FX168财经网_全球视野外汇黄金加密货币NFT资讯网

英伟达2024 年第 4 季度业绩电话会分析师问答

或 Runway、他们正在编辑的视频、Firefly，NVIDIA 都在进行推理。我们业务的推理部分取得了巨大的增长。我们估计约为 40%。训练量在持续，因为这些模型越来越大，推理量也在增加。但我们也在向新行业多元化发展。大型 CSP 仍在继续建设。您可以从他们的资本支出和讨论中看到，有一个全新的类别，称为 GPU 专用 CSP。他们专注于 NVIDIA AI 基础设施、GPU 专用 CSP。您会看到企业软件平台部署人工智能。ServiceNow 就是一个非常非常好的例子。你看Adobe。还有其他的，SAP 和其他的。你会看到消费者互联网服务现在正在通过生成人工智能来增强过去的所有服务。因此他们可以创建更多超个性化的内容。你看到我们正在谈论工业生成人工智能。现在我们的行业代表了价值数十亿美元的企业、汽车、健康、金融服务。总的来说，我们的垂直行业现在价值数十亿美元。当然还有主权人工智能。主权人工智能的原因与每个地区的语言、知识、历史、文化不同并且拥有自己的数据有关。他们希望使用自己的数据，对其进行训练以创建自己的数字智能，并提供数据以自行利用该原材料。它属于他们，属于世界上的每一个地区。数据属于他们。这些数据对他们的社会最有用。因此他们希望保护数据。他们希望自己将其进行增值转型，转变为人工智能并自己提供这些服务。因此，我们看到日本、加拿大、法国以及许多其他地区正在建设主权人工智能基础设施。所以我的期望是，美国和西方正在经历的事情肯定会在世界各地复制，这些人工智能生成工厂将遍布每个行业、每个公司、每个地区。所以我认为去年，我们看到生成式人工智能真正成为一个全新的应用空间，一种全新的计算方式，一个全新的行业正在形成，这正在推动我们的增长。 Joe Moore 谢谢，我想追踪 40% 的收入来自推理。这个数字比我预期的要大。您能否让我们了解一下一年前的数字，您从推论中看到法学硕士的增长有多少？你是如何衡量的？我认为在某些情况下，您用于训练和推理的 GPU 是相同的。这个测量有多可靠？谢谢。黄仁勋我会向后走。这个数字可能被低估了。让我告诉你原因。当你运行互联网时，新闻、视频、音乐、向你推荐的产品，因为如你所知，互联网有数万亿—我不知道有多少万亿，但外面有数万亿的东西，而你的手机只有 3 英寸见方。因此，他们能够将所有这些信息归结为某个东西，例如一个很小的房地产，是通过一个系统，一个称为推荐系统的令人惊叹的系统。这些推荐系统过去都是基于CPU方法的。但最近向深度学习和生成式人工智能的迁移确实让这些推荐系统现在直接进入了 GPU 加速的道路。嵌入需要 GPU 加速。最近邻搜索需要 GPU 加速。它需要 GPU 加速来进行重新排名，并且需要 GPU 加速来为您生成增强信息。所以现在推荐系统的每一个步骤都用到了 GPU。如您所知，推荐系统是地球上最大的软件引擎。世界上几乎每一家大公司都必须运行这些大型推荐系统。每当您使用 ChatGPT 时，都会对其进行推断。每当您听说 Midjourney 以及他们为消费者生成的产品数量时，当您看到 Getty 时，我们与 Getty 和 Adobe 的 Firefly 合作完成的工作。这些都是生成模型。这样的例子还在继续。正如我所提到的，这些都不是一年前存在的，而且是 100% 新的。 Stacy Rasgon 我想谈谈你对下一代产品的期望，我认为这意味着布莱克威尔的供应受到限制。您能深入研究一下吗？其驱动因素是什么？为什么随着霍珀的放松，这一点会受到限制？你预计这种情况会受到限制多久，就像你预计下一代会受到25日历年那样的限制，比如这些限制什么时候开始放松？黄仁勋是的。首先是总体而言，我们的供应总体上正在改善。我们的供应链为我们做了令人难以置信的工作，从晶圆、封装、存储器、所有电源调节器，到收发器、网络和电缆，应有尽有。我们提供的组件列表 - 如您所知，人们认为 NVIDIA GPU 就像一块芯片。但 NVIDIA Hopper GPU 有 35,000 个零件。它重 70 磅。我们构建的这些东西确实很复杂。人们称其为人工智能超级计算机是有充分理由的。如果您仔细查看数据中心、系统和布线系统的背面，您会发现令人难以置信。它是世界上迄今为止最密集的复杂网络布线系统。我们的 InfiniBand 业务同比增长 5 倍。供应链确实为我们提供了出色的支持。总体而言，供应正在改善。我们预计需求将继续强于我们的供应——全年我们将尽力而为。周期时间正在改善，我们将继续尽力而为。然而，正如你所知，每当我们推出新产品时，它就会从零增加到一个非常大的数字。你不可能在一夜之间做到这一点。一切都在加速。它没有进步。因此，每当我们推出新一代产品时，我们都会加大 H200 的力度。随着我们的发展，我们无法在短期内合理地满足需求。我们正在加强 Spectrum-X。我们在 Spectrum-X 方面做得非常好。这是我们进入以太网世界的全新产品。InfiniBand 是人工智能专用系统的标准。带有 Spectrum-X 的以太网——以太网并不是一个非常好的横向扩展系统。但通过 Spectrum-X，我们在以太网之上增强了基本的新功能，例如自适应路由、拥塞控制、噪声隔离或流量隔离，以便我们可以针对人工智能优化以太网。因此，InfiniBand 将成为我们的人工智能专用基础设施。Spectrum-X 将是我们的人工智能优化网络，并且正在不断发展，因此我们将——对于所有新产品来说，需求将大于供应。这就是新产品的本质，因此我们会尽快满足需求。但总体而言，总体而言，总体而言，我们的供应量增长得非常好。 Matt Ramsay 我想问一个由两部分组成的问题，这是史黛西刚刚提出的问题，即尽管供应正在改善，但您的需求远远超过了供应。我想问题的两个方面是，我想，首先对于Colette来说，你们如何考虑在客户准备部署和监控方面如何分配产品（如果有任何类型的产品堆积）可能还没有开启？然后我想问黄仁勋，对于你来说，我真的很想听你谈谈你和你的公司正在将你的产品分配给客户的想法，其中许多客户相互竞争，跨行业到小型初创公司，从医疗保健领域到政府。这是一项非常非常独特的技术，您正在启用，我真的很想听您谈谈您如何看待报价/取消报价公平分配，这不仅是为了您公司的利益，也是为了所有人的利益。 Colette Kress 关于我们如何与客户合作，因为他们正在研究如何构建他们的 GPU 实例和我们的分配流程。与我们合作的人员、与我们合作的客户多年来一直是我们的合作伙伴，因为我们一直在帮助他们在云中设置以及他们在内部设置。其中许多提供商同时拥有多种产品，以满足最终客户的多种不同需求以及他们内部的需求。当然，他们正在提前工作，考虑他们将需要的那些新集群。我们与他们的讨论不仅继续讨论我们的 Hopper 架构，还帮助他们了解下一波浪潮并引起他们的兴趣并了解他们对所需需求的展望。因此，就他们将购买什么、仍在建造什么以及最终客户正在使用什么而言，这始终是一个不断变化的过程。但是我们建立的关系以及他们对构建复杂性的理解确实帮助了我们进行分配，也帮助了我们与他们的沟通。黄仁勋首先，我们的 CSP 对我们的产品路线图和过渡有非常清晰的了解。我们的 CSP 的透明度让他们对放置哪些产品以及放置地点和时间充满信心。所以他们知道他们的——他们尽我们最大的能力知道时机。他们知道数量，当然也知道分配。我们公平分配。我们公平分配。我们竭尽全力公平分配并避免不必要的分配。正如您之前提到的，为什么在数据中心还没有准备好时分配一些东西。没有什么比把任何东西放在身边更困难的了。因此，公平分配，避免不必要的分配。我们所做的——您问的有关终端市场的问题，我们拥有一个优秀的生态系统，其中包括 OEM、ODM、CSP，以及非常重要的终端市场。NVIDIA 的真正独特之处在于，我们为客户带来了客户，为合作伙伴、CSP 和 OEM 带来了客户，为他们带来了客户。生物公司、医疗保健公司、金融服务公司、人工智能开发商、大语言模型开发商、自动驾驶汽车公司、机器人公司。有一大批机器人公司正在兴起。有仓库机器人、手术机器人、人形机器人，各种非常有趣的机器人公司、农业机器人公司。所有这些初创公司、大公司、医疗保健、金融服务和汽车等都在 NVIDIA 的平台上工作。我们直接支持他们。通常，我们可以通过分配给 CSP 并同时将客户带到 CSP 来实现双重目的。所以这个生态系统是充满活力的，你说得完全正确。但其核心是，我们希望公平分配，避免浪费，并寻找连接合作伙伴和最终用户的机会。我们一直在寻找这些机会。 Timothy Arcuri 多谢。我想问一下你们如何将积压订单转化为收入。显然，你们产品的交货时间已经缩短了很多。Colette，您没有谈论库存采购承诺。但如果我把你的库存加上购买承诺和你的预付供应，即你的供应总量，实际上是下降了一点。我们应该怎样读呢？您只是说您不需要向供应商做出那么多的财务承诺，因为交货时间较短，或者您可能正在达到某种稳定状态，更接近完成订单书和你的积压工作？谢谢。 Colette Kress 是的。因此，让我重点介绍一下我们如何看待供应商的三个不同方面。你是对的。鉴于我们正在进行的分配，我们现有的库存正在努力，当物品进入库存时，立即将它们运送给我们的客户。