自动将其转换为 SQL 并代表用户执行查询语句呈现用户需要的最终结果。

3.4 差异对比

结论与展望

综上所述,区块链数据索引技术从最初的节点数据源头,经过数据解析和索引器的发展,最终演进到 AI 赋能的全链数据服务,经历了一个逐步完善的过程。这些技术的不断演进,不仅提高了数据访问的效率和准确性,还为用户带来了前所未有的智能化体验。

展望未来,随着 AI 技术和零知识证明等新技术的不断发展,区块链数据服务将进一步智能化和安全化。我们有理由相信,区块链数据服务将在未来作为基础设施继续发挥重要作用,为行业的进步和创新提供有力支持。

对话知名KOL Phyrex:什么时候逃顶?宏观分析给你答案

本期嘉宾:Phyrex,推特 

*以下文字仅做分享,不构成任何投资建议。

TL;DR

一、投资策略

1. 资金体量和配置占比:体量未知, 9 成配置流动性好的大币种, 1 成配置小币种

2. 预期收益:一倍

3. 可承受回撤:BTC、ETH 和 BNB 不担心回撤,有再拿四年的准备;Altcoin 基本都是免费撸的,也不担心回撤

4. 交易逻辑:大周期择时以及定投

 二、本期内容概览如下

  • 关于“抄底”和“逃顶”:现在是市场底部了吗?什么时候见顶?

对周期的判断,有两类数据可以参考,一类是宏观数据,另一类是链上数据。

先说宏观数据。

  • 关于底部的判断,有如下三个结论:

1)当前的涨跌都是在流动性较差下的情绪作用,如果 7 , 8 , 9 三个月美国经济没有进入衰退,也没有出现黑天鹅,这三个月大概率会延续宽幅震荡,一直维持到九月,进入到大选的前摇状态。

接下来是大选周期,通常来说大选周期都是有利于风险资产,相对看涨。

如果出现了经济衰退,那么以现在这个价位来说,一定不是底,会出现一个较大的黄金坑。

2)经济衰退可以通过【失业率】来观察。美国发生经济危机的时候或者经济衰退的时候,失业率都会在 5.2% 或者是 5.4% 以上。鲍威尔在一些会议上也讲到,当失业率超过 4% 的时候,美联储会会考虑会不会提前降息这个问题。因为从美联储角度来讲,他们对于 2024 年失业率的预期是 4.2-4.4 。如果超过 4.4 ,就说明经济已经开始出现失控,会逐渐向衰退转移。当失业率越来越高,引发经济衰退的概率就越来越大,虽然降息可能会给市场带来一定的促进作用,但是从更长的一个时间段来说,高失业率最终可能会演变到经济衰退。更详细的分析可以查看倪大“最后一跌”主题的两篇文章。

https://x.com/phyrex_ni/status/1723975178927890703?s=46

https://x.com/phyrex_ni/status/1785604678606369221?s=46

3)没有绝对的底部,寻找合适你的底部区间定投。如果你是 Long Crypto,愿意抄底,就在设定的价格下进行分仓。每一次下跌一定的金额的时候,补一个自己可以承受的仓位。倪大自己的策略是,BTC 跌破 56, 000 美元,每下跌 1, 000 美元上 30% 仓位里面 1% 的 ETH,跌破 50, 000 美元,每下跌 1, 000 美元上 30% 仓位里面 2% 的 ETH,跌破 40, 000 美元我上 30% 仓位的 3% ,依此类推。抄底 ETH 的原因就是现货 ETF,博弈涨幅会超过 BTC。

  • 关于顶部,倪大判断这个周期大概是双顶或者三顶:

1)第一个顶是比特币现货 ETF 批准;

2)如果美国经济在大选前不发生衰退,那么就是双顶结构,第二个顶部有可能是进入到了放水;

3)如果美国经济在大选前发生衰退,那么就是三顶结构,第二个顶在美国大选,第三个顶在于放水。

以上的顶表达的是相对价格的顶。

  • 链上,有三个数据被证明比较准确/有效:

第一个,长期持有的 NUPL,到红色区域就是大周期抄底的时候。

第二个,仓超过一年的长期持有者,当长期持有的 BTC 到最底端的时候,基本上对应 BTC 的相对高点,是“逃顶”的机会。当长期持有者在顶端开始出现一个下降的时候,基本上就是一个“抄底”的好时机。

第三个,稳定币的市值,更建议关注 USDC,因为它更能反映欧美“合规”投资者的情况的数据,而这些投资者毫无疑问是这个周期的带领者。当 USDC 市值持续增加,说明大量的投资者将美元或者欧元转变成了 USDC 进入到市场里,当你 USDC 的市值出现一衰减的时候,就是投资者将加密货币换成了稳定币,然后稳定币换成了法币离开市场,完成了一个周期的买卖。

  • 如何根据周期掌握趋势?

周期分为大周期和小周期。

大周期就是美联储的货币政策,比如加息、降息,它代表了货币是宽松还是紧缩。

小周期就是要判断,是在加息的初期、中期、还是尾声?是进入暂停加息、还是进入到暂停加息的尾声?回顾历史数据可以发现:

1)加息的初期对于整个风险市场来说都是一个破坏性的打击,不管是在加密货币还是美股,基本是下跌的。而到了加息的尾声,整个风险市场都是出现上涨。

2)进入了暂停加息的周期从大方向来看,都是对于风险市场是利好的。

所以从操作上来讲,开始加息的时候卖出,当加息进行到了底部,大家已经开始预测出要进入暂停加息的时候就开始开始买入。到了降息的周期,如果降息的初期里面没有出现经济衰退,仍然可以持仓,如果出现了经济衰退,那么卖出是一个较好的选择。这样一个周期下来,你不一定能够精准逃顶,但绝对可以吃到整个上涨周期 70% 的比重,而且风险非常低。

另外还有一个周期,就是在中期大选之前跌的越多越要去买,因为到中期大选以后它可能涨的越好。这个从历史数据来看,近 15 次里边有 14 次都是这样的,这里边最少有 40% -50% 的一个利润空间。

  • ETH 现货 ETF 正式通过后,是卖出 ETH 的好时机吗?

