FX168财经网_全球视野外汇黄金加密货币NFT资讯网

金色观察 | 由Oasis事件看Maker的Endgame抗监管策略

这并不是一个光荣的阶段：它“受到鸽子进化优势的启发：因为人类不惧怕它们，所以它们更容易在城市里觅寻残羹剩饭”。鸽势阶段应该会持续两年半，但监管部门的打击可能会加快其转变。 Maker现在就处于这个阶段：他们不能拒绝法院的命令，因为他们严重依赖于容易获取的现实世界资产抵押品。另外两个阶段将使DAI具有足够的抗审查性，足以挑战法院的决定。 Eagle stance（鹰姿阶段）源于Theodore Roosevelt的名言：“温言在口，大棒在手”。 Maker对RWA的敞口限制在25%以内。 DAI不再必须保持1美元的挂钩。浮动的DAI是完全去中心化的成本。 Phoenix stance（涅槃阶段）是Maker最具抵御力的阶段，其在此阶段具有最大的弹性和生存能力。如果有明显的迹象表明RWA抵押品即将受到攻击，或者全球经济和地缘政治普遍不稳定，就会触发本阶段。 Rune写道，DeFi证明自己是一家公共、中立的金融工具，而非受监管的银行的机会已经过去了。这是由于其缺乏真正的价值，以及Terra/FTX崩溃带来的主流形象的破坏。从这一信息来看，我猜他（以及Maker DAO本身）对法院的决定所带来的后果忧心忡忡。但这进一步证明了Maker的终极计划需要使DAI成为最具弹性的DeFi稳定币，否则一切都没有意义。终于，Maker比以往任何时候都更积极主动。该DAO正在构建自己的DeFi生态，以便在不依赖于外力的情况下为DAI赋能。你可以查看我之前的文章了解他们是如何做的。来源：金色财经

金色财经2023-02-27

一文了解AIPad：专注于人工智能项目的加密Launchpad

角色会随着时间的推移通过模仿人类行为而进化，然后在竞技场中相互战斗。该游戏目前正在 Arbitrum 上构建。 Bittensor Bittensor 希望将去中心化的 AI 市场系统引入 Polkadot 生态系统。该平台旨在通过提供分布在区块链上的机器智能的开源存储库来帮助促进人工智能的商品化。 HyperCycle 团队来自 SingularityNET 的团队，HyperCycle 是一个第 2 层区块链，专为高度可扩展和可访问的去中心化人工智能应用程序而设计。它将使用 Cardano 的 Hydra 侧链框架启动，并利用 SingularityNET 的信誉证明 (POR) 系统和 TODA 数据结构。 PLAI Labs PLAI Labs 自称是“下一代社交平台”，旨在利用人工智能、区块链技术和游戏化来打造全新的社交游戏体验。该公司正在创建一个新平台，将战斗和交易游戏玩法融入一个长线剧情中。 Rejuve Network 该项目旨在利用人工智能收集、分析和评估用户的健康数据，以提供基于研究的健康长寿建议。它将使用人工智能对人体进行机械模拟，人工智能代理和研究人员可以对其进行研究和测试，以产生健康建议和预防措施。来源：金色财经

金色财经2023-02-27

超级链来临：深度解读 Coinbase 和 Optimism 联手打造的 OP Stack

此外，OP Stack将会让ORU方案进化至Rollpstage 2标准，在技术上和获得跟ZK 路线抗衡的实力，既可以做到完全的去中心化，又可以保证跟主网相同的安全性。 OP Stack理论上可以扩展到L1之上的层级，包括区块浏览器、消息传递机制、治理系统等工具，本质上，OP Stack是一大堆API、SDK组成的开发堆栈，在其上可以做到一键启动任意的L2网络和发行dApp。甚至可以通过共享消息传递格式，让任意支持或接入OP Stack的区块链都可以相互通信。 OP Stack将遵循三条设计原则： Utility（效能）：可以使用OPStack构建任何东西包括为Emojis（表情包）发行一条区块链； Simplicity（简洁）：高效利用可复用的代码和现成开发套件，以增强安全性和降低维护的复杂性； Extensibility（可扩展）：Optimism Collective 将会完整公开OPStack主要代码，并欢迎开发者参与。在具体架构上，OPStack可自下至上分为六层，分别是DALayer（数据可用性）层，SequencingLayer（排序）层，DerivationLayer，ExecutionLayer（执行层），Settlement Layer（结算层），Governance Layer（治理层）。 OP Stack 的每一层都是模块化的API 组建。可以随意进行组合和解耦，比如Celestia 可以作为数据可用性层，比特币也可以作为结算层。其中，最为关键的是DA层，执行层和结算层，构成了OP Stack的主要工作流程。 DA层，数据可用性层定义了基于OP Stack的L2的原始数据的来源，OP Stack 可以使用一个或多个数据可用性模块来获取其输入数据，目前以太坊是其最主要的DA层，但是未来其他链也可以加入进来；执行层，定义了OP Stack系统中的状态结构，执行层抽象可以为EVM 或使用其他VM提供可能，比如OP Stack 的EVM 模块是就是EVM 的修改版本，增加了对在以太坊上发起的L2 交易的支持，并为每笔交易增加了额外的L1 数据费用，以计算向以太坊发布交易的综合成本。结算层，是OP Stack上L2交易数据的去处，在经过L2确认后，会将确认信息发送到目标区块链上，以进行最终结算。在容错证明机制外，未来也有望接入ZK等有效性证明机制，以打通链与链，OP系L2和ZK系L2之间的隔阂。由于OP Stack会涉及不同的L2和各类使用环境，在治理层内设置多重签名智能合约，以便于开展治理。此外，OP Stack也涉及有关治理代币的介绍，大概率会沿用目前的$OP代币，目前不能确定是否会发行新的治理代币。而当多个OP Stack发行的区块链共享一个Sequencer Set （排序器集合）时，可以实现原子级跨链功能，即使同时在多个链上生成块的排序器，也可以保证这些链之间的进行原子级的交互。借此，OP Stack 押注未来既不是多链也不是单链。相反，会是超级链一统公链、L2破碎格局的时代，从用户视角来看，原子跨链交互让他们感受的是统一的登陆、交互、迁移体验。超级链：OP Stack的星辰大海未来不是高性能L1，也不是ZK系L2，而是超级链。 OP Stack的目标是把孤立的各类L2 整合成一个单一的超级链（Superchain），将原本孤立的L2 集成到一个具备互操作性和组合性的系统中，即启动L2 就像今天将智能合约部署到以太坊一样简单。Coinbase 已经加入其中，Base便是基于OP Stack的L2，Base 也表态将把部分交易费收入返还给Optimism Collective。 Optimism表示过去两年已累计为用户节省了26.9亿美元的费用、15.8年的交易确认等待时间，而超级链（superchain）官网已经上线，未来将会搭建体验更为完整的超级链系统，为用户节省更多时间和费用。本质上而言，超级链是一个横向可扩展的区块链网络，各链之间共享安全性、通信层和开发套件。OP Stack 将是超级链背后的模块化开发堆栈，而超级链之内是无数可相互链接、可通信的区块链，目的在于为了支持接下来Coinbase所设想的第四阶段的数百、数千和乃至数百万条区块链和dApp的运行。基于OP Stack的超级链将具备以下属性：超级链不仅是从链接不同的 L2角度出发，更是在面向用户的开发思维指导下的一次路线更迭，按照Coinbase的设想，大规模人群使用Web 3的前提是协议层的足够优秀和易用，而要满足用户的需求，第一步反而是对开发者体验的改造和升级。以OP Stack为主轴，Coinbase和Optimism将围绕OP生态进行更多链上dApp开发，开发一条L2将足够低廉和简易，超级链的架构并不复杂，其上的一切都将围绕着模块化和Gas Fee最优为原则。超级链概念将为开发者提供更多的可能性，开发者可以更便捷地上线dApp，还可以更容易地利用公链级的可扩展性和去中心化性能，整体上类似于iOS系统内的Apple store，但是开发者的dApp反而可以获得超级链交易费用的用户量奖励，这也是Web 3超越Web 2的经济模型优势所在。结语类似夜莺与玫瑰，OP日夜的歌唱，只有Base被当成玫瑰为世人所见。而Base身后的超级链、OP Stack以及Optimism Rollup正在经历的Bedrock升级则更为关键，这些产品一起构建了完整的L2网络启动、交互、安全链接机制，描绘了一幅信息和资产可自由流通的未来全球金融图景。来源：金色财经