我认为我们的客户很欣赏我们满足我们所寻求的时间表的能力。第二部分是我们的购买承诺。我们的采购承诺包含许多不同的组件，这些组件是我们制造所需的组件。而且，我们通常会采购我们可能需要的能力。所需容量的长度或组件的长度都不同。其中一些可能会持续到接下来的两个季度，但有些可能会持续多年。关于我们的预付费，我也可以这么说。我们的预付款是预先设计的，以确保我们的几个制造供应商拥有我们未来所需的储备能力。因此，当我们增加供应时，不会阅读任何有关大约相同数字的内容。它们只是长度不同，因为我们有时不得不在很长的交货时间内购买东西，或者需要为我们建造产能的东西。 Ben Reitzes Colette，我想谈谈您对毛利率的评论，毛利率应该回到 70 年代中期。如果你不介意拆开它的话。另外，这是由于新产品中的 HBM 内容造成的吗？您认为该评论的驱动因素是什么？非常感谢。 Colette Kress 是的。谢谢你的提问。我们在开场白中重点强调了我们第四季度的业绩和第一季度的前景。这两个季度都是独一无二的。这两个季度的毛利率是独一无二的，因为它们包括我们的计算和网络以及制造过程的几个不同阶段的供应链中有利的组件成本带来的一些好处。因此，展望未来，我们可以看到本财年剩余时间的毛利率将达到 70 年代中期，这将使我们回到第四季度和第一季度峰值之前的水平。所以我们实际上只是在考虑我们的组合的平衡。混合始终将是我们今年剩余时间发货的最大推动力。这些实际上只是驱动因素。 C.J. Muse 下午好，黄仁勋，有更大的问题要问你。当您考虑过去十年 GPU 计算数百万倍的改进以及对未来类似改进的期望时，您的客户如何看待他们今天进行的 NVIDIA 投资的长期可用性？今天的训练集群会成为明天的推理集群吗？您如何看待此事的进展？谢谢。黄仁勋嘿，CJ。谢谢你的提问。是的，这就是最酷的部分。如果你看看我们能够如此大幅度提高性能的原因，那是因为我们的平台有两个特点。一是它正在加速。第二，它是可编程的。它并不脆。NVIDIA 是唯一一个从一开始，从 CNN、Alex Krizhevsky、Ilya Sutskever 和 Geoff Hinton 首次揭示 AlexNet 开始，一直到 RNN、LSTM、RL 到深度学习的架构。 RL 到变压器到每个版本。每一个版本和每一个出现的物种，视觉变换器，多模态变换器，每一个——现在是时间序列的东西，每一个变化，每一个出现的人工智能物种，我们已经能够支持它，优化我们的堆栈并将其部署到我们的安装基础中。这确实是最令人惊奇的部分。一方面，我们可以发明新的架构和新技术，比如我们的 Tensor 核心，比如我们的 Tensor 核心的变压器引擎，改进了新的数值格式和处理结构，就像我们对不同代的 Tensor 核心所做的那样，同时，支持同时安装的基础。因此，我们将所有新的软件算法投资——发明，所有的发明，行业模型的新发明，一方面它在我们的安装基础上运行。另一方面，每当我们看到一些革命性的东西——比如变形金刚，我们就可以创造一些全新的东西，比如霍珀变形金刚引擎，并将其应用到未来。因此，我们同时拥有将软件引入用户群并不断改进的能力，随着时间的推移，我们的新软件不断丰富我们客户的用户群。另一方面，对于新技术，创造革命性的能力。如果在我们的下一代中，大型语言模型突然实现了惊人的突破，请不要感到惊讶，并且这些突破（其中一些突破将在软件中，因为它们运行 CUDA）将可供安装基础使用。因此，我们一方面带着每个人。另一方面，我们取得了巨大的突破。 Aaron Rakers 我想问一下中国业务。我知道，在您准备好的评论中，您说过您开始向中国运送一些替代解决方案。您还表示，您预计这一贡献将继续占整个数据中心业务的中个位数百分比。所以我想问题是你们今天向中国市场运送的产品有多大，为什么我们不应该期待其他替代解决方案进入市场并扩大你们的广度以再次参与这个机会？黄仁勋想一想，从本质上讲，记住美国政府希望将 NVIDIA 加速计算和 AI 的最新能力限制在中国市场。美国政府希望看到我们在中国尽可能取得成功。在这两个限制之内，如果你愿意的话，在这两个支柱之内，就是限制，所以当新的限制出现时，我们不得不暂停。我们立刻停了下来。为了了解限制是什么，我们以软件无法以任何方式破解的方式重新配置了我们的产品。这需要一些时间。所以我们重新调整了我们向中国提供的产品，现在我们正在向中国的客户提供样品。我们将尽最大努力在该市场中竞争，并在限制范围内取得成功。就是这样。上个季度，当我们在市场上暂停时，我们的业务大幅下降。我们停止在市场上发货。我们预计本季度的情况大致相同。但之后，希望我们能够去竞争我们的业务并尽力而为，我们会看看结果如何。 Harsh Kumar 嘿，黄仁勋、Colette 和 NVIDIA 团队。首先，祝贺您获得了令人惊叹的季度和指南。我想谈谈你们的软件业务，很高兴听到它超过 10 亿美元，但我希望黄仁勋或 Colette 能帮助我们了解该软件的不同部分和组成部分商业？换句话说，只需帮助我们稍微解开它，这样我们就可以更好地了解增长的来源。黄仁勋让我退后一步，解释一下NVIDIA在软件方面会非常成功的根本原因。首先，如您所知，加速计算确实在云中发展。在云中，云服务提供商拥有非常庞大的工程团队，我们与他们合作的方式允许他们运营和管理自己的业务。每当出现任何问题时，我们都会指派大型团队来处理。他们的工程团队直接与我们的工程团队合作，我们增强、修复、维护、修补加速计算所涉及的复杂软件堆栈。如您所知，加速计算与通用计算有很大不同。您不是从 C++ 等程序开始。你编译它，然后它就可以在你所有的 CPU 上运行。每个领域所需的软件堆栈，从数据处理 SQL 与 SQL 结构数据与所有非结构化的图像、文本和 PDF，到经典机器学习、计算机视觉、语音到大语言模型，所有这些——推荐系统。所有这些都需要不同的软件堆栈。这就是 NVIDIA 拥有数百个库的原因。如果没有软件，就无法打开新市场。如果您没有软件，则无法打开和启用新应用程序。软件对于加速计算至关重要。这是大多数人花了很长时间才理解的加速计算和通用计算之间的根本区别。现在，人们明白软件确实是关键。我们与 CSP 合作的方式非常简单。我们有大型团队正在与他们的大型团队合作。然而，现在生成式人工智能正在使每个企业和每个企业软件公司都能够拥抱加速计算——以及何时——拥抱加速计算现在至关重要，因为它不再可能，也不可能仅仅通过简单的方式来维持吞吐量的提高。通用计算。所有这些企业软件公司和企业公司都没有大型工程团队来维护和优化其软件堆栈以在全球所有云、私有云和本地运行。因此，我们将对他们的所有软件堆栈进行管理、优化、修补、调整和安装基础优化。我们将它们容器化到我们的堆栈中。我们将其称为 NVIDIA AI Enterprise。我们将 NVIDIA AI Enterprise 推向市场的方式是，将 NVIDIA AI Enterprise 视为一个像操作系统一样的运行时，它是一个人工智能操作系统。我们对每个 GPU 每年收取 4,500 美元的费用。我的猜测是，世界上每家企业、每家在所有云、私有云和本地部署软件的软件企业公司都将在 NVIDIA AI Enterprise 上运行，尤其是对于我们的 GPU 而言。因此，随着时间的推移，这可能会成为一项非常重要的业务。我们有了一个良好的开端。Colette 提到，它的运行速度已经达到 10 亿美元，而我们实际上才刚刚开始。谢谢。现在，我将把电话转回给首席执行官黄仁勋，让其致闭幕词。黄仁勋计算机行业正在同时进行两个同步平台转变。价值数万亿美元的数据中心安装基础正在从通用计算转向加速计算。每个数据中心都将得到加速，以便世界能够满足计算需求，增加吞吐量，同时管理成本和能源。NVIDIA 实现了令人难以置信的速度——NVIDIA 实现了一种全新的计算范式，即生成式 AI，软件可以学习、理解和生成从人类语言到生物结构和 3D 世界的任何信息。我们现在正处于一个新行业的开端，人工智能专用数据中心处理大量原始数据，将其提炼为数字智能。与上一次工业革命的交流发电厂一样，NVIDIA AI 超级计算机本质上也是本次工业革命的 AI 发电厂。每个行业的每家公司从根本上都是建立在其专有的商业智能之上，并且在未来，其专有的生成人工智能。生成式人工智能已经启动了一个全新的投资周期，以建设下一个万亿美元的人工智能生成工厂基础设施。我们相信，这两种趋势将推动全球数据中心基础设施安装基数在未来五年内翻一番，并代表每年数千亿的市场机会。这种新的人工智能基础设施将开辟一个今天不可能实现的全新应用世界。我们与超大规模云提供商和消费者互联网公司一起开启了人工智能之旅。现在，从汽车到医疗保健到金融服务，从工业到电信、媒体和娱乐，每个行业都参与其中。 NVIDIA 的全栈计算平台具有行业特定的应用程序框架以及庞大的开发者和合作伙伴生态系统，为我们提供了帮助每个公司的速度、规模和覆盖范围，帮助每个行业的公司成为人工智能公司。在下个月于圣何塞举行的 GTC 上，我们有很多东西要与您分享。所以一定要加入我们。我们期待向您通报下季度的最新进展。 (这份记录可能不是100％的准确率，并且可能包含拼写错误和其他不准确的。提供此记录，没有任何形式的明示或暗示的保证。表达的记录任何意见并不反映老虎的意见)

