FX168财经网_全球视野外汇黄金加密货币NFT资讯网

DeFi叙事失宠过气蓝筹如何重获市场关注？

发展中，经历 NFT、DAO、元宇宙、Web3 等叙事的轮番繁荣，DeFi 已经被绝大部分市场参与者遗忘，成为失宠的市场叙事。究其根本原因，除了个别龙头产品的品牌和黏性之外，绝大多数产品所提供的服务都大同小异，大多只是依靠自身推出的 Token 激励计划在勉强维持：当有丰厚的流动性激励时，DeFi 新平台的资产规模（TVL）确实会快速膨胀，但这是不可持续的，因为资金本身不是真正意义上的「锁定」，一旦新的高收益率机会出现，或者原先协议的激励在一定 TVL 规模之后无法维持，那资金就会很快灵活地转移。这也是 2020 年以来 DeFi 产品尤其是其 Toke 的二级市场价格高开低走的原因所在——仅仅依靠 Token 激励来短时留住用户，势必不能长久。老 DeFi 开新花不过，暂时抛开纵向的 DeFi 协议 Token 在二级市场上的低迷表现，仅从 DeFi 赛道内部观察，还是有一些颇为有趣的变量正在发生，其中尤以 Curve、MakerDAO 等这些头部蓝筹项目的动作最为明显，最直接的信号便是 DeFi 巨头之间的边界感正在淡化。 MakerDAO 进军借代的 Spark Protocol 首先便是 MakerDAO 稳定币起家的 MakerDAO 开始布局借代赛道，于本月初启动基于 Aave V3 智能合约的借代协议 Spark Protocol，面向所有 DeFi 用户开放，该产品以 DAI 为中心，具有 ETH、stETH、DAI 和 sDAI 的借代功能。 Spark Lend 支持 MakerDAO 的 PSM 和 DSR，USDC 持有者也可以直接通过 Spark Protocol 官网主页由 PSM 将 USDC 转换成 DAI，并通过 DSR 来获得存款利息。除此之外，Spark Lend 的另一作用是引导 MakerDAO 未来推出的流动性质押衍生产品 EtherDAI，整体机制将会与 Frax Finance 相似，启动时也会提供 MKR 或 DAI 进行流动性区块生产。 Aave 布局 GHO 稳定币颇为有趣的是，以借代为基本盘的 Aave 与 MakerDAO 不谋而合，也计划推出去中心化、有抵押品支持、且与美元挂钩的 Aave DAO 原生稳定币 GHO。它和 DAI 的逻辑大同小异——是一种使用 aTokens 作为抵押品铸造的超额抵押稳定币，唯一的区别在于由于所有抵押品都是生产性资本，会产生出一定的利息（aTokens），这具体要取决于借代需求。上个月 Aave 创始人兼 CEO Stani Kulechov 发布稳定币 GHO 的进展更新，表示 GHO 代码已公开且已完成审计，目前 GHO 已在 Goerli 测试网发布，并正在进行漏洞赏金计划。其实这也未尝不是一项绝佳的对照试验组：作为业务互相渗透的两大 DeFi 蓝筹，MakerDAO 和 Aave 目前的稳定币在机制设计方面大同小异，借代机制也都是基于 Aave V3 智能合约，唯一的区别便是一个基于稳定币的自有 Token 铸造权进军借代市场，一个是基于借代场景搭建稳定币使用的扩展基础。那最终谁能跑出来，某种程度上就可以佐证到底是基于原生稳定币向借代领域渗透容易，还是基于借代协议扩展稳定币的使用场景更有优势。当然目前双方都还处于测试阶段，实际效果有待后期观察。 Curve 上线 crvUSD 此外，以大额资产兑换为主要战场的 Curve 也在近期推出自己的稳定币 crvUSD，前不久已部署 UI 并正式上线，目前支持 Frax Finance 旗下以太坊流动性质押产品 sfrxETH 进行抵押铸造，后续将进一步支持 stETH。不过目前 crvUSD 的总量还较小，不过依靠 Curve 自身的天然流动性激励优势，crvUSD 可谓是含着金汤匙出生。突飞猛进的 frxETH 其实前面的 MakerDAO、Aave、Curve 在各自的新赛道之外，也都同样在布局流动性质押这个大蛋糕——MakerDAO、Aave 的借代本身就可直接扩展 LSDfi 业务。但目前所有 DeFi 蓝筹中，Frax Finance 在 LSD 领域布局最为深入，仅从 frxETH 的增长数据便可见一斑： 2022 年 10 月 21 日，Frax Finance 推出的以太坊流动性质押产品 frxETH 上线，截至今日， 200 天左右的时间，frxETH 从 0 增长到近 22 万枚，价值约 4 亿美元。据 DefiLlama 数据显示，frxETH 目前质押数量仅次于 Lido、Coinbase 和 Rocket Pool，且过去 30 天增长幅度超 40% ，在上海升级后的增长速度更是一骑绝尘。某种意义上讲，Frax Finance 一年来的求变就是我们观察 DeFi 蓝筹突围的一个典型例证： 2022 年算法稳定币的变动一度让 Frax Finance 陷入危局，在紧要关头，一方面对于原有的稳定币布局，Frax 选择增加储备来彻底去除自身的算稳属性（变为完全抵押的稳定币）。同时进一步扩展新叙事，尤其是精准踩中了 LSD 这个风口——原先为了与 UST 组建 4 pool 而积累持有的 Convex 治理 Token CVX 也派上了新用场，给了 Frax 利用巨额汇率影响 Curve 的奖励排放，进而创造更高收益的可能（6% 左右）。这也是 frxETH 能够快速杀入 LSD 市场并站稳脚跟，同时快速抢占市场的关键。小结其实绝大部分 DeFi 项目在 2020 年的繁荣和 2021 年开始遇到的困局，从一开始就注定了——丰厚的流动性激励是不可持续的。也正因如此，当下的 DeFi 蓝筹们不设边界的尝试，正是众多 DeFi 协议从不同渠道入手，开展自我救赎的一个缩影，至于能否如愿迎来属于自己的突围，或者是孕育出全新的叙事，尚未可知，但值得关注。来源：金色财经

