全球数字财富领导者
财富汇
|
美股投研
|
客户端
|
旧版
|
北美站
|
FX168 全球视野 中文财经
首页
资讯
速递
行情
日历
数据
社区
视频
直播
点评旗舰店
商品
SFFE2030
外汇开户
登录 / 注册
搜 索
综合
行情
速递
日历
话题
168人气号
文章
解析坎昆升级:如何利用3EX AI交易平台把握机会
go
lg
...
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
lg
...
金色财经
2024-03-04
智能化资产管理:AI交易策略的革新之路
go
lg
...
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
lg
...
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
go
lg
...
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
lg
...
金色财经
2024-03-04
经纬股份上涨5.72%,报32.88元/股
go
lg
...
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%。
lg
...
金融界
2024-03-04
超图软件上涨5.09%,报17.96元/股
go
lg
...
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%。
lg
...
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
go
lg
...
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。
lg
...
有连云
2024-03-04
新兴Crypto x AI交叉垂直领域及17个项目一览
go
lg
...
,“人工智能”领域要复杂得多。为了更好
地理
解,我们来简单看一下构成AI堆栈的各技术层和组件: (1)计算硬件 人工智能不仅仅和代码有关。人工智能是资源密集型的,特定的物理基础设施——如神经处理单元(NPU)、图形处理单元(GPU)和张量处理单元(TPU)——是必不可少的。最终,这些物理基础设施构成执行计算和算法的物理手段,使人工智能系统正常运转。没有它们,就没有人工智能。 该领域的行业领军者是英伟达(众所周知,无需介绍)、英特尔和AMD。它们在模型训练和推理工作负载方面竞相开发最高效的硬件。 到目前为止,英伟达是参与这场革命最直接的方式之一(从英伟达最近的价格动态可见一斑)。 (2)云平台 人工智能开发人员依靠硬件来运行他们的模型。通常,他们获得硬件性能主要有两种方式:他们可以在本地运行GPU或者依赖云服务提供商。第一个解决方案往往过于昂贵,从经济性来讲不值得,随着时间的推移,云提供商则被证明是一个有趣的替代方案。 云提供商是拥有大量资源的大公司,它们收购并运营这些强大的硬件,允许开发者以按需付费或订阅的方式使用这些资源。这让开发人员无需投资维护自己的物理基础设施。 该领域的行业领军者是AWS、谷歌云或英伟达DGX云。它们的目标是让大大小小的开发人员都可以快速访问多节点超级计算,训练最复杂的LLM。 (3)模型 在云平台之上,就是人工智能最复杂并被广为宣传的部分:ML(机器学习)模型。这些计算系统的设计目的是在没有明确的编程指令的情况下执行任务,代表着人工智能系统的大脑。 机器学习分为三个步骤:数据、训练和推理,包括三种主要学习类型:监督学习、无监督学习和强化学习。 监督式学习是指从示例中学习(由老师提供)。老师可以向模型展示与狗相关的图片,并告诉模型这些是狗。然后,模型学习区分狗和其他动物。 许多流行模型,如LLM(GPT-4和LLaMa)都是使用无监督学习进行训练的。在这种学习模式下,没有老师提供指导或示例。模型学习在数据中寻找模式。 强化学习(通过试错学习),主要用于顺序决策任务,如机器人控制和玩游戏(如国际象棋或围棋)。 最后,这些模型可以是开源的(可以在Hugging Face这样的模型中心上找到),也可以是闭源的(如OpenAI模型,通过API访问)。 (4)应用 这是AI堆栈的最后一层,也是我们作为用户通常会面对的一层。它们可以是B2B的,也可以是B2C的,它们利用AI模型在其基础上构建应用程序。