先说结论:就倪大自己的操作而言,他不会 Sell the News。两个理由:

第一个,回看 BTC 现货 ETF 的过程,从刚开始买 ETF 的人,有超过 90% 一直持有,到现在都没有卖出。从价格表现上来说,BTC ETF 出现 Sell the News 的下跌之后,有两周左右时间的回调,接着从 4 万美金一路涨到了突破 7 万美金,即使是到现在有大幅回撤,也要比 Sell the News 的时候价格要高。

第二个,投资者本身有一种 FOMO 情绪,BTC ETF 之后出现了一个长达 5 个月的 FOMO 期,如果 ETH ETF 也有类似的 FOMO 期,从 7 月份算起的 4 个月到 5 个月正好是美国大选,它既是 ETF 上涨的一个疯狂期,又是美国大选的对于市场的一个刺激期,双重叠加下的爆发力可能会高过 BTC 当时只有 ETF 一个“刺激”的爆发力。

倪大预计 ETH ETF 资金流入是 BTC ETF 的 20% 。

如果大家想要关注 ETF 相关的消息,有两个来自彭博社的分析师可以关注,一个是 Eric(Twitter@EricBalchunas),一个是 James(Twitter@JSeyff)。

  • 想要定投 BTC、ETH 的人,应该如何构建自己的定投策略?

以倪大自己的两个定投策略为参考:

第一个,实验性的,每个月 3000 人民币,不管价格如何,在 10 号去买 BTC 和 ETH,投资超过两个周期看收益。

第二,只要 BTC 的价格跌破设定点,越跌我越买,结束购买的点是价格超过定投线。举例说明: 56, 000 时进 1% 的仓位, 55, 000 进第二个 1% 。跌破 5 万以后,抄底的仓位从一个点变成两个点,也就是说 49, 000 的时候买 2% 的仓位, 48, 000 再买 2% 的仓位,但是如果它涨回到 51, 000 就不再买入,跌回到 47, 000 我再继续买。

  • 作为一个 KOL,怎样看待和筛选其他 KOL 的分享?

倪大的核心观点是,我们吸收的信息,是对某个人知识面的一个采集,比如为什么好看一个赛道,如何看待一个项目的基本面等等,点位、多空这些信息意义不大,因为没有人可以在这上面一直正确。

倪大自己有一个包含 40 个账号的“小铃铛”列表,里边有宏观的,微观的,交易策略的,市场的行情的,这些账号 24 小时里发的 Post,每天会花 3 个小时到 4 个小时浏览阅读,丰富信息源,拓宽知识面。这里也贴出了这四十个账号的 ID,欢迎大家关注。(这 40 人就相当于倪大获取信息的个性化算法,非常宝贵)

媒体组织机构

@CoinDesk @BitcoinNewsCom @BitcoinMagazine @BitMEXResearch @Grayscale @WatcherGuru @Blockstream @BitwiseInvest

个人

@Vivek 4 real_ @zerohedge @saylor @pete_rizzo_ @EricBalchunas @intangiblecoins @HHorsley @WhalePanda @sassa l0 x @JSeyff @paulsperry_ @MetaLawMan @M_McDonough @EleanorTerrett @nikhileshde @crypto @bitschmidty @NickTimiraos @Gallup @bergealex 4 @VitalikButerin @blknoiz 06 @Claudia_Sahm @profplum 99 @dr_andrewlaw @evilcos @ThorHartvigsen @Rewkang

三、写在最后

倪大最早开始进入行业是投早期项目,后来做交易亏了钱,开始研究宏观。对于一个敏感的人来说不确定性是最让人不能接受的,所以在行业中寻找确定性,比如宏观周期对于赛道的影响就是倪大的切入点,我认为输出就是最好的学习方式,也是一个纠错和交流的机会,期待分享更多。

访谈全文

FC:

我们现在开始,邀请的原因我就不说了,因为大家都知道你是谁。好奇的是什么样的经历让你成为现在这么一个 KOL,可以跟大家大概介绍一下吗?

Phyrex:

我是在 2017 年、 2018 年的时候开始进入到这个市场里边,进入之前是做游戏公司的收购、并购这方面,当时我们主要做的是儿童游戏,认为是一个比较好的赛道,到后来做一做,我们的 LP 就说这个赛道整个比较烂,而且你们做的也不太好,账上可能还有一点钱,你们可以去做别的。当时正好是 ICO 的时间,就去试试看做加密货币,做成就成,做不成就拉倒,就这么误打误撞的就进了 Crypto 市场。正好 2017 年、 2018 年,ICO 也基本上是尾声了,也确实没有赚太多的钱,但是趁着这个契机开始进入微博,后来微博开始逐渐封锁,很多小伙伴说开始转做推特。我当时负责我们这个小基金,非常非常的难,难的情况是你有钱都没有用,只有孵化一些项目可能才有机会,如果你自己做投资的话,基本上就不会给你机会(去出手)。到现在其实也是这样,如果说你是一个中国的基金,你想拿一些比较优质的这些项目,基本上就没有机会。所以当时我们就在想,当你个人影响力做大一点,是不是就能够有机会能够投一些更好的项目。结果没想到基金做一做不赚钱,结果反而是自己一直做,一直做,就这么做下来了。我觉得写字是一个爱好,是挺愉悦的事情。之前有一次跟有些小伙伴去应酬,去一个 KTV,他们在喝酒唱歌的 40 分钟里面,我已经码完一个差不多 3500 字的文章了,而且都已经发出去了。

FC:

那您坚持写作的动力是什么?