金色财经2023-02-27

NFT版税之战如何演变成今天的“买方市场”？

日报译者 Katie 辜编译。市场和进化伦有很多共同点。我们的经济和社会类似于一个由相互依存的小角色组成的大型生物系统，工人、中小企业、银行、客户和监管机构都是这个全球有机体的独立组成部分。当一个企业（或员工）不再服务于整个系统的目的时，它就会被淘汰。要么是因为竞争，要么是因为资源不足，要么是因为自身利益。例如，一个理性的行动派如果认为他们的冒险或努力注定会失败，就会就此收手，这就是自身利益的定义。本文作者一直在研究 NFT 市场的未来，特别是一场正在进行中，并将决定未来几个月 NFT 创作者版税结构的斗争。但在此之前，我们有必要回顾下版税之战是如何开始演变到今天的“买方市场”的。回顾 2019 年 NFT 的“首秀” 2019 年的熊市让散户放弃了手头上几乎所有的加密货币，甚至连你在 Bumble（交友软件）上配对的漂亮女孩都不在乎你在自我介绍页面上写的比特币了。2019 年 DeFi 爆发，人们被用数字代币获得互联网贷款又点燃了信心。未来代币简单协议（SAFT）是 NFT 融资最常见的形式，SAFT NFT 是 VC 投资的投资合同，他们希望在未来获得更多的代币。 Odaily 星球日报注：SAFT 全称为 Simple Agreement for Future Tokens（未来代币简单协议），常用于为Web3 领域内的新项目筹集资金，赋予投资人在区块链网络开发完成后获得相应代币的权利。但大多数创始人一直在推迟他们的代币发行，而风投则假装想继续与创始人合作，同时试图为代币协议寻找场外买家。NFT 的概念是由加密猫 CryptoKitties 的创始人 Dieter Shirley 在 2017 年正式提出，该系列作为最早流行的链游，因其大受欢迎曾反复阻塞以太坊网络。后因熊市整个加密货币市场的资金都在持续离场，没有别的应用场景支撑的 CryptoKitties 迅速销声匿迹。来源：Quartz。回顾 2019 年的 NFT 市场，由于 2017 年的 ICO 热潮，代币具有产品市场适应性。当时，用户已经习惯了在黑客攻击中转移、交易和丢失加密货币。而当时的 NFT 只有一个小群硅谷人士在谈论。在现实世界中，一个艺术家卖出一件作品只能从中赚到一次钱。所以他们的收入是线性的，艺术家必须持续创作作品来谋生。NFT 允许艺术作品演变为金融资产，每当一个人交易他们的艺术作品时，就会为创作者积累价值。这就是神奇的版税概念。版税让创作者拿到作品每笔交易的一部分。如果将普通的艺术作品变成一个支付创作者版税的 NFT 的话，收益非常客观。 NFT 只有创作者才能获得版税，交易者只能赚取资产价格的差价。在过去的几年里，这一激励机制推动了 NFT 市场的巨大发展，创造了数亿美元的收入。仅 Bored Ape Yacht Club 的开发商 Yuga Labs 去年就创造了 1.07 亿美元的收益。参考下图的交易例子：来源：Etherscan。在上图的费用明细中，OpenSea 赚了 2 ETH，Yuga Labs 以 80 ETH 的价格出售无聊猿 NFT，赚了 2 ETH。所以无聊猿一点也不无聊。花 14 万美元买猴子 JPEG 的买家可能不仅仅是为了艺术性质而购买它。他们可能有对潜在价值进行投机的打算，今天花大钱买入，明天盈利。买卖双方双赢，直到市场决定“进化”。 OpenSea 推动了 NFT 可以强制版税和赋予创作者权力的想法的落地。每个人都喜欢赋权，但 NFT 不能自行将版税传递给终端用户。通常，由 OpenSea 这样的 NFT 市场建立的智能合约会传递版税。因此，版税通常由促成交易的市场收取。但如果一个市场不想强制执行零版税来降低用户的交易成本，那该怎么办？这是当今困扰 NFT 市场的问题的“痛点”所在。竞争对手发币入局，打乱 OpenSea 商业计划 2022 年是 NFT 市场发生转变的一年。充足的流动性和费用激励市场尝试其他模式。这一切都始于 1 月份的 LooksRare 发行代币。价值主张很简单——用户在该平台上进行交易将获得代币。用户可以用代币来管理平台，并作为代币持有者收取费用，而不是烧钱来打造品牌、投放广告和教育用户。代币还有一个流动性市场。当时，LooksRare 因为拥有流动代币而获得了广泛关注，OpenSea 开始被抢了风头。即使当时 LooksRare 存在一个“弱点”——在 LooksRare 上你几乎无法根据价格对 NFT 进行分类。在过去的一年里，由于熊市和不断下跌的回报率，让 LooksRare 难以真正建立起对抗 OpenSea 的护城河。OpenSea 的管理层可能意识到了新时代平台对其市场垄断地位的威胁，并在几个月后收购了 Gem。在收购时，Gem 是市场上增长最快的聚合器之一。 NFT 市场已经尝试了代币模式。用代币激励用户在你的平台上交易有助于提高交易量指标。但还有一个杠杆不可忽略——创作者费用。在过去的一年里，多家交易平台开始削减创作者的费用。DeFi 市场也提供了相同的原生产品。例如，SudoSwap 可以像 Uniswap 那样为 NFT 设置池子。用户可以通过交易池买入或卖出大量特定 NFT。平台费用降低至 0.5% ，目的是与 OpenSea 等主要竞争对手竞争市场份额。假设你是一个交易者，想买一个无聊猿 NFT。如果能免去支付给创造者的 2 个 ETH 和支付给平台的 2 个 ETH，交易者就会受激励转向从该平台交易，目前市场的情况就是如此。在 OpenSea 以外的某些市场，NFT 的交易成本可能会降低 5% 。这大大降低了成本。突然之间，支持创作者收益的版税模式崩溃了，版税叙事就此破灭。尽管如此，NFT 世界的“大佬平台们”却没有危机感。没有人看到来自几百名交易者及其交易量的威胁，其中大部分是“洗盘交易”。低价激励造成了 OpenSea 大部分用户的流失。随着平台激励措施的减少，洗盘交易者在 X2Y2（根据活跃用户的交易量给予奖励）等平台上捞不到什么钱，平台交易量也随之减少。2022 年 10 月，NFT 行业面临一场噩梦。一个以交易者为导向，产品远超一流新玩家的平台准备上线，那就是 Blur。 Blur 三大亮点：首先，他们通过潜在的空投来吸引用户，为买卖双方都增加了流动性，接近 NFT 和 ETH 的结算价格。这使得交易者可以成批地进入和离开系统。其次，他们不再专注于散户交易者，而是追求高交易量的 NFT 交易员。Blur 平台有几个传统平台无法提供的复杂交易选项。这就像从竞争币的现货市场转向到满足你所有专业交易需求的“一站式”交易平台。最后，就像 Gem 刚推出时一样，Blur 在其核心产品中集成了一系列图表和数据功能。交易者可以通过他们交易的同一个平台获得历史定价、订单簿深度、稀有性和总体成交量趋势等信息。在用代币吸引用户和推出一个更好的平台之间，Blur 以占据了以太坊每周 NFT 交易的 40% 而胜出。截至 2023 年 2 月，Blur 的交易量为 77% ，而同期 OpenSea 的交易量为 16% 。请注意，与 OpenSea 相比，Blur 发行了代币，所以这些交易量数据必须带着“辩证性”来看待。Blur 代币的发行也有一些创新元素。他们将代币抽象化——开「盲盒」空投，这些「盲盒」会在未来某个时候产生代币。因此，没有人知道在 10 月到 2 月之间他们能拿到多少代币，“Blur 带来的暴富的可能性”推动了用户行为。 Blur 在一个季度内达到了两个目标。首先，它开始让版税是“必需品”的想法暂时消失。交易者越来越习惯于在市场交易中不支付创作者版税。当目的是投机时，对每一笔交易支付创作者税根本没有意义。其次，Blur 消除了它的版税。直到 2022 年 12 月，Blur 都没有版税。从那时起，他们已经过渡到了 0.5% 的版税模式。为了了解 Blur 推出的长期影响，我们需要看看版税的情况。一位名为 Beetle 的用户发布了了一个关注有效版税的 Dune 数据表。Beetle 将 ERR 定义为“所有市场上赚取的版税总额，除以所有市场上的总销量”。由于 Blur 等市场最初推出时没有版税，因此销量的增加和版税的下降会拉低图表走势。这正是目前市场的情况。下面的数据显示了一年中某段时间无聊猿 NFT 支付的版税。由于一些市场已经提供零版税的交易， 8 月份开始时的价格低于 5% 。当 Blur 上线时，这一趋势在 10 月份开始流行。来源：1 kBeetleJuice。这不仅仅是版税的问题。正如下面的数据所示，在整个市场上，无聊猿 NFT 现在创造版税的交易数量开始呈现下降趋势。当“过滤器”+“黑名单”遇到反弹如果你是 NFT 生态系统的参与者，突然间，一个新玩家席卷了市场，偷走了你的用户和交易量，扰乱了你的商业模式。一时间，多个 NFT 市场采取了保护创作者收入的立场。OpenSea 发布了一个“黑名单”机制。如果某个平台（如 Blur）允许用户在 OpenSea 上使用创作者版税时绕过创作者的收入，那么该平台就会将项目添加到“黑名单”中。几个月过去了，市场显然改变了对支付版税的看法。OpenSea 如今的销量仅为其曾经的一小部分，不久前被迫“打脸”取消了版税。 OpenSea 在整个惨败过程中并不是“坐以待毙”。该平台推出了一个完整的协议，并在一年内收购了一个聚合器 Gem。OpenSea 于 2022 年 5 月推出的 Seaport 是一个完整的市场合约（如 DeFi 中的 0x），可以把它看作是一种通信协议，用于在市场上获取流动性和路由订单。就像 Web2 中的 eBay、亚马逊和各种地区电商平台上列出相同商品的 API。