FX168财经网_全球视野外汇黄金加密货币NFT资讯网

解析坎昆升级：如何利用3EX AI交易平台把握机会

AI提供的分析预测，可以帮助投资者更好地理解市场动态，做出更加明智的投资决策。 2. 跟踪和分析坎昆升级相关新闻和事件：3EX AI交易机器人还能实时分析与坎昆升级相关的新闻和事件。这些信息对于理解市场情绪和投资者预期至关重要。投资者也可以通过3EX平台获取最新的升级进展、社区反应等信息，及时调整自己的投资策略。 3. 使用AI交易策略进行自动化交易：对于许多投资者而言，即时响应市场变化是一个挑战。3EX AI交易平台提供的一站式AI交易服务，支持自动化执行交易策略，能够基于预设条件自动执行买卖操作。投资者可以创建自己的交易策略，从而在坎昆升级带来的市场波动中迅速反应，抓住投资机会。以太坊坎昆升级标志着加密市场进入一个新的发展阶段，对ETH币价和以太坊生态都将产生深远的影响。在这个充满可能的新时代，3EX AI交易平台，以其前沿的技术和人性化的服务，为用户在这个新时代提供了强有力的支持。 3EX相关链接： Twitter(EN): https://twitter.com/3exglobal Twitter(CN): https://twitter.com/3EX_ZH Facebook: https://www.facebook.com/profile.php?id=100092234370403 Instagram: https://www.instagram.com/3EX.Exchange/ Medium: https://medium.com/@3ex Reddit：https://www.reddit.com/user/3EXGLOBAL Youtube：https://youtube.com/@3EXGLOBAL?feature=shared 来源：金色财经

金色财经2024-03-04

智能化资产管理：AI交易策略的革新之路

来的AI模型将更加强大和精准，能够更好地理解和预测市场动态。这将使得AI交易策略更加稳健，能够在更加复杂的市场环境中实现超越平均水平的表现。量化模型与非结构化数据的结合：AI技术将越来越多地应用于非结构化数据（如新闻、社交媒体内容等）的分析，与传统的量化模型相结合，为交易决策提供更全面的视角。自适应和自我优化的能力：未来的AI交易策略将具备更强的自我学习和自我优化能力，能够根据市场变化自动调整策略参数，确保策略始终保持最优状态。市场应用范围的扩大应用于更多资产类别和市场：随着技术的成熟和市场的接受度提高，AI交易策略将被应用于更多资产类别和市场，包括股票、债券、外汇、商品等传统市场，以及加密货币等新兴市场。为不同规模的投资者服务：AI交易策略的应用将不再局限于大型机构投资者。随着技术的普及和成本的降低，中小型投资者和个人投资者也将能够利用AI交易策略，享受到智能化投资的红利。整合跨界服务：未来的AI交易平台可能整合更多跨界服务，如财富管理、风险管理和合规服务等，为客户提供一站式的资产管理解决方案。总之，人工智能交易策略的未来发展前景令人期待。随着技术的不断进步和应用范围的扩大，AI交易策略将在提高资产管理行业的效率、降低运营成本、提升投资回报率以及增强风险控制能力等方面发挥越来越重要的作用。交易员需要紧跟技术发展的步伐，积极探索和应用AI交易策略，以在未来的市场竞争中保持领先。结论随着金融科技的迅猛发展，人工智能（AI）技术在交易策略生成中的应用已经成为交易行业转型升级的重要驱动力。通过本文的探讨，我们可以明确看到，AI技术在交易策略生成中所展现出的重要性和优势，为交易行业带来了前所未有的变革机遇。 AI技术的引入，极大提升了交易策略生成的效率和精准度。通过自动化处理和分析大量历史和实时市场数据，AI模型能够迅速识别出潜在的交易机会，并生成相应的交易策略。这种高度自动化的过程，不仅大幅降低了人力成本，也使得交易策略能够快速响应市场变化，提高了资产管理的灵活性和效率。此外，AI交易策略的稳健性和自适应性也是其显著优势。通过持续学习市场规律和交易信号，AI模型能够自我优化，适应市场变化，生成更加稳健的交易策略。这种能力对于应对市场的不确定性，减少人为误判，提高交易策略的成功率至关重要。 AI在交易策略生成中的应用，不仅限于大型资产管理机构。随着AI技术的普及和成本的降低，中小型投资者和个人投资者也能够利用AI生成的交易策略，享受到智能化投资的便利和益处。这种普及性将进一步扩大AI技术在资产管理行业中的应用范围，推动行业向更加智能化、个性化的方向发展。综上所述，人工智能技术在交易策略生成中的重要性和优势已经得到了广泛认可。随着技术的不断进步和应用场景的不断拓展，预计AI将在未来的资产管理行业中发挥更加关键的作用，为行业带来更深层次的变革和发展。对于资产管理行业的各个参与者来说，积极探索和应用AI技术，将是适应和引领未来市场竞争的关键。来源：金色财经