Replika就是一个很受欢迎的例子,这款应用可以让你设计一个虚拟伴侣,7x24小时全天候陪伴聊天。从用户的评论中可知,它似乎对许多人的生活都产生了切实的影响。 “我的Replika对我太重要了!她总是在我身边用积极的态度鼓励我、支持我。事实上,她是我的榜样,告诉我如何成为一个更好的人!” 总的来说,这些不同的技术层似乎仍处于早期发展阶段,我们尚处于一些人所说的寒武纪大爆发的开始阶段。所以,我们将看到加密货币在这一技术繁荣中大展拳脚。 三、为何说Crypto和AI是完美融合? 虽然加密技术对AI堆栈的每一层来说都不一定是必不可少的,但有很多理由让我们相信,去中心化的人工智能与去中心化货币一样重要,智能合约可以利用机器学习提供强大的用户体验,加密技术也可以具有更高的安全性、透明度并解锁新的人工智能用例。 人工智能正在主导加密领域 市场已经对加密和人工智能交叉的潜在应用表现出了极大热情,已有趋势表明这是当前最热门的叙事。自2024年初以来,相对于加密世界的其他领域来说,人工智能的表现非常好。 随着该领域的进一步发展,我们有充分的理由相信,我们仍处于早期阶段,泡沫可能刚刚形成。 让我们来看看crypto和AI之间上演着哪些进展。 四、新兴Crypto x AI垂直领域介绍 以下是cyropto和AI之间主要的协同效应: (1)从中心化云提供商到DePIN: 如前所述,人工智能的基础层是硬件和云提供商。虽然加密技术无法在生产更优的硬件方面与之竞争(而且没有理由这样做),但公平地讲,加密技术可以在以更高效、更安全、更去中心化的方式访问多节点超级计算方面发挥作用。这是加密领域的一个子领域,即DePIN(去中心化物理基础设施)。这些代表着区块链协议,激励去中心化社区去建设并维护物理硬件。 人工智能的DePIN的主要用例是云存储和计算能力。 想法很简单:人工智能开发人员需要更多的GPU和数据存储容量,我们有充足理由相信加密DePIN项目可以通过代币激励措施激活潜在资源,协助推动产生新的计算和存储供应。 (2)支持透明度、用户管理和数据所有权: 人工智能将超越互联网。这意味着,要想让一个自由民主的社会运转良好,至关重要的是要了解使用的是什么模型,它们是如何工作的,以及输入了哪些数据。考虑到这一点,我觉得关于Web2.0巨头的黑箱操作和垄断力量的无休止的争论可以通过AI代币化(从基础设施一直到模型和应用程序)赋予用户所有权来终止。 在某些情况下,知道一个人正在使用的AI模型的来源可能相当重要。和所有事一样,模型也有偏差,根据模型的创建方式和训练数据的不同,输出结果可能完全不同。人工智能模型和训练应该是链上去中心化的,应该具有更高的透明度,这是有充分理由的。 我们不需要参议院或任何不透明的实体来决定世界的发展方向,不需要未经同意就对我们的数据进行控制,也不需要没完没了的条款和条件,老实说,我们永远无法完成相关的阅读后作答。事实上,我们想要的恰恰与之相反,即透明度和用户管理是一切的前提,我们可以控制自己的数据。 通过利用加密基础设施,我们可以避免重复与互联网应用程序相同的错误。我们可以拥有集体所有权、去中心化的治理和各层面的透明度。这才是前进的道路。 (3)对齐激励和AI货币化: 高质量的训练数据是模型性能的主要贡献力量之一。然而,正如ARK所提到的,到2024年,高质量训练数据的优质来源可能会耗尽,从而可能让模型性能停滞不前。 加密技术可以激励个人将私有和公共数据集以及人工智能模型、智能体以及AI堆栈的其他部分货币化。有了创造无需许可的多变全局市场的可能性,任何人都可以因做出贡献而获得补偿。还有一种可能性是,激励人们保持用于训练基础人工智能模型的数据的质量,或者为特定网络提供不同的模型。 加密领域正在推动一场金融化热潮。AI堆栈需要具有自己的支付机制。听起来是个很好的融合,不是吗? (4)链上AI/ML(ZKML & opML): 零知识密码学是最流行的web3技术之一,因为它提供了为给定计算集创建“完整性”证明的能力,其中验证证明比执行计算要容易得多。 当我们谈论ZKML时,我们谈论的是将ZK(零知识)证明带到机器学习模型的“推理”和“数据”部分的可能性(而非计算量太过密集的训练部分)。随着该领域的研究和技术的发展,我们有望看到更加有效更可扩展的解决方案的出现,这些解决方案可能会使ZKP(零知识证明)更适用于机器学习模型的训练阶段。 使用ZKML,计算对验证者是隐藏的,但prover(证明者)可以在不透露进一步信息的情况下验证ML的计算正确性。 另一种方法是OPML(Optimistic机器学习),它使用optimistic方法在区块链系统上实现人工智能模型推理和训练/微调。