FX168财经网_全球视野外汇黄金加密货币NFT资讯网

原油收盘：经济放缓及供应激增担忧提振原油从2018年来最长连续周下跌后收高

美元，为 6 月 14 日最低收盘价 Sevens Report Research的联合编辑Tyler Richey表示，油价今日上涨来自“期货市场近期的超卖状况”，此前西德克萨斯中质原油上周在60美元上方测试了2023年的关键支撑位。他表示，投资者情绪普遍改善，其他资产类别的风险资金流动也为油价提供了支撑。中国国家统计局的数据显示，11月份中国官方消费者价格指数同比和环比均下降0.5%创下三年来的最大跌幅，油价在盘中部分时间走低。上个月的价格下跌是世界第二大经济体对石油等工业大宗商品需求减弱的最新迹象。jones strading首席市场策略师Mike O 'Rourke表示，由于欧洲大部分地区处于或接近衰退，全球需求前景仍然严峻。奥罗克说:“经济放缓，欧洲要么处于衰退之中，要么处于衰退的边缘，这就是我们徘徊在(每桶)70美元左右的原因。” XS.com的高级市场分析师Rania Gule在市场评论中表示，投资者仍然怀疑欧佩克+在2024年第一季度的自愿减产是否会导致供应大幅减少。这提高了对非欧佩克国家产量增长的预期，并加剧了对未来一年供应过剩的担忧。” 在对2024年大宗商品市场的展望中，加拿大皇家银行资本市场的一个分析师团队表示，石油已经成为一个“展示”的市场，交易员们等待减产成为现实，然后才开始定价。“石油市场已经变成了一个‘展示给我看’的市场。在市场看到与自愿减产有关的明确数据点之前，价格将继续波动且没有方向，”该团队表示。盛宝银行(Saxo Bank)大宗商品策略主管汉森说，即使美国政府宣布了购买石油以补充战略石油储备的计划，也不足以引发油价的持续反弹。他说:“美国政府计划为其战略石油储备购买原油的消息支撑了周一上午的上涨，但被提及的数量不太可能将焦点从疲软的市场转移开，市场将继续需要欧佩克+减产的团结，以避免更深的抛售。” 与此同时，道琼斯市场数据的数据显示，天然气价格创下6月份以来的最低结算价。施耐德电气的大宗商品分析师Victoria Dircksen表示，根据美国国家海洋和大气管理局对8至14天气温的预测，到平安夜美国48个州的大部分地区的气温将远高于平均水平。她在一份每日简报中表示:“异常温和的气温预计将大大减少全国的供暖需求。此外，产量继续超出市场预期，充斥市场，压低价格。” 不过，Quantum Gas & Power Services总裁兼首席执行官贝丝•休厄尔(Beth Sewell)警告称，“当市场下跌得如此剧烈、如此迅速时，它也可能瞬间反弹……但肯定有一个潜在的原因”，比如天气预报变冷，或者天然气管道停止服务。

金融界2023-12-12

Uniswap成长史：从零到无限

原文作者：Luke，SevenX Ventures 投资者及研究员特别鸣谢 Maru Network 的 Alex、Uniswap 实验室的 Brad、CelerNetwork 的 Dong Mo、Manta Network 的 Shumo 以及 Hyperoracle 的 Suning 对本文贡献的宝贵讨论、见解和反馈。前言毫无疑问，Uniswap 是使用最为广泛的一种去中心化应用程序。它坚持不懈地开拓创新解决方案，重新定义行业规则。本文将深入探讨 Uniswap 令人惊叹的发展之旅，过去从零起步，未来将有无限可能。通过研究 Uniswap 每个版本的特性，本文揭示了它如何有效应对各种新挑战并适应不断变化的需求。此外，本文还探讨了加密货币的最新进展如何塑造去中心化交易所（DEX）的未来。做好准备，迎接这场从零到无限的发展之旅吧。 v 0 ：概念验证在 Uniswap 之前，EtherDelta 是唯一受关注的去中心化交易所（DEX）。然而，用户体验却非常糟糕。许多行业领袖（Gnosis 的 Alan Lu 和 Vitalik）提出了自动化做市（AMM）的概念，与传统的订单簿模式相比，该技术为链上交易提供了一种替代方法。特性恒定乘积 AMM Uniswap 利用恒定乘积公式（x * y = k）来计算资产的价格。在此公式中，x 代表交易资产的储备，y 代表定价资产的储备。当从池中取出（买入）代币时，必须存入（售出）一定比例的金额，以保持 k 恒定。池中代币的比率决定了代币的价格。来源：Uniswap 值得注意的是，其他 AMM 使用不同的数学公式来表示流动性曲线。例如，Curve 的 Stableswap 和 Balancer 的加权池。问题 Uniswap v 0 本质上是一种概念验证，这意味着仍然有许多问题尚未解决。两个主要问题如下： 1.仅适用于单一 ETH/ERC 20 交易对。 2.仅适用于单一流动性提供者（LP）。 v1：功能性去中心化交易所（DEX）特性 2018 年 11 月 2 日，Uniswap v1 在以在坊主网上线。该版本支持多个流动性提供者使用内部代币来跟踪费用和抵押品。该版本使用工厂合约，支持任何人添加任何代币来与原生 ETH 进行交易。