为什么像 OpenSea 这样的平台会费心发布协议呢？他们的目标是为更多的人参与 NFT 交易提供新的途径。如果整个市场继续扩大，OpenSea 继续成为最大的 NFT 平台，将会面向更多的用户。但在某种程度上，这反过来伤害了 OpenSea。现在每当一个 NFT 系列屏蔽 Blur 时，他们都会通过 OpenSea 的协议为资产提供流动性。实际上，没有办法阻止 Blur 使用协议为资产获取流动性。下图是一位名叫 PandaJackson 的用户在其推特帖子中解释了这是如何实现的。来自 PandaJackson推特帖子。 Blur 为无聊猿新游戏门票 Sewer Pass（下水道通行证）进行了超过 4000 笔交易，并避开了向 OpenSea 支付约 22 万美元的费用。这对于 OpenSea 来说是 40% 的费用损失。当 Blur 利用 Seaport 协议绕过“黑名单”时，OpenSea 的“黑名单”机制成为了一个笑话。即使 OpenSea 找到了阻止 Blur 从 Seaport 协议查询流动性的方法，这也与他们当初引入 Seaport 协议的原因背道而驰（此外，Opensea 不能随心所欲地对 Seaport 协议进行更改）。从最近的订单来源数据来看，这场“掰手腕”比赛已经进行得如火如荼。来源：SeaLaunch数据仪表盘。来源：SeaLaunch数据仪表盘。第一个图表显示了订单来源的交易量百分比，即订单发出的市场。当 Blur 在 2022 年 10 月上线时，占据了近 60% 的订单来源。事实上，从 B2C投资者的角度来看，Blur 可能不会对 OpenSea 构成真正的威胁。正如你在第二张图表中所看到的，大部分独立用户仍然使用 OpenSea。像 Blur 这样的新进入者不可能在一夜之间复制他们的品牌资产。问题是 Blur 已经从一个产生订单的地方变成了一个用户可以在一个季度内找到流动性的地方。对于下面的数据（Blur 用橙色表示）， 2 月 19 日，Blur 的填充源量（fill source）占 83% ，到 2 月 20 日，这一比例下降到 26% 。这是一次大型的空投，因为 Blur 的初始代币空投刚刚结束。上图打破了这一事实。填充源指的是订单完成的市场。如果你是一个即将到来的聚合器，你可能是订单的来源，但填充可能会通过第三方进行。当你可以在你的平台上完成大量的订单匹配时，你就成为了一个独立的市场。截至 2023 年 2 月，Blur 上只有约 16% 的订单是通过 OpenSea 上的流动性完成的。 Blur 从聚合器到平台的转变是威胁 OpenSea 未来霸主地位的重要因素。大量的交易量流失给第三方平台，使得市场没有动力维持高额费用。OpenSea 也从发布注册表演变为将不强制执行创作者版税的市场列入黑名单。从一个认为创作者版税是一项神圣权利，应该在各个市场得到保护和执行的生态系统，到想方设法避免向创作者付费，这是 NFT 市场向“买方市场”的演变。同样有趣的是，在短短 6 个月内，作为一家初创公司的 Blur 就说服了全球 NFT 市场，让他们相信取消版税是合理的，即使只是短暂的一段时间。零版税+发币是最佳选择吗？一年前人们对 LooksRare 的假设是，发行一个代币可能会彻底颠覆 NFT 市场。战术似乎很简单，去掉费用并引入一个代币。团队从他们发行的代币中获利，而不是从他们产生的任何收入中获利。但我的判断是错误的，因为在过去的一年里，LooksRare 平台的日活量低至 200 左右。 Blur 构成了更大的威胁，因为 LooksRare 占据了 11% 的份额，而 Blur 占据了 70% 以上。事实上，OpenSea 不得不从使用注册表来阻止不收费的平台，再到将费用降至最低，这表明 Blur 对市场构成了威胁。OpenSea 的“反攻”有一定作用，但一旦市场发生变化，OpenSea 的交易量和用户能否“稳如泰山”？在这个问题上，两边都有人“站队”。有人会认为 Blur 为交易者提供了更好的产品，而且交易量会一直保持下去。一个优秀的产品加上让用户通过代币“赋权”将使其能够大幅增长。另一种说法是 Blur 的“逆袭”这只是一个暂时的小插曲，在几个月内 OpenSea 将重回统治地位。可能发生这种情况有几个原因。首先也是最重要的一点，OpenSea 已经将费用降到了最低限度。因此，对于迁移到其它 NFT 平台的用户来说，如果是出于费用问题而离开 OpenSea 的，现在可能重返 OpenSea。其次，随着费用趋于最低，IPO 可能不再发生。在这种情况下，发行代币是有可能的。 OpenSea 不需急于将自己代币化。可能是通过对该公司持有的资产进行代币化。例如，Gem 是 OpenSea 一年前收购的一家聚合网站。向其引入代币可能是第一步。如果这还不够，他们可以继续将 Seaport 协议代币化（这是 OpenSea 一年前推出的协议）。对 OpenSea 来说，将协议代币化并激励个体较小的市场对其可能有积极的影响。只要 Seaport 成为 NFT 交易的标准，他们就可以在协议层面强制执行版税，并将不良行为者列入黑名单。就像支撑知名链游 Axie Infinity 的底层区块链网络 Ronin 一样，OpenSea 发布的任何协议都可能由游戏工作室、大型 NFT 发行商和传统零售商组成的联盟来决定共享标准的演变方向。 NFT 市场上的僵局是目前的两个 NFT 平台巨头造成的，双方都有足够的风险资本为其“站台”，都有实力可以在没有收入的情况下生存几年。它们之间的“较劲”影响了那些认为版税模式会继续下去的创作者和小型 NFT 市场，如 NFT 版税能够推动用户生成游戏内容市场。在没有 NFT 的情况下，用户生成游戏内容市场将完全崩溃。游戏将转向运营闭环且保守的市场，以避免监管机构的审查或处理有关数字资产的应用商店政策。 NFT 的很大一部分意义来自于知识产权。Yuga Labs 或 Nike 被激励不断开发 NFT，因为他们从版税中获得收入。两家公司去年仅 NFT 的版税收入就超过了 1 亿美元。我们急于宣布版税是一个有缺陷的模型，可能会让 NFT 市场倒退几年。为了自救，创作者可能会通过推出他们的 NFT 平台。有很多很棒的工具可以自创建平台，并在此基础上发布版权授权。在这个过程中，创作者不可避免地会回到以前艺术作品销售过程所面临的挑战——“中介”从他们的收入中抽成。如今，交易占据了数字资产生态系统的很大一部分。投资的大部分资金和产生的收入来自金融应用程序。这些应用程序将继续趋向于以最低价来获取用户和使用量。并非所有资产都要大量交易。至少不是作为非同质化的工具。比如没有理由交易（一天内多次）Jay Z 从 2000 年开始的专辑版权。如果资产转手的频率很低，那么版税高是合理的。我们将拥有完全不同的用户群体。根据交易资产的不同，每一种都需要不同的版税模型。解决僵局的一种方法是赋予创作者足够的权力，让他们在协议层面上获得版税。然后，市场可以决定是否要多次交易。尽管 NFT 多年来不断创新，但在这方面的推进却很少。Canto 的合约担保收入允许开发者从特定 Dapp 的用户产生的费用中抽成。也许，也有一种方法可以对 NFT 费用问题进行调整。其实这不是创作者市场对改进版税问题的第一次尝试。2015 年，Jay Z 推出了按月支付的付费音乐平台 Tidal，支持从流媒体转型中收入不高的音乐艺术家。这款应用的定价为 25 欧元，尽管得到了几乎美国所有的知名艺术家的支持，但最终未能扩大规模。曾经有一段时间，想要听到 Jay-Z 的老专辑，唯一的办法就是为 Tidal 付费。结果这款应用在发布后一个月的排名就超过了 700 。几年后，移动支付公司 Square 的 CEO Jack Dorsey 以 3 亿美元收购了这家公司。创作者想要优化收入，但不希望以分销为代价。即使在今天，创作者也经常通过在 YouTube 上播放他们的作品吸引粉丝的关注。但流量的分发将影响他们在 Billboard 音乐榜单（音乐流量权威榜单）上的排名。一旦一个平台获得了大量关注，它就会“主宰”创作者。在这一点上，创作者能做的“反抗”很少。如果你为推广做优化，就能让用户更容易发现你。可以通过将作品在 OpenSea 上售卖，或是用免费来吸引用户。总结撰写本文时 Blur 的估值为 32 亿美元，高于某些协议。我们可能正在从“胖协议”时代过渡到应用程序的价值积累时代。像 Blur 这样的团队已经证明，独立的应用程序通常可以比整个协议产生更多的交易量和服务更多的用户。Blur 就是 NFT 市场玩法的“新剧本”——通过代币激励交易量，推出一个收费低或不收费的市场。通过代币将所有权传递给用户，换取用户在平台上的活跃度。从本质上讲，我们要从用户需求角度出发，构建人们想要的产品，而不是构建人们可以在此基础上构建的产品。我们终于到了一个阶段，即专注于赋权用户，基于产品的护城河可以成为主流。本文不认为零版税市场最终会盛行。正如我在本文开头所说，进化是市场的常态。就像我们在自然界中看到的那样，应用程序将会不断演变，目的是竞争和获取小众用户群体。一个季度过去了，围绕 Blur 的热度可能会平息下来，我们将回归正常。也有可能创作者完全停止发行 NFT，靠着这个行业在过去三年里积累的创新和发展“吃老本”。未来 NFT 市场的走向无人可知。但如果我们用 Elon Musk 的话来收尾，即最有趣的结果是最有可能的的结果（It is likely that the most entertaining outcome is the most likely one）。来源：金色财经