老虎证券2024-02-22

Adobe的溢价合理性吗？

op和Acrobat这样的核心产品到像Firefly这样的新工具，Adobe广泛的软件产品套件既适合个人需求，也适合企业需求。订阅模式产生可观的收入。Adobe在几年前就转向了SaaS模式，现在公司的ARR（年度重复收入）超过了150亿美元，大约占其年收入的四分之三。规模增长。Adobe的年营收已经达到了200亿美元——很少有软件公司能做到这一点，但它的营收仍保持着中低水平的增长。值得注意的是，Adobe在某些领域的竞争对手，比如DocuSign，尽管规模要小得多，但增长速度要慢得多。丰厚的营业利润和“40法则”。Adobe在其略低于10%的增长率基础上，实现了45%以上的预估营业利润率，使该公司牢牢地超越了“40法则”。当然，这些优势并不便宜。对于24财年（截至2024年12月的财年），该公司的预估每股收益为17.60美元至18.00美元，收益增长11%；预计营收为213亿至215亿美元，同比增长10%。来源：Adobe 四季度财报而且，该公司的人工智能产品Firefly的新生机会，加上其循环收入基础的安全性（GAAP利润率接近90%），为Adobe提供了相当大的溢价。在这里保持多头并顺势而上。 Q4业绩现在让我们更详细地了解一下Adobe最新的季度业绩。第四财季（11月季度）收益摘要如下：来源：Adobe 四季度财报 Adobe的营收同比增长12%，至50.5亿美元，高于华尔街预期的50.2亿美元（同比增长11%）。与此同时，订阅收入同比增长13%，目前占Adobe总收入的94%。下图展示了Adobe的ARR增长情况。按固定汇率计算，Adobe本季度新增净ARR为5.69亿美元，至152亿美元（按当前汇率计算为153亿美元），同比增长14%。来源：Adobe 四季度财报有两个产品值得一提。第一个当然是Adobe Firefly——该公司的生成式人工智能工具。使用文本提示，该产品现在可以生成漂亮的自定义图像。Firefly还可以编辑或增强图像，同样使用简单的文本命令。图：Adobe Firefly Firefly是ARR持续增加的主要驱动力之一。根据David Wadhwani 在第四季度财报电话会议上的评论: 业务亮点包括强劲的数字流量，这源于产品创新、社交参与，以及我们持续以产品为主导的增长努力，这些努力在本季度推动了创纪录的新商业订阅。自3月份推出以来，我们的生成AI Firefly模型的普遍可用性以及它们在Creative Cloud上的集成让用户兴奋不已，已经生成了超过45亿张图片。发布了三个新的Firefly模型，Firefly Image two模型，Firefly Vector模型和Firefly Design模型，提供高度差异化的控制水平，包括效果，照片设置和生成匹配。另一个重要亮点是Adobe的Document Cloud，它是DocuSign的直接竞争对手。本季度Document Cloud收入同比增长17%（超过总公司），新增净ARR为1.71亿美元，总ARR同比增长23%，达到28.4亿美元。 Adobe正在抢夺DocuSign的市场份额，DocuSign通常被认为是电子签名领域的领导者。DocuSign最近一个季度的营业额和收入同比增幅分别只有5%和9%。盈利结果也继续表现出色。DocuSign的调整后运营利润率同比增长170个基点，达到46.4%。该公司指出，它已经减少了在研发、销售和营销方面的投资（按照GAAP标准，总营业支出同比仅增长9%，低于收入增长3个百分点）。DocuSign的“40法则”得分在大多数软件公司中名列前茅，达到了惊人的58分（46%调整后运营利润率加上12%收入增长的总和）。DocuSign的调整后每股收益为4.27美元，同比增长19%，超过了华尔街的4.14美元一致预期，上涨了3%。总结 Adobe是典型的“高质量高价格”的软件公司，但事实上，它在许多垂直软件领域持续增长——从竞争对手那里夺取市场份额，并享受生成人工智能产品的顺风——使Adobe极有可能保持其溢价估值。 $Adobe(ADBE)$

老虎证券2024-01-23

AI在NFT发展中的力量发挥：2024年AI将如何主导NFT场景

使用 Adobe Firefly 生成 Web3 革命爆发 Web3 时代即将来临，一场数字复兴正在重塑我们浏览在线景观的方式。这不仅仅是一种进化；它是一种进化。这是一场全面的革命。想象一下，进入一个可能性无限的领域，Web3 的动态特性将重新定义我们与数字世界互动的方式。期待是显而易见的；我们正站在新时代的门槛上。 AI 的威力揭晓在 NFT 发展的错综复杂的舞蹈中，人工智能成为主角，以其无与伦比的能力抢尽风头。它不仅仅是一个工具；它是推动 NFT 进入未知领域的驱动力。让我们深入探讨人工智能在 NFT 开发中发挥作用的核心，探索它如何制作独特的内容并彻底改变数字艺术的本质。利用人工智能制作独特的内容人工智能是幕后的无名英雄，发挥其魔力为 NFT 注入生命力。DeepAI 和 Midjourney是创新的支柱，使创作过程民主化。这不仅仅是算法；这是创造力的交响曲，确保每一个 NFT 都带有独特的指纹。想象一个数字艺术不仅是一种表达，而且是个性的体现的世界。人工智能生成图像的作用随着人工智能生成的图像成为 NFT 吸引力的秘密武器，视觉炼金术占据了中心舞台。这不仅仅与屏幕上的像素有关；还与屏幕上的像素有关。这是与观众的脉搏产生共鸣的符合潮流的艺术作品。结果？NFT 超越了可访问性障碍，邀请不同的受众进入数字收藏品领域。2024 年，这不仅仅是看到；而是。这是关于以最纯粹、最创新的形式体验艺术。探索 NFT 生态系统在不断发展的 NFT 世界中，选择正确的市场就像寻找完美的表演舞台。OpenSea 和 Rarible 是首选平台，是创作者展示其数字杰作的虚拟舞台。这些平台不仅仅是市场，更是市场。它们是熙熙攘攘的集市广场，在其中穿行需要技巧。 OpenSea 和 Rarible：首选平台 OpenSea 和 Rarible 作为 NFT 生态系统的巨头，为创作者提供了展示数字奇迹的舞台。OpenSea 是 NFT 市场的巨头，拥有从艺术到音乐的大量数字资产。另一方面，Rarible 依靠去中心化而蓬勃发展，让艺术家可以不受限制地自由铸造和销售 NFT。这些平台不仅仅是交易空间，也是交易空间。它们是熙熙攘攘的创意中心，每一次上传都是数字市场画布上的一笔。人工智能的技巧：制作引人入胜的元数据现在，让我们深入探讨人工智能占据中心舞台的幕后魔力。制作引人入胜的元数据是 NFT 创建过程中的无名英雄。这不仅仅与视觉有关；而且与视觉有关。这是关于 NFT 背后的故事。人工智能介入，将 NFT 的独特品质转化为引人入胜的叙述。元数据成为与潜在买家对话的声音，讲述数字收藏品的旅程。在 NFT 的世界里，重要的不仅仅是你所看到的；还有你所看到的。这是一个令人着迷的故事。 AI 的讲故事魔力想象一下，您的 NFT 不仅是一种数字资产，而且是一个迷人故事中的角色。AI 的讲故事魔力正是做到了这一点，将 NFT 品质转化为能引起共鸣的叙事。每一个数字作品都成为一个章节，而市场就是一本正在展开的故事书。在这个熙熙攘攘的市场中脱颖而出不仅仅在于美观，还在于美观。这是关于创造一个挥之不去的叙事。到 2024 年，NFT 不再只是收藏品；而是收藏品。它们是等待被发现的故事。营销精通：人工智能引领在 NFT 领域，营销不仅仅是促销行为；这是一种舞蹈，一种需要技巧和精确度的编舞。人工智能凭借其一系列的技巧，成为领舞者，精心策划营销奇观。有效的社区参与营销舞蹈从社区参与开始，这是为整个表演定下节奏的重要举措。这不仅仅是广播；这是关于双向对话的。人工智能介入，制作引起共鸣的帖子、邀请参与的问题以及创造归属感的答案。社区成为 NFT 叙事不可或缺的一部分，为故事的演变做出了贡献。营销之舞：NFT 编排的重要举措将营销舞蹈想象为一系列重要的动作，每一步都对整体景观做出贡献。人工智能精心制作引人注目的帖子作为开场表演，利用其算法技巧来预测趋势并创建引起共鸣的内容。这不仅仅是对着虚空呼喊；这是关于精心策划一场吸引观众的表演。社交媒体推广热门话题标签成为这场营销舞蹈中的战略武器，推动 NFT 成为人们关注的焦点。人工智能分析趋势，了解社交媒体的脉搏，并战略性地将 NFT 放置在最吸引眼球的地方。这不仅仅是促销；这是一种经过深思熟虑的策略，利用社交媒体的力量来制造轰动。培育互联社区除了主题标签和帖子之外，人工智能在培育互联社区方面也发挥着至关重要的作用。这不仅仅是数字的问题；这是关于培养关系。人工智能与观众互动，回应评论，并创造一个让每个成员都感到被倾听的环境。在 NFT 的世界里，社区不仅仅是观众，更是观众。这是一个家庭，人工智能确保了牢固的纽带。科技与创造力的融合在 2024 年的盛况中，我们发现自己正处于技术与创造力的交叉点，NFT 和人工智能形成了一个充满活力的联盟，有望重新定义数字艺术的本质。这不仅仅是一次合作；更是一次合作。这是一种激发创新的融合，让我们得以一睹未知领域的可能性。见证 NFT 和人工智能的动态联盟感觉就像是在前排观看一场开创性的表演。NFT 是席卷艺术界的数字收藏品，与技术奇才 AI 联手。他们共同创造了超越传统创造力界限的协同作用。这不仅仅关乎艺术；也关乎艺术。这是一种动态的相互作用，推动 NFT 格局进入一个新时代。这种融合打开了前所未有的可能性之门，是通往未知领域的大门。这是迈向技术与创造力融合为艺术家和创作者开辟新途径的领域的大胆一步。2024 年，我们正站在数字复兴的边缘，人工智能对 NFT 的影响不仅是一种趋势，而且是塑造数字艺术未来的革命性力量。如何利用AI推出NFT收藏品踏上推出 NFT 系列的旅程就像扬帆驶入未知水域。在这里，我们介绍 AI 的分步指南，这是一个指南针，可以帮助您应对概念化、创建和推出 NFT 系列的复杂性。构思一个成功的主题、风格和目的是基础步骤。它不仅仅关乎美学；它还关乎美学。这是关于定义你的收藏的灵魂。人工智能成为这个创意过程中的合作者，提供见解并产生符合您愿景的想法。将人工智能想象为艺术家的助手，将概念转化为与观众产生共鸣的具体主题和风格。人工智能在市场化数字艺术中的作用将改变游戏规则。这不仅仅是创造视觉上令人惊叹的作品；这是关于了解市场动态。人工智能以实用性为核心，简化了创作过程，确保您的数字艺术不仅是杰作，而且是可投入市场的商品。数字在这里成为您的盟友，因为人工智能会分析趋势和偏好，为您的收藏提供竞争优势。驾驭二级市场是人工智能真正大放异彩的地方。OpenSea 和 Rarible 等平台成为您数字艺术的展厅，而人工智能可确保您的收藏脱颖而出。制作引人注目的元数据、优化关键字并战略性地定位您的 NFT，人工智能将成为确保您的创作获得应有关注的策展人。结论当我们结束对人工智能在 NFT 开发中的力量发挥的探索时，人工智能的革命性影响变得显而易见。这不仅与技术有关，而且与技术有关。这是一段激动人心的旅程，创造力和创新占据主导地位。系好安全带，让我们见证技术和创造力踏上激动人心的旅程，引导 NFT 进入未知的创新领域。未来不仅充满希望，而且充满希望。这是一次令人兴奋的冒险，人工智能和 NFT 和谐共舞，以我们尚未理解的方式塑造数字景观。来源：金色财经