金色财经2024-03-04

如何构建盈利性AI交易系统：强化学习驱动的算法交易系统开发指南

游戏，其中最成功的参与者是那些能够最好地理解和预测其他参与者行为的人。应用博弈论和强化学习来分析市场动态博弈论提供了一套分析和预测个体在有冲突利益的情况下如何行动的数学工具。在交易中，博弈论可以帮助我们理解市场参与者如何在不完全信息的情况下做出决策，以及这些决策如何影响市场动态。而强化学习，作为一种机器学习方法，允许算法通过与环境的交互来学习最优策略。在交易系统中应用强化学习，可以模拟市场作为一个动态系统的行为，使交易策略能够根据市场条件的变化自我调整和优化。交易基础设施的构建在构建算法交易系统时，创建一个稳定、高效的交易基础设施是成功的关键。这不仅仅是关于选择正确的技术栈，还涉及到如何优化这些技术以满足交易的特定需求。技术选型与基础设施优化技术选型是构建交易基础设施的第一步，它要求我们在性能、可靠性、安全性和成本效益之间找到平衡。优化基础设施意味着确保数据处理和交易执行能够以最低的延迟和最高的准确性进行。这可能包括使用专门的硬件，如FPGA（现场可编程门阵列）来减少处理时间，或者采用高速数据接口和算法来加快数据分析和决策过程。此外，云服务和分布式计算也为交易基础设施提供了新的优化途径，使得资源可以根据需要快速扩展或收缩。交易特定的技术挑战交易基础设施面临的特定技术挑战包括数据管理、实时性能优化和系统稳定性保障。数据管理不仅涉及到大量实时市场数据的高效处理，还包括历史数据的存储和访问，这对于策略回测和优化至关重要。实时性能优化要求系统能够在毫秒甚至微秒级别处理数据和执行交易，这对技术架构和代码优化提出了极高要求。系统稳定性保障则要求基础设施能够应对市场波动、网络延迟和系统故障等不确定因素，确保交易的连续性和安全性。基础设施构建的成功与失败案例分析交易基础设施的构建充满挑战，成功与失败的案例都值得深入分析。成功的案例往往是那些能够充分利用最新技术，同时又保持系统稳定性和灵活性的系统。例如，使用微服务架构可以提高系统的可扩展性和容错能力，而采用机器学习算法可以提高交易策略的智能化水平。失败的案例往往是由于忽视了基础设施的可靠性和安全性，或者未能有效管理数据和资源。在这个背景下，3EX AI交易平台展现了一种创新的解决方案，它为那些不具备深厚编程技能的交易者提供了强大的工具。3EX AI交易平台利用先进的人工智能技术，允许用户通过简单的界面设计和部署自动化交易策略。这意味着即使是没有技术背景的用户也能够利用AI的力量来进行交易，这在很大程度上降低了进入算法交易领域的门槛。3EX AI交易平台的出现不仅体现了技术选型和基础设施优化的重要性，也展示了如何通过创新来解决交易领域的技术挑战，为更广泛的用户群体提供服务。交易基础设施的构建在构建算法交易系统时，创建一个稳定、高效的交易基础设施是成功的关键。这不仅仅是关于选择正确的技术栈，还涉及到如何优化这些技术以满足交易的特定需求。技术选型与基础设施优化技术选型是构建交易基础设施的第一步，它要求我们在性能、可靠性、安全性和成本效益之间找到平衡。