Phyrex:

我觉得很多小伙伴就一直在焦虑在于,尤其像现在这种下跌的时候,我到底是卖还是平仓还是去补仓?我也会很焦虑,尤其是仓位比较重的时候。很多小伙伴都知道,我 3600 成本的以太坊最低跌到了 800 多,那时候都没有卖,你说这能不焦虑吗?我虽然一直是在补仓,但是你不知道什么时候是底,会不会到两位数?像 2018 年、 2019 年是到 80 多。所以就是这种情况下,因为这种焦虑,就被迫要求你去学习,到底是要卖还是要拿,如果要补仓,以什么样的价格去补仓,才会拉低我的成本,而且还不会去牵扯太多的仓位。我觉得怎么样能够少亏是我进入这里面去学习主要的一个动力,这是真的。

FC:

明白。我觉得其实焦虑最重要就是不确定性,就是你不知道没有一个逻辑能够佐证这个事情。

Phyrex:

对,就是涨的时候还好,涨的时候你焦虑是你不知道什么时候卖,但是你亏的时候的焦虑是悲剧性的焦虑,随时可能面对着归零的情况。

FC:

因为我们是对话交易员,我想问一下,您的交易策略是什么?比如说你的资金体量、预期收益、可以接受的风险回撤,然后包括你的周期是什么?

Phyrex:

我配置的比较多的就是美债和 Crypto,Crypto 我基本上预期的就是每一个周期能够翻一倍。

FC: 这么保守吗?

Phyrex:

对,因为太难了,我觉得翻一倍我已经很开心了。

FC:

我理解您基本上您应该是选择大币种,然后很少做波段?

Phyrex:

对。我基本上属于买完以后交易比较少的,包括我在 Binance 挖矿的这些矿,我都很少拿去交易。我一般都说大概什么位置的时候,我可能就会格局一下,但是最近确实收益率都不好,所以我觉得卖了意义不大,钱也不多,不如拿着,拿着说不定还有机会,所以基本是拿着,交易会比较少。我唯一一个频繁交易的就是每次到了财报季的时候,财报季前我一般都会习惯买入 Coinbase 和 MSPR,财报季以后我会看情况去卖出,这个是我可能做的比较短线的,而且基本会跟大家在推特上分享的。

FC:

OK。咱们就先拿今天大家比较关心的主题,如果从自己的交易体系关注的数据来看,你认为现在是一个底部可以抄底的时候吗?

Phyrex:

说实话可能有很多小伙伴不爱听,这个底部真的没有办法确定是底部。因为当前的涨跌都是在流动性低潮下情绪的作用, 7 , 8 , 9 三个月大概率会延续宽幅震荡。但如果出现黑天鹅事件,那肯定不是底,如果美国经济发生了衰退,那么现在这个价位来说,它一定不是底,一定会出现一个较大的黄金坑。更详细的分析我在推特上有两篇“最后一跌”的文章中都有说明。

但是正是因为黑天鹅的不可预测性,它既是是否发生的不可预测性,也是发生时间的不可预测性,所以它不一定会在 2024 年发生,如果它没有发生,那么很有可能 5 万多美元它就是一个底。所以我建议所有的小伙伴,如果你不知道什么是底部,你愿意抄底,那就在你设定的价格开始进行一个分仓。每一次下跌一定的金额的时候,在你可以补一个自己可以承受的仓位。我现在的策略是,跌破 56, 000 美元,每下跌 1, 000 美元我上 30% 仓位的 1% ETH,跌破 50, 000 美元,每下跌 1, 000 美元我上 30% 仓位的 2% ETH,跌破 40, 000 美元我上 30% 仓位的 3% ,依此类推。抄底 ETH 的唯一原因就是现货 ETF,博弈涨幅会超过 BTC。

FC:

理解。其实应该做二级交易的应该都知道,没有 100% 的事情,更多的是如果这样的话,我们要怎么做,所以我想问,您现在能不能给两个关键指标,比如说宏观上我看哪些?如果它发生了哪些变化,现在不是底部的可能性更大?如果它哪些发生变化,可能现在底部了?

Phyrex:

如果说准确率比较高的,就是我前面说的是否会发生经济衰退。经济衰退虽然说有不可预期性,但是它是有数据可以看到的。第一个数据就是美的经济连续两个季度 GDP 是下降的,这也是大多数国家来去看的,但是美国它不主要去看。第二个就是失业率,一般来说我们去看就是回撤,美国发生经济危机的时候或者说发生经济衰退的时候,它基本上失业率都会在 5.2% 或者是 5.4% 以上失业率。如果发生这种情况,那么很有可能目前就不是一个底。包括我们可以看到在上一次的一些会议上,鲍威尔也在解释说他们经济会看失业率会看得比较多,现在美联储已经很少去看通胀的数据,因为通胀的数据确实走得比较好,那么他更多的会去看就业数据。就业数据鲍威尔已经就讲过了,当失业率超过 4% 的时候,那么美联储会更好的去平衡,会考虑会不会提前降息这个问题。因为从美联储角度来讲,如果失业率从 4% 这个阈值继续往上涨超过 4.4% ,他们对于 2024 年失业率的预期是 4.2 ~ 4.4 。如果超过 4.4 ,就说明经济已经开始出现失控,经济会逐渐的向衰退去转移。当失业率越来越高,会引发经济衰退的概率就越来越大,引发黑天鹅的可能性就会越来越高。所以对于很多小伙伴来说,我觉得最直观的去看的数据失业率。如果你发现失业率越来越高,虽然说会符合美联储去降息,可能会给市场带来一定的促进作用,但是从更长的一个时间段来说,这个最终可能会演变到经济衰退。

FC:

理解,但是现在也有说法是,美联储现在更多是在做预期管理,当整个失业率开始抬头的时候,是不是反而它可能会超出市场预期的去提前去降息?这件事这可能更符合您说它是预防性的。

Phyrex:

我前面说如果美联储允许失业率是在 4.4% ,在 4.4% 的同时并没有引发经济衰退,那么美联储提前降息,目前我们就可以看作是防卫性的,这段时间对风险市场是有利。因为我们要知道降息本身是不会提供流动性,但是降息本身是意味着美联储这个周期的货币政策就已经结束了,所以对于用户是有一个好的市场预期,本身来说是一件好事,就会刺激用户的交易的情绪。

FC:

我刚才看有人留言问,经济衰退加降息是不是买长期国债比较好?