金色财经2023-12-28

300万奖励总价值!CultureTech太一创造AI设计大赛招募AI爱好者

0名——价值499元的AllwayT1FireFly 真无线运动蓝牙耳机小红书人气奖投票通道：小红书官方账号＠太一创造交流盛宴值得一提的是，本届大赛太一携手CultureTech 共同推AI数字经济的国际化融合，将在赛事结果公示后，在12月28日，于北京举办线下国际颁奖典礼。获奖者与决赛入围者将有机会现场接受荣誉，典礼现场还能与行业内的专家和导师进行交流与互动，拓展自己的艺术视野与创作技能。获奖作品将有机会在线下颁奖典礼以多种形式露出，获得来自大赛主办方与各大合作平台等多方推荐。我们期待着在本次大赛中看到创作者们的精彩作品，也相信通过这次活动，将为中国本土文化的传承与发展注入新的活力，为文创设计领域带来一股全新的创作热潮。这次大赛不仅是一次文化传承的尝试，也是一次向未来展望的冒险，我们期待见证文化与科技的完美结合，共同用作品创造新的艺术与创新的辉煌时刻。更多比赛详情，请关注此次大赛官方网站，请搜索“太一灵境”，进入“AI设计大赛”频道了解报名，更多内容可关注太一灵境公众号及官方社交媒体账号。期待您的参与！来源：金色财经

金色财经2023-11-24

Adobe推出三个AI新模型图片编辑功能获全面升级

新模型分别为“第二代萤火虫图片模型”（Firefly Image 2 Model）、“萤火虫矢量模型”（Firefly Vector Model）和“萤火虫设计模型”（Firefly Design Model）。Adobe表示，与前一代相比，第二代萤火虫图片模型可以生成质量更高的图像，在渲染逼真的人体时，涉及皮肤纹理、头发、手部和面部特征等高频细节更逼真。生成的图像不仅具有更高的分辨率，还具有更鲜艳的色彩和对比度。

金融界2023-10-11

天风证券： Adobe发布新一代AI工具Firefly 生成式AI正加速整合进工作流

天风证券发布研究报告称，Adobe的生成式AI在应用端商业化落地是AI+工具软件浪潮的标志性事件，至此从生成式图片开始，预计包括视频、3D内容以及助手类工具软件融入AI的步伐将加速，建议关注本轮3D内容+AIGC的核心美股标的Adobe(ADBE.US)，AIGC核心标的Unity、微软(MSFT.US)；港股持续建议关注受益于AI+工具软件核心趋势的美图公司(01357.HK)；关注受益于3D内容生产工具相关标的，建议关注掌趣科技(300315.SZ)、易点天下(301171.SZ)。

金融界2023-09-25

9月14日证券之星早间消息汇总：美国8月通胀反弹，加息可能性依然存在

be在周三宣布，公司半年前“萤火虫”(Firefly)生成式人工智能结束内测，正式进入大规模商用阶段。公司将采用“生成式积分”的方式来搭建付费体系，现有付费订阅用户将按月获得不等的积分。另外公司也计划推出100个积分/4.99美元/每月的订阅服务。整个AIGC积分体系将从今年11月1日后开始投入运营。 4.即将在周四登陆美股市场的芯片设计巨头Arm宣布，将IPO价格定在51美元，即47-51美元招股价区间的顶端，共发行9550万份ADS。苹果、谷歌、英伟达、三星、英特尔、台积电等半导体产业巨头均参与认购Arm的股票。

证券之星2023-09-14

Adobe是AIGC的赢家还是输家?

话会议上，管理层指出他们的AIGC产品Firefly正在推动他们的Photoshop，并且它正在产生“病毒式反应”。管理层称Firefly和生成填充（Generative Fill）是公司历史上最成功的两个测试版发布。该公司正在迅速将AIG整合到其他产品中，包括一款名为“生成式重新着色”（Generative Recolor）的新产品，该产品将置于Illustrator中。至少可以说，Adobe完全可以被视为AIGC的参与者。 Adobe的创意云部门保持了强劲的14%增长，该部门在该季度实现了6.59亿美元的收入。值得注意的是，尽管收入基数相似，Adobe在这里的增长速度比DocuSign更快。来源：公司财报分析师注意到季度中唯一的疲软点在于剩余履约义务（“RPOs”），其较上一季度仅略微增长至152.2亿美元。尽管在销售周期较长且交易规模较小的情况下，科技公司整体上都看到了这种现象。 Adobe季末现金为66亿美元，债务为36亿美元，尽管分析师可以看出该公司最终可能会承担净杠杆。展望未来，管理层指导该公司在第三季度实现9.9%的年同比收入增长，并将全年非通用会计准则收益指导上调至每股15.75美元，上调自15.60美元。来源：公司财报在电话会议上，管理层表示他们相信AIGC将“进一步推动我们产品的可访问性和采用率”。他们的想法是，这能降低内容创作的门槛，扩大客户群体，因为AIGC可以帮助快速制作高质量的草稿，并通过语言命令进行进一步的编辑。 AIGC在长期内会对利润率产生负面影响还是积极帮助？管理层提醒投资者，他们有“长期推动强劲盈利增长的历史”，并继续表示他们认为AIGC会“以类似的方式发展”。毫无疑问，考虑到Adobe的大约33%的通用会计准则运营利润率在该行业中名列前茅，他们将专注于盈利增长。如何看待Adobe的未来？在加入了科技股牛市之后，Adobe已经不再像去年大部分时间那样被视为抢手货。这个评估可能会让一些读者感到意外。ADBE最近的市盈率为33倍，低于其36倍的历史市盈率。但人们也必须记住，ADBE的增长率在大流行后大幅放缓。来源：Seeking Alpha 令人震惊的是，一只股票的交易价格是销售额的12倍，预计未来的增长将低至两位数。来源：Seeking Alpha 显然，Adobe之所以能够获得如此高的多重估值，是因为其高利润率。如果我们假设在未来十年内，该股票的市盈率约为2倍，那么到2032年，Adobe的盈利可能会以18.2倍的倍数进行交易，即每股742美元。这代表了未来9.5年内约3.7%的潜在年回报。加上3%的盈利收益率，也许在未来十年内平均每年约6.7%的回报率。这一估值听起来或许并非不合理，因为Adobe或许能够跟上市场指数，但分析师认为，考虑到尾部风险，这是一个过高的估值。 Adobe股票受益于公司作为高利润率的软件服务商，AIGC的出现，或许会改变这个竞争格局。想象一下，那些不是Photoshop专家但还是购买该软件的客户，因为它比竞争对手更易于使用。但通过AIGC，竞品最终可能能够创建出强大的初稿，只需要进行最小的编辑。当然了，这个观点可能需要时间来验证。 $Adobe(ADBE)$