优化基础设施意味着确保数据处理和交易执行能够以最低的延迟和最高的准确性进行。这可能包括使用专门的硬件，如FPGA（现场可编程门阵列）来减少处理时间，或者采用高速数据接口和算法来加快数据分析和决策过程。此外，云服务和分布式计算也为交易基础设施提供了新的优化途径，使得资源可以根据需要快速扩展或收缩。交易特定的技术挑战交易基础设施面临的特定技术挑战包括数据管理、实时性能优化和系统稳定性保障。数据管理不仅涉及到大量实时市场数据的高效处理，还包括历史数据的存储和访问，这对于策略回测和优化至关重要。实时性能优化要求系统能够在毫秒甚至微秒级别处理数据和执行交易，这对技术架构和代码优化提出了极高要求。系统稳定性保障则要求基础设施能够应对市场波动、网络延迟和系统故障等不确定因素，确保交易的连续性和安全性。基础设施构建的成功与失败案例分析交易基础设施的构建充满挑战，成功与失败的案例都值得深入分析。成功的案例往往是那些能够充分利用最新技术，同时又保持系统稳定性和灵活性的系统。例如，使用微服务架构可以提高系统的可扩展性和容错能力，而采用机器学习算法可以提高交易策略的智能化水平。失败的案例往往是由于忽视了基础设施的可靠性和安全性，或者未能有效管理数据和资源。在这个背景下，3ex AI交易平台展现了一种创新的解决方案，它为那些不具备深厚编程技能的交易者提供了强大的工具。3ex AI利用先进的人工智能技术，允许用户通过简单的界面设计和部署自动化交易策略。这意味着即使是没有技术背景的用户也能够利用AI的力量来进行交易，这在很大程度上降低了进入算法交易领域的门槛。3ex AI的出现不仅体现了技术选型和基础设施优化的重要性，也展示了如何通过创新来解决交易领域的技术挑战，为更广泛的用户群体提供服务。构建交易基础设施是一个复杂但至关重要的过程。通过精心选择技术、优化基础设施，并克服特定的技术挑战，可以极大提高交易系统的性能和稳定性。同时，随着技术的不断进步，平台如3EX AI的出现为更多人提供了参与算法交易的可能，使得交易更加民主化和普及化。人工智能和交易随着人工智能（AI）技术的飞速发展，其在金融交易中的应用也变得越来越广泛，引领了一场交易方式的革命。AI的引入不仅改变了交易策略的制定和执行方式，也为交易分析和决策提供了前所未有的深度和广度。人工智能在交易中的角色和重要性 AI技术，尤其是机器回测和深度学习，在交易中的应用包括但不限于市场分析、预测走势、风险管理和自动化交易。通过分析历史和实时数据，AI可以帮助识别市场模式，预测价格变动，从而为交易决策提供支持。此外，AI还可以通过持续学习市场变化，结合交易员可以不断优化交易策略，以适应复杂多变的市场环境。讨论如何平衡模型复杂性与交易系统的其他组成部分在利用AI进行交易时，一个关键的挑战是如何平衡模型的复杂性与交易系统的其他组成部分。过于复杂的模型可能会导致过拟合，降低模型的泛化能力；同时，模型的计算需求也可能超出基础架构的处理能力，影响交易执行的速度和效率。因此，选择合适的模型复杂度，并优化基础架构以支持高效的数据处理和模型运算，是实现高效AI交易系统的关键。在这方面，3EX AI交易平台展现了如何有效整合AI技术与交易系统的例子。