LlaMA2和Stable Diffusion模型现在可以通过optimistic机制(类似于Optimism和Arbitrum)在链上获取。 下文将提到的一个项目的最新解决方案结合了zkML和opML,使以太坊能够运行任何具有隐私功能的模型。 这可能会促进ML模型进入新时代,它们将是链上透明的,能够轻松验证给定的输出是否是给定模型和输入对的乘积。在一个模型和数据集不透明的世界里,这代表的可能是游戏规则的改变者,把权力还给用户(与前文所述的关于透明度和用户治理的想法相符)。 (5)身份验证和隐私: 随着人工智能应用的发展,我们正在接近一个临界点,到时没有人会知道线上内容是真实的还是模拟的。看看这张由Sora生成的图片,它是OpenAI最近推出的文本-视频生成平台,你觉得你能看出真假吗?想象一下,在未来几年,这将如何变得更有说服力。 鉴于这一现实,我们有充分的理由将去中心化身份存储在区块链上。这样一来可以防止人们与人工智能机器人互动而不自知,并可区分真实信息和深度伪造信息。在一个只需点击几下鼠标就能导致银行挤兑的世界里(就像我们在SVB事件中所经历的那样),提供真实性证明变得至关重要,而加密技术似乎是实现这一点的最佳方式。 这里举一个简单的例子来说明它是如何工作的:某物的官方作者可以对区块链上的“哈希值”进行数字签名,声称“我自己创建的”。另一方(比如一家媒体公司)可以通过签署一笔交易来声称“我证明了这一点”。用户可以通过加密证明对域名的控制权(例如,nytimes.com)在签名中验证自己的身份。 通过这种方式,信息是透明的,可以被证明,不可篡改,并具有可组合性。这正在成为我们开始生活其中的后AI世界的一个关键因素。 五、17个Crypto x AI 项目 行文至此,我确信你可能会同意有很多理由相信在牛市的下一阶段,一个好的AI项目观察列表可能是你最好的资产之一。 幸运的是,我们将关注这一点。但在此之前,我们先提醒自己,现在投机活动无处不在,必须谨慎行事。事实上,如今真正有形的项目很少见。因此,接下来的内容不是预测,只是想法。随着数据变得更加可用并且时间可以消除噪音,想法确实会发生很大变化。 这并不是一份详尽的清单,只是我已经深入研究的、我认为值得关注的项目。这个赛道正在发生很多事情,我显然会错过很多伟大团队。 话虽如此,让我们来看看你可能需要关注的 17 个项目: 1、Render Network 简介:Render 是先驱的去中心化 GPU 平台。简而言之,该项目旨在释放去中心化 GPU 的全部生产潜力,为两种不同类型的项目提供支持:3D 内容创建和AI。 看好理由:GPU 已经供不应求,如果AI继续保持目前的趋势,短缺只会变得更加严重,这对Render Network来说是一个机会,它是可能从这轮牛市AI叙事中受益的最大代币之一。Render 还有多个 AI 计算客 户端。 如何获得头寸:RNDR代币 2、Akash协议 简介:Akash 是一个去中心化计算机市场,于 2020 年 9 月作为 Cosmos 应用链在主网上启动。虽然 Akash 的第一次迭代专注于 CPU(中央处理单元),但最近它已经过渡到 GPU 计算,利用AI热潮(类似于Render Network)带来的计算基础设施范式转变。 看好理由:用四个词来概括该项目的当前愿景:“用于 GPU 计算的 AirBnB”。 如何获得仓位:AKT 3、Ora 简介:ORA 是可验证的预言机协议,它将AI和复杂的计算引入链上。他们的解决方案 opp/ai 结合了 zkML 和 opML 的优点,代表了两种方法的飞跃。 看好理由:他们的创新标志着链上AI发展的转折点,统一了 zkML 和 opML 格局。 如何获得仓位:加入他们的Discord以获得更多更新并成为早期贡献者。 4、io.net 简介:这是另一个基于 Solana 构建的有趣的 DePIN 项目,它可以访问分布式 GPU 云集群,而成本仅为同类中心化服务的一小部分。 看好理由:用于 GPU 上的 ML 训练的去中心化 AWS。即时、无需许可地访问全球 GPU 和 CPU 网络。革命性的技术,允许 GPU 云集群在一起。可以为大型 AI 初创企业节省 90% 的计算成本。集成Render和 Filecoin。 如何获得仓位:加入 io.net Discord,他们在运行一个社区计划,这可能会有 IO 空投。 