老虎证券2023-08-29

生产力 SaaS 如何应对 AI 的颠覆？

第二个角度：不碰版权数据 Adobe Firefly 在 4 个月前刚刚放出时遭遇群嘲，它生成的皮卡丘和 Hello Kitty 们惨不忍睹。但是现在 Firefly 已经在 Web 版本和 Photoshop 中帮助 Adobe 的用户们生成了超过 10 亿个资产，被公司评价为“Adobe 历史上最成功的两个测试版本产品”。外界在过去几个月已经逐渐领会了 Firefly 的独特价值主张：对未经授权的版权内容保持敬畏，帮助自己产品的使用者免除商用这些生成资产的法务风险。这一价值主张的核心就是构建一个完全没有版权问题的数据集。Stability AI 和 Midjourney 继续保持着对 Firefly 在效果上的微弱领先，但是不可避免地遭遇集体诉讼，因为它们使用的 LAION 数据集上包含 56 亿未经许可从公网上抓取的图像。第三个角度：帮客户把数据连起来使用 LLM 的数据处理环节 Source : a16z 有无数创业公司在这一赛道，就不再赘述最典型的数据连接用例。在此之上，跨本地和云的数据整合能力是一个需要长期积累的基本功，现有 SaaS 巨头有些差异化优势 —— 它们经历了 On-Prem 转云处理存量数据的尴尬期，经验比较丰富，而且 Salesforce 收购了 Mulesoft，Google 有 Apigee，微软有 Power Platform，都有各种强大的 Connectors 来帮助客户收集跨组织和跨本地与云的数据。通过将自身的云、数据连接器、产品场景垂直整合，再搭配合作伙伴的 LLM，老牌 SaaS 能够提供给客户一个真正端到端的堆栈，先收集好数据，再协调好数据并且能够创建数据的相关 pipeline，让数据在不同的模型和场景中可用。目前这一价值主张驱动的销售效果还未可知，但是起码听起来很美妙。上文介绍了 3 种把数据玩出花的角度，但目的都不是让 GenAI 的能力更强大，而是让它真正达到 Business Class 和 Enterprise Ready。借机重振产品品牌 GenAI 既能实际落地发挥作用，又是完美的营销帮手： • EinsteinGPT 重新让 Salesforce 的爱因斯坦小人 Logo 获得关注。要知道在此之前 Salesforce 这个 Einstein 的 AI 品牌并不算成功，一直没有绝对领先市场的产品，反而是 Gong.io 这样的初创公司一路崛起，成为 Conversation Intelligence 方向的头部玩家； • 微软在 Bing 和流程挖掘的产品上也类似，Bing 和 Google 在搜索体验上仍然有相当大的差距，而从微软收购的 Minit 而来的 Power Automate Processing Mining 也跟 Celonis 等独立的头部玩家有差距，但是通过 Bing Chat 和 Copilot，都重新面向潜在客户收获了一波关注；在微软的 Power Automate Processing Mining 中使用 Copilot • Zoom IQ 在 Conversation Intelligence 这个赛道上起步晚，但是凭借跟 GenAI 的集成，快准狠地推出了跟其他 Zoom 生产力场景的协同，也获得了在客户面前更多的曝光和关注；使用 Zoom IQ 生成和回复邮件 • UiPath 和 Five9 这些被视作长期潜在受损的公司也非常积极地进行 GenAI 整合，让广泛地产品线显得更智能； …… 尽管这些策略帮助以外缺乏突破点的产品再次获得关注，但这个窗口期可能正在关闭。随着微软各个产品中的 Copilot 和其他公司的 GenAI 集成从 Private Beta 走向正式版本交付客户使用，GenAI Offering 的作用将从「让销售 leads 增多」变为「提升 win rate」。扩 TAM 保毛利当不确定的经济环境和宏观局势遇到了共识打满的 GenAI，我们看到二级市场的公司试图做出“All in AI”的姿态，不断强调这是新的工业革命或者 PC 出现的时刻，但是在实际的经营策略上则仍然试图在利用 GenAI 扩大 TAM 的同时尽量保毛利。微软和 Google 等少数深入模型层的公司略微例外，它们在保毛利的同时做好了扩大 CapEx 投入的准备。在广大的 SaaS 公司里，Zoom 这样的思考和策略算是现阶段的标配，即 GenAI Offering 不能赔本赚吆喝，得让客户直接付费或是升级其付费计划： AI 对毛利率的影响较小。对于更高级和更高端的用例，我们希望通过让客户升级其订阅计划或通过我们平台的消费模式向客户收费。所以总的来说，我们正在努力抵消任何潜在（影响毛利）的压力。我们对长期毛利率的提高非常有信心。 Eric Yuan - Zoom 在定价模式上，除了有 M365 Copilot、Zoom IQ for Sales、Salesforce 的一系列 AI 产品按坐席和用量单独收费，跟付费订阅捆绑成为了非常流行的定价方式：在保毛利的同时探索出来一个让客户普遍接受的定价是一件非常有挑战性的事情，大量产品仍处于 Private Beta，探索定价方式中。在云时代充 credits 的 pay-as-you-go 模式崛起，GenAI 能不能推动某种新型的定价策略出现也非常值得期待。 02.「海外独角兽」们寻找安身立命之本超强执行力的中间桥梁对于生产力 SaaS 们的前途命运，有两类观点： • GUI 将毫无价值，这些 SaaS 最终将只提供数据库价值； • GenAI 是法拉利级别的引擎，但是你总归需要一辆完整的汽车。站在现实的角度，第一种观点在短期内还很难实现，许多人甚至认为 LUI 可能是最差的 UI，让我们重新倒退回了命令行时代。当然也还没有一家 SaaS 独角兽甘愿迎接第一种命运，因此大家仍然在尝试为用户提供一辆更完善的汽车。在这一点上 Notion、ClickUp、Miro 等公司的尝试和 M365、Google Workspace 没有什么本质上的不同。但是第一季度在 Bing 和 M365 几乎霸占了市场注意力的势头的情况下，Notion 在 22 年底很早就关注到 OpenAI 的动向，成为非 AI Native 的生产力 SaaS 公司中第一个上线完整 AI 产品的玩家，并且收获了还不错的市场反馈，很快就创造了数百万美元的 ARR。使用 Notion AI 总结梳理一篇研究文献我们交流的一些 Notion 员工将 Notion AI 定位成一个双向的桥梁 —— Notion AI 封装好的指令帮助用户减少了收集和搭配 Prompt 的门槛，而 GenAI 本身降低了用户使用 Notion 各种复杂组建的门槛。生产力赛道下的另一位卷王 ClickUp 跟 Notion 的这个解题思路很类似，它的产品比 Notion 还要复杂，嵌入了白板、视频等其他场景。在 Atlassian、Asana、Monday.com 等二级市场的对手都还没有 GenAI Offering 面世的时候，ClickUp 就推出了自己的 AI 产品并且确定了只有 Notion 一般的定价策略，很快也产生了可观的 ARR。使用 ClickUp 的 AI 功能进行任务管理靠开源武装自己有一些生产力 SaaS 光做好中间桥梁的作用可能不够，因为它们的安身立命技术被 LLM 直接挑战 —— 比较典型的两个例子是 Gong.io 的对话分析和 Sourcegraph 的代码搜索，它们都通过与传统 ML 模型构建了技术护城河，但是现在这些护城河被 LLM 撕开了巨大的口子。 Sourcegraph 背后的 3 大技术 Gong 的应对比较中规中矩，在第一季度没有什么反应。根据我们和早期投资人的交流，部分原因可能是团队认为模型能力并不是决胜点，获得和处理客户会议及对话数据的能力是个需要时间积累的脏活累活。直到 6 月初，Gong 才宣布推出 Call Spotlight 以及 Proprietary Generative AI Models。