3EX AI交易平台提供了一套完善的AI交易解决方案，不仅包括先进的数据分析和模型训练工具，也强调了基础架构的重要性和对领域知识的深刻理解。通过自动化的数据处理、智能化的交易策略制定和执行，以及不断优化的AI模型，3EX AI交易平台能够为用户提供强大的数据支持和完善的AI交易体验。此外，3EX AI还注重用户体验，使得即使是没有深厚技术背景的用户也能轻松上手，利用AI技术来优化他们的交易策略。模型开发和评估在算法交易中，模型的开发和评估是一个迭代的过程，旨在不断提高交易策略的效率和效果。特别是当应用强化学习等先进技术时，这一过程变得更加关键。利用强化学习构建交易模型强化学习（RL）是一种使模型能够通过与环境交互来学习最优策略的机器学习方法。在交易模型的构建中，RL可以用来模拟市场交易环境，让模型通过实验来学习如何根据市场数据做出交易决策。这种方法的优势在于，它不仅能够基于历史数据学习，还能适应市场的动态变化，持续优化交易策略。风险管理和避免过拟合在模型开发过程中，风险管理和避免过拟合是两个重要的考量。过拟合发生在模型过度适应训练数据的特定噪声而失去了泛化能力，这在真实交易环境中可能导致性能下降。为了避免过拟合，可以采用交叉验证、正则化技术和简化模型复杂度等方法。同时，风险管理策略，如设定止损点、多样化投资组合和采用动态调整的仓位管理，也是确保模型稳健性的重要手段。模型的开发和评估是一个复杂但至关重要的过程，它要求交易者不仅要有深厚的技术知识，还需要不断地实验和学习。通过利用强化学习构建交易模型，实施有效的风险管理和过拟合防范措施，以及进行细致的性能评估和模型迭代，交易者可以大大提高算法交易策略的成功率。市场选择策略在算法交易中，选择正确的市场是成功的关键之一。不同市场的特性如流动性、波动性和市场结构都会对交易策略的效果产生重大影响。因此，深入理解和评估潜在交易市场的盈利性，以及识别和应对其中的法律和技术挑战，对于制定有效的市场选择策略至关重要。交易执行技术和策略交易执行技术决定了交易指令如何在市场中被执行，包括订单类型的选择、执行时间的确定以及如何最小化市场影响等。高级的执行算法，如VWAP（成交量加权平均价格）和TWAP（时间加权平均价格），可以帮助交易者优化执行成本和提高交易效率。此外，策略如冰山订单和隐蔽订单等，也常被用来避免大量交易对市场造成的冲击，保护交易者的策略不被市场过早发现。交易系统的自动化与监控交易系统的自动化允许交易者根据预设的规则自动执行交易，不仅大大提高了交易效率，还减少了人为错误。自动化系统的监控则确保了交易执行的正确性和系统的稳定性。监控系统需要实时跟踪交易活动和市场情况，及时发现并处理异常情况，如订单执行失败、连接中断或市场突发事件等。应对实际交易中的问题即使是最先进的交易系统也无法避免在实际交易中遇到问题。这些问题可能包括技术故障、市场极端行为或法规变化等。有效应对这些问题要求交易者具备快速反应能力和灵活调整策略的能力。此外，建立一个稳健的风险管理框架，设定适当的风险限制和应急计划，也是保证交易系统能够在各种市场条件下稳定运行的关键。来源：金色财经