金色财经2023-05-24

Vertex Labs战略收购NFT系列HAPE PRIME

023年5月24日，全球领先的元宇宙、Web3和人工智能基础设施提供商Vertex Labs（Vertexlabs.uk）宣布以1,200万美元的价格收购全球知名数字艺术机构Digimental Studio（Digimental）。 Vertex Labs此前已拥有元宇宙协议Caduceus、去中心化实时渲染和AI计算平台Vertex Network以及3D元宇宙平台LightCycle等一系列创新Web3服务商。这次收购将进一步完善其产品和服务，使其成为全球最具影响力的元宇宙、Web3和人工智能基础设施提供商。作为知名3D NFT时尚品牌——HAPE（hape.io）的背后推动力量，Digimental Studio在艺术界享有盛誉。HAPE的NFT艺术作品融合了街头时尚、科技和音乐文化元素，引领着时尚界的潮流，并迅速赢得了全球超过100万名狂热收藏者的追捧。此次收购建立在Vertex Labs与HAPE之间战略合作的基础之上，Vertex Labs希望通过收购Digimental Studio，将HAPE完全整合到其3D元宇宙平台LightCycle（light-cycle.io）中，使HAPE成为时尚元宇宙的首选目的地，并为用户提供更加丰富和沉浸式的元宇宙体验。未来，Digimental Studio将主导LightCycle的创作和开发工作，为用户呈现前所未有的创新艺术体验。这次合作对于全球元宇宙领域具有重要的意义，它将为时尚界和艺术界的数字化转型开辟了全新的道路。HAPE品牌通过与意大利时尚巨头Diesel的合作以及独特的数字艺术作品在行业内崭露头角，而Vertex Labs的收购将进一步扩大这种影响力，通过技术、资源和平台的整合加强创新与合作的趋势。 Vertex Labs作为元宇宙、Web3和人工智能基础设施领域的领导者，为行业提供了去中心化实时边缘渲染技术的全新解决方案。其模块化且易于采用的Caduceus元宇宙协议每秒可处理高达100,000次快速交易，并与EVM兼容。开发人员可以利用其去中心化实时边缘渲染和AI计算能力进行迁移、整合和流式传输，为更多品牌、艺术家和创作者进入元宇宙领域提供机会。 Vertex Labs同时宣布为HAPE社区成员带来了质押计划，将元宇宙协议Caduceus的代币$CMP整合到HAPE的本地生态系统中，为社区成员提供更多的激励和使用场景。通过这一合作，HAPE将获得更多的合作机会，与时尚、生活方式和奢侈品领域的品牌建立更紧密的联系，并为社区用户提供独特的数字和实体奖励。 Vertex Labs的这次收购展示了他们对时尚、艺术和娱乐与元宇宙概念相结合的信心。他们坚信这是未来元宇宙发展的新方向，这种投资和发展将推动元宇宙行业的创新和进步，为社区用户提供更多的可能性和机会。这一合作也标志着元宇宙行业迈出的重要里程碑。除了强化Vertex Labs作为全球领先的Web3和人工智能基础设施提供商的地位，它还为时尚、艺术和娱乐领域带来了无限的可能性。通过整合双方的技术实力和创新能力，未来的元宇宙行业将迎来创新性的变革，重新定义人们与数字世界的互动方式。这次收购为Vertex Labs和Digimental Studio带来了更大的合作机会，也为全球元宇宙生态系统的发展开辟了新的篇章。我们可以期待看到HAPE在Vertex Labs强大的技术支持下继续引领时尚和艺术界的数字创新，并为用户创造出更加震撼和引人入胜的元宇宙体验。 Vertexlabs.uk的创始人兼首席执行官Ander Tsui说：“没有内容的Web3世界毫无价值。所以我们开发了世界上第一个专用于元宇宙开发的区块链，并且现在将Digimental添加到我们的版图中——我们可以一起真正突破数字世界的界限，为时尚和娱乐的未来提供基础设施。HAPE 的社区在我们的增长战略中至关重要，我们很高兴通过代币化和质押计划，为HAPE 和 CMP 代币持有者提供更多回报。” Digimental Studio创始人Matt Sypien说：“与 Vertex Labs 的联手，为 Digimental Studio 开启了激动人心的新篇章。随着我们进入 Hape 2.0 时代，我们的合作将推动数字世界的前沿进步。培养参与度和建设忠诚社区一直是 HAPE 成功的核心。在 Vertex Labs 的支持下，我们将把这一目标提升到一个新的水平，并为我们的社区提供无与伦比的 Web3 访问和体验。我们很高兴与引领时尚、音乐和文化时代精神的机构建立新的合作伙伴关系，与我们共同致力于创新。来源：金色财经

金色财经2023-05-24

比特币跌破27000 还会下跌吗？

金完成1.15亿美元募资，将投资AI、Web3等领域； 8. DeFi预言机RedStone Oracles完成天使轮融资，Aave创始人等参投； 9. 香港众安银行将在新发牌制度下向零售投资者推出虚拟资产交易服务； 10. 以太坊梦幻足球游戏Sorare发布针对法国玩家的替代方案； 11. Layer 1公链LUKSO主网已上线； 12. Layer 1区块链Vega Protocol推出链上期货市场。来源：金色财经