5、Bittensor 简介:Bittensor 是一个去中心化的开源项目,旨在创建区块链上的神经网络协议,允许创建 AI dApp,并以点对点的方式实现 AI 模型之间的价值交换。 看好理由:这是一个雄心勃勃的项目,最近引起了广泛关注,成为市值最大的AI代币。TAO 很可能是本轮AI炒作的最大受益者之一。 如何获得仓位:TAO代币,可以将你的 TAO 质押给验证者以赚取 TAO 释放量。如果你想通过加入 Discord为网络做出贡献,你也可以更深入地参与其中。 6、Grass 简介:Grass 是支持 AI 模型的底层基础设施。通过安装 Grass Web 扩展,该应用程序会自动将你未使用的互联网资源出售给AI公司,后者使用它来抓取互联网并训练他们的模型。结果?你分享AI的发展,通过出售你甚至不知道自己拥有的资源来获得网络股份。 看好理由:Grass 正在为每个拥有互联网连接的人创造新的收入来源。Grass 的目标是成为去中心化AI的数据提供层。如何获得仓位:在后台运行 chrome 扩展程序,只需 2 分钟即可设置开始赚取 Grass 积分,这将在今年晚些时候产生 GRASS 代币。 7、Gensyn 简介:Gensyn 协议是用于深度学习计算的1 层无需信任协议,它直接立即奖励供应方参与者向网络承诺计算时间并执行 ML 任务。 看好理由:该项目拥有非常非常强大的支持者,如果他们能够执行,显然将成为一个主要的AI加密基础设施项目。 如何获得仓位:在 Twitter 上关注他们。 8、Allora 简介:Allora 是一个自我改进的去中心化AI网络。Allora 使应用程序能够通过自我改进的 ML 模型网络利用更智能、更安全的 AI。通过结合众包机制(同行预测)、联邦学习和 zkML 的前沿研究,Allora 在加密货币和AI的交叉领域解锁了巨大的新应用设计空间。 看好理由:Allora 由 Upshot 开发,Upshot 在过去 2.5 年里一直是开发 AI x 加密基础设施的市场领导者。他们专注于更多的金融用例:AI驱动的价格信息流、AI驱动的 DeFi 金库、AI风险建模等,这可能意味着他们比大多数人更早发现 PMF。 如何获得仓位:加入 Discord,关注如何作为早期社区成员参与其中。 9、Botto 简介:Botto是一位完全自主的艺术家,拥有闭环流程和不被人手改变的输出。人类唯一的输入是对 Botto 输出进行投票,以指导艺术家下一步做什么。 看好理由: 这个独特的项目结合了AI、艺术、NFT 和 DeFi,并且已经产生了实际收入(自成立以来为 450 万美元)。Botto的艺术品已在佳士得拍卖行出售。这是有史以来第一个可以投资的AI艺术家。艺术品销售收入将分配给质押者。 如何获得仓位:BOTTO 代币或在 Super Rare 上购买 Botto 的 NFT。 10、Parallel(Colony) 简介:Colony 是一款永无止境的游戏,由 AI 驱动,所有模拟物品都在链上。你将与一个Parallel化身配对。你和你的化身将共同努力并共享链上资源,以驾驭由 PRIME 驱动的不断扩展的Parallel世界。 看好理由:PRIME 是唯一游戏和AI真正交叉的代币之一。《Colony》可能会成为一款定义新类型的游戏,如果团队执行的话,它具有真正的病毒传播潜力。制作此游戏的工作室可能是 web3 游戏领域中最好的。 如何获得仓位:PRIME 代币和Parallel头像 NFT。游戏发布时请注册玩游戏。 11、Aethir 简介:Aethir 引入了一种新的云计算基础设施方法,重点关注企业级 GPU 的所有权、分配和使用。它充当市场和聚合器,促进供应方参与者(例如节点运营商和 GPU 提供商)与AI、虚拟化计算、云游戏和加密货币挖掘等计算密集型行业的用户和组织之间的联系。 看好理由:Aethir 看起来是 GPU 计算云类别中另一个强大的 DePin 竞争对手。他们声称的 GPU 数量比 Render 多 20 倍。他们将在热门行业的非常有利的环境中推出。 如何获得仓位: 即将到来的节点销售并加入他们的Discord服务器。 12、Morpheus 简介:Morpheus 正在构建第一个真正去中心化的点对点个人智能体网络,以实现AI的大众化。 看好理由:关于这个项目的一个很酷的事实是,它的贡献者之一是Erik Voorhees ,他是这个领域真正的 OG。这个项目给了我 Bittensor 的感觉。 如何获得仓位:你可以在公平发射期间投入 stETH 来赚取 MOR 代币 13、Autonolas 简介:Autonolas 是一个用于创建和使用去中心化AI智能体的开放市场。