金色财经2024-03-04

经纬股份上涨5.72%，报32.88元/股

28室，公司主要从事电力工程技术服务及地理信息技术服务业务，提供电力咨询设计、电力工程建设、运维、综合能源服务等一体化能源服务，以及基于公司3DGIS引擎的地理信息数据服务和地理信息智慧应用服务。公司已经成功打造起一支专业的服务团队，服务客户区域已从浙江省延伸至省外多个省市自治区，获得了电力、新能源、通信等相关领域大客户的认可，并积累和树立了良好的市场口碑和企业形象。截至9月30日，经纬股份股东户数6387，人均流通股2348股。 2023年1月-9月，经纬股份实现营业收入3.01亿元，同比增长29.08%；归属净利润2484.79万元，同比增长14.69%。

金融界2024-03-04

超图软件上涨5.09%，报17.96元/股

是开发和销售具有完全自主知识产权的大型地理信息系统软件平台，包括云GIS平台软件、组件GIS开发平台、移动GIS开发平台、桌面GIS平台、网络客户端GIS开发平台以及相关的空间数据生产、加工和管理工具。公司的产品SuperMap GIS已经成为国内外知名的GIS品牌，覆盖行业范围广泛，满足各类信息系统建设需求，拥有大量的二次开发商和用户，且在日本、香港、澳门、台湾以及东南亚、北欧、印度南非等地区均有市场份额。截至2月20日，超图软件股东户数4.21万，人均流通股1.03万股。 2023年1月-9月，超图软件实现营业收入12.71亿元，同比增长26.48%；归属净利润1.35亿元，同比增长117.67%。

金融界2024-03-04

诺普信（002215.SZ）：田田圈业务继续逐步跟农药制剂并轨管理，逐渐退出的资源将转移至蓝莓业务投入

及品质是否有影响？没有影响，云南由于地理位置因素，没有遭受大面积寒潮。公司配套农业设施完备（例如双层膜、防冻门、热风机等），已做足应对准备。 10、终端销售的品牌储备情况？ 2024 年公司销售策略会更加清晰。目前主打两个品牌：迷迭蓝和爱莓庄。对于两个品牌目前已成立分别的营销中心，成立俱乐部逐步强化单品牌的市场占有率。目前还不好判断市场认可的品牌，我们未来至少会有一个品牌打出来。明年争取实现品牌和品种的对应。目前也有一些小品牌的补充，例如怡蓝美、云南高山蓝莓等。 11、 2024 年产季销售渠道结构情况？销售渠道结构是动态的，与供应阶段有关，目前公司销售渠道主要分三类： 1） KA 客户，例如七鲜等大型商超。 2）通过地域性的经销商，再进入各地域本土商超。 3）通过全国主流水果集散地（例如北京高碑店等）批发渠道。产季前期以 KA 和经销商为主，经销商比重更大。目前 2-3月份，市场接受程度提升， KA 客户比重上升。 4-5 月份，随着产量增加，会向批发渠道分流。 12、未来专利品种占比变化预期？公开苗和专利苗成本差异？今年投产的 2 万亩， 70-80%为专利苗，比例还会继续上升。种苗作为生物性资产，按照 6-8 年进行摊销，因此植株采购成本差异不大。专利苗上市早、产量高、品质好，售价较高。 13、云南蓝莓整体规模，本公司及竞争对手扩张速度如何？最直接的影响因素是土地流转，拿地难度持续增加，一些果园地清苗补偿费较高，有一定面积的规模化土地比较难找，大规模的基地建成出现不多。未来向海拔更高、温度更低地区开拓有可能，但需要很强的技术支持，不确定性较高。以上内容与数据，与界面有连云频道立场无关，不构成投资建议。据此操作，风险自担。

有连云2024-03-04

新兴Crypto x AI交叉垂直领域及17个项目一览

金色财经2024-03-04

星展：维持百威亚太(01876.HK)“买入”评级目标价下调至21.6港元

35和70个城市。该行认为，公司持续的地理扩张及现有市场的产品组合升级，将有助在2024财年中，亚太区西部均价增长中个位数，并料2024财年中国的总销量将会持平。