该版本提供了函数型 DEX。然而，仍有一些问题亟须解决。问题由于所有代币都与 ETH 配对交易，用户可以在单笔交易中使用 ETH 作为中介，轻松地将任一种 ERC 20 代币兑换为另一种 ERC 20 代币。然而，这种方法存在一个缺点：如果涉及 DAI/USDT 等频繁操作的稳定币兑换时，每次兑换都依赖 ETH 作为中介，效率会变得低下。在这种情况下，直接代币对更受青睐。 v2：金钱乐高 (Money Lego) 2020 年 5 月，Uniswap v2 推出，该版本对 Uniswap 协议进行了多重升级，增强了交易的灵活性，拓展了交易的可行性。特性 ERC 20/ERC 20 交易对 Uniswap V2 的显著差异在于：可添加 ERC 20 代币与其他 ERC 20 代币的 LP 流动性池，而不是仅将 ERC 20 代币与 ETH 配对。对流动性提供者来说，此功能实用性更强，因为他们现在可以维持更多样化的 ERC 20 代币计价头寸，包括稳定币交易对。价格预言机 Uniswap v2 提供可供众多 DeFi 应用程序使用的链上价格信息。这些价格信息不易被操控，因此非常有价值。该机制会将区块结束时的价格添加到核心合约的累积价格变量中，该变量根据特定价格存续的时间长度进行加权。该变量本质上代表了合约整个历史记录中每秒 Uniswap 价格的总和。来源：Uniswap 外部合约可以利用该变量来准确跟踪任何指定时间间隔内的时间加权平均价格（TWAP）。在时间间隔开始和结束时读取 ERC 20 代币对的累积价格，计算二者的差值并将其除以时间间隔长度，即可得到该特定期间的 TWAP。来源：Uniswap 闪电兑换 Uniswap v2 还引入了闪电兑换，这是借贷市场 AAVE 首创的一种闪电贷。此功能允许任何用户在池中取出尽可能多的 ERC 20 代币，无需任何前期成本，也无需执行任意操作，前提是在交易执行结束时返回等值代币（加上费用）。闪电贷功能声名狼藉，因为它经常与针对 DeFi 协议的各种攻击联系在一起。但真正的问题不在于闪电贷，而在于协议中现有的漏洞。闪电贷的原子性消除了通常与池间套利和获得保证金杠杆等操作相关的前期资本要求。问题尽管该 AMM 富有创新性并且有利于促进新市场的交易和流动性，但仍然存在效率低下的问题。例如，在处理低波动性代币时，仅在较小的价格范围内才需要流动性。然而，当前的设计在所有价格范围内均匀分配流动性。 v3：资本效率 Uniswap v3 采用突破性的集中流动性设计，致力于成为最灵活、最高效的 AMM。特性集中流动性 (CL) 在 Uniswap v2 中，流动性沿 x*y=k 价格曲线均匀分布，为整个零到无穷大价格区间提供流动性。然而，对于大多数池子，流动性并未得到充分利用。在 Uniswap v3 中，流动性提供者能够将其资本集中在特定的价格范围内，在预期价格下获得更高流动性。通过这种自定义，流动性提供者能够构建符合其偏好的个性化价格曲线。然后，这些单独的头寸将会聚集到一个单独的池子中，创建一条统一曲线，用户可以根据该曲线进行交易。其结果对交易者和流动性提供者均有利：由于自定义范围内流动性高度集中，交易者的滑点会更少，流动性提供者可赚取更高的费用。集中流动性对稳定币交易对（如稳定币和流动性质押衍生代币）来说极具价值。这些资产往往在较小的价格范围内交易。然而，对于波动性较大的代币对，集中流动性则需要更先进的流动性管理技术。对于普通零售流动性提供者来说，持续有效地管理其仓位可能颇具挑战性。范围订单凭借集中流动性，该版本引入了一种名为范围订单的新型订单类型，作为对市价单的补充。流动性提供者能够在自定义价格范围内（高于或低于当前价格）存入单一代币。如果市场价格进入指定范围，则可以沿着平滑曲线售出一种资产以换取另一种资产，同时在此过程中仍可赚取交易费。范围订单的功能与「限价单」类似，但缺点是可逆——当价格反转时，订单也会反转。不过，在此过程中，仍然可以赚取费用。Barry Fried（@BarryFried 1）在此帖子中提供了如何使用范围订单的详细示例。多种收费等级 Uniswap v3 不再采用单一收费等级，而是为每个交易对引入三个单独的收费等级—— 0.05% 、 0.30% 和 1.00% ，这样流动性提供者就能够因承担不同程度的风险而获得适当的补偿。高级预言机 Uniswap v3 对价格预言机进行了重大改进。该版本不再仅存储一个价格累积变量，而是存储一组变量，从而可以更轻松、更低成本地创建更高级的预言机，包括简单移动平均线（SMA）、指数移动平均线（EMA）、异常值过滤等。问题缺乏灵活性尽管集中流动性和收费等级为流动性提供者提供了更大的灵活性并促进了新策略的实施，但 Uniswap v3 未能适应 AMM 和市场日新月异的功能和创新。为了整合 TWAP 订单、限价单、高级预言机和动态收费等附加功能，有必要重新实现核心协议。通过某些功能（如 Uniswap v2 中最初引入的价格预言机），集成者能够利用去中心化的链上定价数据。