金色财经2023-05-24

POAP如何赋能于DAO分布式自治组织

助于实现DAO的目标和理念。对于未来WEB3的DAO分布式自治组织，POAP的应用有以下几个方面： 1. 激励参与者的贡献：POAP作为一种行动证明协议，可以用来激励DAO的参与者更加积极地做出贡献。例如，参与者可以通过完成一些特定的任务或者行动来获得POAP，这样可以激励他们更积极地参与DAO的运营和决策。 2. 提供可验证的行动记录：POAP记录了参与者的行动和贡献，这为DAO提供了一个可验证的行动记录。这样可以避免一些欺诈行为，例如虚假的贡献或者不实的投票。 3. 构建信誉系统：POAP可以用来构建一个基于区块链的信誉系统。参与者的每一个行动都会被记录下来，形成他们的信誉记录。这可以增强DAO内部的信任关系，同时也可以为外部评估DAO的治理效果提供参考。 4. 增强社区的凝聚力：POAP可以作为DAO的一种社区标志，表示参与者对DAO的贡献和忠诚。这样可以增强DAO的社区凝聚力，提高其对外部攻击的抵抗力。 5. 扩展DAO的功能：POAP可以与其他区块链技术相结合，为DAO提供更多的功能。例如，POAP可以与智能合约相结合，实现自动的奖励分发、投票决策等功能。总之，POAP作为一种行动证明协议，能够为WEB3的DAO分布式自治组织提供多种赋能，包括激励参与者的贡献、提供可验证的行动记录、构建信誉系统、增强社区的凝聚力以及扩展DAO的功能等。的确，POAP在DAO分布式自治组织中具有非常大的潜力和广泛的应用场景。除了上述提到的功能，这里还有一些可能的扩展和应用： 6. 身份验证和权限管理： POAP可以作为身份验证和权限管理的工具，特定的POAP可以代表某类行动或贡献，拥有这些POAP的成员可以获得相应的权限或者优惠。这不仅可以鼓励更多的行动和贡献，也可以为DAO的权限管理提供一个更灵活、更公平的机制。 7. 可交易的价值体现：POAP作为一种NFT（非替代性令牌），它在区块链上是唯一的，不能被替代。因此，它也可以作为一种价值的体现，可以在市场上交易。这样，DAO的成员可以通过交易POAP来获取利益，同时也可以吸引更多的人参与到DAO中来。 8. 社区活动的组织与管理：基于POAP，可以很容易地组织和管理各种社区活动，如线上会议、研讨会等。参与者可以通过获取POAP来证明他们的参与，并可以通过这些POAP来获取一些活动的特权或奖励。 9. 知识共享和学习平台：DAO可以利用POAP建立一个知识共享和学习平台，成员可以通过发布或学习知识获得POAP。这样不仅可以鼓励知识的分享和学习，也可以进一步提升DAO的知识水平和创新能力。 10. 开放式合作与项目管理：在开放式合作和项目管理中，POAP可以作为项目进度的记录和评价工具。每完成一个阶段或任务，参与者可以获得一个POAP，这样既可以鼓励他们完成任务，也可以让其他人了解项目的进度。 11. 创作者版权保护：由于POAP可以代表某种行为或创作的独特证明，因此，创作者可以使用POAP来证明他们是某个作品的原创作者。这样可以为版权保护提供一个去中心化的方式。 12. 社区成长度衡量：DAO或其他社区可以通过POAP的数量和分布来衡量社区的成长程度和成员的参与程度。这些数据可以为社区的决策提供重要的参考依据。 13. 非营利组织和公益活动：非营利组织可以使用POAP来追踪和证明公益活动的参与者和捐款人。这样可以提高公益活动的透明度，促进更多的人参与公益活动。 14. 基于POAP的游戏化元素：在一些社区或平台中，POAP可以作为游戏化的一部分，比如完成特定的挑战或达成某个成就就可以获得POAP。这样不仅可以提高用户的参与度，也可以增加社区的趣味性。 15. 在线身份验证：在线论坛、社交媒体或其他平台可以使用POAP来验证用户的身份，例如验证他们是否参加过某个特定的活动或是否具有某种专业技能。 16. 作为DAO投票权的一部分：某些DAO可能会将POAP作为投票权的一部分，即只有拥有特定POAP的成员才有资格投票。总的来说，POAP的应用可能性非常广泛，不仅限于当前已经实现的功能。随着技术的发展和创新，我们可以期待未来会有更多新的、创新的POAP应用出现。 POAP对于分布式自治组织DAO的影响是深远的，其适用性和扩展性让我们看到无限可能。我们有理由相信，在未来，POAP将在更多的领域和场景发挥其作用。来源：金色财经