可能是 ChatGPT 和 Github Copilot 处理代码的能力过于惊人，Sourcegraph 成为了过去两个季度在应对 GenAI 冲击时非常让人眼前一亮的公司。尽管 Sourcegraph 很早就意识到 LLM 的 Context Window 在处理多个大型库级别的代码量上仍然有缺陷，但是没有停止产品创新，在 3 月末就直面竞争，推出了由 Anthropic 的模型驱动的代码编辑助手 Cody，并且将其代码实现开源。 Cody 背后的技术方案由于 Cody 拥有 Embeddings 的长上下文优势和 Sourcegraph 独特的 Code Graph 加持，它很快在 Hacker News 和 Twitter 上被广泛讨论。而开源的属性让 Cody 不被局限在 Sourcegraph 产品内部，而是可以当做灵活的 IDE Extension 使用，作为老公司和 AI Native 的 Cursor 等产品一同迅速成为了 Github Copilot 最可能的替代选项之一。乘胜追击扩大价值我们在 ChatGPT Plugin 的文章中描述过 Zapier 短期受益的局面：当前 ChatGPT 有了很强的工具使用能力，但缺少在 api 聚合方面的 know-how，因此 Plugin 的出现在中短期之内利好 Zapier 这类聚合器产品。Zapier 在此领域积累很深，现在如果大家想在 ChatGPT 上做一些复杂操作的时候：比如将文本总结之后发社交媒体，或是记录在 Google Workspace 中，大家都会选择用 ChatGPT + Zapier 的方式来实现。在很多 use case 中，ChatGPT 只需要接入聚合器，就能做到非常好的用户体验，它也不需要接入大量 api，相当于类似 SEO 的部分由聚合器完全提供了。 …… 但长期上，这类产品面临以下冲击：一方面， api 的组织形式可能会发生变化，LLM 时代可能跨产品交互的频次和。OpenAI 最近发布了函数调用能力，使 api 的可用性显著提升，这些变化可能会弱化 Zapier 的护城河。另一方面，聚合器可能会成为操作系统机会中的一部分，微软、谷歌和苹果都可能基于自己的系统去建立相应的能力，竞争激烈。 Zapier 团队在过去 6 个月的表现非常亮眼，展现出了团队一流的视野和执行力。下面这几个产品发布可谓稳准狠： • 3 月推出 Zapier Natural Language Actions，将平台能力首次以 API 的方式开放，还支持通过 Chat 的方式调用，迅速让 Zapier 跟 GenAI 生态融合在一起； • 由于各种 SaaS 内的数据只是由 Zapier 连接而没有存储在它这里，Zapier 在 5 月推出了 Zapier Tables，帮助用户存储、编辑、共享和自动化各个 SaaS 内的数据，这样可以从用户存量数据积累的角度构建另一条护城河； • 它推出的 Chatbot 框架也迅速在社交媒体上引发大量关注，成为用户自发为各类 SaaS 引入 LUI 的首选低成本方案之一。从不浪费红利、防止短暂红利过后被颠覆以及扎实把产品做好的角度，Zapier 是这一年来最好的生产力 SaaS 范本。而且它的联合创始人 Mike Knoop 投入力度非常大，完全致力于 Zapier 与 AI 相关的产品，并且成为了湾区 AI 生态重要的意见领袖，非常值得其他生产力 SaaS 公司学习。 03.现阶段 SaaS 的 AI 功能遭遇的 5 大挑战尽管我们找到了 6 个正面范本试图说明有些生产力 SaaS 做得还不错，但是它们不可避免地仍然陷入到一些具体的挑战当中，下面是最典型的 5 个：挑战 1：PR 先行给用户带来的失落由于 ChatGPT 引发的用户热度过于突然，大量的公司在 23 年初才开始准备其 AI Offering，并且在 3 月中下旬撞车式发布 Private Beta 版本，这导致了过长的 Waitlist，大量的客户知道自己的 SaaS 供应商推出了 AI 能力，但是却一直无法购买使用，不得不随着时间冷静下来。以 CRM 为例，许多 Salesforce 的客户对 Einstein GPT 非常感兴趣，多次向自己的销售询问报价，但是在整个 4 月和 5 月都无法得到售卖反馈，这让许多客户将这种本该严肃的产品发布视作一场无意义的 PR 行为。 Salesforce 实际上拥有一份完善的产品路线图，但是与官宣 Einstein GPT 的时间有足足 3 个月的时间差挑战 2：AI 与产品路线图的冲突投资人们希望 AI 颠覆 SaaS，但是大量的 SaaS 用户实际上只想安安静静地用好自己的文档、任务管理、视频会议工具们。 ClickUp 的用户们对 ClickUp 3.0 的正式推出期待已经，但是先等到 ClickUp AI，因此有一些非常一针见血的用户吐槽： ClickUp 的核心是充当项目管理工具和数据库，但是核心功能充满 bug，有些仪表盘需要几分钟才能刷新，可靠性在过去 18 个月号称占据了 70% 的资源但是几乎没有新功能出现，3.0 跳票，ClickUp Docs 的基础能力和 Google Docs 相距甚远，AI 本身无济于事。 ClickUp 试图让 AI 看起来是产品升级中的一个子项，但是大家发现他们的首要任务是 AI 而不是 3.0。 ClickUp 选择发布 AI 而不是 3.0 让人感觉受到了欺骗，3.0 不再是“指日可待”，我宁愿再看一下 Asana 或 Wrike。其他的产品或多或少都有类似的问题存在，比如 Notion 离线模式的用户呼声可能比 Notion AI 要强不少，这样大家才能摆脱在没有 WiFi 时完全无法使用 Notion 的窘境，但是 Notion AI 率先推出并且在产品路线图中似乎占据了更多精力。挑战 3：用户承担的定价模式这与挑战 2 相辅相成：如果 AI 能力是免费赠送的，那用户并没有什么反感这些能力的理由。但是由于“扩 TAM 并且保毛利”的策略，用户往往需要额外付费。不管是 ClickUp 的 5 美元 / 月 / 人、Notion 的 10 美元 / 月 / 人还是 M365 的 30 美元 / 月 / 人，让每个使用者自行付费的话不是个大数目，但是真让经营者批量采购也不是笔小钱 —— 要知道 Notion 本身的 Business 方案也就 15 美元 / 月 / 人，为员工采购 AI 相当于账单需要增加 60-70%。挑战 4：跟 ChatGPT 抢入口这些挑战是环环相连的！由于挑战 1 的存在，大量习惯了 ChatGPT 的用户的工作流是将文本粘帖进 ChatGPT 问答，然后将所需的结果再复制会自己的 SaaS 当中，由于挑战 2-3 的存在，尽管难以衡量具体比例，但是大量的用户已经订阅了 ChatGPT Plus，承担了 20 美元月 / 人的账单。这个订阅虽然略贵，但是比较通用，为每个 SaaS 的 AI Offering 单独订阅的总额可能远远超越 20 美元。因此我们团队经常讨论的入口逻辑在实实在在地发生，生产力 SaaS 们正在和 ChatGPT Plus 争夺每个员工身上的预算，这个战争暂时还胜负未分。挑战 5：并没有「天才」CEO 我们在去美国之前认为 Salesforce 的 Data Cloud 战略为其 GenAI 的路线图提供了自上而下的指引，但是和内部员工聊下来发现这也只是非常 high level 的指导思想，最终还是回归到营销云、服务云、工业云等各个业务团队内部自下而上提出各类 GenAI 产品功能的诉求。其实走访下来，从大公司到一级市场独角兽，大家进行 AI 创新的方式大抵都是如此，不存在 CEO 想出一个天才的方向，然后下面闷头实现就行的情况。不同玩家之间的核心区别之一在于 CEO 愿意为这部分分配的总资源有多少。鉴于挑战 2 的存在和 AGI 带来时间表的不确定性，这可能很难平衡，并且成为未来 5 年所有 SaaS CEO 最需要思考的问题之一。来源：金色财经