然而，其代价是兑换者的 Gas 成本增加，集成者缺乏自定义选项。流动性管理复杂难解如前所述，对于新人流动性提供者来说，集中流动性管理颇具挑战性，尤其是波动性较大的交易对。虽然已经有了几种自动流动性管理协议，但它们大多采用专为挂钩资产设计的简单再平衡策略。遗憾的是，对于波动性较大的交易对来说，这些策略往往无效，因为区块时间长、Gas 成本增加、对冲成本上升都会限制其效果。此外，由于每个流动性提供者的集中流动性头寸各不相同，因此 LP 代币本质上不可替代。它只能用非同质化代币（NFT）来表示，这对其他希望与之集成的 DeFi 协议提出了挑战。许多优秀项目正在积极利用各种策略（包括再平衡、货币市场动态对冲、永续合约和期权）来解决这一问题。Atis Elsts（@atiselsts_eth）撰写了一系列有关 LP 策略的优秀文章，强烈推荐。价值泄漏在所有问题中，价值泄漏问题是重中之重。虽然该问题并非 Uniswap v3 所独有，但由于自其推出以来 AMM 交易量增加，采用率提高，该问题已经引起人们的关注。价值泄漏主要源自于 DEX 系统，形式如下：由于抢先交易和三明治攻击，交易者最终要支付比实际所需更高的滑点。流动性提供者通过 CEX-DEX 套利损失价值（又称相对损失再平衡）为了解决上述问题，较之 Uniswap v3，我们需要提供更多自定义功能和复杂设计。我们需要一个更具表现力和更为强大的 DEX 平台。 v4：终极平台 Uniswap v4 基于前几代推出的 AMM 模式而构建，通过引入「钩子（hook）」，旨在成为高效、可自定义的终极 DEX 平台。效率单例（Singleton）在 Uniswap v3 中，每个池子都通过工厂合约创建为单独的合约。而在 Uniswap v4 中，所有池子共存于单个智能合约（也称为单例）中。这种单例模式显著降低了创建池和执行多跳交易的相关费用。闪电记账 (Flash Accounting) 在 Uniswap v4 中，单例模式利用闪电记账来优化资产划转。与 v3 中资产在每次兑换后移入和移出池不同，v4 系统仅根据净余额进行划转，这大大降低了记账成本。通过瞬态存储（EIP-1153 中提出），设置和清除存储槽的成本更低，而若要闪电记账有效运行，存储槽必不可少。来源：Uniswap 原生 ETH Uniswap v4 再次引入了对原生 ETH 交易的支持，这样会有几个好处：交易者可以享受更低的 Gas 成本，实现更低的划转成本，还能免去额外的包装成本。自定义钩子钩子合约（或钩子）是外部部署型合约，在池子执行期间的特定点执行预定义逻辑。这便是 v4 如此富有表现力且可自定义的原因所在。通过钩子，可以实现以前内置于协议中的特性（如预言机）以及以前需要独立协议来实现的新特性。 Uniswap v4 目前支持以下八种钩子回调函数： beforeInitialize/afterInitialize beforeModifyPosition/afterModifyPosition beforeSwap/afterSwap beforeDonate/afterDonate 下图展示了兑换钩子的逻辑流程。在执行兑换前后，有一个专用的布尔标志，可以在这些特定点执行自定义代码。这是开发高级功能的基础，如预言机、动态收费体系、拍卖和高级订单类型等功能。我们将在下文更深入地探讨这些概念。兑换钩子流程预言机在之前的版本中，预言机集成在 Uniswap 核心协议中。虽然这便于集成其他协议，且集成成本更低，但代价是自定义选项减少，兑换者成本增加。然而，随着钩子的引入，预言机的设计可能性得到极大的扩展。这为创建抗操纵预言机（如缩尾价格预言机和波动性预言机）提供了机会。此外，现在还可以自定义由谁来承担更新预言机的成本。例如，可以使用具有 ETH 余额的钩子合约来支付 Gas 费用，而非让第一个兑换者承担成本（这种方式可能不可持续）。尽管已经得到优化，但预言机设计仍然面临挑战。例如，TWAP 预言机有时容易受到操纵，往往会滞后于当前价格。 Uniswap 实验室推出了另一种有趣的价格预言机，即截断式价格预言机。该预言机会计算流动性池中资产的几何平均价格，并对单个区块内的价格变动加以限制。通过截断价格，这种链上预言机减轻了重大交易的价格影响，增强了对操纵企图的抵抗力。动态费用虽然 Uniswap v3 引入了额外的费用等级供流动性提供者选择，但这些费用体系仍然是静态的，没有考虑当前的市场状况。因此，流动性提供者的服务没有得到充分补偿。 Alex Nezlobin（@0x 94305）提出了一种简单有效的动态费用体系，该体系考虑了前一个区块的价格影响，并对买家和卖家应用不同的费用标准。如下图所示：当 CEX 价格移动至 p*，即高于当前 AMM 价格 p_AMM 时，售出费用减少δ，而购入费用增加δ。δ的值与 AMM 价格的变化成正比。这种动态费用体系的目的是区分套利者和不知情的资金流。套利流与价格变动自相关的可能性更大。来源: https://twitter.com/0x 94305/status/1674857993740111872 设计一个稳健的动态费用体系提出了几项挑战。