金色财经2023-02-27

避免“无效”分散！买多只基金是否能够有效分散风险？

业板块过度相似　　随着金融市场的不断进化，市场的生态也在发生变化，量化策略的兴起以及基本面的结构性因素，使得静态配置单一板块越来越难以“躺赢”。　　我们看到过去几年里，行业、主题轮动的节奏越来越快，单一持有某种风格、某只板块的容错率也越来越低。　　诺安基金建议：从基金风格、持仓投资的行业等来进行分散投资，均衡配置。　　4、基金的入场时间过度一致　　入场时间也是一个容易被忽视的要素，当我们在市场高点全仓杀入，届时市场泥沙俱下，也难以独善其身。　　诺安基金建议：可以用类似定投策略，通过分批投资的方法分散风险。　　有效分散需要注意“合理”分散　　除了避免“无效”分散风险之外，具体在操作时诺安基金提示注意以下几点: 　　1、根据自己的风险收益偏好来分散风险，并不是风险越低越好，而是在自己的承受范围之内就行，也不必过度分散风险，导致最终收益也被“冲淡”了；　　2、根据自己的投资金额、持有比例来进行分散，如果本金比较少，也不必过度分散。需要考虑到分散投资会增加换仓手续费成本，折腾半天收益没覆盖手续费，就得不偿失了；　　3、根据自身的投资管理能力来判断，市场上很多有名气的FOF基金经理，一般一个基金组合也就持有10~15只基金，而我们作为普通者，相比FOF基金经理在精力投入和专业度上更是有限，因此建议一般从3~5只开始，尽量做到及时跟踪基金变化情况，而不是买入后就撒手不管。慢慢投资经验和组合管理能力跟上之后，可以再逐步增加。

金融界2023-02-27

游戏将可能成为数字资产生态中10亿用户的用例

额外收入而来。像这样的用户可能会有一个进化的弧线。随着时间的推移，用户将赚到足够的钱来购买游戏中的资产并进行交易。有了足够的利润，游戏者可以把资产租给其他玩家，类似于公会模式。在他的巅峰时期（就对游戏的商业价值而言）——玩家将有足够的技能来建立独特的游戏体验，围绕它形成并一个社区，从而获得被动收入。玩家大多数 Web 3 原生工作室目前都错过了游戏玩家的发展，他们从赚取与游戏时间直接相关的收入发展到积极创造和管理游戏体验。我们经常认为 DeFi、DAO 和 NFT 中的原语对普通人来说没有价值。为了实现这些原语的价值，它们应该被整合到游戏中，并吸引来大量的用户群体。一个有潜力的游戏创造者可以通过建立 DAO 从他们的同行那里筹集资金，而贡献者可以获得体验的收益份额。这类似于传统开发商收购和开发财产的方式，我们可能会看到一些工作室专门在 Sandbox 这样的 Web 3 原生虚拟世界中创造经验。这在今天看来可能很牵强，但考虑到 2021 年有超过 70 名开发者在 Roblox 上赚取了一百万美元以上（还有 7 个超过 1000 万美元），一切都有可能。随着围绕着 Web 3 原生 UGC 的生态系统的发展，我们将见证对链上最活跃的钱包进行定向营销。这将有利于试图扩大规模的游戏为那些在不同游戏中建立了良好体验的创作者提供折扣属性和类似的激励措施。就像民族国家为企业家提供激励措施一样，游戏和协议也会通过游戏中的互动来锁定那些最活跃的钱包。创造力上的鸿沟目前，大多数 Web 3 游戏的重点是交易而不是创造力。为了吸引更多的用户，我们需要向培养创造性的表达方式转变。社交网络大约在十年前就实现了这种转变，并使其成为了更令人愉悦的消遣场所。 Web 3 游戏平台在做到这一点后也可以实现同样的效果。随着创作者收入的增多，他们变得不再关注资本，而更关注自己的影响力。对这些人来说，创造性的表达成为首要任务。这虽然听起来不太现实，但考虑到就在去年，一个用户从《堡垒之夜》的创作者支持计划中获得了 500 万美元。更令人惊讶的是，这个用户为游戏创造了超过 1 亿美元的收入。考虑到像 Z 世代和千禧一代这样的年轻一代往往难以负担像房地产这样的传统资产。而且以我们现在的技术，还不可能开发太空资产，我们的所有权和价值感往往存在于数字资产当中。将纽约的实体房屋与 Decentraland 的虚拟财产相比较并不公平。然而，那些早期进入数字领域的人有可能获得可观的利润，在未来十年更是如此。与以前不同，互联网允许我们公平地获得机会。然而，我们已经看到一些新事物，如 ICO 和 NFT，正在榨取散户的资产。在游戏行业，仅仅作为早期采用者并不足以获益。创作者需要建立用户想要的东西，以防止数字鬼城的出现。大多数游戏的挑战是平衡社区和盈利动机之间的关系。「资产所有者」的盈利动机会可能导致非常糟糕的决策，正如我们在协议和 DeFi 原语中看到的那样——这也是我们之所以要循序渐进的在游戏中引入 UGC 的部分原因。同时，一个有粘性的社区对于一个可持续的市场来说十分重要。监管机构需要认识到游戏是工作渠道而不仅仅是为了娱乐，也许未来我们可能会看到游戏中形成创作者联盟。投资者可能将游戏中的体验视为 SaaS 产品。最后，最关键的在于，创作者也需要了解如何使用他们新发现的「所有权」。这让我们回忆起我们在 2016 年是如何思考人们可以怎样利用智能合约。我们将给你们留下这个基于印度未来主义的有趣游戏的预告片，我们已经关注了一段时间了，它可能与我们刚才写的内容有一定的关联。下周见，我们将对过去两个季度的风险投资的演变情况进行分析。来源：金色财经