金色财经2023-08-02

全览60个永续合约协议：订单簿仍占优势预言机依赖加剧

、Apollo、Blue Fin（前 Firefly Exchange）、DDX、Digitex、dYdX、Hubble、Hyperliquid、IDEX、Injective、Kujira、Lendroid、Mango、Market Protocol、RabbitX、Variabl、Vega 和 Zeta。基于 AMM AMM 杠杆现货：bZx、DDEX、Dolomite、Futureswap、MCDEX 杠杆账户：Gearbox、Sentiment Power Perpetuals：Deri、Numoen、Opyn（Squeeth）、Polynomial 和 Predy v2。永续期权：Predy v3。 VAMM Drift、Increment、InfinityPools、NFTperp、Perpetual Protocol、Rage Trade 和 Tribe 3 。虽然 Predy 和 InfinityPools 都使用 AMM 的集中流动性构建“永续期权”或永续合约，但请注意它们以不同的方式实施，因此它们属于不同的类别。在我们之前的期权系列中，我们介绍了一些基于相同概念构建的协议，但更专注于提供类似期权的体验，如 Gamma Swap、Panoptic 或 Smilee。基于预言机的在这个部分，我们可以找到以下协议：合成流动性 Avantis、Gains Network、Deri、Synthetix（Kwenta、Polynomial 等）、Tigris Trade 和 Vela。一篮子资产 Angle、Apollo V2、Cap、Deri、Derivio、GMX 及其分叉、Good Entry、Levana、Level、Lexer、Mux、Pika 和 Synfutures Protocol。其他这些协议不一定符合上述类别，或者更适合包含在一个独立的类别中。因此，它们在这里列出以供完整性考虑，但本文的其余部分将重点关注上述类别。聚合器在这个部分，我们可以找到以下协议： UniDEX 和 MUX。类似于现货聚合器，如 1inch、Matcha 或 DeFillamaSwap。这些协议比较永续合约交易场所的费用和价格，以在最有利的场所进行交易。社交交易<>跟单在这个部分，我们可以找到以下协议： Perpy 和 SFTX。它们允许用户在其他平台上进行复制交易。例如，一个交易者在 GMX 上进行交易，其他用户会复制相同的交易。基础设施允许其他协议在其上构建的协议。 0x、Serum、OpenBook 允许协议推出订单簿平台。 Vyper、Derivio、Perennial 和 Convergence RFQ 有一些更具特定案例的解决方案。一般来说，它们可以被看作是其他协议可以在其上构建自己市场的基础层。简要介绍 RFQ。RFQ 代表报价请求，通常交易商请求报价，做市商则对特定的工具/资产/数量等作出回应。到期资产 Contango 提供到期资产。这既不是永久性的——因为显然它们会到期——也不是远期合约。Contango 没有订单簿或流动性池。当一个头寸被开立时，Contango 在固定利率市场上借款，在现货市场上进行掉期交易，然后再在固定利率市场上借出。交易对基于固定利率货币市场上可用的资产，如收益或名义。在到期时，合约可以通过现金结算或实物交割来解决。永续协议市场分析市场概述：需要注意的是，我们的研究存在存活偏差。尽管如此，我们还是专注于包括上述协议，尽管它们的成功程度各不相同。在我们深入探讨不同类型的永续协议之前，有两个与链上衍生品相关的重要考虑因素，即监管不确定性和 DeFi 之前的历史背景。链上衍生品面临监管不确定性。它们面临着影响市场的监管挑战。以下是两个重要案例： Digitex， 2017 年 12 月。该平台在被商品期货交易委员会（CFTC）起诉非法经营商品期货交易平台时遭遇了监管审查。 bZx 或 bZeroX（Fulcrum Trade）， 2019 年 6 月。bZx 的历史比 Digitex 更加复杂。它遭遇了 4 次重大损失（链接）。该协议由 Ooki DAO 管理。CFTC 指控了创始人和 Ooki DAO 非法提供场外数字资产交易。在 2020 年 DeFi Summer 到来之前，链上并没有发生太多事情，之前一些工作的项目也没有看到曙光。 VariabL， 2017 年第四季度。博客上的最后更新是在 2018 年第二季度。VariabL 是由 ConsenSys 在以太坊上构建的衍生品交易平台。 Market Protocol. 在 2019 年 12 月的推特上进行了最后更新。订单簿订单簿的目标是充分实现链上点对点交易。然而，主要问题是大多数流行的区块链不适合具备完全链上订单簿。因此，采用了不同的解决方案。 1）将系统的部分内容放在链下。主要是匹配引擎，因为它是订单簿中资源密集型（计算成本高昂）的组件。 2）完全链上。转移到 Alt 层，例如 Solana，底层区块链的安全性较低，但吞吐量较高。订单簿中的更新可以每个区块或每半秒发生一次。 3）建立自己 L1。有两种方法可以实现这一点：一种是通过在 OP 堆栈或 Cosmos 上构建应用链，另一种是从头开始构建独立的 L1。每种方法都有优缺点。例如，将应用程序的部分放在链下会引入信任假设。在底层链上以较低的安全性换取更快的吞吐量和较少的去中心化。应用链可以提供协议来捕获 MEV，但代价是需要更多的许可设置并增加摩擦层。自动做市商（AMM）与订单簿不同，订单在 P2P 中结算，AMMs 需要将流动性锁定在流动性池中。AMMs 和 vAMMs 之间的关键区别在于，AMMs 需要真实的流动性，而 vAMMs 的流动性直接来自位于 vAMM 之外的保险库，因此不一定需要 LP 的存在。现货 AMM 在这种情况下，尽管 AMM 不是永续期货，但它们被包括在内，因为它们允许交易者通过借入资金利用杠杆对标的资产进行 Delta= 1 的敞口。然而，这种类型的协议也有一些优势。像 Uniswap 这样的 AMM 提供了灵活性，可以交易各种资产，只要有流动市场可用。这使交易者能够以杠杆方式访问可能在其他永续期货协议上不符合条件的资产。此外，使用已经包含在现货 AMMs 中的流动性确保了连续的流动性以匹配买卖订单，从而有助于资产的价格发现。然而，也存在一些权衡。为了让交易者获得杠杆，需要激励借款人以具有吸引力的收益率和/或奖励进行存款。此外，虽然我们提到通过使用现货市场，潜在上可以交易所有资产，但也需要在一定程度上具备许可制度，以避免用户在蜜罐、抢劫等方面损失借款人的资金。由于 LP 不是交易者的直接交易对手，他们避免了破产风险。然而，这是以成为交易者的借款人和承担信用风险为代价的。关于 Power 永续期货，它们是由 Paradigm 于 2021 年引入的。Opyn（SQUEETH）是第一个实施这种协议的团队。简而言之，它们具有 n^x 的回报，例如 ETH²。 VAMM vAMMs 提供了一种解耦的市场结构，有助于独立的价格发现与基础现货价格。这可能导致期货价格与资产现货价格之间存在差异，从而产生套利机会。另一方面，永续合约的真实价格是多少？ vAMMs 面临的另一个挑战是流动性。缺乏深度流动性可能会在开仓/平仓时引发意外或不希望的价格波动。 vAMM 模型依赖于清算头寸和保持平衡的持仓量，以使标记价格接近现货价格。然而，这会产生固有的不平衡和偏差，随着时间的推移，特别是在市场崩溃或极端市场波动期间。基于预言机的协议从广义上讲，基于预言机的协议可以定义为具有充当交易对手的流动性池的协议。与 AMMs 不同，协议本身没有价格发现，而是使用预言机从其他场所定价基础资产。我们可以找到两种基于预言机的永续期货的原型。合成流动性。单一资产用作所有交易市场的基础。通过使用预言机，LP 可以成为所有这些市场的交易对手。一篮子资产。使用一篮子资产作为交易对手。也就是说，在假设的 BTC/USDC 中，BTC 作为多头的抵押品，USDC 作为空头的抵押品。可以添加更多资产，但这是一般的基本原理。合成资产。它们的优势在于，由于单一资产是交易对手方，对于可以添加哪些市场没有实际限制。只要有足够可靠的预言机。这使得协议在添加市场方面更加灵活。然而，这对流动性提供者来说更加风险，因为他们承担了无法在链上对冲的某些资产的风险。例如，作为黄金或美元/日元的交易对手。好的一面是，假设资产篮子在池中保持 50% 的美元平衡，就不会出现意外的暂时损失，这与 Uniswap V2 的暂时损失情况相似。使用一篮子资产的协议为流动性提供者提供了更为严格的设置，这对风险管理有利（波动性资产支持多头，稳定性资产支持空头，因此即使价格波动剧烈，系统仍然有抵押物）。这是以交易者的代价为代价的，他们没有那么多可以交易的市场。例如，在 GMX v1 中，您只能交易五种资产。然而，一个非常合理的反驳或问题是，大多数交易者是否真的想要访问比特币和以太坊之外的市场。可以在这里找到按资产分解的交易量数据。快速浏览数据可以看出，对于 Gains Network， 50 ～ 70% 的交易量是在比特币和以太坊上产生的，而对于 Kwenta，大约是 40% 到 80% 。协议细分在上一节的市场概述中，我们转向探索协议可以分解为的不同部分。本文将重点介绍流动性提供和定价。流动性提供从协议的角度来看，我们可以将其广泛分为两组： P2P 交易。因此，平台上不需要锁定流动性（TVL= 0）。流动性池。通过 AMM、vAMM 或预言机进行交易。本节涵盖的主题包括：去中心化协议中的流动性机制。交易者的交易对手是谁？ - 流动性提供者的角色和激励措施 - 在不同资产和市场之间平衡流动性。订单簿简单来说，做市商和市场接受者相互交易。协议可能会激励做市商/接受者的流动性。对于协议来说，复杂的任务是如何及时匹配做市商和市场接受者的订单。例如，根据德意志交易所集团（Deutsche Börse Group） 2023 年 5 月的一份报告，参与者在不到 2770 纳秒的时间内做出反应。现在可以通过像以太坊这样的通用链来处理吗？答案是不。这迫使协议要么移至链外，要么移至 dApp，迫使验证者也运行订单簿。由此可见，流动性提供者是与其他参与者进行互动的主动代理。除了做市商可能不会为 HarryPotterObamaSonic 10 Inu 等 Meme 币提供做市外，没有真正的障碍阻止订单簿列出这些币种。现货 AMMs 在这里，用于结算交易的流动性来自 Uniswap 等 AMMs。尽管如此，协议本身需要激励借款人前来，因为他们是为交易者提供杠杆的人。Sentiment 和 Gearbox 虽然允许用户做更多的事情，但它们也属于这个类别。流动性提供者是相对被动的角色，他们“只是”提供杠杆。 Power Perpetuals Power Perpetuals，如 SQUEETH，由两个参与者组成。其中一方看涨 ETH²，另一方看跌 ETH²。由于每个协议都遵循不同的设计，无法对其进行概括。例如：在 Opyn 中，空头方使用 ETH 作为抵押品铸造 Power Perpetual。多头交易者只能在开放市场上购买 SQUEETH，例如在 Uniswap 等 AMM 中。因此，为了获利，他们也需要能够出售。在 Numoen 中，多头方铸造代币，而流动性提供者提供 LP 代币作为抵押品，他们将 LP 代币借给交易者。 Deri 使用单一流动性池作为所有衍生品（包括 Power Perpetuals）的交易对手。因此，虽然在这里包括了 Deri，但其流动性模型本质上与基于预言机的协议相同。 Polynomial 尚未发布其模型，但团队表示将以与竞争对手不同的方式使用流动性池。 vAMMs 在提供流动性方面，vAMMs 采用了各种不同的方法。 Perpetual Protocol 及其遵循其模型的协议（如 NftPerp）。理论上，在这里实际上不需要流动性提供者，因为 vAMM 铸造虚拟代币时不需要交易对手。如果没有交易对手会发生什么？这就是为什么在 Perp v1 中，团队在一段时间内是主要的流动性提供者之一，因为他们进行做市以促进交易。后来引入了流动性提供者，虽然仍然希望将多头与空头匹配，但通过引入流动性提供者，确保了持续的流动性。因此，在这种模型中，流动性提供者既可以是被动的（提供流动性，交易者自行解决），也可以是更积极的（套利价格并收取资金费用）。 Increment 采用了与 Perpetual Protocol 类似的模型，但不是使用 Uniswap v3 模型，而是通过利用 Curve 的 V2 数学来集中流动性。