金色财经2023-05-24

一文梳理Worldcoin App都集成了哪些Crypto应用？

金色财经2023-05-24

Aurora会议将全球科技领袖聚集在赫尔辛基探索芬兰在未来十年中的DAO治理前景

16 日 - 现在是北欧人加入全球 Web3 社区并齐聚 Aurora 会议的时候了。 Aurora——Web3 建设者、创新者和领导者的首次国际聚会于 6 月 4 日在芬兰赫尔辛基举行。在 Aurora 会议上，受人尊敬的思想领袖将齐聚一堂，就 Web3 的未来和前沿创新进行富有洞察力的对话，采用不炒作的务实方法。他们将共同探索在未来 10 年内将芬兰作为一个去中心化自治组织 (DAO) 进行治理的可能性，同时也会考虑 Web3 面临不可预见的挑战时的未来。真实世界的用例将占据中心舞台，使与会者能够辨别 Web3 在各个行业的价值和潜力，并发现针对现有业务量身定制的增长黑客策略，促进与未来趋势的无缝连接。要探索的关键主题： Web3 死了吗？前方是什么？芬兰会在未来 10 年内接受 DAO 治理吗？质押能否成为传统银行投资的可行替代方案？使用 Web3 工具进行增长黑客 AI 和 Web3 不可避免的融合沉浸式元宇宙：探索其内在价值议程这个为期一天的会议提供了一个平台来发现前沿创新的未来，例如区块链和 Web3 技术，包括 DeFi、NFT、GameFi 和 AI。超过 20 家领先的行业公司将分享他们对即将到来的趋势、创新理念和产品的看法。该活动将在研讨会区域提供独家实践经验，行业先驱将指导与会者构建和扩展 Web3 项目。由于网络是会议的重要组成部分，Aurora 确保有机会与蓬勃发展的 web3 社区的成员建立联系。此外，参与者可以全天享受各种津贴和参与活动。一流的演讲者包括： Samuel Yim – 1inch Network 亚太区负责人兼副总法律顾问 Dennis Huisman – Near 开发者关系工程师 Marja Konttinen – Decentraland 前营销总监 Jari Pauna – Supremacy Games 首席执行官 Sima Baktas – Web3 律师，GlobalB Law Iryna Tsimashenka – 协议实验室开发者关系主管 Yevheniia Broshevan – CBDO 和联合创始人，Hacken Ferdinand Kobelt – Metaverse Advisory 首席执行官，瑞士联邦国防部高级顾问 Mikael Koskima – 联合创始人兼首席设计官，TX - Tomorrow Explored Anna Agu – 爱沙尼亚加密货币协会首席法律专家 Max Atllah – Nordic Law 合伙人 Jon Hautemäki – Nordic Law 合伙人 Heidi Hurskainen – Revon ventures 的创始人兼首席执行官 Aurora 是第一届赫尔辛基 Web3 周（26.05 – 04.06）的一部分和高潮活动，旨在弥合理解新兴技术的差距，并通过各种与 Web3 相关的活动拉近大众意识。 Web3 Week 由 Web3 Builders 和 Convergent Reality 联合制作。两家芬兰初创公司专注于北欧 Web3 生态系统的发展。为什么选择芬兰？芬兰以其强大的技术基础设施、创新友好的环境、技能人才库、政府支持以及强大的加密和区块链社区而闻名，拥有扎根于芬兰的领先公司，如 Aave、Membrane Finance、Phaver、Equilibrium、Kleoverse。何时何地？ 6 月 4 日，芬兰，赫尔辛基 – Kafé Koma，位于赫尔辛基市中心的海滨场地。关于极光大会网站：https://aurora3.xyz/ 领英：https://www.linkedin.com/company/web3.builders/ 推特：https://twitter.com/auroraconf Instagram：https://www.instagram.com/web3.builders/ 媒体联系人： Anastasiia Kruglova, info@3web.builders https://www.linkedin.com/in/asya-kruglova-936716133/ 来源：金色财经