Phyrex:

是的,我前面不是说我自己有些资金就已经开始在配置在美债了,那我为什么没有配置长期美债?是因为现在再去配都已经晚了,可以看到一年以上基本是已经跌破了 5% ,只有百分之四点几的收益率了,现在配置我觉得有点划不来。我个人的想法是什么?目前我买一个月的,就是一个月或者是两个月的百分之五点几的,就 5.1% 、 5.2% 、 5.3% 、 5.4% 这种。然后我第一个博弈点是 9 月份, 9 月份如果出现降息预期的话,我就会在 9 月份之前,预期之前,买入长端美债,比如说是买两年或者是买二十年,那两年的美债我一直是拿着,因为我一般预期两年到三年会是一个周期。然后二十年的话,我就是准备做二级市场。

FC:

我们是否已经处于牛市的下半场?

Phyrex:

这个周期大概率是双顶或者三顶的预测:如果在美国大选前不发生衰退,那么这可能是一个双顶的结构,第二个顶部有可能是到了进入放水,时间可能是 2025 年或者 2026 年,是这个周期的第二个顶。三顶的情况就是如果美国经济在美国大选之前发生衰退,那么第一个顶很有可能就是在现货 ETF 批准,第二个顶就是在美国大选,第三个顶就是在于放水。这三个顶部周期或者是双顶的周期对应的就是我对于行业里边可能预期可能会走到高点和低点的一个位置。第一个位置就是 ETF 和或者是到美国大选。我的观点都是围绕着周期,美国大选是 2024 年以来,可能对于整个风险市场刺激最好的一个阶段,这个周期就是前两个月、后两个月。再接着去往下看,就要看美国经济的一个问题。如果在这段时间美国的经济仍然是没有出现任何衰退的情况,美联储会愿意继续去持续性的一个降息,美国的经济又是保持一个平衡,失业率仍然是保持一个较低的水平,这个时候对于整个风险市场就是有一个利好。如果下一批真的是有放水,而且放水的周期是符合到 2026 年的话,那么可能下一次的上涨周期,可能就是在 2026 年的年底中后段吧,可能会是一个比较好的机会。

FC:

我想问一下大选,风险市场上涨有没有什么支撑的原因?还是一个市场的情绪?

Phyrex:

两方面都有。我们看前期的 FIT 21 (银行可以去进行加密货币的托管),以太坊通过现货 ETF,一直在说是因为 SEC 受到了政治方面的压力,以及可以看到共和党出具了很多跟加密货币非常友好的这些措施,包括民主党甚至拜登,他都是要求说是对于 Crypto 更加友善一些,这些本身即便它不刺激流动性,但是这些所谓的利好,甚至说是前一段时间说,如果共和党这次成功当选,那么美国后面的基金会像推 BTC 推 ETH 这样来去推 Solana,那又是一笔很大的资金进来。这种预期就会带来整个加密货币市场与场内资金的一个翻滚。因为我们知道现在场内资金已经足够将 BTC 推高到 6 万、 7 万以上,但之所以没有到,就是因为现在整个市场的情绪不够好,场内资金不愿意下来买。那如果这个时候川普作为总统再喊几句,尤其是有一次他不是说,希望 Crypto 是发生在美国,希望由美国来带动整个 Crypto 世界的发展,让美国成为加密货币的中心,这种口号由现任总统来喊出来,代表的情绪会是什么样的?它未必会直接带来资金,但是它会让场内资金更加的疯狂,那么场内资金的疯狂也会带动大量的场外资金。

他会去说我们打倒 SEC,打到 Gary Gensler,我们需要有更多的 new money 进入到 Crypto,让美国成为 Crypto 领域里面的主宰,带领着整个全世界走到 Crypto 新纪元,让美元霸权在 Crypto 里面达到一个新的高峰,你说这燃不燃?兴奋不兴奋?华尔街肯定就会闻到味儿,最起码在接下来总统任期四年里面,即便他不是主要去推这件事儿,但是他所说的话一定会代表华尔街,代表整个资本链有一个新的发展。这样的话你说大家会不会 FOMO,一定会的。所以这就是为什么美国大选,我们肉眼可见的只要共和党当选,一定会对整个 Crypto 市场会带来一个好处,即便这个好处是虚的,但是当选的这一刻会让大家有一个很好的预期。

FC:

明白。我刚才其实听到您说,可能三顶是在 2026 年,如果真的到 2026 年的话,其实某种程度上就打破了之前减半的这种周期论,所以您认为接下来减半对于整个周期影响已经不大了吗?

Phyrex:

不是,我觉得减半的周期影响非常大。做数据的人喜欢回测历史,当我们回测历史的时候,可以看到每次当 BTC 减半的时候,减半年到一年以后是 Crypto 增长的高峰点,我们可以回看到半年到一年的这个时间基本上都是涵盖了美国大选的周期,每一次的半年和一年上涨的高峰期,不是在美国大选的前摇期,就是在美国大选的后摆期,所以从我的观点来说,它是一个互相成就。减半半年以后带动了很多的资金,大家都已经习惯了这个位置,矿工减少了抛售。另外一个就是美国大选刺激了风险市场,但不管是刺激了资金的流通,还是有更多的其他的行情去刺激,然后带动了整个风险市场一个购买情绪的上升,然后去提高整个加密货币的市场的一个价格。所以我觉得起码从目前来说,我还是仍然相信减半可能会给加密市场带来的一个行情的突飞,这个行情的突飞很有可能是会跟美国大选是重叠的。

说人话的话就是,如果这次美国大选期间,他又把 BTC 假设,提到了 10 万美元以上,那么当我们再做下一次减半的时候,我们回看是不是仍然是减半周期半年到一年以后,对 BTC 带来一个上涨,仍然是减半行情。所以我觉得减半行情跟美国大选还是有一个很好的重叠性,这个都代表是减半行情在内。

FC:

理解。刚才您也提到 ETF,有文章说以太坊就是要回到 3000 以下,这个事您也发了一个推特,不知道您最近有什么变化吗?包括 SOL 的 ETF 如果上的话,你觉得它的走势会跟 BTC 一样吗?