协议中的每个流动性池可能会根据池中资产的波动性使用不同的参数化。 Rage Trade 引入了“全链循环流动性”的概念。什么是全链循环流动性？全链循环流动性是一个将流动性分为 80-20 份的国库，其中 80% 的流动性被重新部署以在 Curve 上提供流动性，而另外 20% 的流动性则在 Rage Trade 上提供集中流动性（由 Uni v3 提供支持）。vAMM 的虚拟流动性由 80-20 国库支持。 InfinityPools 通过构建在 Uniswap V3 集中流动性概念之上来实现其流动性。通过重新平衡类似于 Uniswap 的流动性头寸，它可以实现非常大的杠杆而无需清算风险。例如，流动性提供者在 ETH/USDC 池中存入价值 1000 美元的资产，价格范围为 900-1000 。然后，交易者可以借用该流动性提供者的头寸，并以 1 ETH（1 ETH = 1000 美元）赎回所有流动性。 Drift V1. Drift 使用了一个名为动态 VAMM（DAMM）的 VAMM，其中流动性来源于 Drift 上的流动性提供者。该 AMM 实施了一组参数来微调市场深度，例如价格乘数、费用池或分段。Drift V1 AMM 现在是 Drift V2 的一部分。混合模式：AMM + 订单簿订单簿可能面临的一个问题是：如果没有市场做市商出现来发布买卖单，怎么办？因此，一些协议引入了订单簿和 AMM 之间的混合模型，以确保持续的流动性。 Drift v2 使用了三种不同的流动性机制。首先，由市场做市商提供的即时荷兰拍卖（JIT dutch-auction）。这个过程大约持续 5 秒。其次，有一个限价订单簿，它仅执行限价订单，并由管理员机器人网络运行。第三，如果在前两个步骤中没有市场做市商参与，将使用一个恒定乘积的 AMM——Drift V1 AMM，以确保交易者有持续的流动性。 Vertex 使用了一个价格/时间优先的算法，因此订单将根据最佳价格执行，无论是 AMM 还是市场做市商提供价格。AMM 在订单簿上以离散的价格水平报价，以近似 xy=k。 Syndr 将一个链下订单簿与部署在 Arbitrum 上的流动性池相结合。AMM 将整合散户提供的流动性，而订单簿则旨在由市场做市商提供报价。基于预言机，合成资产流动性提供相对简单。一个作为所有交易的交易对手方的保险库。虽然主要的流动性提供者是被动提供流动性的，但我们也可以识别出有意获取资金费率的主动参与者。通过这样做，他们平衡了平台的开放利益，从而促使更多的交易发生。保险库的流动性可以通过以下方式提供：以美元计价的稳定币，如 Avantis、Gains Network、Deri on zkSync 和 Tigris Trade，其中——根据协议的不同——DAI、USDC 或 USDT 的资金支持所有交易。协议的另一个区别在于它们是否实施了像 Avantis 这样的分层机制。波动性资产。例如，Kwenta 和其他协议是建立在 Synthetix 之上的，其中 SNX 的质押者是交易的对手方。基于预言机，一篮子资产主要思想与上面相同，但基础不是单一资产，而是一篮子或多篮子资产。与前面的部分类似，协议也可以具有分层机制——Level——或者没有——GMX、Pika 和 MUX。虽然 Angle 在这里，但由于 Euler 黑客事件，该功能已经被关闭。简要概述一下，Angle 是 agEUR（欧元稳定币）的发行者。用于铸造 agEUR 的抵押资产被用作交易者的交易对手方。因此，某人提供 1 个 ETH 可以获得 1000 个 agEUR，可以做多 ETH 并做空欧元，从而使协议保持中立。这也使 Angle 能够在外汇市场上拥有永续合约，例如 agEUR/USDT 交易对。在这里特别提到的是 Lexer Markets，他们既使用了资产篮子，又使用了合成流动性。价格发现我们可以根据价格发现是在协议内部还是在协议外部进行，并随后通过预言机广播来对协议进行大致分类。本节涵盖的主题有：价格发现方法 - 价格滑点 - 结算。订单簿由于订单簿促进了买方的竞价和卖方的要价之间的 P2P 交易，它为价格发现和交易执行创造了一个市场。在这种情况下，协议允许交易者以任何价格执行交易，无需使用预言机。滑点存在的原因是订单可能过大，无法以特定价格成交，也可以理解为在该价格水平上没有足够的流动性，因此订单将价格推向不利于执行的价格。订单簿交易的结算过程涉及两个参与者，即做市商和接单者。做市商在订单簿上放置限价订单，而接单者是接受并执行订单簿上现有订单的交易者。当接单者的市价订单与做市商的限价订单匹配时，就会发生交易。资金费率的存在是为了平衡多头和空头仓位，同时使衍生品合约的价格保持接近基础资产的价格。现货 AMM 价格发现发生在平台之外。由于这些协议集成到现货 AMM 或 DEX 聚合器中，交易发生在 Uniswap、Curve 等平台上。因此，价格发现受限于集成的交易场所数量以及这些场所内的流动性。对于现货 AMM 来说，预言机非常重要，主要是为了确保为买方和卖方提供最佳价格执行。预言机还用于跟踪其仓位的健康状况；有关此内容的详细信息将在风险部分进行详述。结算是针对在执行交易的 AMM 上存在的流动性进行的（或与之进行）。然而，重要的是要注意实际上需要进行两笔交易：当仓位开启时，在保证金上购买/出售资产，当仓位关闭时，再在市场上出售/购买资产。由于没有衍生品价格，因此没有资金费用。然而，为了进行保证金交易，用户必须向出借人支付借款利率。 vAMM 非常广义地说，我们可以将所有的 vAMM 都归为同一类别，不包括 InfinityPools。vAMM 将在其虚拟流动性储备中面临滑点问题。交易是针对用于铸造虚拟流动性的资产进行结算的。 Perp Protocol、Rage Trade、Drift 等基于 Uniswap V3 的类似协议。指数价格通过预言机进行跟踪；例如，Rage Trade 使用 Chainlink。每个特定的永续合约都通过开放市场独立发现标记价格。每个 vAMM 可能在如何在虚拟（市场）价格和指数价格之间收敛方面实施不同的变化。例如，Drift 会更新报价资产储备或 k 因子（xy=k）。 Infinity Pools 基于 Uniswap V3 的概念构建，通过重新平衡其 vAMM 中的流动性仓位，可以实现非常大的杠杆，而无需担心清算风险。一个流动性提供者在 ETH/USDC 池中存入价值 1000 美元的资产，价格范围在 900-1000 之间。交易者借入并赎回了所有的流动性，得到了 1 个 ETH（1 ETH = 1000 美元），并以 100 美元作为抵押品。这会根据 ETH 的价格产生以下三种情况。如果 1 个 ETH > 1000 美元 → 交易者获利。利润是 ETH 现货价格与 1000 美元之间的差额。如果 1000 美元 > 1 个 ETH > 900 美元 → 交易者的账户将是抵押品 + 1 个 ETH。在任何时刻，这将等于或大于 1000 美元。最坏的情况是 ETH 价值 901 美元 + 抵押品 99 美元。如果 1 个 ETH < 900 美元。交易者的全部资本将转换为 ETH。对于流动性提供者来说，没有“风险”，因为如果是在 Uniswap 上，他们的全部流动性提供将是 ETH。在这个特定的例子中，交易者在其 1 个 ETH 仓位上将有 1.11 个 ETH 作为抵押品。混合：AMM + 订单簿 Drift V2 有一个非常清晰的定价方法。交易首先通过拍卖定价，然后通过订单簿定价，最后通过 AMM 定价。 Vertex 将使用订单簿或 AMM 为用户提供报价。目前，市场做市商大部分情况下给出更紧密的报价，但如果 AMM 规模显著扩大，AMM 也可能给出更紧密的市场报价。在 Syndr 上，AMM 部分的工作方式类似于 GMX/GLP 池，但会包括买入/卖出价差。基于预言机，综合资产和一篮子资产。这些协议使用预言机（因此得名）来确定合约交易的价格。反过来，预言机通过不同的方法确定资产的价格，例如仅使用 Uniswap 价格的 TWAP（效果不佳）或汇总最流动的 CEX（主要是 Binance）上的价格。为了进一步说明这一点： Gains Network 价格通过一组机器人中继，这些机器人是半许可的，因为机器人需要持有 NFT 才能这样做。机器人在执行限价、止损限价、止盈、止损和清算订单时使用 Chainlink 资产价格。 GMX. GMX v1 使用自定义价格源和像 Binance 和 Chainlink 这样的 CEX 的组合。如果快速价格早于 5 分钟，则仅考虑 Chainlink 价格。对于 GMX v2，将实施一个新的低延迟 Chainlink 预言机。预言机维护者由 GMX 团队运行。在价格滑点方面，由于交易是针对基于预言机的池进行的，所以实际上没有价格滑点。这可能导致一些特殊情况，即交易者可以在没有任何价格影响的情况下做多或做空低流动性资产。然而，一些协议对此问题引入了一些解决方法，例如引入合成滑点费用或要求最小价格偏差以盈利平仓。结算是针对池的流动性提供者提供的资产进行的。理想情况下，多头和空头应该平衡，以便池没有真正的 Delta 敞口，流动性提供者只从费用中获利。然而，并非总是如此，池中的流动性是交易者的对手方。在市场波动较大的情况下，这种方式效果很好，因为交易者长期亏损，但在单向市场（例如 terra luna 崩盘）中，情况就变得不稳定了。资金费用是存在的，但不是为了平衡价格，而是为了平衡持仓量。这是协议实施的一种典型的风险缓解方法。 Power Perpetuals 再次强调，由于每个 Power Perpetuals 的实现方式不同，很难对其设计进行概括。此外，一些 Power Perpetuals 可以归类为其他类别，比如 Deri；或者尚未公开其模型，比如 Polynomial。然而，我们认为值得强调这些案例的特定方面；例如，在 Squeeth 中：指数价格：Squeeth 的指数价格是 ETH²。标记价格：标记价格是 Squeeth 的当前交易价格。 Power Perpetuals 依赖套利者来保持指数和标记价格接近。但不仅仅是价格。波动性：市场可能高估/低估波动性。资金费率将过高/过低。价格：指数与标记价格之间的差异。在 AMM 上买入时会发生滑点，这可能有些问题，因为流动性通常不是非常高。与 AMM 类似，为了获利，交易者需要在池中同时买入和卖出，这与上述观点相结合，有时可能会导致交易者无法获得最佳的用户体验。结论在本文中，我们对永续合约市场进行了广泛的概述，包括流动性提供和这些合约的定价。在本报告中，我们研究了 60 多个不同的协议。仅仅通过过去 4 年部署的永续合约协议的数量，就可以清楚地看出，永续合约市场已经取得了实质性的产品市场适应性，而在某种程度上可能导致市场饱和。一个简单的例子可以说明这一点，比特币的持仓量从 2020 年的约 30 万个 BTC（价值约 30 亿美元）增加到 2023 年的约 45 万个 BTC（价值约 130 亿美元）。订单簿很可能是最适合交易的类型，这就是为什么 dYdX 目前是永续合约去中心化交易所（perp-DEXs）中交易量最大的。订单簿之所以是大多数做市商习惯使用的原因可能是，它们给予了做市商（流动性提供者）灵活性，并对交易者购买和出售的价格有更精细的控制。然而，当今区块链的技术限制导致协议使用其他方法进行流动性引导。 AMM 和 vAMM 在 DeFi 周期早期非常流行。它们中的大多数最终都采用了 Uniswap v3（集中流动性）的路线。AMM 确保参与者在流动性存在的情况下持续获得流动性，但可能以吸收有毒订单流为代价。InfinityPools 和 Predy 使用了新的 AMM 方法，其中 Uniswap LP 被用作流动性来源。在订单簿和 AMM 之间，有两个协议——Drift 和 Vertex——采用了混合方法来提供流动性和定价。通过结合这两种模式，它们旨在兼顾两者的优点，使用户在使用 AMM 作为备份以确保持续流动性的同时，对其交易具有精细控制。另一方面，基于预言机的协议需要依赖第三方基础设施——预言机——进行操作。用户能够在不担心特定交易场所的流动性深度和提供流动性的便利性的情况下进行交易（只需向池中添加流动性），这也促成了这些协议的成功。未来，我们计划更深入地研究永续协议所采用的风险管理策略、其费用结构以及它们在更广泛的 DeFi 乐高生态系统中的集成。通过研究这些方面，我们的目标是全面了解永续期货交易所不断发展的格局。来源：金色财经

金色财经2023-08-01

24小时热点