金色财经2023-02-27

美的楼宇科技"GREEN FOR ONE"双碳战略发布共建可持续的智慧空间

ule)、真生态(Union)和真技术进化(Evolution)四个维度勾勒出数智建筑新形态, 展示业界各方为落实"双碳"目标进入实操阶段后呈现的创造力, 启幕产业发展创新的新阶段，聆听数字化时代智慧楼宇的现在与未来。　　作为大会主办方的美的楼宇科技，在大会上发布"GREEN FOR ONE"双碳战略，美的楼宇科技事业部总裁管金伟提出绿色低碳成为建筑发展的必然，在此趋势下，美的依托建筑全链路绿色低碳产品&服务，积极投身全场景低碳行业解决方案，以iBUILDING全面数字化底层能力支撑，助力各界应对低碳产业转型挑战，向业界展示了一条建筑的数字化低碳之路。　　使命——共建可持续的智慧空间　　美的楼宇科技持续响应国家双碳战略，聚焦低碳业务，在"共建可持续的智慧空间"的使命驱动下，持续布局楼宇生态，作为一名开放生态平台的创造者促进跨界融合与创新，引领行业向智慧建筑的方向迈进。在双碳目标的趋势下，美的志愿成为双碳践行者，为人类可持续发展提供解决方案，用数智科技开创可持续的智慧空间，以人为始，提供基于场景的用户体验，美的楼宇科技基于数智化的创新产品和服务能力，正升级为智慧空间的锻造者，点燃低碳智慧城市的星星之火。　　产品——全生产链低碳实践　　对企业来说，减碳不仅是生存问题，也是发展问题。企业首先要思考如何在推进低碳转型的同时保障业务的发展壮大，协同全生产链共同减碳，从产品的设计、研发、生产、物流到终端销售，打造全生产链的减碳能力，这是对企业践行低碳绿色发展的更高要求。　　美的楼宇科技提出在供应端-制造端-产品端同时发力，形成产品全生产链低碳发展。从供应链为始的产品全生命周期，美的楼宇科技绿色低碳服务率先垂范零碳实践，以全生产链绿色低碳践行可持续愿景。　　在供应端实施源头管控、机制筛查、数智赋能，多措并举。2022年美的楼宇科技顺德生产基地、重庆生产基地已通过国家工业和信息化部绿色供应链管理企业评审。　　在制造环节则聚焦低碳转型、体系升级、能碳数智管理的绿色实践，2022年打造了工业城西区碳中和园区、重庆水机制造基地零碳工厂、合肥工厂零碳车间、顺德工厂零碳产线等标杆案例。从组织碳、产品碳、活动碳三个维度进行全面探索实践，且取得丰硕成果。　　在产品端，为应对欧盟等西方国家的碳边境调节机制影响，提前布局，对多款产品开展全生命周期碳盘查工作，沉淀数据，节能减碳，为客户提供绿色低碳产品。通过自身实践，增强服务能力，可以帮助客户分析产品碳足迹，制定碳排优化方案，帮助不同行业用户高质量发展。　　生态——全面数字化底层能力　　数字化技术是推进双碳目标的利器，美的楼宇科技将知识图谱、绿色零碳、数字孪生等技术与行业知识深度融合，打造了iBUILDING美的楼宇数字化平台，为用户提供"端到端"的全栈智慧建筑综合服务，帮助建筑实现数字化、低碳转型。　　美的楼宇科技基于iBUILDING的全面数字化底层能力，实现系统驱动碳排放精准管控、平台驱动能源合理配置、算法驱动能源优化管理的业务能力，以数智能力赋能全生态智慧场景持续延伸，以低碳高效的智慧建筑综合解决方案，与每一位合作伙伴共建可持续的建筑空间。　　服务——全生命周期绿色赋能　　面对庞杂如同毛细血管一般错综复杂的碳排问题，如何节能减排、实现零碳目标，让很多企业摸不着头脑。企业的低碳管理，也存在着诸多公认的行业痛点：碳盘查难、碳减排难、碳资产管理难。美的楼宇科技凭借多年布局绿色低碳领域积累的经验和技术，为企业绿色低碳转型提供定制化的三大低碳服务：碳咨询服务、碳减排服务、碳运营服务，全流程赋能建筑零碳目标实现，共享双碳探索成果。　　无论是城市、园区、建筑还是企业，推进"碳达峰、碳中和"双碳建设的第一步都是摸清"碳家底"，开展碳排放数据的盘查。碳咨询服务便是从碳盘查及核算开始，确定碳排目标，根据碳排放现状和目标进行零碳路径规划。　　数字技术通过网络化、数字化、智能化的技术手段，用数据逻辑赋能工业智能化绿色制造和能源管理，碳减排服务赋能建筑全生命周期降低能耗，涵盖节能改造、碳排优化、能源替代的智能决策能力。　　未来碳市场具有多主体、多模式和多规则的特点，对碳运营的交易透明性、实时性和数据安全性都提出了需求与挑战。碳运营服务支持碳排在线管理、能源在线管理、碳交易服务能力，实现企业碳运营流程全周期、全方位的管理，推动智慧建筑能源结构转型升级步伐。　　行业——全场景低碳解决方案　　美的楼宇科技解决方案远不限于单独一个办公园区的层面，目前在建筑领域的一系列解决方案已向工业园区、商业综合体、医院乃至户用/商用综合能源等更多的应用场景展开。　　近年国内外可再生能源、储能产品大力发展，美的集团也已积极布局，结合其在空调、热泵领域的专业优势，开发了针对户用及商业场景下的光伏、储能、热泵、柔性控制一体化综合解决方案，极大提升系统效率，帮助客户节约能源成本，实现全屋绿色能源供应。通过绿色、高效、经济、智能、便捷的综合解决方案，共同打造可持续智慧空间。　　减碳既不是一蹴而就也不是孤军奋战，美的楼宇科技期望携手各方伙伴共创绿色生态，在建筑数字化、绿色低碳等领域进行全价值链合作，共建开放可持续建筑能源生态，以全场景低碳行业解决方案，共建绿色的智慧楼宇与城市未来。　　零碳目标不止是出于降碳压力，也是经济转型上的诉求，此次第二届楼宇科技TRUE大会上，SGS副总裁辛斌为美的楼宇科技颁发"顺德工厂C座办公楼达成碳中和宣告声明"及"第二届楼宇科技TRUE大会承诺碳中和宣告核证声明"。美的楼宇科技以零碳园区、零碳会议实践范例向全行业宣导零碳倡议，并作出碳中和承诺声明。不仅可以直接带动数智低碳技术革新，更为千行百业提供了可持续发展的标杆，对业界无疑是里程碑式的事件。　　除此之外，在大会上美的楼宇科技的绿色智慧多联式空调（热泵）机组获合肥通用机电产品检测院有限公司和国家压缩机制冷设备质量检验检测中心颁发的绿色产品认证，该产品作为多联机领域绿色智慧评价标准，提供了用户选用产品的评判性依据，倡议厂家在相应标准的引导下，推进可行的技术进行减碳变革。　　作为绿色发展的践行者，多年来，美的楼宇科技在低碳化、数字化领域持续深耕。此次美的楼宇科技重磅发布"GREEN FOR ONE"双碳战略，集合全球研发、生产和销售网络，全生命周期产品和服务、全场景低碳行业解决方案、全面数字化底层能力三大板块紧紧相扣，致力于为全球每一幢楼宇建筑提供零碳服务，与每一位合作伙伴共建可持续的低碳城市生态，共同打造低碳绿色的城市未来。来源：金色财经