一项挑战是如何整合链下信号，如 CEX 价格、流动性深度和波动性。此外，各种链上信号（包括地址、大小和执行时间）对于区分知情流和非知情流来说可能不可靠，因此很难评估其有效性。此外，为了限制流动性提供者的损失，确保费用不低于零也很重要。拍卖钩子还可以作为实施拍卖的手段，这有助于将价值重新分配给流动性提供者。根据时间的不同，拍卖可分为事前拍卖和事后拍卖。事前拍卖在拍卖区块之前进行。这一概念最初是在一篇讨论 MEV 捕获 AMM（McAMM）的研究文章中提出的。在这种方法下，在一个区块被拍卖之前，可在 AMM 中进行第一次兑换的权利，随后会重新分配出价价值。然而，这个投标过程也存在一些挑战，因为它本质上涉及期权定价，这可能非常复杂。此外，由于区块提议者拥有是否接受包含交易的区块的最终决策权，因此可能会出现审查问题。事实证明，确保投标价值公平和有效分配也是一项复杂的任务。而且，无法保证竞标获胜者第一个行使其兑换权利，这可能会导致其他交易者的体验日益恶化。事后拍卖是在波动性实现后进行的，这意味着 CEX 价格已经发生了变化，但后续区块尚未提交。这类拍卖的优点是提高了效率，但也带来了挑战，因为它们需要依赖于可信方或去信任系统的链下基础架构。如果使用可信方，就会出现审查和投标隐私方面的问题。另一方面，设计去信任系统要复杂得多。事后拍卖还面临着提议者可能与竞标者耍花招的问题，例如及时排除套利交易。此外，还存在一个重大问题，投标、对中标达成共识以及将这些投标分发给区块构建者的过程存在延迟，而所有这些过程都需要在提交后续区块之前完成。最后，可能很难确保这些拍卖中有足够的竞争条件来获取足够的价值。Sorella Labs（@SorellaLabs）利用其先进的基础架构和机制设计，在应对这些挑战方面发挥着带头作用。 Diamond 钩子 Diamond 协议最初被设计为 LVR 最小化的 AMM。在 Diamond 协议下，出块者进行拍卖，以捕获 Diamond 矿池的外部市场价格与矿池自身价格之间的套利机会。这些拍卖的收益以保持激励兼容的方式在 Diamond 矿池和出块者之间共享。正如本文所讨论的，Diamond 协议的一个变体包括实现一个抵押品池，以根据出块者承诺的价格来维持区块结束价格。仅当有足够的抵押品可将价格恢复至承诺价值时，才会执行兑换。Arrakis（@ArrakisFinance）目前正在与 Diamond 协议的作者之一 Conor McMenamin（@ConorMcMenamin 9）合作，开发使用 v4 的钩子合约来实现这一目标。高级订单类型钩子还支持更高级的订单类型，大大提高了交易者的体验。一些常见的订单类型包括限价单、止损单、止盈单和 TWAP。限价单交易者可以选择向钩子合约提交链上限价单。当价格达到指定的最小变动价时，订单即成交。然而，与传统金融（tradfi）限价单相比，这些链上限价单存在明显的劣势。这主要是因为链上订单无法在不产生 Gas 费用的情况下取消。因此，这就产生了订单交易比不高的问题。时间加权平均做市商（TWAMM）一种可行的解决方案是实施时间加权平均做市商（TWAMM），以促进大额订单的执行。这种方法可将大订单分成小区块，并确保其作为第一批交易来执行，从而防止三明治攻击。此外，还可以考虑降低 TWAP 订单费用，因为它们通常涉及不知情的流程。然而，随之而来的挑战是高昂的 Gas 成本，以及决定谁应该承担这些费用。其他钩子使用钩子还可以实现几个其他功能。以下是一些构思：一种产生收益的钩子，将超出范围的流动性借入货币市场以提高资本效率。既具有 xy=k 流动性曲线又具有集中流动性的池子。为流动性提供者提供提现费用的池子，以减少即时流动性攻击。 Suning（@msfew_eth）在 Github 上分享了一些有关钩子的奇思妙想。Aiden（@aiden 0x 4）还发布了一个很棒的钩子开放目录。 zkAMM 和 zkHooks ZK 协处理器 (ZK Coprocessors) 赋能智能合约，使其能够访问类似于 Dune Analytics 所提供的数据见解，所有这些都不会由于零知识（ZK）证明技术的应用而影响信任度。ZK 协处理器在 AMM 设计中的应用是一个新兴的研究领域。通过引入钩子，现在允许将零知识证明无缝集成到 Uniswap v4 中，开创了 zkAMM 的新时代。 HyperOracle（@HyperOracle）演示了基于 Uniswap v2 的 zkAMM 实现，其中 addLiquidity 计算被转移至链下。当用户添加流动性时，需要计算代币数量、价格和 LP 代币份额。在这一特定的实现中，HyperOracle 的 zkGraph 捕获 addLiquidity 事件，执行必要的计算，生成证明并发布。zkAMM 的这种实现包括一个集成的自动化层，用于验证该证明并为用户铸造 LP 代币。 Diego（@0x futuristic）介绍了基于 Uniswap v3 的 zkAMM（zkUniswap）实现，其中一部分 AMM 兑换计算被转移至 Risc Zero（@RiscZero）zkVM。