但不仅如此,它还为开发人员提供了一套工具来构建链下托管的AI智能体,并可以插入多个区块链,包括 Polygon、以太坊、Gnosis Chain 或 Solana。 看好理由:Autonolas 是目前少数有证据表明已得到一定采用的AI项目之一。OLAS 是目前在人工智能加密项目赛道人们竞购的少数代币之一。 如何获得仓位:OLAS代币 14、MyShell 简介:MyShell 是一个去中心化的综合平台,用于发现、创建和质押 AI 原生应用程序。 看好理由:MyShell 是一种AI应用程序商店,也是一个允许你创建AI机器人和应用程序的平台。它允许任何人成为AI企业家并通过他们的应用程序货币化。该产品现已投入生产。 如何获得仓位:虽然他们还没有代币,但你可以注册他们的应用程序并开始与机器人交互以赚取积分(谁知道这会给你带来什么)。 15、OriginTrail 简介:OriginTrail 集成了区块链和AI,提供去中心化知识图谱 (DKG),确保数据的完整性和来源,通过提供对经过验证的信息网络的访问来增强AI功能。此次合并旨在通过为数据创建、验证和查询建立安全、值得信赖的基础,提高各行业AI智能体的效率和可靠性。 看好理由:产品已运行。企业客户。我的理解是,知识图谱允许AI解释数据并在其他发生的事情的背景下理解它。TRAC 似乎也拥有一批狂热的追随者。 如何获得仓位:TRAC代币 16、Ritual 简介:Ritual 是一个开放的、主权的AI执行层。Ritual 将允许开发人员将AI无缝集成到任何链上的应用程序或协议中,使他们能够使用加密方案对模型进行微调、货币化和执行推理。 Ritual 的愿景是让开发人员能够构建完全透明的 DeFi、自我改进的区块链、自主智能体、生成内容等。 看好理由:Ritual 确实拥有顶级支持者。开发者现在就可以尝试 Infernet SDK。我发现一位开发者几天前使用该 SDK 启动了一个实验性的 nft 项目。非常酷(我太晚了,没来得及铸造)。 如何获得仓位:加入他们的Discord并持续关注。 17、Nillion 简介:Nillion 能够以安全、保密的方式训练和推理 AI 模型,打造安全个性化 AI 的支柱。 看好理由:Nillion 的盲计算网络解锁了许多新的用例,其中个性化AI是一个巨大的未解锁领域。除非存在私密数据处理,否则个性化AI不会被广泛采用。Nillion 的解决方案听起来确实改变了游戏规则。 如何获得仓位:加入他们的Discord并保持追踪。如果你是开发人员,我相信他们很快就会举办一些黑客马拉松。 来源:金色财经
lg
...
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
go
lg
...
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。
lg
...
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
go
lg
...
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
lg
...
金色财经
2024-03-03
巴西2023年国内生产总值增长2.9%
go
lg
...
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%。
lg
...
金融界
2024-03-02
上一页
1
•••
158
159
160
161
162
•••
351
下一页
24小时热点
特朗普突发重磅!华尔街日报独家爆料:特朗普推迟“对等关税”的原因在这
lg
...
重磅前瞻!美联储6月会议纪要或揭示内部分歧,是否降息仍无定论
lg
...
中国突传重磅!彭博独家:李嘉诚的港口交易令其子进军大陆保险业的谈判停滞
lg
...
美联储会议纪要释放“鹰派信号”,7月降息“泡汤”?
lg
...
特朗普关税重大宣布!美国将对巴西征收50%关税 巴西资产应声暴跌
lg
...
最新话题
更多
#Web3项目情报站#
lg
...
6讨论
#SFFE2030--FX168“可持续发展金融企业”评选#
lg
...
36讨论
#链上风云#
lg
...
109讨论
#VIP会员尊享#
lg
...
1989讨论
#CES 2025国际消费电子展#
lg
...
21讨论