金色财经2023-05-24

zkML：zk+机器学习新兴项目和基础设施

灵活。从很多方面来看，鉴于机器学习在web3之外的大多数应用程序中的突出地位，智能合约没有使用嵌入式ML模型着实令人惊讶。之所以不使用ML，主要是因为链上运行这些模型的计算成本太高。例如，FastBERT是一种计算优化的语言模型，使用约1800 MFLOPS（百万浮点运算），直接在EVM上运行是行不通的。在考虑链上ML模型的应用时，重点关注的是推理阶段：应用模型对现实世界的数据进行预测。为了拥有ML规模的智能合约，合约必须能够ingest（摄取）这类预测数据，但正如前面提到的，直接在EVM上运行ML模型是不可行的。zkSNARK给我们提供了一个解决方案：任何人都可以在链下运行一个模型，并生成一个简洁且可验证的证明，证明预期模型确实产生了特定的结果。这个证明可以在链上发布，并被智能合约摄取，让合约更加智能。本文，我们将： · 研究链上ML的潜在应用和用例； · 探索zkML相关的新兴项目和基础设施建设； · 讨论现有实现面临的一些挑战，以及zkML的未来。 1、快速了解ML 机器学习（ML）是人工智能（AI）下面的一个领域，专注于开发算法和统计模型，使计算机能够基于数据学习并做出预测或决策。ML模型通常有三个主要组成部分： · 训练数据：即一组输入数据，用于训练机器学习算法进行预测或对新数据分类。训练数据可以有多种形式，例如图像、文本、音频、数字数据或以上这些数据的组合。 · 模型架构：即某个机器学习模型的整体结构或设计。它定义了层的类型和数量、激活函数以及节点或神经元之间的连接。架构的选择取决于具体问题和所使用的数据。 · 模型参数：即模型在训练过程中学习的值或权重，以进行预测。这些值经过优化算法迭代调整，以最小化预测结果与实际结果之间的误差。模型的生成和部署分为两个阶段： · 训练阶段：在训练阶段，模型暴露于标注数据集，并调整其参数以最小化预测结果与实际结果之间的误差。训练过程通常涉及若干迭代或epoch，模型的准确性会在单独的验证集上进行评估。 · 推理阶段：推理阶段是指使用经过训练的机器学习模型对新的、未见过的数据进行预测。该模型接收输入数据，并应用学习到的参数来生成输出数据，例如分类或回归预测。 zkML目前主要关注ML模型的推理阶段，而不是训练阶段，这主要是碍于验证在线训练的计算复杂性。zkML对验证推理的关注并非是限制因素：我们期望从推理阶段中可以产生出一些非常有趣的用例和应用程序。 2、验证推理场景验证推理有四种可能的场景： · 私有输入，公共模型。模型消费者（MC）可能想对其输入保密，不希望模型提供者（MP）知道。例如，MC可能希望在不披露个人财务信息的情况下向贷款人证明信用评分模型的结果。这可以通过使用预承诺方案并在本地运行模型来实现。 · 公共输入，私有模型。ML-as-a-Service（ML即服务）的一个常见问题是，MP可能希望隐藏他们的参数或权重以保护自己的IP，而MC希望验证生成的推论确实来自于对抗设置中的指定模型。可以这样考虑：MP在向MC提供推论时，有动机运行更轻型的模型以节省成本。使用链上模型权重承诺，MC可以随时审计私有模型。 · 私有输入，私有模型。当用于推理的数据高度敏感或高度机密，并且模型隐藏自身以保护IP时，就会出现这种情况。举个关于这方面的例子：使用私有患者信息审计医疗保健模型。零知识证明（ZK）的复合技术或多方计算（MPC）的使用或FHE（全同态加密）的变体可用于服务于此场景。 · 公共输入，公共模型。当模型的各方面都可以公开时，zkML将服务于一个不同用例：压缩并验证链下计算，以适应链上环境。对于较大的模型，验证推理的简洁的ZK证明比重新运行模型本身更具成本效益。 3、应用及机会经过验证的ML推理为智能合约开启了新的设计空间。下面来看一些加密原生应用：（1）DeFi · 可验证的链下ML预言机。继续采用生成式AI可能有助于推动行业为内容实施签名方案。签名数据可随时应用于ZK，使数据具有可组合性且可信。ML模型可以对签名数据进行链下处理以进行预测和分类（例如，对选举结果或天气事件进行分类）。这些链下ML预言机可以通过验证推理并在链上发布证明，以无需信任的方式解决现实世界的预测市场、保险协议合约等问题。 · ML参数化的DeFi应用。DeFi有很多方面可以更加自动化。例如，借贷协议可以使用ML模型实时更新参数。今天的借贷协议主要信任由组织运行的链下模型来进行抵押品事宜、LTV、清算门槛等相关决策，但社区训练的开源模型可能是更好的替代方案，这类模型可以由任何人运行和验证。 · 自动交易策略。展示财务模型策略的回报状况的一种常见方法是，MP向投资者提供各种回测。然而，在执行交易时，是没有办法验证策略是否遵循了模型的——投资者必须相信策略确实遵循了模型。zkML提供了一个解决方案，MP可以在进行特定位置部署时提供财务模型推理证明。这对于DeFi管理的金库来说特别有用。（2）安全性 · 智能合约的欺诈监控。ML模型可以用来检测潜在的恶意行为并暂停合约，而不依靠缓慢的人工治理或中心化主体来控制是否暂停合约。（3）传统ML · Kaggle的去中心化、无需信任的实现。可以创建这样一个协议或市场，允许MC或其他相关方在MP不披露模型权重的情况下验证模型的准确性。这对于模型销售、模型准确性竞争等会很有用。 · 生成式AI的去中心化prompt（提示）市场。生成式AI的prompt创建已经演变成一种复杂的工艺，最好的prompt输出通常包含许多modifier修饰符。外部各方可能愿意从创建者那里购买这些复杂的prompt。zkML可以在这里发挥两方面作用：1）验证prompt输出，以向潜在购买者确保prompt确实创建了所需的图像；2）允许prompt所有者在prompt被购买后仍然保有prompt的所有权，对购买者匿名的同时仍然为他们生成经过验证的图像。（5）身份验证 · 用保护隐私的生物识别身份验证取代私钥。私钥管理仍然是web3用户体验最大的摩擦之一。通过面部识别或其他独特因素提取私钥是zkML的一种可能的解决方案。 · 公平的空投和贡献者奖励。ML模型可用于创建详细的用户角色，以根据多种因素确定空投分配或贡献奖励。当与身份解决方案结合使用时，这种功能会特别强大。在这种情况下，有种可能性是让用户运行一个开源模型来评估他们在应用程序中的参与度，以及更高层的生态参与度（比如治理论坛帖子），以推断他们的分配额度。然后，他们向合约提供此证明以接收代币分配。（6）Web3社交 · web3社交媒体过滤功能。web3社交应用程序的去中心化性质将导致更多的垃圾邮件和恶意内容。