当用户在池中执行兑换时，需要计算几个参数来完成兑换。这些参数包括要兑换的数量、费用以及兑换后的价格。最初，该计算通过 EVM 在 Solidity 合约中执行。然而，在新的实现中，兑换输入由中继者拾取，并且计算在链下进行。随后中继者发布输出和证明。AMM 验证该证明并结算兑换。zkUniswap 实现了锁拍卖机制来保证并发控制。虽然其当前性能与 EVM 相当，但通过批量兑换的并行化可以大大提高效率。交易量证明是 AMM 的又一用例。Brevis（@brevis_zk）提供了一个有趣的示例，可以根据用户的历史交易量设计费用返佣钩子，类似于中心化交易所（CEX）上基于交易量的费用返佣。VIP 交易者现在能够在链下计算其每月交易量，然后向区块链提交低成本的零知识证明，以异步验证其 VIP 状态。一旦经过验证，后续交易可以利用兑换后钩子访问由零知识协处理器填充的「VIP 费用等级表」。这允许自动应用适当的费用返佣。Maru Network（@marunetwork）目前正在开发去信任交易量预言机，作为其 ZK 协处理器网络的初始用例。通过实施去信任交易量预言机，DEX 将能够以公平、透明的方式分配奖励。这种方法可以按比例激励流动性和用户活动，形成积极的飞轮效应。通过使用 NEBRA（@nebrazkp）UPA（通用证明聚合）等零知识证明聚合服务，可以降低证明验证的成本，NEBRA UPA 将来自各环路和各方的证明聚合为单个证明，以降低摊销验证成本。总而言之，zkAMM 的概念涉及利用 ZK 协处理器或 ZK 预言机将计算从 EVM 转移出来并验证链上计算的证明。与兑换和流动性调整相关的计算相比，这些计算可能复杂得多。例如，这些计算可能涉及根据最近的市场波动计算动态费用，证明指定池中的历史用户数量或使用复杂的机器学习算法实施再平衡策略。将有无限可能，因为任何计算最终都会导致 O( 1) 验证成本，而不再受到 EVM 计算资源的限制。 v4 挑战 Uniswap v4 为 AMM 设计空间带来了效率和自定义功能，支持创建具有不同特性和功能的池子。这是一大进步，但代价也可预见：由于池子数量激增，流动性碎片化加剧，因此，路由也变得更具挑战性。 UniswapX UniswapX 旨在通过将路由的复杂性外包给第三方填充者的开放网络来解决流动性碎片化问题。这些填充者相互竞争，使用链上流动性（如 AMM 池或其自己的私人库存）执行兑换。这种设计以目标为中心，用户只需声明他们想要的结果，依靠专业人员来进行填充。这些填充者是高级代理，配备了先进的路由算法、高计算能力和大量的金融资本。它们在预定的拍卖机制下相互竞争，为用户提供最好的执行方式。用户还可以获得价格优化，确保他们的执行至少与直接从 Uniswap AMM 池进行的交易效果一样好。 UniswapX 协议的体系结构如下所示。兑换者通过 Uniswap API 提交其意图订单，其结构为 Permit 2 可执行的链下签名。Permit 2 是一款设计精良的模型，可确保用户持有的代币安全转移。填充者设计各种策略，使用任何可用的流动性场所来完成这些订单，无论是在链上还是链下。最后，订单反应器解决 UniswapX 订单。他们负责验证特定类型的订单，将其解析为输入和输出，根据填充者的策略执行订单，并验证订单是否成功实现。来源：Uniswap 目前，在 Uniswap 实验室对 UniswapX 的接口实现中，协议被分为两个阶段。第一个是 RFQ 阶段，白名单上的「报价人」用报价回应订单。然后，报价的获胜者有一个排他期来完成订单。如果没有完成订单，就进入第二阶段——荷兰式拍卖阶段，即任何填充者都可以参加拍卖。计划在不久的将来使报价系统完全无需许可。资料来源：Hayden Adams 在 EthCC 大会的「链上交易」演讲以目标为中心的设计可提供以下好处：聚合流动性来源以获得更合适的价格。即使是跨链兑换，也不需要 Gas 代币。通过价格优化实现最大可提取价值的内部化。交易失败不会产生任何费用。挑战使报价系统无需许可，例如使用有效的信誉系统。吸引更多的填充者，以确保富有竞争性和无需许可的拍卖环境。未来：无限游戏 DEX 的发展并未止步于此。为使加密技术得到大规模普及，还有几个其他问题亟待解决。PropellerHeads（@PropellerSwap）的 Markus Schmitt（@_haikane_）与 Frontier Research（@FrontierDotTech）合作，撰写了一篇出色的文章，深入探讨了优秀 DEX 的构成要素，明确了尚待解决的问题。根据文章的观点，一个出色的交易所应该提供：信任：确保交易前、交易中和交易后的透明度并最大限度降低托管风险。最合适的价格：持续提供最合适或具有竞争力的价格。公平：防止滥用订单，确保所有用户在定价和费用方面享有平等待遇。速度和可用性：提供快速交易处理并保持高可用性，以避免延迟和不便。信息：通过提供订单监控、结算价格估计以及针对限价单和滑点的有用建议，帮助用户做出明智的决策。