Phyrex: 很多小伙伴也在问这些东西,第一个问的是马上以太坊 ETF 就会过了,基本没有悬念了,就是时间问题,那过了以后会不会对市场产生一个抛压?我说的不一定是对的,只代表我自己的观点,我也不建议大家按照我说的去进行配置,但如果你非要去进行配置,你产生了亏损不要找我维权,这个要说在前面。

前面我们看到了一个完整的周期,BTC 现货 ETF 的周期,我们看到了资金的时候它出现 Sell The News 这个情况。从 46, 000 美元的时候,最高涨到了 48, 000 多,然后出现了一个 Sell The News 的下跌,一度甚至跌破了 4 万美元,到 38, 000、 39, 000 ,然后就开始上涨。这个过程很明显地能感受到它是有一个 Sell The News,那么 ETH 会不会也出现(这种情况)?我觉得大家的想法是没有错的。但为什么我不同意这种观点?如果你是一个 BTC 的 Holder,那么你在 Sell The News 的时候你卖掉了,那你觉得你是亏还是赚?当我们回看整个周期的时候,就会发现,如果 Sell The News 卖完以后,你并没有再去买入的话,那你会亏的蛮厉害的。虽然你是可能从 28, 000 的时候、 30000 的时候就开始买,就是在谣言的时候开始买,然后当新闻出现的时候你去卖出这种时候其实你赚的量会非常的少,因为我们现在站在上帝视角会发现,当 38, 000、 39, 000 跌完以后,它一股劲涨破了 69, 000、 70, 000、 73, 000 ,基本上没有回调期,直接涨到这么高。实际上说你在 4 万多的时候卖,你没有上车你就是亏的。你如果不在 Sell The News 的时候卖,你肯定是赚的,即便到现在他也是 57, 000 ,比你 Sell The News 卖的时候要高。比你 48, 000、 49, 000 的时候卖还要高 10000 美元。所以我们直接按去讲,即便你拿到现在你没有 Sell The News 你还是赚。

所以对于很多踏空了 BTC 的小伙伴来讲,在以太坊 ETF 的时候,你会不会去 Sell The News 去卖?我相信即便有人 Sell The News 去卖以后,他也会 Buy the dip,在他觉得比较低的时候买回来。因为接下来当有更多的资金进来的时候,他一定会出现一个上涨的趋势。我们看彭博社的一些分析师,他们都在分析,很有可能在以太坊进入的资金量是 BTC 的 15% ,甚至是到 15% ~ 20% 左右,我个人认为是能够有 20% 的资金量左右。当时 BTC 在三个月之内它的净流入资金量就超过 100 亿美元, 100 亿的 20% 就是 20 亿美元,那么 20 亿美元能够把以太坊拉到一个什么样的阶段?我不敢说一定会拉到多高,但比现在高肯定是没问题。这也是为什么我说当 BTC 继续去跌的时候,每跌 1000 我去抄底以太坊, 而且我也不会去 Sell The News,因为我觉得我很有可能选择不到一个很好的机会上车。假设 ETF 在 7 月 8 号正式通过, 7 月 9 号开始去上市,短期把以太坊冲到了 4000 美元,然后你在 4000 美元开始去卖,但是未来三个月有 10 亿 10 亿美金进来,它有可能冲到更高点,那你觉得哪个划得来你就去做,如果后边涨到了 4800、 4900 ,涨到了 5000 ,你会不会去后悔你卖早了?因为毕竟 BTC 的时候,我们已经看到这种情况了,当你在 4500、 4600、 4700、 4800 的时候你卖掉了,砸到了 4000 以下,但你会发现接下来它涨了多少? 70% 到了 80% 。

其实我们看到了整个 BTC 的过程,里边很明显的数据告诉我们,从刚开始买现货 ETF 这些人到现在超过九成都没有买,那你是愿意做九成没有卖的人还是愿意做一成卖了的人?选择权在所有小伙伴自己手上。

FC:

理解,这段挺精彩的。我想问一下,您认为比特币的高点跟以太坊的高点会是一样的吗?或者说会在一个区间吗?如果这样的话是不是我看一样的宏观指标就可以决定我什么时候卖我的以太坊呢?

Phyrex:

不是一样的,为什么?假设这次没有 BTC 现货 ETF 出现,那么我们还会不会期待在目前这种情况下 BTC 涨到 73, 000 ,或者现在还能够在 6 万左右震荡?我们期待吗?我们可能不期待。从我个人的数据模型来看,如果没有 BTC 现货 ETF,那么现在 BTC 的价格很有可能在 30000 左右去晃荡,可能 40000 都到不了。带来(现在这种价格)的原因是什么?就是现货 ETF。我们知道投资者本身是一种 FOMO 情绪,尤其当价格越涨的时候越疯狂,就是买涨不买跌,不只是亚洲小伙伴这样,美国小伙伴也同样是这样。所以当它出现一个 FOMO 期,比如说 BTC 我们看到 FOMO 的最高期是前 5 个月,一直到 6 月份为止都是 FOMO 期, 6 个月以后可能它 FOMO 的情绪就开始下降了。

那再来看以太坊的情况,假设它也有回调期,像 BTC 当时是两周的回调期,那么假设以太坊也是进入两周的回调期以后,它就是在 1 个月开始一直到第 4 个月或者到第 5 个月都是处于一个上涨震荡上行的期间,按照目前来说,从 7 月份算起的 4 个月到 5 个月正好是美国大选,它既是 ETF 上涨的一个疯狂期,又是美国大选的对于市场的一个刺激期,我觉得它是双重叠加,它可能的爆发力会高过 BTC 的单独只有一个 ETF 的爆发力。

FC:

理解。您能给大家分享一下,比如说我如果关注 ETF 相关,我应该看哪些博主?我要关注以太坊什么时候卖,我应该看哪些数据?