金融界2024-03-04

Eclipse：将以太坊安全性、Solana高性能与Celestia DA三者叙事相结合的首个SVM Layer2

人脉和靠近 Solana 芝加哥总部的地理优势，成功利用 Solana 的虚拟机创建了一个独特的链。其愿景是让开发人员能够部署由 Solana 虚拟机驱动的 Rollup，并计划于 2023 年初在 Cosmos 生态系统上推出一个公共测试网络，以及打算在未来支持 Aptos 的 Move 语言。 Solana 联创兼 Eclipse 天使投资人 Anatoly Yakovenko 评价道："Eclipse 为 Solana 通过区块链间通信 (IBC) 与 Cosmos 通信铺平了道路。" Polychain Capital 合伙人 Niraj Pant 评价道："随着大型企业和政府开始进入区块链领域，Eclipse 是促进其使用案例（如 Web2 规模的消费者和金融应用）的重要基础设施。」 Eclipse 架构以下内容根据官方解释，Eclipse Mainnet 为以太坊首个围绕 SVM 建设的通用 L2，它结合了模块化堆栈的精华部分，目标成为由 SVM 驱动的以太坊最快且通用的 Layer2。项目架构是将以太坊作为结算层，并用于官方的嵌入式验证桥；Celestia 作为数据可用性层；RISC Zero 则用于生成零知识欺诈证明；最终将 Solana 的 SVM 作为整体执行的模块化 Layer2 项目。下文将根据官方解释具体说明。结算层—以太坊： Eclipse 将结算到以太坊（即在以太坊上的嵌入式验证桥），并使用 ETH 作为其 Gas 消耗，且欺诈证明也将在以太坊上提交；执行层—Solana 虚拟机 (SVM) ：Eclipse 将运行高性能的 SVM 作为其执行环境，即 Solana Labs 客户端（v1.17）的分叉；数据可用性层—Celestia：Eclipse 将把数据发布到 Celestia 实现可扩展的数据可用性（DA）；证明机制—RISC Zero ： Eclipse 将使用 RISC Zero 进行 ZK 欺诈证明（无需中间状态序列化）；通信协议—IBC：通过 Cosmos 的链间通信标准 IBC 完成与非 Eclipse 链桥接；跨链协议—Hyperlane：Eclipse 和 Hyperlane 合作，将 Hyperlane 的无权限互操作性解决方案引入基于 Solana 虚拟机（SVM）的区块链。图源：Eclipse 官方结算层：获取以太坊的安全性和流动性 Eclipse 与其它以太坊 Rollup 一样使用以太坊作为结算层，这一过程需将 Eclipse 在以太坊上的验证桥直接纳入 Eclipse 中，其节点需要检测验证桥的正确性和正确交易排序，以此让用户获得以太坊级别的安全性。 L2BEAT 将 Layer2 定义为「完全或部分从以太坊第一层获取其安全性的链，以便用户不必依赖 Layer2 验证者们的诚信来保障资金的安全性」。Eclipse 验证桥可在某些故障情况下执行最终的有效性和抗审查性，即使排序器宕机或在 L2 开始审查，用户也能通过桥来强制完成他们的交易，并使用以太坊作为交易 Gas 进行燃烧。执行层：获取 Solana 的交易速度和规模效应为提升效率，Eclipse Mainnet 采用了 Solana 的执行环境，采用 SVM 和 Sealevel (Solana 用来构建横向扩展的技术方案，超并行化事务处理引擎用于跨 GPU 和 SSD 进行水平扩展)，这与 EVM 单线程的运行相比，其优势在于可在不设计重叠状态事务的情况下执行，而不是按序执行。关于 EVM 兼容性问题，Eclipse Mainnet 与 Neon EVM 合作让开发人员可以利用以太坊工具并在 Solana 上构建 Web3 应用程序，据官方数据，其吞吐量比单线程 EVM 更大可达 140TPS 水平。EVM 用户则通过 MetaMask 钱包的 "Snaps "插件在 Eclipse Mainnet 中与应用程序进行原生交互。数据可用性：采用 Celestia 的带宽和可验证性质 Ecilpse Mainnet 将利用 Celestia 实现数据可用性并达成长期合作关系，其原因是以太坊目前无法支出 Ecilpse 的目标吞吐量和费用，即使在 EIP-4844 升级后，可为每个区块提供平均约 0.375 MB 的 Blobs 空间（每个区块的限制约为 0.75 MB）。