流动性：在各种资产对之间展示强大的流动性池，为获得优惠价格注入信心。如果 DEX 的智能合约被认为是安全的，那么就能建立信任。DEX 不持有用户的资产。如今，可供交易者使用的信息相当广泛。AMM 无需许可的特性使用户能够创建和交易任何资产对。但是，由于区块链的特性，并不能始终保障最合适的价格、公平、速度和可用性。Gas 费用、滞后的价格和碎片化的流动性都会影响用户体验。为解决这些问题，L2 和基于 L2 的 DEX 数量与日俱增。此外，路由、订单批处理和报价请求系统也愈发复杂。为防止抢先交易，确保公平的价值分配，越来越多具有 MEV 意识的渠道投入使用。此外，我们正在努力开发订单流拍卖市场，以最大限度地减少 DEX 用户的价值泄漏。钩子和 ZK 协处理器的引入也大大扩展了 AMM 的设计可能性，支持更复杂的逻辑和繁重的计算，而且不会影响信任度。此外，还有一系列基于 AMM 的协议，有效地堆叠了「金钱乐高」。有的协议帮助小白用户自动化流动性再平衡或杠杆挖矿，如流动性管理器。也有协议利用集中流动性（CL）头寸来创建保证金交易、永续交易、期权和结构性产品。 AMM 因其无需许可上币、被动流动性和交易简便等特点而实现了指数式增长。然而，这种便利性也带来了我们前面探讨过的几个问题。Uniswap 一直在不断突破边界，力求解决这些问题，增强用户体验。正如 Dan Robinson（@danrobinson）在 SBC 23 大会的演讲中指出的那样，DEX 设计是一场无限游戏。随着未来 DEX 越来越普及，可能会出现新的挑战和问题，届时就需要创新的解决方案。来源：金色财经

金色财经2023-12-07

AI叙事火热寻找AI与加密交汇的潜力项目

al、Folius Ventures、SevenX Ventures、OP Crypto 等参投。 5.Kaito AI：AI 加持的加密信息聚合平台 Kaito 是由 AI 支持的 Web3 搜索引擎，希望通过 AI 彻底改变加密货币研究和投资。对于散户投资者来说，获取信息的方法极度分散和缺乏组织，Web3 的信息索引也没有原生支持的搜索引擎，很容易受到以谷歌为代表的传统搜索的限制。为了解决该痛点，Kaito 出现了。 Kaito 的搜索引擎通过运用 Auto GPT 框架和多个 ChatGPT 后端，共同构建了一个代理网络，可以处理各种任务，包括搜索、信息处理、数据清洗和标注，旨在提供更高质量的 Web3 信息服务。除此之外，Kaito 还会利用 AI 通过排名、主题挖掘、个性化、推荐、语音到文本转录和 AI 生成的内容来优化其搜索引擎。 MetaSearch 是 Kaito 的主要产品。通过 MetaSearch，用户能够一键式搜索加密领域的所有平台，包括： Twitter、Discord、治理论坛、Mirror、Medium 等。通过 MetaSearch，用户可以获得以下优势： ·在几秒钟内搜索任何加密货币、主题或趋势以获得即时见解； ·通过专为 Web3 定制的精选 Twitter 搜索，减少手动研究上浪费的时间； ·通过社交信号及早发现叙事； ·通过 AI，用户的任何技术文档和论文都可以即时答案。目前，基础版产品的定价为 129 美元，按年计算每个月花费 99 美元。 2023 年 6 月 22 日，Kaito 完成 550 万美元 A 轮融资，估值为 8750 万美元，Superscrypt 和 Spartan 领投。代币经济目前该项目暂无具体代币信息。可以密切关注其官网查看最新动向 6.Aethir：解决延迟云游戏平台 Aethir 是专为游戏和人工智能构建的实时渲染网络，通过其提供的云服务和渲染技术，确保游戏玩家在任何地方、任何设备上都能获得超低延迟的体验。 Aethir 云游戏平台是其提供该服务的主要场所。在 Aethir 云游戏平台的背后是庞大且稳定的分布式计算节点网络，允许游戏直接在云中运行。因此，玩家无需下载就可以在任何设备上享受高质量、无缝的游戏体验。对于游戏开发者来说，可以使用 Aethir 快速在线部署和启动他们的游戏，无需经历复杂的开发和改编过程。在 Aethir 平台内，「游戏」被视为一个集合。在这个集合中，可以创建多个「游戏版本」。对于「游戏」集合内的每个版本，用户都可以提交、修改或删除游戏改编服务。因此，Aethir 的云平台不仅可以让开发者无缝地实现更新，还可以保证所有用户的游戏版本的同步性。 Aethir 的云平台还解决了游戏界盛行的难题。在传统游戏中，D版游戏一直是游戏界的眼中钉，但使用 Aethir 该问题便迎刃而解。这是因为游戏是在云服务器上执行而不是在用户的设备上，用户接触不到任何游戏文件，因此它消除了几乎所有形式的传统游戏D版。正如 Arthur Hayes 所说，Aethir 正在有意义地扩大全球增长最快（但硬件受限）市场中的游戏和其他流媒体内容的潜在市场。随着 Aethir 的扩张，每个人都会受益——游戏玩家、发行商和全球分布的渲染节点运营商等。 