Phyrex:

博主的话,我现在就最推荐的就是彭博社的这两个,一个是 Eric(Twitter@EricBalchunas),一个是 James(Twitter@JSeyff),这两个人从最开始只有一两万的关注,到现在有超过十几万粉丝,绝大多数的关注都是 ETF 带来的,尤其是 Eric。Eric 是,起码是我个人知道的,第一个预测出 ETF 可能通过率会比较高,而且他给出时间,同时他给出很有可能先过 19 B-4 ,而后过 S 1、S 3 ,他的准确度我个人评判基本是在 90% 以上,如果小伙伴们如果想要去更好的获得这方面的资讯,去关注 Eric。

关于卖点的数据,进入第一次降息之后,很有可能在 11 月和 12 月,会有第二次降息,这个对于市场来说就是利好,只要在经济衰退之前进入到降息周期,那么市场就会预测美联储进入防卫性降息,这个对于市场来说就是一个利好,这是第一个数据。第二个数据就是我们看失业率,失业率可以高,但不要太高,失业率现在是 4 ,到 4.2、 4.4、 4.6 都是处于比较安全的,一旦失业率超过 5% ,很有可能就会给我们一个危险信号,这个时候对于我们部分的小伙伴来说可以考虑是不是要准备去离场,但只是考虑,还要判断更多的宏观数据和微观数据。比如说当时还是在 ETF FOMO 的高潮,那么这个时候你持有 BTC 或者 ETH 仍然是不错。比如说在这个时候我们发现 Solana 的 ETF 已经开始炒预期了,那么这时候你持有一些 Solana 也会是一件好事,基本上大的周期来说还是看这些。

我再补充一下,前面我们都说是宏观数据,其实链上数据里边也会有很多逃顶和抄底的指南。比如说抄底,我 2022 年就分享过有一个叫做长期持有的 NUPL,这个数值是我们目前看起来抄底最准确的区间,到红色区域的时候,它是 100% 抄底的时候,从历史来讲从来没有失败过。但是它是适合抄这种大周期的底。逃顶的时候我们也有一个数据,是看长期持有者,就是持仓超过一年的长期持有者,这个也是 Murphy 和其他一些小伙伴比较喜欢分享的数据,这个数据从历史周期上来看也是同样从来没有出错过。当长期持有的 BTC 到最底端的时候,基本上对应的都是 BTC 的相对来说的一个高点。当长期持有者在顶端开始出现一个下降的时候,基本上来说就是一个抄底的最好的周期。

另外一个数据就是稳定币的市值,稳定币的市值我们分为两个,一个就是 USDT,一个 USDC,以前我看 USDT 多一点,现在我看 USDC 多一点。USDT 我们都知道,是一个买卖加密货币的指数,它市值增加的时候很有可能就代表市场里的钱比较多。但是 Tether 的 CEO 只有六成的 USDT 是用在加密货币,就意味着有四成到五成的稳定币,USDT,是不用再加密货币市场的。而这句话是在两年以前,到现在的时候,这个比例很有可能是反过来了,就是有六成以上是不用再加密货币的,所以 USDT 的市值的增加未必是反映出整个市场的买卖情绪,所以我建议大家更多的去看 USDC,一方面是因为本来这个周期带领者就是美国投资者,这是毫无疑问的,大家可以去 Trading View 里面的 K 线,包括 BTC 和 ETH 在内的美国投资者最喜欢的 Crypto,它的成交量的高峰是从每天凌晨 3 点一直到凌晨 5 点左右,同时我们可以看到只要是非美国的假期,它相对来说成交量都是最高的。而 USDC 又是反映出美国投资者最合规的一套,尤其现在 circle,就是 USDC 的发行商,也拿到了在欧洲的一个发行稳定币的合规的牌照,所以 USDC 会更多的服务美国和欧洲这种主力市场,那么 USDC 市值的变化就是更好的能够判断出美国和欧洲投资者对于加密货币市场的一个情绪,如果 USDC 的市值处于持续增加的状态,就说明更大量的投资者将美元或者欧元转变成了 USDC 进入到市场里,进入了一个买卖的情绪。当你发现 USDC 的市值出现一个持续性衰减的时候,很有可能就是大量的投资者将加密货币换成了稳定币,然后稳定币退出成了法币离开市场,完成了一个周期的买卖。当有大量的 USDC 的市值进行了一个增发的时候,就可以看到大量的这种投资者通过他的法币买入 USDC 进入到市场里来去购买加密货币,这是我个人的判断。

FC:

理解。我今天跟 Murphy 正好也聊了一下,这些数据其实都有一个核心的逻辑,它有一个趋势,所以它能够判断顶部或底部区间的范围。一般您认为趋势形成大概是以什么周期为判断?周还是?

Phyrex:

 这里边趋势形成的是有几个,我们讲大周期和小周期。大周期就是美联储的货币政策,比如加息、降息。我们现在从上帝视角来看, 2021 年的年底已经是上一个周期的结束,它结束了货币宽松的政策,进入到了加息周期,市场认为它可能会出现货币紧缩,大家都开始跑,所以开始下跌,一直到整个放水完成周期,这是一个大周期。在小周期里边我们就要判断,它是在加息的初期,还是在加息的中期,还是在加息的尾声,还有它是不是进入暂停加息,还是进入到暂停加息的尾声,还是它进入到降息。我们可以看到往往来说就是加息的初期,对于整个风险市场来说都是一个破坏性的打击,不管是在加密货币也好,都是美股也好,基本是下跌的。反而到了加息的尾声,因为它已经预期到了加息的尾声,整个风险市场都是出现一个上涨。进入了暂停加息的周期从大方向来看,最近的 4 次到 5 次的加息周期都是对于风险市场是利好的。所以我们判断小周期的话,刚开始加息的时候我们就开始卖,当加息进行到了底部的时候,大家已经开始预测出开始进入暂停加息的时候,你就开始买,因为暂停加息的时候往往都会涨。到了降息的周期,如果降息的初期里面没有出现经济衰退,你仍然可以持仓,如果降息赶上了经济衰退,那么你去卖出是一个较好的情况。一直到了零利率的时候,你开始买入都是一个不错的周期。放水开始你可以一直买,等到放水结束你就开始准备去卖。这是一个周期,你不一定能够冲到最顶峰,但是你绝对可以吃到整个上涨周期 70% 的比重,而且风险非常低。

我提提到的另外的一个周期,就是在中期大选之前跌的越多,你越要去买,到中期大选以后它可能涨的越好。我们投资就是讲概率,就是在中期大选之前跌得越狠,就美国中期大选以后卖就是涨的就越高这个事情,这个从历史来看,近 15 次里边只有一次是失败的, 14 次都是成功的,这里边最少有 40% ~ 50% 的一个差价,就是利润空间。美国大选期间也是这样,跌得越狠,大选和大选周期涨的就越好,这个是在历来的 15 次以后, 15 次期间只有一次到两次失败了。所以这就是大周期、小周期,和小周期中间的一个变化,就是通过货币政策和几个关键的节点,你能够判断大的趋势和一个小的趋势。

FC:

明白,我想追一个问题,您现在是以定投为主,您的定投会到什么时候结束?