理想情况下，社交媒体平台可以使用社区同意的开源ML模型，并在选择过滤帖子时发布模型推理的证明。 · 广告/推荐。作为一个社交媒体用户，我可能愿意看到个性化的广告，但希望对广告商保密我的偏好和兴趣。我可以选择根据我的喜好在本地运行一个模型，该模型向媒体应用程序提供信息，然后展示我想要的内容。在这种情况下，广告商可能愿意为终端用户付费，但这些模型可能远没有当前的目标广告模型那么复杂。（7）创作者经济/游戏 · 游戏内经济再平衡。ML模型可用于动态调整代币的发行、供应、销毁、投票阈值等。一种可能的模式是，如果达到一定的再平衡阈值，并且推理证明得到验证，那么合约就可能受激励以重新平衡游戏内经济。 · 新型链上游戏。可以创建人类对抗AI的合作游戏和其他创新的链上游戏，此时无需信任的AI模型充当非玩家（NPC）角色。NPC采取的每一个行动都会被发布到链上，并带有一个证明，任何人都可以验证该证明以确定运行模型的正确性。在Modulus Labs的Leela vs. the World案例中，验证者希望确保正在下棋的是1900 ELO AI，而非棋手Magnus Carlson。另一个例子是AI Arena，这是一款Super Smash Brothers风格的AI战斗游戏。高风险竞争环境中的玩家希望确保他们训练的模型不受干扰或者不会出现作弊行为。 4、新兴项目和基础设施 zkML的生态系统可以大致分为四大类： · Model-to-Proof Compilers（模型到证明编译器）：将模型从现有格式（例如Pytorch、ONNX等）编译成可验证计算电路的基础设施。 · 通用证明系统：用来验证任意计算轨迹的证明系统。 · 特定zkML证明系统：专门用于验证ML模型的计算轨迹的证明系统。 · 应用程序：处理独特zkML用例的项目。（1）Model-to-Proof Compilers（模型到证明编译器）在研究zkML生态系统时，大多数注意力都集中在模型到证明编译器上。通常，这些编译器会将使用Pytorch、Tensorflow或类似语言编写的高级ML模型转换为ZK电路。 EZKL是一个库和命令行工具，用于在zk-SNARK中对深度学习模型进行推理。使用EZKL，你可以在Pytorch或TensorFlow中定义计算图，将其导出为ONNX文件，一些样本输入包含在JSON文件中，并将EZKL指向这些文件以生成zkSNARK电路。随着最新的性能改进，EZKL现在可以在大约6秒内占用1.1GB RAM证明一个MNIST大小的模型。到目前为止，EZKL已经有一些重要的早期采用，被用作各种黑客马拉松项目的基础设施。 Cathy So的circomlib-ml库包含Circom的各种ML电路模板。电路包含一些最常见的ML功能。同样由Cathie开发的Keras2circom是一个python工具，它使用底层circomlib-ml库将Keras模型转换为Circom电路。 LinearA为zkML开发了两个框架：Tachikoma和Uchikoma。Tachikoma用于将神经网络转换为纯整数形式并生成计算轨迹。Uchikoma是一个将TVM的中间表示转换为不支持浮点运算的编程语言的工具。LinearA计划支持Circom和Solidity，前者使用域算法，后者使用有符号和无符号整数算法。 Daniel Kang的zkml是一个用于在ZK-SNARKs中构建ML模型执行证明的框架。在撰写本文时，它能够证明一个使用大约5GB内存运行约16秒的MNIST电路。更通用的模型到证明编译器还有Nil Foundation和Risc Zero。Nil Foundation的zkLLVM是一个基于LLVM的电路编译器，能够验证使用流行编程语言（如C++、Rust和JavaScript/TypeScript等）编写的计算模型。与本文提到的其他一些模型到证明编译器相比，它是通用的基础设施，但仍然适用于像zkML这样的复杂计算。当与证明市场相结合时，该功能将格外强大。 Risc Zero面向RISC-V开原指令集构建了一个通用的zkVM，因此支持现有的成熟语言，如C++和Rust，以及LLVM工具链。这将支持主机和客户端zkVM代码之间的无缝集成，类似于Nvidia的CUDA C++工具链，但使用了ZKP引擎代替GPU。与Nil类似，可以使用Risc Zero来验证ML模型的计算轨迹。（2）通用证明系统证明系统的改进是zkML实现的主要推动力，特别是custom gates（自定义门）和lookup tables（查找表）的引入。这主要是由于ML对非线性的依赖。简而言之，非线性是通过激活函数（例如ReLU、sigmoid和tanh）引入的，这些函数应用于神经网络内线性变换的输出。由于受数学运算门的限制，在ZK电路中这些非线性实现是有难度的。Bitwise decomposition（逐位分解）和lookup tables（查找表）可以通过将非线性的可能结果预先计算到查找表中来帮助解决这个问题，有趣的是，这在ZK中计算效率更高。由于这个原因，Plonkish证明系统往往是zkML最流行的后端。Halo2和Plonky2的table-style（表式）算法方案可以通过lookup参数很好地处理神经网络非线性。此外，Halo2有一个充满活力的开发者工具生态系统，再加上它非常灵活，使其成为包括EZKL在内的很多项目名副其实的后端支柱。其他证明系统也有自己的优点。基于R1CS的证明系统包括用于小型证明的Groth16和处理超大电路和线性时间证明器的Gemini。如Winterfell证明者/验证者库这样的基于STARK的系统也非常有用，特别是当通过Giza的工具实现时，Giza工具将Cairo程序的轨迹作为输入值，并使用Winterfell生成STARK证明来证明输出值的正确性。（3）特定zkML证明系统在有效的证明系统设计方面已经取得了一些进展，这些系统可以处理复杂的、电路不友好的高级ML模型操作。Modulus Labs的基准报告证明，像zkCNN这样基于GKR证明系统的系统，或者像Zator这样使用复合技术的系统，通常比通用的同类系统性能更高。 zkCNN是一种使用零知识证明来证明卷积神经网络（convolutional neural networks）正确性的方法。它使用sumcheck协议来证明快速傅里叶（Fourier）变换和卷积，其线性证明时间比渐近计算结果更快。交互式证明引入了若干改进和通则，包括验证卷积层、ReLU激活函数和最大池化。