Aethir 的受众并不是只有 Web3 内的玩家，而是全世界各行各业的所有玩家。 2023 年 7 月 27 日，Aethir 完成 900 万美元 Pre-A 轮融资，估值为 1.5 亿美元，由 Sanctor Capital、Hashkey、Merit Circle 和 CitizenX 等投资者领投。代币经济目前该项目暂无具体代币信息。可以密切关注其官网查看最新动向 7.Ritual：将 AI 集成到智能合约中的执行层 Ritual 是一个基于 AI 的主权执行层。它们的愿景是，希望通过 Ritual，让开发人员能够构建完全透明的 DeFi、自我改进的区块链、自主代理、生成内容等。 Infernet 是 Ritual 的核心套件，本质上它是一个将计算引入链上的轻量级库。其主要应用是为 ML 推理工作负载提供服务。用户可以构建和托管 ML 模型，将其部署到 Infernet 节点，并创建订阅以使用链上智能合约的推理输出和可选的简洁执行证明。 Infernet SDK 可用于 Web3 和 AI 功能之间的集成，例如：数据预处理和训练、模型支持（scikit-learn、HuggingFace）、验证（零知识证明、Optimistic 欺诈）证明、各种开源 zk 库）、数据托管和出处等等。通过灵活应用 Infernet SDK，开发者可以将人工智能模型集成到用户自己的协议、应用程序或智能合约中。使开发者能够使用加密方案对模型进行微调、货币化和推理等。来源：金色财经

金色财经2023-12-07

Future3 Campus访谈丨资本是如何看待AI+Web3的？

个比较简单的结合方式，门槛也不太高。 SevenX Ventures-Yuxing：其实数据是AI的养料。Web3的数据公开且可验证，而AI的问题在于它的黑盒特性，难以验证。这两者结合，可以产生一些有趣的化学反应。目前我更倾向于把AI和Web3的结合分为两类，不是简单的AI加Web3数据，而是考虑AI如何让Web3变得更好，以及Web3如何让AI变得更好。首先AI对于Web3数据来说，能够有效利用Web3数据公开可验证的特性。任何AI都可以使用Web3数据，提炼并产生价值，无论是投资建议还是预警分析，AI能够帮助Web3数据处理和分析增加效率。另一方面，Web3可以增加AI的可信度，因为Web3本身就是一个新型的信任机制。通过Web3的数据公开可验证的特性，可以提高AI的透明度，甚至在新闻报道或纪实等重要领域，可以用Web3的方式存储关键信息，这就能够去避免AI存在的一些问题。而这些问题中比较常见的就是AI的造假问题，还有AI黑盒问题。AI的算法有些可能比较容易理解，但是有的算法很难解释，比如像神经网络这样复杂的算法，还有GPT，人们可能会质疑他的答案是如何产生的，它的数据和算法都不够透明，让人感觉像是魔术。例如，之前的人脸识别算法将黑人错误识别成大猩猩，这是因为其数据样本中黑人的图片太少。如果AI模型使用的数据都是可验证的，我们就可以更容易辨别数据是否有样本偏差。使用Web3的数据，因为其透明性，整个AI模型的训练源和结果都会更加明晰。这样一来，我们就能更公正地看待AI，理解它的决策源，减少偏见和错误。黑盒问题可以粗略分为两部分。一部分是模型算法本身的黑盒，包括模型怎么训练，内容怎么生成，不论从训练过程还是算法机制层面都存在不透明或不可解释。另一部分是数据的黑盒，不公开数据，训练集的问题也会导致最终结果偏差。这个偏差如果说是内容准确性上的问题，我们还可以去持续改善，但如果是一些意识形态方面的问题，尤其是政治或种族歧视等方面的问题，可能就不容易纠正了。这种时候就只能去把控数据输出了，比如现在很多国家系统或国企系统的 AI 模型，它最重要的一点就是去控制它的输出，什么不能讲，这个是最难做的，这一定程度上跟刚刚的这个意识形态偏差是类似的。 Qiming Venture Partners-唐弈：对于AI和Web3数据结合方面，我个人认为，AI在这个领域可能有些许炒作，噱头大于实际效用。因为从我看来，Crypto的数据产品还处于相对早期阶段，在数据方面的基础工作还不够扎实。在这种情况下，过早地引入AI或过多的数据分析可能为时过早。此外，从用户角度来看，大部分加密项目和AI结合的场景并不太成立，或者说用不太到AI。因为这波比较火的AI模型，特别是生成模型，是建立在大规模互联网数据的基础上的，比如语言处理和图像生成等能力。尽管有人利用生成式AI改进用户体验，提供更好的交互和对话感，但这对于大多数场景而言可能价值有限。我认为如果谈论更广泛的AI（数据分析能力或更简单的AI模型）可能还有些场景，比如基于数据给NFT进行价格估算，或者专业的交易团队可以利用数据执行一些交易操作。总体而言，对于目前这波AI浪潮，我暂时还没有看到可以为加密货币产业带来特别短期效益的机会。当然，我也看了一些早期项目正在尝试通过AI提高数据处理或分析方面的能力。举个例子，我看到早期项目正在使用AI能力来解释智能合约的逻辑或进行分类识别等工作。这些工作在智能合约和加密货币领域要求较高的准确性，因为涉及到交易等关键动作。