Phyrex:

对,我有两个定投,第一个我想要去测验,即便是现在比特币超过 6 万美元达到 7 万美元的时候,普通的一个投资者定投的话,是不是能够跑赢市场,这个也是我一直说的是给我儿子(花栗鼠)留的一个定投资金。每个月差不多就是 3000 人民币,去买 BTC 和 ETH。我就是想看一下作为一个普通人来说,你一个月拿出 3000 块钱,当你投资超过两个周期,你的收益会怎么样?这个是我作为一个社会实验性的事情,每个月的 10 号和 11 号不管价格怎么样我都会去买。

另外一个是前面讲的,只要 BTC 的价格跌破我的设定点,你越跌我越买,我结束的点是你超过了我的定投线,那我就不买了,比如说我 56, 000 我会我进 1% 的仓位, 55, 000 我再进第二个 1% 。跌破 5 万以后,我就会把仓位从一个点变成两个点,也就是说 49, 000 的时候我就会买 2% 的仓位, 48, 000 我再会买 2% 的仓位,但是它涨回到 51, 000 我就不买,涨回到 52, 000 我也不买,它跌回到 47, 000 我再继续买。然后到了跌破了 4 万到 3 万多的时候,我就开始加三个点的仓位,每跌 1000 我就加三个点的仓位。当然我相信不会跌到这么多的,但是这是我给自己定的一个就是规则。涨上去我就不投了,跌下去我就接着买。所以这就是我定投的两个操作,一个是做社会性实验的一个定投仓位,每个月的 10 号都会买,另外一个就是你越跌我越买。

FC:

我们把交易这块先暂停一下,想聊一聊您 KOL 这个身份。其实之前我跟很多交易员都聊到了一个“传播路径”的问题,我想问,您认为整个二级市场从交易生态来讲,上下游你认为都有哪些环节?然后一个项目从开始上涨到涨到 10 倍,整个过程中比如 KOL 在传播路径的哪个环节里面?

Phyrex:

从我个人的经验来说,目前 KOL 的走势已经从纯粹的二级市场已经逐渐向一级市场去走了,包括西方的很多小伙伴都开始讨论 KOL 轮的这个问题,这个反映出来整个一级市场越来越关注市场传播的声音。以前我们知道,对于中国市场来说,你传播的途径基本上就是在这个群,不管你是 TG 群,还是微信群,还是在微博的社区群,都是靠所谓的群主或者管理员带头,项目方能够把声音传递给更多用户的方式非常的低。所以我们也可以看到在上个周期之前,很多带头都是这种社区长、管理员等等之类的,他们对于这个市场的要求就非常的简单,能不能赚钱是最重要的,只要我能赚钱,那我就可以去喊单,喊单更多的是让我社群的人进来。这个一方面来说他能够喊单的资金量可能是有限的,另一方面他的辐射范围是有限的,第三个就是他所承接的用户其实他是无责任的。他的身份更多的还是在于资金的一个承载面,他并不会去宣传这个项目到底好不好。

现在更多的就会去传播什么?去传播我买这个 Token 的原因在哪里?为什么我会看好一个赛道?比如现在我也会分享自己为什么看好 DePin 和 RWA 赛道?为什么我认为 ETF 会带来大量的资金?现在很多的所谓的 KOL 已经从单纯的喊单、带单,转变成一个社区的贡献者,他对于项目方来说,是会用更加公允的方式来去评测项目,你赛道是不是好的,你能够给整个赛道带来的是什么样的一个方案?对很多项目方来说,他是知道 KOL 的价值就是一个长期的,是一个循序渐进的,他不是一个赚一笔就要跑的人。但要做到这些是有门槛的,他对于一个项目的(内容)产出是有一个很严谨的逻辑性的。

现在也有越来越多的投资者喜欢看这样的文章,喜欢去问 why。投资越来越理性之后,我们越会去问为什么买这个能赚钱?我不否认会有很多的小伙伴非常的直接想要点数,想要多空,但没有一个人能够 100% 的一直都能够给你正确的点数。当你去放你的仓位的时候,你就会发现你想要成长。尤其是当你亏损以后,你想要有一个成长,就是在基于自己理解的情况下,你才能够去为自己去负责,你才能够为自己的认知去买单,你才能够去长期的活在这个市场里边。当你有成长以后,你才能会知道美联储喊加息了,这个时候我要跑,美联储进行放水了,这个时候我要买。

我觉得大浪淘沙以后,能留下来的 KOL 将会是能够真正贡献实际知识,能够让更多的小伙伴知道大周期、资金承载量,知道什么是安全投资,知道什么能够让你活得更久。这些人在项目方的眼里,也是真正的有价值的人,因为对于项目方来说,盲目的去喊单也会是一种损伤,因为一砸盘你就是狗庄。总结来讲就是我们要在意的是个人的知识面的一个采集,而不是只靠一个点位。

FC:

明白。其实就是从一个个人交易者来看,有一个项目摆在面前,我真正的动作是应该学习,而不是马上就买。还是好奇,如果一个项目方其实找到你,他一定找了很多 KOL,我不知道这个时候 KOL 已经是传播链的第几层了,是不是下一层直接面对散户了?到这一层的时候是不是大家就开始 PVP 了?

Phyrex:

实话说,所有的 KOL 所面对的一定是最后的(散户),这是 100% 的。项目想要找 KOL 的最终的目的,不论是传播项目的价值还是什么,他一定要辐射的是散户。包括我在内,我发的文,你说全部都是机构、VC、交易所来看?肯定不是,绝大多数人都是像你、我一样的普通的用户,这些人其实就是链条的最后一层,这是毫无疑问的一件事情。

FC:

理解,那么我们应该怎么办呢?