zkCNN特别有趣，因为Modulus Labs的基准报告发现，zkCNN在证明生成速度和RAM消耗方面都优于其他通用证明系统。 Zator是一个旨在探索使用递归SNARKs来验证深度神经网络的项目。目前验证深层模型的约束条件是将整个计算轨迹拟合到单个电路中。Zator提出使用递归SNARKs一次验证一层，可以渐进增量验证N步重复计算。他们使用Nova将N个计算实例缩减到一个实例中，这个实例可以通过单个步骤进行验证。通过这种方法，Zator能够snark一个具有512层的网络，这与当今大多数生产式AI模型一样深。对于主流用例来说，Zator的证明生成和验证时间仍然太长，但是其复合技术还是很有趣的。（4）应用程序鉴于zkML仍处于早期阶段，它将大部分重心都放在了上述基础设施方面。然而，目前有一些项目正在进行应用开发。 Modulus Labs是zkML领域中最多样化的项目之一，致力于应用范例和相关研究。在应用方面，Modulus Labs通过RockyBot（链上交易机器人）和Leela vs. the World（一种国际象棋游戏，所有人与经验证的Leela国际象棋引擎实例对决）展示了zkML的用例。该团队还涉足研究领域，撰写了The Cost of Intelligence（智能的成本）一文，对不同大小模型的各种验证系统的速度和效率进行了基准测试。 Worldcoin正在应用zkML，试图建立一个保护隐私的人格证明协议。Worldcoin正在使用定制硬件来处理高分辨率虹膜扫描，这些扫描被插入到他们的Semaphore实现中。然后，可用于执行有用的操作，如成员资格认证和投票。他们目前使用具有安全enclave的可信运行环境来验证摄像头签名的虹膜扫描，但他们最终的目标是使用ZKP来证明神经网络对加密级别安全保障的正确推理。 Giza是一种可以以一种完全无需信任的方法在链上部署AI模型的协议。它使用的技术栈包括用于表示机器学习模型的ONNX格式，用于将这些模型转换为Cairo程序格式的Giza Transpiler，用于以可验证和确定性的方式执行模型的ONNX Cairo Runtime，以及用于部署和执行链上模型的Giza Model智能合约。虽然Giza也可以属于模型到证明的编译器类别，但它们定位为ML模型市场是当今更有趣的应用之一。 Gensyn是一个去中心化硬件供应网络，用于训练ML模型。具体来说，他们正在设计一个基于梯度下降算法的概率审计系统，并使用模型检查点使去中心化的GPU网络能够为大规模模型训练提供服务。虽然他们的zkML应用明显特定于自身用例——他们希望确保当节点下载和训练模型的一部分时，他们对模型的更新是诚实的——但却展示了ZK和ML结合的强大功能。 ZKaptcha专注于web3的bot问题，为智能合约提供captcha（验证码）服务。它们目前的实现是让终端用户通过完成captcha来生成人类工作的证明，captcha由链上验证者验证，并通过几行代码由智能合约访问。今天，它们主要只依赖于ZK，但计划在未来实现zkML，类似于现有的web2 captcha服务，分析鼠标移动等行为，以确定用户是否是人类。 zkML市场仍处于相当早期的阶段，但很多应用程序已经进行了黑客马拉松级别的试验。这些项目包括AI Coliseum（一个使用ZK证明来验证机器学习输出的链上AI竞赛）、Hunter z Hunter（一个使用EZKL库来验证带有halo2电路的图像分类模型输出的照片寻宝游戏），以及zk Section 9（它将AI图像生成模型转换为用于铸造和验证AI艺术的电路）。 5、zkML面临的挑战虽然zkML正在以光速进行改进和优化，但该领域仍然存在一些核心挑战。这些挑战涉及到技术和实践方面，具体如下： · 高精度的量化 · 电路的大小（特别是多层网络） · 矩阵乘法的有效证明 · 对抗攻击量化是将大多数ML模型用来表示模型参数和激活函数的浮点数表示为定点数的过程，这在处理ZK电路的域算法时是必不可少的。量化对机器学习模型精度的影响取决于所使用的精度水平。通常，使用较低的精度（即更少的bits）会导致准确性降低，因为它会应用四舍五入和近似误差。然而，有几种技术可以用来最小化量化对准确性的影响，例如在量化之后微调模型，以及使用量化感知训练等技术。此外，zkSummit 9上的一个黑客马拉松项目Zero Gravity已表明，为边缘设备开发的替代神经网络架构（如无权重神经网络）可用于避免电路量化的问题。除了量化，硬件是另一个关键挑战。一旦机器学习模型通过电路进行了正确表示，由于ZK的简洁性，验证其推论的证明既便宜又快速。这里的挑战不在于验证者，而是在于证明者，因为随着模型越来越大，RAM消耗和证明生成时间会迅速增加。某些证明系统（例如使用sumcheck协议和分层算法电路的基于GKR的系统）或复合技术（例如wrapping Plonky2，它有高效的证明时间，但在较大模型的有效证明大小方面表现很差，使用Groth16，它不会随着模型的复杂性加大而增加证明大小）更适合处理这些问题，但是管理权衡是构建zkML项目的核心挑战。在对抗方面，还有工作要做。首先，如果一个无需信任的协议或DAO选择实现一个模型，在训练阶段仍然存在对抗攻击的风险（例如，训练一个模型在看到一个可用于操纵后续推理的输入时表现出特定的行为方式）。联邦学习（federated learning）技术和训练阶段zkML可能是最小化这种攻击面的一种方法。另一个核心挑战是，当一个模型属于隐私保护模型时，存在模型窃取攻击的风险。虽然模型的权重可以被混淆，但理论上仍可以在有足够的输入-输出对的情况下对权重进行反向工程。虽然这种风险主要针对小型模型，但风险就是风险。 6、扩展智能合约尽管优化这些模型以符合ZK运行条件还存在着这样那样的挑战，但优化改进正在以指数级的速度进行，有人预计，假设在进一步的硬件加速条件下，我们将很快扩展更广泛的机器学习领域。zkML已经从2021年0xPARC的zk-MNIST演示（展示了如何在可验证的电路中执行小型MNIST图像分类模型），发展到Daniel Kang在不到一年后对ImageNet-scale模型做了同样的验证。2022年4月，ImageNet-scale模型的准确率从79%进一步提高到92%，尽管目前的验证时间较慢，但像GPT-2这样大的网络在短期内是可行的。我们认为zkML是一个丰富且不断发展的生态系统，它希望扩展区块链和智能合约的功能，使其更加灵活、适应性更强、更加智能。虽然zkML仍处于早期开发阶段，但它已经开始显示出光明前景。随着技术的发展和成熟，我们有望看到出现更多链上zkML的创新用例。来源：金色财经