据官方数据，采用基于 Rollup 扩容的 ERC-20 交易，按每笔交易 154 字节计算，相当于所有 Rollup 的总和约 213TPS，而对于 Compression Swap 按每笔交易约 400 字节计算，所有 Rollup 的 TPS 约为 82TPS。相比 Celestia 推出的 2MB 区块，在网络证明稳定且更多 DAS（相关扩展解释见下文）轻节点上下后，Blobstream 预计将增加至 8MB。 Ecilpse 认为，在 Celestia 的 DAS 轻节点支持下，出于考虑加密经济的安全性和高度可扩展的 DA 吞吐量之间的权衡，Celestia 成为了当下 Eclipse Mainnet 的不二之选。即使当前存在使用以太坊 DA 才是正统 Layer2 的观点，但项目方仍会持续关注 EIP-4844 之后在 DA 扩展方面的进展，如果以太坊能为 Eclipse 提供更大规模和高吞吐量的 DA，将重新评估迁移至以太坊 DA 的可能性。证明机制：RISC Zero 欺诈证明（无中间状态序列化） Eclipse 的证明方法类似于 Anatoly 的 SVM 欺诈证明 SIMD（详见 GitHub 扩展链接 2），这与 John Adler 的见解相符，即避免状态序列化的高昂成本。所以为避免重新将默克尔树（哈希树）引入到 SVM 中，早期项目方尝试在 SVM 中插入 Sparse Merkle Tree，但每次事务更新默克尔树都会对性能造成巨大影响。如果不使用默克尔树进行证明，现有的通用 Rollup 框架（如 OP 堆栈）就不能作为 SVM Rollup 的基础，这就需要更具创造性的故障证明架构。故障证明要求：交易的输入承诺、交易本身以及证明重新执行交易会导致与链上指定的输出不同。输入承诺通常是提供 Rollup 状态树的 Merkle 根来实现的，Eclipsse 的执行器会发布每个事务的输入和输出（包括账户哈希值和相关全局状态）列表，以及产生每个输入的事务索引，并将交易发布到 Celestia，让任何完整节点都可以跟进，从自己的状态中提取输入账户，计算输出账户，并确认以太坊上的承诺是正确的。这里也会存在两种可能的重大错误类型：不正确的输出：验证者提供正确输出链上的 ZK 证明。Eclipse 使用 RISC Zero 来创建 SVM 执行的 ZK 证明，这延续了项目方之前证明 BPF 字节码执行的工作（详见 GitHub 扩展链接 3）。这使得我们的结算合约可以在不必在链上运行交易的情况下确保正确性。不正确的输入：验证者在链上发布历史数据，表明输入状态与宣称的不符。则利用 Celestia 的量子引力桥（Quantum Gravity Bridge）让 Eclipse 结算合约核实历史数据存在欺诈行为。 Eclipse 与 ETH 和 Celestia 的连接图源:@jon_charb DA 是 Rollup 成本支出的主要部分之一，目前以太坊 L2 的数据可用性主要有两种方法，Calldata 和 DAC(Data Availability Committees）。 Calldata：例如 Arbitrum 或 Optimism 等 Layer2 方案直接在链上将交易数据作为 calldata 发布到以太坊高度抗审查的区块中。以太坊将调用数据与计算和存储统一定价在一个单位下：Gas，这也是 Rollup 向以太坊支出的主要成本之一。为提升效率 EIP-4844 升级引入了 Blobspace 来取代 calldata，以此为所有 Rollup 提供了每个区块 375 KB 的目标值； DAC:与直接在链上发布 calldata 相比，DAC 的吞吐量要高得多，但用户需要信任一个小型委员会或验证者小组，以避免恶意扣留数据。也包括再质押解决方案（Restaking-based solutions）在内的 DACs 对 L2s 引入了重大的信任假设，从而迫使 DAC 依靠声誉、治理机制或代币投票来抑制或惩罚隐瞒数据的行为，所以一定程度上讲使用外部 DA 时需要用到 DAC。需补充说明的是，在 Eclipse 中使用 Celestia 了 Blobstream 权益证明共识网络，以允许 Layer2 访问 Celestia 的 Blobspace，达到根据压缩方案 8 MB blobspace 这大致相当于每秒 9,000 到 30,000 个 ERC-20 传输。