金色财经2023-02-26

以太坊基金会 Danny Ryan：对以太坊 2023 年关键问题的思考

升级和安全改进仍待完成——分片、PoS进化（SSLE，PBS等）、安全改进（SSLE，监护游戏，执行证明等）、无状态、ZK-EVM、抗量子密码学等等。考虑到手头任务的复杂性和一般的上线速度，所需时间不会少于5年，甚至是10年，我担心密码学的进步以及新出现的问题有会使这个列表在可预见的未来不断增长和变化。那么，如果这是一个无休止的过程，变化的速度是否至少会减缓？也许对固化更有效的定义是，它是一种趋势，而不是最终结果——要越来越困难、需要更多的理由、努力和时间才能将任何变化纳入协议。协议不会真的固化，我们能做的最大努力就是一直与固化对话。如果我们总是试图进行固化或处于更固化的状态，而不是总是期待、渴望或寻求改变，那么固化的对话就会偏向于变化怀疑论。在足够的怀疑主义可能足以保护协议，即使在协议（缓慢）演变的过程中。在今年的反思中，我开始相信这种与固化的对话不仅是我们能做的最大努力，而且是在无法预测的未来，确保以太坊不会局部发展受制无法应对未来的方式。但我也相信，固化者——那些偏向于放慢速度，偏向于只在绝对必要时改变某些组件，害怕复杂性增加和变化会对上层产生影响的人——在今天的核心L1进程和更大的社区中都是极小部分的存在。这种阵营和想法还没有强大到成为协议中必要的免疫系统。虽然这个阵营中有许多受人尊敬的发声，以确保最低限度门槛的存在，但在未来几年内，必须阐述清“趋向固化的协议”的论点和优点，从而在这个复杂、不断变化的的关键时期，天平不会向另一个方向倾斜太多。 4.2、L2与以太坊的对齐以L2为中心的路线图的好处之一是，它允许L1将各种设计决策（跨域通信、虚拟机选择和优化、并行化、状态管理等）交给“市场”，而不是费尽心思挑选和实施特定的（而且很可能不是最佳的）解决方案。这个位于Ethereum L1之上的思想市场，不仅可以在短期内找到好的解决方案，而且可以在未来几十年内适应世界不断增长和变化的需求。需要并行化吗？可以试一试新的L2。想要一个更好的虚拟机以支持必要的形式验证？L2可以适应这种变化，或者新的L2会出现。这种反固化位于相对固化的基础层之上，确实两全其美。至于这个市场的健康状况——以太坊L2生态系统做得还不错。一些不同的optimistic EVM路线正在进行中，许多不同的EMV兼容/等同zk-rollup正在竞相上市，还有一些奇特的更实验性的rollup从边缘涌现（比如Fuel）。一些人认为，这种探索已经有点陷入困境——只关注于EVM——希望能有更多脱离L1结构的戏剧性变化——Solana-rollup、高度并行化rollup等——但是市场仍然可以适应当前一些想法的成功或失败。EVM似乎是一个护城河，在护城河里面，大多数人都在建造。鉴于所有的鸡蛋都在L2篮子里，我担心的一件事是L2的对齐，无论是短期还是长期。有两个主要问题——（1）L2是寄生的，最终会分叉成为L1；（2）L2是以太坊的标准，用户在这里互动，但不相信以太坊的价值观——去中心化、抵抗审查制度、支持公共物品、激进的合作等等。前者更像是一个存在性问题——被锚定在以太坊安全区上是否真的有价值？这基本上是L2路线图的论点——这些继承了以太坊安全和原生桥接的可扩容环境对用户有价值，因此对构建和维护它们的开发者、公司和社区有价值。我相信这个论点——实现足够的加密经济安全是很难的，在日益竞争性的环境中，大多区块链将不可避免地无法达到足够水平。密码经济安全是一种有限的资源，是体现这些系统持续经济需求的函数。因此，虽然我确实期待一些L2“放弃”以太坊并试图离开——一些可能会成功，另一些会失败——但我不相信这些会大规模发生，而且少数L2离开并不会打破加密经济安全即服务的理论。至于（2），我有更多的担忧。L2将不可避免地成为绝大多数用户的主要接触点。在大多数情况下，他们将存在于L2中，与L2互动，在L2之间搭桥，因为这些L2既安全又实惠。因此，L2成为以太坊的门面。这种方式也许是安全的，但是否是去中心化、抗审查、坚持以太坊的价值观、激励世界不断地重新想象自己的？在这一点上，这些问题的答案显然不是肯定的。风险投资公司踏足L2领域，代币在任何地方被随意地分配给内部人员，大多数治理模式是财阀式的，不经通知就任意升级。更不用说大多数L2在他们的安全模型中做出牺牲，才能走向市场，希望不断迭代实现去中心化（例如，没有欺诈证明，单一序列器，不明确的紧急退出机制，等等）。这里有一个有趣的平衡。L2可以且希望在广告和业务发展方面倾注更多的精力，与在这一领域非常激进的alt-L1竞争。这使得以太坊L1在这方面保持中立，而上面的层级则尝试众多的获客和入驻技术。但L2是否会默认保留以太坊的品牌、价值和灵魂，答案并不明显。对健康的L2生态系统进行管理至关重要，需要多方面的努力才能做到 —— 研究和促进安全的结构、实现L2的价值（让其展现本质，而非被描绘的样子），在可能的情况下对L2的治理风险、安全权衡、不良的代币分配、价值调整和其他新出现的问题进行探讨。而且，我们不能只关注负面的东西，还要庆祝积极、安全、一致的部分。今天的以太坊社区在制定规范方面拥有巨大的力量，这些规范将定义L2运动在未来几十年的发展情况。我们必须确保L2不仅继承以太坊的安全性，而且继承其合法性。小结这篇文章是作者对事情的极其短视和偏颇的看法。还有许多问题、甚至许多成功案例，是本文作者没有意识到，或没有时间写入本文的。简而言之，以太坊比以往任何时候都更强大。社区建设核心基础设施、社区分层扩容，以及社区建设都取得了惊人的的结果。但是，仍然存在重大挑战与巨大的风险。以太坊仍生机勃勃。请为保持这种状态尽自己的一份力量。原文标题：Reflection 2023 原文作者：Danny Ryan（以太坊基金会研究员）编译：倩雯，ChainCatcher 来源：链捕手来源：金色财经

金色财经2023-02-26

ADA是否能够在老币组合中、冲出一匹黑马？

D 及其姊妹币 SHEN 的不断积极和进化的消息。卡尔达诺的价格上涨本可以比我们目前看到的更好，但市场的下跌趋势（仅由最强劲的加密货币（如 BTC 和 ETH）推动）使这成为不可能。反映在市场投资者的持股上。尽管如此，1 月对于 ADA 来说是复苏的一个月，这是一种从市值下降阻力线中走出来的加密货币。这是否表明它将在今年达到 10 美元？丝毫没有。由于DJED和ADA同属一个团队，未来几个月，ADA有可能不仅会继续收复失地，而且还能挺进新的领域。该稳定币定于本周推出，但具体日期尚未确定。它将具有完全由 ADA 支持的明显优势，这将立即直接影响其他加密货币的价格。事实上，人们对 DJED 的期望如此之高，以至于 ADA 已经观察到它的一些早期有利影响。 COTI 网络为这种全新的稳定币提供支持，这将使其成为同类中第一个获得完全 ADA 支持的稳定币。为了让我们了解该项目的开发人员的实力和信心，他们的抵押率从 400% 到 800% 不等。除了 ADA 之外，他们还添加了一个名为 Shen 的备用令牌，它提供了额外的安全性来防止波动。来自本地市场暂时回到 DJED，这将有一个 2.94 ADA 的初始强制价格和 679,496 个代币的总供应量，这是相当有限的。价格将固定为 2.94 ADA。 Cardano 稳定币在测试网上的价值为 1,019 美元。一些分析师的预测估计，它会在一月份之前（明天）正式上线这个区块链的去中心化交易所。重要的是要知道，与 DJED 一起，Cardano 还将发布一个支付平台，该平台将尝试使交易这种独特的加密货币变得更加容易。卡尔达诺 (ADA) 在进入 2023 年时有一条 256 天的阻力线。请记住，在 5 月 10 日，这种替代代币跌破了代表其下降阻力的线，尽管它花了一些时间才达到历史低点，但这悲惨的事件发生在 12 月 30 日，当时它的价值是 0.238 美元，在那之后，这种加密货币的价值在开始逐渐（尽管，如果我们真的诚实的话，不是非常缓慢）价格上涨之前稍作停顿。1 月 22 日是它超过 0.390 美元的那一天，标志着它达到自 12 月中旬以来的最高值。调查过 Cardano 市场的主题预计，如果 ADA 继续保持上升趋势，ADA 的下一个阻力点将在 0.425 美元，如果达到该点，这将是所有投资者的胜利。对于看涨的投资者和新买家，他们的主要目标是让这种替代代币的价格突破旗形顶部，因为这表明可能会出现进一步的看涨。今年 ADA 是多少？数字资产市场具有两个相当基本的特征：第一个是它的波动性令人难以置信，第二个是第一个的结果，由于市场的复杂性，很难做出准确的预测。情况。话虽如此，根据 ADA 的经验并考虑到对其产生影响的各种技术因素，我们的预测如下：由于很多投资者担心会出现比2022年更大的灾难，希望在短期内获利或限制损失，因此ADA很可能在此之前出现一些严重的下跌可以恢复它的恢复。在这方面，它的价值在开始攀升至峰值之前可能平均在 0.313 美元左右。从积极的方面来说，卡尔达诺 1 月份的价格受到了有关网络内演变和变化的新闻数量的影响。这可能会对卡尔达诺的上升趋势保持更长的时间产生影响。当然，同样重要的是要考虑到 1 月份的 Cardano 受到有关网络演变和变化的大量新闻的影响。 Cardano 是一种区块链和一种加密货币（请注意复数形式，因为总共将有三种加密货币）有望在 2023 年得到大规模和广泛采用。这是由于 Cardano 固有的特性。它的创建者正在付出大量努力来改善他们的整个生态系统这一事实是另一个卖点。你想投资 ADA 吗？ ADA做出的预测是指短期的低迷；尽管如此，这可能是一个买入信号，可以启动复苏，使卡尔达诺在年中保持在美元上方，这将驱散市场的所有看跌情绪。此外，请记住，这种增长可能比预期的要慢得多，ADA 可能会反弹至 0.425 的上限，从而进入下一个阶段。鉴于过去几个月市场上发生的一切，这对整个生态系统也将极为有利。来源：金色财经