Phyrex:

先说我自己,我也有恰饭,大家都知道,同时我应该也是中文推特里边第一个开赞助商广告的。很多纯粹的分析师,他不带单的,也没有社群,靠这个分析他是不赚钱的,你说他维持动力的动力是什么?有一些言论说,你作为一个分析师,你自己靠交易赚钱不都已经够了吗?为什么要写广告?其实对于我们很多人来说,交易确实能赚钱,而且很多优秀的交易员他不在推特上分享,他没有义务,赚我自己的钱就行了。那为什么很多人愿意分享?他是保持一个他的乐趣,而且这个乐趣被很多小伙伴,但不代表他愿意无条件的去分享,这时候如果有一些赞助或者有一些广告进来,他会认为我的付出是会有结果的,这个跟我交易是不是赚钱是两回事。而且还有些人不是频繁性的交易,他也会有回撤,他也是在大周期的交易,同时说不定也是一个普通的上班族,那么他希望能够去多补足一些日常的收益,其实是非常正常的。

但是作为 KOL 还是要给自己设定一个下限,一个门槛。一个 KOL 如果平时不讲某些话题,突然你讲了,可能就是广告,但不代表所有的广告都是坏的。我对于自己的要求是,当我做广告的时候,我从来不接牵扯到 Token 价格的,但是像 Launchpool/Launchpad 那种,我愿意预测价格,大家都知道这是一种乐趣。我是聊收益率来,不代表说我让大家在什么价格去买,所以凡是说让我去喊价格的,我一概不接,让我去“鼓动”大家去买的,我一概不接。如果是普及某一个赛道,或者是某一个项目的基本面,那我可以去做的,这个对我来说我没有心理压力。或者说某一个这个项目它是在 DAO Maker 去做 IDO 我也可以,为什么?因为它是 100% 退款,你觉得不好,价格跌了,可以马上去 100% 退款,这种对我来说也没有压力。

大家都知道,我在推特这么久了,我的身份,包括我长什么样子,我的名字,甚至我家在哪很多小伙伴都知道,在大众面前我是一个非常透明的人,非常公开的人。我之所以给自己作恶设计一个门槛,是因为如果你们任何一个人发现我作恶了,都可以非常容易的找我维权。我为了不去避免这种情况,避免给我的家人添麻烦,所以我就不能去作恶。

我一直认为,为了生活去恰饭不丢人,只要我不突破底线,我不是以割韭菜,不是以小伙伴们投入的资金来作为我生活的来源,那我觉得我是 OK 的。所以对于大家评判来说,如果你觉得他就是让你去买这个东西,而不是去跟你分析这个赛道,会让你觉得可能会有这种风险,那么他可能就是纯粹的一个广告。如果他只是介绍赛道,可能会对你的知识面有所补充,那么即便可能是一条广告,那么我觉得也不要过于的去苛责他,起码我是这样的。

FC:

理解。下一个问题,我们一般认为交易跟性格相关,我觉得从跟您聊发现,您的性格是一个付出型,对于关系也比较敏感,所以我觉得你对于价格和某一些因素有一定的关联,可能因为你的性格,就更在意这个事情。所以如果有些人想复制您的交易策略,我觉得他可能要跟您相似的性格,才能对很多事情更敏感,是不是这样?甚至我也看到你观察鲍威尔发言的时候,他的状态、语调或者倾向,其实都是从里面也会有判断,我理解这跟性格是相关的,对吧?

Phyrex:

是的,其实因为我是学临床心理学的,所以我会更敏感,会看到他紧张的时候,表现出的是他真实的心理状态,还是说他作为一个演示,确实是这样。

FC:

最后两个问题,刚才你也说到底线,我们回到交易,你自己的 stop doing list 是什么?比如说我一般不做右侧交易,涨飞了我就算了,因为我是太容易 FOMO 了。

Phyrex:

我绝对不做我看不懂的,比如说 MEME, 99.99% 的我都会踏空,我买的就是有小伙伴摁头,可能就是 PEOPLE 还有其他两三个。小伙伴死摁头,你必须买,天天催着我买,那我可能会买一点。除此以外,我自己绝对不会去买我看不懂,包括像铭文,也是就买了一两个被摁头的,买了一点点的 ORDI,现在还拿着。我可能会比较老套,但我只要看不懂的我一概不买。

FC:

购买理由是什么?他摁着你什么购买理由?

Phyrex:

各种理由,比如说 PEOPLE,在拍卖美国宪章,他觉得会有 FOMO 的情绪,就非要摁着我头买。有时候关系特别好的小伙伴有跟我说他拿到一些什么密码,跟我说赶紧买,我可能也会买。除了这种以外我基本上就不太去买了。对于这种小伙伴的摁头来说,我是不管逻辑的,基本上就是关系比较好的人叫我买,我基本会买。但摁我头买的基本是亏的。

FC:

明白,他一般摁着你买,不一定摁着你卖。OK,我们最后一个问题,您推荐一本书,或者说推荐一个人的推特或者哪些文章,这个阶段对你帮助最大的,可以让大家去提升一把。

Phyrex:

我一直说我是野路子,很少去读这个书,但是我非常喜欢去看推特,我在推特有一个就是小铃铛的列表,这个列表里边差不多有 40 多个人,我未必会看某一个人的一篇东西,但是这 40 个人的列表,我每天最少会花 3 个小时到 4 个小时,他们 24 小时里面发的所有 post 我都会看。这里边包括有宏观的,微观的,有一些交易策略,有一些整体市场的行情,这些东西我都会看。所以我个人建议的话,不管是对加密货币行业,还是对于经济行业,你觉得会对你有帮助的分析师或者是一些新闻工作者,你就把他们加入到你们的小铃铛里边,你未必每天专门去看一个人,当你的列表比较多的时候,你就会看到比如说每天可能有四五十条、七八十条这样的信息,他们这些信息很有可能在整体上都会帮你去普及一个你的认知面,而未必是某一个人或者是某一篇文章会对你带来的一个影响。我现在差不多是有 40 个人到 50 个人左右的关注列表。