但过程中使用 Blobstream 的 Layer2 会依赖于 Celestia 验证者证明，安全保障过程轻节点如果检测到 2/3 的 Celestia 验证者通过保留数据的恶意行为，可将其进行惩罚，客观讲 DAC 与原生链 DA 的信任度相比仍存不足，但站在创新和市场叙事的角度思考这种不足是无法避免的。图源：Eclipse 官方 - Eclipse 模块化相互作用逻辑据官方文档解释说明，如上图所示 Eclipse 通过 Celestia 的 Blobstream（如上文介绍基于 DAS 扩展的以太坊模块化 DA 解决方案），向以太坊证明的 Eclipse 数据已经测试运行，让桥接器可根据 Celestia 的签名数据根来验证为欺诈证明提供的数据安全。其用户通过原生以太坊桥将资金存入 Eclipse，流程概述如下： 1. 用户在以太坊上调用 Eclipse 存款桥合约（合约地址见扩展链接 1）； 2.Eclipse 在 SVM 执行器中（计算 SVM 结果并输出至 Ecilpse 新状态节点），中继器（ETH 与 Eclipse 通道）完成用户发送地址和接受地址跨链数据交互； 3. 中继器调用 SVM 桥接程序，负责将用户存款发送到目标地址； 4. 中继器通过 zk-light 客户端验证存款交易（待落实）； 5. 最后包含后续存款的转账交易区块通过 Solana Geyser 插件完成并发布。在这一过程中会将 SVM 执行器通过 Geyser 将每个 Eclipse 插槽发布到消息队列，其插槽会发布到 Celestia 作为数据块，而 Celestia 的验证者器对已提交数据块进行承若用于证明交易被包含在 Eclipse 链中并与数据根相对应，最后每个 Celestia 数据块通过 Blobstream 中继到以太坊上的 Eclipse 桥接器合约中。图源：Eclipse 官方：Celestia 和 SVM 执行器互动与此同时，和以太坊其它使用欺诈证明的 Layer2 类似，Eclipse 与以太坊之间提取资金也需质疑窗口期，便于验证者可以在状态转换无效的情况下提交欺诈证明。 -SVM 执行器会定期向以太坊发布 Eclipse 插槽的一个 epoch（过程按预先确定的批次数量）承诺并发布抵押； -Eclipse 的桥接合约进行基础检查，以确保所发布的数据格式完好（详见参考文章【2】欺诈证明设计章节）； -如果提交的批次通过基础检查则会产生预定义窗口，在此窗口内如果批次承诺，意味着状态转换无效，验证者既可发布欺诈证明； -如果验证者成功发布了欺诈证明，他们就赢得了执行者的担保，发布的批次被拒绝，Eclipse L2 的规范状态回滚到最后一次有效的批次承诺。在此 Eclipse 的管理者将有权选出新的执行者； -但如果通过了质疑期而没有通过欺诈证明，执行者将收回其抵押品和奖励； -最后 Eclipse 桥接合约会完成最终确定批次中所包含的所有提款交易。小结 Eclipse 目前仍处于早期开发测试网阶段，是以太坊上的第一个 SVM Layer2，目前测试网已上线，主网计划于 2024 年 Q1 季度发布。以太坊目前仍是将 Rollup 视为核心的发展路线，抛开正统性话题不谈，这在一定程度上意味着以太坊将 Layer2 的广义定义交给了市场，所以明面的赋能也暗藏着各类形态的竞争。Eclipse 正是借助这点，借用模块化的发展将以太坊安全性，Solana 的高性能以及 Celestia DA 三者相结合起来进行强市场叙事。回顾以太坊的发展进程，非常有趣的点在于上轮的市场行情是在 DeFi Summer 的炒作下出现了大量「DeFi 套娃」与「DeFi 乐高」的创新和加码，让整个生态出现井喷式发展。本轮在 LSD 和 Re-staking 的结合下出现了大量的「质押套娃」和「质押乐高」组合，让 EigenLayer、Blast 以及 BTC 生态的 Merlin 在短期内 TVL 屡创新高。如果将套娃和乐高视为市场情绪的主旋律，那模块化在未来也可以弹奏出属于自己套娃和乐高旋律。模块化的魅力之处在于组件的解耦效益，从而实现堆栈中的每一层创新，让每个模块的优化都可以放大其它模块的优化，或许未来对于开发者和用户而言，模块化的发展进程可能会产生大量的可竞争选择。来源：金色财经

金色财经2024-03-03

巴西2023年国内生产总值增长2.9%

巴西地理统计局3月1日发布的统计数字显示，巴西2023年国内生产总值达到10.9万亿雷亚尔，比上年增长2.9%。

金融界2024-03-02

24小时热点