金色财经2023-02-26

ChatGPT：OpenAI的技术「执拗」与「豪赌」

写什么」这件事。但正是这样的模型，在「进化」到 ChatGPT 时，它却掌握了丰富的知识、复杂的逻辑推理等等，它似乎掌握了一个人类运用语言所需要的几乎所有的能力。这是一件非常神奇的事情，它的「进化」历程将会在下一章节中做更加深入的介绍。 - 丰富的知识储备：ChatGPT 能够正确回答非常多的问题，包括历史、文学、数学、物理、编程等等。因为目前版本的 ChatGPT 并没有利用外部知识，因此这些知识的内容是「储存」在模型内部的。 ChatGPT 所拥有的丰富知识储备，来自于它的训练数据，以及它足够大的体量，以便学会这些内容。虽然官方并没有公开 ChatGPT 所使用的训练数据的具体细节，但从它的前身 GPT-3 的论文可以推测，这些数据大致可以分为三个大的范畴：网页内容、书籍内容以及百科内容。可想而知的是，这些内容天然地蕴含了大量的知识，百科和书籍自然不必说，而网页内容也包含了许多新闻、评论、观点等，并且网页也包括了很多专门的问答垂直类网站，这些都是 ChatGPT 的知识来源。在官方的介绍里指出 ChatGPT 无法回答 2021 年以后发生的事情，因此合理的猜测是训练的数据收集截止到 2021 年。但数据量只是其中一个方面，要让模型「掌握」这些数据，其自身的体量是不可能小的。以 GPT-3 为例，它有 1750 亿参数，可以粗浅地理解为，这些数据的内容以及模型的各项能力，都以这一个个参数的具体数值的形式，固定在了训练完成的模型中。感性的理解是，假设一个模型只有 1 个参数，那它什么也干不了。更严谨的分析和对比可以参考这篇论文《Holistic Evaluation of Language Models》的测评，方向性的结论是越大的模型，在需要知识来完成的任务上表现得越好。论文地址：https://arxiv.org/pdf/2211.09110.pdf - 逻辑推理与思维链的能力：从第一章图片中的鸡兔同笼的例子可以看出，ChatGPT 具有很强的逻辑推理能力。并且它能够将复杂的内容，通过拆解，分成多个小的步骤，一步步地进行推理，获得最后的答案，这种能力被称为思维链。从前面的介绍我们知道，模型在训练的时候并没有针对逻辑推理以及思维链做特定的设计。而当前的主流观点认为，逻辑推理和思维链很可能和两个因素相关，第一个是模型的体量，第二个是模型是否在代码数据上进行过训练。关于模型体量与推理、思维链能力的关系，在《深入理解语言模型的突现能力》中有对应的介绍。下面这张图展示了思维链能力与模型体量的关系。不同模型不同尺寸的思维链效果对比，图来自论文。GSM8K，SVAMP 和 MAWPS 是三个需要逻辑推理的数学应用题数据集，LaMDA，GPT 和 PaLM 分别是 3 个不同的模型。简要地说，图表中给出了三个不同的模型，在三个数学应用题数据集上的答对率。而值得关注的是以下几个方面：思维链的能力（蓝色实线）在模型体量够大的时候产生了效果上的突变；思维链的能力在模型够大的前提下，效果超过了标准的指令（Standard prompting，黑色实线）方法；思维链的能力在模型够大的情况下，可以接近甚至超过有监督的方法（橙色虚线）。用通俗的话来说，就是在模型足够大的时候，思维链的能力突然展现了出来，能够达到、甚至超过那些在推理数据集上专门进行有监督训练的模型。这个图也许部分解释了现在我们看到的 ChatGPT 所具有的优异推理和思维链能力。而另一个关于推理以及思维链能力的产生因素，与模型是否在代码数据上做过训练有关。目前这一点只是一个推论，《拆解追溯 GPT-3.5 各项能力的起源》中的分析表明体量类似的大型模型，没有在代码上做过训练的话，只有很弱或几乎没有思维链和推理能力。而 ChatGPT 确实是在代码数据上进行过训练的，这一点从它能够理解并生成代码也可以看出来。在第二章回顾发展历程中提到了，OpenAI 在 2021 年就发布了专门针对代码的 CodeX 模型，将代码数据加入 GPT 的训练数据应该就是从那时开始的。 - 按照人的提问或者指令给予回复的能力：ChatGPT 除了可以用狭义的基于「问答」形式的交互以外，还能够按照输入的要求进行回复。例如，在应对「帮我写一封信」这类指令式的要求时，它同样也展现出了优秀的能力。这种能力让它不仅是一个提供答案的「高级搜索引擎」，更是一种可以用自然语言来交互的文字处理工具。虽然目前大众普遍把目光聚焦在将 ChatGPT 作为一种类搜索引擎的工具，但查阅相关知识并给予回答并不是它的唯一能力。实际上，单就 ChatGPT 本身而言，回答知识性的问题并不是它的强项，毕竟它本身的训练数据被定格在了 2021 年。即便用更新的数据去训练，但它终究跟不上时事的变化，因此要将它用作知识性的问答工具，还是需要与搜索引擎等外部知识源做结合，就像现在 Bing 做的一样。但换一个角度来看，ChatGPT 像是一个「语言完备」的文本工具，也就是它能够按照你给它的要求，完成指定的、可以用文本形式表达出来的内容，就像下面这个例子。按照给定的计划内容生成英文邮件进行汇报。这里所说的「语言完备」，指的是运用语言的能力。可以看出上面这个例子里，其实不涉及知识性的内容，因为需要它写的内容已经提供给它了。但要写出这封邮件，涉及到的是运用语言的能力，比如遣词造句、语种切换、邮件格式等等。现在我们回过头来，尝试分析它的这种「按照指令完成任务」的能力是怎么获得的。在学界中，这种指令被称为 prompt，实际上对话中的用户输入、问答中的问题也是一种 prompt，因此可以粗浅地理解为，在聊天框里输入的所有内容都是 prompt。如果了解我们在本章第一节介绍语言模型的内容，那么更严谨一些的说法应该是「输入给模型的上文」都是 prompt。 ChatGPT 根据输入的指令（prompt）进行回复的能力，是来自于一种被称为指令微调的模型训练方式（prompt tuning）。其实原理很简单，模型依然还是「根据输入的内容，预测下一个 token 是什么」，只是在指令微调的阶段，输入的内容被换成了这些事先写好的 prompt，而 prompt 后面需要生成的内容，则是事先写好的答案。因此在这一阶段和一开始所说的无监督自回归语言模型训练，最大的不同在于数据。这里的数据，也就是 prompt 以及对应的回复，都是人写的，换句话说，这一阶段用的是人工标注的数据进行的监督训练。提到人工标注的数据，就自然牵涉到了所需要的数据量了，因为每一条标注数据都是需要成本的。如果是不需要标注（就像第一阶段的训练），那么自然有海量的文本数据可供训练，但如果要标注，那到底需要多少这种数据呢？要知道，让标注人员手写一个 prompt，然后再手写一个几百字的、真实详尽的回答，成本是很高的。根据论文《Training language models to follow instructions with human feedback》的介绍，所需要的数据其实不需要太多（相比于无监督阶段所使用的数据来说）。虽然具体到 ChatGPT 到底使用了多少没有确切的信息公开，但可以确定的是在数量级上一定远比用来进行无监督训练的网页、百科和书籍所构成的数据集要小非常多。论文地址：https://arxiv.org/pdf/2203.02155.pdf 只需要相对少量的人工标注的 prompt 数据就能达到让模型按照指令做出回复的目的，这一点背后其实隐含了一个现象，在学界内被称为 prompt 的泛化能力。可以想象一下，如今全世界都在不停的向 ChatGPT 提问，所提的问题也必定是千奇百怪的，这些问题其实就是一个个的 prompt。但用来对 ChatGPT 进行指令微调的 prompt 肯定不会有这么多，这说明模型在学习到了一定量的 prompt 和相应的答案以后，它能够「举一反三」地对它没有见过的 prompt 进行回答，这就是 prompt 的泛化能力。