金色财经2023-05-24

NFTScan 正式发布 Bitcoin NFT 浏览器支持 Ordinals NFT 和 BRC20 资产

数据的索引需求。如果你是 NFT 和 Web3 领域的开发者，欢迎使用 NFTScan 开发者平台提供的 Bitcoin 网络的 NFT API 数据服务，快速在 Bitcoin 网络上构建产品和协议。关于 NFTScan NFTScan 是全球领先的 NFT 基础设施服务商，目前已支持 Bitcoin、Ethereum、BNBChain、Polygon、Solana、Arbitrum、Optimism、Aptos 等在内的 14 条主流区块链网络。NFTScan 业务涵盖 NFT 浏览器、NFT Portfolio、NFT 数据服务、NFT 订单聚合等服务，为 Web3 用户和开发者提供专业的全面的 NFT 基础设施服务。目前，NFTScan 在为 CoinMarketCap、Binance NFT、Bybit Web3、KuCoin、SafePal、Mask、imToken、Enjin 等在内的 3000+ 开发者提供专业的 NFT 数据服务。来源：金色财经

金色财经2023-05-24

上海元宇宙关键技术攻关带给我们的启示

”，将AIGC、元宇宙、数字藏品等新兴web3应用场景整合到一起，通过区块链技术和数字资产模型驱动，推动乡村品牌、产业振兴、文旅发展整体向前。其特点是可以结合城乡特色搭载不同的权益，持卡人同时也是行权人，带动乡村文旅发展和产业振兴。作为一个成长性项目，穹宇世界的目标是在不花乡村一分钱的情况下， 2023年全年建设成一百个“乡村元宇宙，每个村庄搭配联名免费赠送1000份数字作品。同步发售2000份数字ID卡、10张共建卡、10张墙画卡、10张放映卡、20张展位卡以及部分结合各村实物、文旅发售的实物权益卡。这些卡的价格从几十元到几百元、几千元不等，对应的搭建权、共创权、传播权、身份权也不同。同样，在全民健身方面，元宇宙也有着不可忽视的优势。VR健身可以让用户在不同的环境中锻炼，如在山间、海边或者外太空中，这样可以让用户在锻炼中体验到不同的景色和氛围，增加锻炼的趣味性和吸引力。字节跳动以90亿元的价格买下VR行业新锐PICO，PICO主打的就是VR健身业务，包括VR健身设备和相应的健身教程。新发布的PICO 4 Pro VR一体机提供了VR健身房模式，其中包括多种不同的运动方式，例如瑜伽、普拉提、舞蹈等，可以帮助用户全方位锻炼身体。再来看数字城市，元宇宙技术可以应用于数字城市的建设中，为人们打造更为智能、便捷、舒适的城市生活环境。周鸿祎曾指出，数字城市可能是率先拥抱元宇宙的场景之一。在城市的数字化发展过程中，将产生包括关键基础设施、工业互联网、车联网、能源互联网、数字金融、智慧医疗、数字政府、智慧城市等全新的数字化场景。苏州已经开始尝试利用元宇宙技术建设“数字苏州”，将城市内的各种信息融合到一个虚拟的数字世界中，让市民能够更方便地获得城市资源。那么，所谓的关键技术攻关会有哪些关键技术呢？个人认为至少包括VR设备的升级、可编程和智能合约技术的突破、以及AI和元宇宙的结合等等。从上述国际国内元宇宙应用案例可以看出，这些方面的关键技术应用已经在路上。但元宇宙最大的意义不仅在于复刻现实，更在于“增强”现实，因此技术攻关也许是一个漫长的过程。元宇宙不是现实世界的简单复刻，而是人类想象力的延伸。比如说：通过AIGC技术去让已经不存在的人活过来，让即将消失的自然村落换个面貌永生在元宇宙里，让城市体验更加智能科幻，这些都是延伸，前景无限。城市让生活更美好！元宇宙让生活更美好！来源：金色财经

金色财经2023-05-24

解读a16z：6亿美元游戏基金募资Deck 为什么选择下注游戏？

新冠大流行：加速非传统游戏玩家的入场 Web3/VR浪潮：2021年Web3游戏爆发，VR/AR处于拐点 Andrew：这是阐述“为什么是现在”的幻灯片，但在今天我们将用 AI AI AI AI AI AI :) 来更新这张幻灯片。核心投资领域：游戏工作室：投资下一代游戏，比如跨平台、商业模式来自于在线收入，由玩家所主导游戏相关的消费者应用程序：对于新的平台而言，游戏往往是最大的杀手级应用，从PC到MOBILE到VR/AR，再到Web3。基础设施：在a16z看来，为游戏而构建的软件和工具将成为MetaVerse的构建模块。 Andrew：去年，我们主要关注游戏工作室、Web3 和基础设施，今年我们继续保持这一关注重点，但开始真正转向人工智能领域。仅在第一季度，我们就遇到了 100 多家 AI x Games 公司，到 2023 年，游戏基金 80% 的投资都有一个主要的人工智能组成部分——重塑核心游戏玩法或创造工具。我们需要平衡我们的投资方法，以涵盖游戏的所有关键领域，同时也要适应新趋势。 a16z投资游戏领域有哪些优势？ a16z 认为他们的优势在于以下几个方面：具有资深游戏行业经验的投资团队，比如合伙人来自于Riot/Tencent等游戏大厂；拥有游戏公司的专业化运营平台；跨游戏的交流与结合，比如游戏和Crypto\金融科技\消费； a16z有投资游戏的十年经验。其中，a16z重点提到了他们为游戏创始人打造的一个赋能平台，从早期的融资、发行、市场到增长、招聘、商业化等，均可以提供帮助，并且同世界上最主要的游戏公司都建立了合作联系。强大的投后一直是a16z的特色与优势，相关的运营人员也占到了其绝大部分，因此在很多人看来，a16z与其说是一家VC，不如说是一家公司或者媒体。 Andrew：a16z 差异化投资的一个主要部分在于我们可以帮助被投公司的运营团队。事实上，a16z 的绝大多数员工都专注于此，只有一小部分专注于投资。游戏初创公司需要得到这些帮助：招聘/创作者/发行/出版。去年，我们聘请了来自 Supercell 的@DougMcCracken来领导营销，来自 Youtube 的@Chen 来领导“创作者”领域，以及来自 Riot 的@justmazer 来领导人才招聘。每个人都有创业心态，我们都像主人一样行事，在没有明确指示的情况下工作。（还有更多人加入！） Andrew：鉴于经济不景气，我们花费了无数时间来处理我们的投资组合，以最大限度地提高其长期成功的可能性。这就是运营团队如此强大的时候。建设者需要帮助建设者，我们在第一年就组建了团队，并从暴雪、Supercell、Youtube、Riot、Twitch 和 Unity 聘请了人才加入我们！最近几个月，我们还建立了 SPEEDRUN，我们的游戏创业学校，让新创始人更容易上手。来源：金色财经

金色财经2023-05-24

24小时热点