文章《拆解追溯 GPT-3.5 各项能力的起源》分析指出，这种泛化能力与在指令微调阶段让模型学习的标注数据数量以及多样性相关。此外，用少量的 prompt 数据就能微调出类似于 ChatGPT 这样拥有强大能力的模型，背后还隐含了另一个猜测，即模型所表现出来的各项能力，可能在无监督训练的阶段就已经存在于模型当中了。其实这也很好理解，毕竟相比于无监督的数据，这些人工标注的 prompt 数量太少了，很难想象模型是通过对这些仅有的标注数据学习而产生了各种各样的能力。从这个角度来说，指令微调的过程更多只是让模型学会按一定的规范来进行回复，而它的知识、逻辑等能力是早已存在的。 - 「客观公正」的能力：如果对 ChatGPT 询问一些有害或者有争议的问题，可以看到 ChatGPT 的回答都是非常「小心」的，很像是经过训练的新闻发言人般的回答。虽然它目前依然做得不够好，但这种能力是 OpenAI 敢将它公开作为一款产品使用的核心因素。让模型的输出符合人类的价值观是 OpenAI 一直在做的事情。早在 2020 年 GPT-3 的时候，OpenAI 就发现这种通过网上的数据训练出来的模型，会生成带有歧视、危险、争议的内容。作为一个对外提供服务的产品，这些有害的内容显然是不合适的。而现在的 ChatGPT 在这一点上有着明显的改善，让模型做出这种「行为改变」的主要方法也来自于 InstructGPT 的论文，更确切地说，是通过有监督的指令微调加上人类反馈的强化学习共同完成的，这一点在第二章中也已经做过介绍了。通过上述的分析可以发现，从技术方法的角度来说，ChatGPT 相关的内容都是已知的，但为什么当前只有它拥有如此惊艳的表现呢。实际上从 ChatGPT 推出之后，NLP 社区就一直在分析这其中的原因，虽然很多结论是推测性的，但也为同类模型的国产化带来一些启示。模型体量的因素能力涌现出现的前提是模型体量达到一定的规模，虽然没有具体的指标指引，但从目前的事实情况来看，类似于思维链等比较「高级」的能力，需要在数百亿参数量以上的模型中才表现得足够优异。数据量的因素模型的大小不是唯一的因素。DeepMind 在这篇论文《Training Compute-Optimal Large Language Models》提供了一些分析性的结论，指出训练的数据量需要随着模型的体量相应地增加，更确切地说，是模型训练时「见过的 token」数量，需要随着模型体量增加。论文地址：https://arxiv.org/pdf/2203.15556.pdf 数据质量的因素对于无监督的数据，数据量相对而言并不是很大的障碍，但数据质量往往更加容易被忽视。实际上在 GPT-3 的论文中，就有专门的内容介绍数据的处理工作。为了清洗 GPT-3 的训练数据，OpenAI 专门训练了一个数据过滤模型，来从海量的网页数据中获取更高质量的数据。相比而言，与 GPT-3 体量相当的一些开源模型，例如 Meta 的 Opt 和 BigScience 的 Bloom，似乎没有进行这一步清洗。这也许是这两个开源模型效果劣于 GPT-3 的原因之一。此外，数据质量的衡量维度不是单一的，诸如数据的多样性、内容重复度以及数据的分布情况都是需要考虑的因素。例如虽然 GPT-3 所使用的网页、百科、书籍这三大类数据中，网页数据的总量是最多的，但在训练时这三类数据的采样并不是按照实际数据的多寡进行的。另外值得一提的是，在指令微调的阶段，采用人工编写指令也许是一个重要的影响因素。InstructGPT 的论文明确指出在测评过程中，采用人工编写的指令训练出来的模型，比采用现有的 NLP 数据集通过模版的方式构建指令训练出来的模型有更好的效果。这也许解释了在 T0、FLAN 等由 NLP 数据集构成的指令数据集训练出来的模型为什么效果会差一些。训练过程的影响这类巨型模型在训练时通过集群进行训练，同时采用数据并行、模型并行以及 ZeRO 优化器（一种降低训练过程显存占用的方法），这些方式为训练的稳定性引入了更多的变量。如下这篇分析指出甚至模型是否采用 bfloat16 精度都对结果有明显的影响。分析链接：https://jingfengyang.github.io/gpt 相信了解了上面的这些内容，大家对复刻一个类 ChatGPT 的方式以及会面临的问题会有一个大致的了解。有幸的是 OpenAI 已经证明了这技术路径是能够走通的，ChatGPT 的出现也确实正在改变 NLP 技术的发展走向。 4、未来的展望 ChatGPT 从 2022 年 11 月上线以来，引起了极大的关注。相信即便是非专业领域，甚至是与计算机也很少打交道的群体，或多或少地都知道它的存在，这个现象本身就已经反映出它的出现有些不同寻常。圈外的大众更多的是以好奇、惊讶或者惊叹的方式来感性地认识它的出现。而对从业者来说，它的出现更多的是对未来技术走向的思考。从技术的角度来说，ChatGPT 的出现标志着 NLP 领域的又一次范式切换。之所以说是「又」一次，是因为在 2018 年，也就是初代 GPT 发布的那一年，与之同年发布的 BERT 模型以自身优异的表现，开创了 NLP 的「预训练 + 微调」范式的时代，具体内容在第二章中已经做过介绍了。这里主要介绍由 ChatGPT 开启的「文本生成 + 指令」的范式。具体来说，就是利用训练好的 ChatGPT 或类似的文本生成模型，通过输入适当的指令（prompt）来完成某一项具体的场景。这种范式与此前的 NLP 技术应用有很大的不同。不论是早期的利用 LDA、RNN 等统计模型或很小的深度学习模型的时代，还是后来利用 BERT 等预训练配合微调的时代，技术所提供的能力是相对原子化的，距离实际的应用场景有一定的距离。就拿前面举的让 ChatGPT 根据要求写英文邮件的例子，按照此前的做法，可能需要先抽取实体、事件等内容（比如时间、地点、事件等），然后通过模版或是模型形成邮件的样式，再通过一个翻译模型转化为英文。当然如果数据量足够训练端到端模型的情况下，也可以跳过中间的若干步骤。但不论采用哪种方式，要么需要将最终的场景拆解成原子化的 NLP 任务，要么需要对应的标注数据。而对于 ChatGPT 来说，只需要一个合适的指令。三个阶段的 NLP 技术范式。这种生成式模型搭配 prompt 的方式，直接略过了中间的各项 NLP 能力组件，用最直接的方式解决应用场景的问题。在这种范式下，完成终端应用的技术路径将不再是用单点 NLP 能力模块通过搭积木的方式组合起来。当然，这个过程不是一蹴而就的，也不意味着 NLP 的单点能力变得不重要。从测评的角度来说，每一个单点能力的好坏依然可作为评价模型效果的指标。并且，就某些场景来说单点能力依旧是一个强需求。例如在订票系统中本身就需要针对时间、地点进行提取。但与此前不同的是，ChatGPT 本身也可以完成单点能力，而不需要使用额外的功能模块。 ChatGPT 进行信息提取。 ChatGPT 进行情感判断。从这个角度来说，可以把 ChatGPT 看作是一个以自然语言作为交互媒介的 NLP 工具。如果说在过去，我们是通过模型 + 数据 + 设计训练任务的方式来完成某项 NLP 能力，那么 ChatGPT 则是通过设计指令来完成这些能力。可想而知，ChatGPT 的出现大大降低了 NLP 技术的应用门槛。但它目前还不是全能的。最重要的一点在于它缺乏准确可靠的垂直领域知识，为了让它的回答可靠，最直接的方式是为它提供外部的知识来源，就像微软将 Bing 的搜索结果作为它回答的信息来源那样。因此，「传统」的 NLP 技术并不会就此完全消亡，而是会以「辅助」的角色，作为目前 ChatGPT 短板的补充，这也许会是未来 NLP 技术应用的新范式。作者：追一科技来源：机器之心、DeFi之道来源：金色财经

金色财经2023-02-26

24小时热点