因此，我可以想象，使用一些AI能力来进行数据预处理可能是有意义的，但最终可能仍需要人工干预来确保准确性。如果您希望通过AI能力直接触发交易，除了专业的交易者外，我认为产品方面还需要取得很大进展。 Matrix Partners-子熹：我们观察了很多关于Web3的数据项目，比如我们投资了Footprint，起初我也是它的一个忠实用户，另外还有Dune。Footprint和Dune我觉得主要针对VC、开发者以及一些小型企业的服务，真正的普通和这些服务的联系并不大。另外我们也看了一些与加密货币交易或者盈利直接相关的数据分析公司，像Nanson、defilama、token terminal、dappradar，当然还包括Dune和Footprint。这些公司对VC和开发者来说非常有用，但它们的盈利能力似乎有限。原因在于目前VC和开发者对这些数据的总体需求量还不够大，而且他们的付费意愿也不强，因为即便某些服务不是免费的，也总有其他公司提供类似的免费服务。我们还看了一些类似于数据云仓的公司。我们也和腾讯领投了Chainbase。他们其实就像是一个数据平台，他们提供安全类、交易类、NFT类、DeFi类、游戏类、社交类数据，还有一些综合性的数据。开发者可以在这些平台上组合这些数据来生成自己所需的API。在熊市中，我们注意到像Chainbase、Blocksec、footprint这样的公司，它们的很多客户实际上是中小型创业公司。例如Chainbase，它的一些大客户收入并没有下降，但是中小型客户的收入在两三个月后就降为零了。这表明这些项目因为缺乏资金而无法继续。因此，对于数据提供商来说，熊市中若没有新的开发者加入，他们就很难赚钱。这也反映出目前在Web3领域，数据提供商主要是靠那些认为数据有用的开发者和小型企业，他们并内部整合这些数据，然后再进行变现，平衡收入和产出。核心我们还是觉得，目前无论是ToC还是ToB的Web3数据公司盈利模式都不是很清晰，这导致数据提供商没有一个强大的稳定的现金流。尤其是对于那些中小型的创业者来说，这是我们觉得目前Web3数据行业最大的一个弊端。然后再回到AI和Web数据结合的话题。我们最近也看了和投资了一些AI相关的数据公司。我觉得AI数据公司实际上也面临着同样的问题，就是数据的销售。你需要考虑客户的成本和他们产出的效果之间的平衡。目前来看，我对AI数据公司的盈利前景还是比较乐观的，但这主要限于海外市场。如果只瞄准国内市场，我担心最终的结果可能会和投资Web2 SaaS公司一样，可能有收入，业务规模不会太大，客户的付费意愿也不是很强。你可能还需要提供定制服务，这样你的毛利率也不会很高。所以我对在国内做这个是比较悲观的，对在海外做这个是比较乐观的。您认为AI 能够给Web3 数据基础设施和Web3数据公司带来哪些价值？现在利用AI帮助Web3数据的项目效果怎么样呢？在商业模式方面是否能有些创新？ SevenX Ventures：我认为AI对Web3数据最大的帮助是效率方面。比如Dune发布了AI大模型的工具来做代码异常检测和信息索引，用户可以去用自然语言去查询相应的数据，它的代码就会相应地进行生成，然后还可以去做代码的优化，这个就是效率方面的一个提升。另外还有用AI做安全预警的项目，它就是将 AI经过相应的训练之后，可以去快速的去识别安全问题的一个 AI Robot。比如 AI 算法里边就有一个算法叫异常检测，效果比从纯数学统计的方法直接去看数据的分布，检测出一个异常值要更好，所以这种 AI 可以更有效地去做安全方面的监测。另外我还有看到一些项目使用AI算法，比如大语言模型来检索整个Web3的新闻数据（不只是链上数据），进行信息聚合和舆情分析，形成一个AI Agent。比如用户可以直接在对话框里面去查某个代币最近30 天或者 90 天的网络舆情，用户是更偏向于看多，还是看空，给予相应的分值来体现热度；它还会有个曲线，通过这个曲线就可以判断一个代币它是在大家讨论到顶峰的时刻，还是在一个顶峰下降的时刻，还是在一个上升的时刻？这些可以辅助用户投资，我觉得也是一个挺有意思的应用方式。但也有些其他的项目宣称自己的数据是AI的数据源蹭 AI 概念，我觉得这有点牵强，因为任何链上数据都可以是AI的数据源，因为它是公开的，所以有点蹭热点的嫌疑。 Matrix Partners-子熹：商业模式是现在数据领域的一个大问题，要找到一个解决方案很难。可能在ToC端，利用Web3的一些概念，比如token或分布式概念，可以让AI数据采用不同的商业模式。但如果是AI技术赋能数据，目前并没有太多亮点。 AI在数据处理和清洗方面可能有辅助作用，但这更多是内部的帮助，比如在产品开发过程中提升功能或用户体验。但从商业角度来说，并没有太大改变。 AI bot确实可以增加一些竞争力，辅助用户，但目前来说这不是一个很大的优势点，核心竞争力还是取决于数据源的质量。如果数据源充足，我可以获取我需要的信息。问题是，如果这些数据要商业化，那么我组合出来的东西必须能变现，我才愿意为数据支付费用。现在的问题是，市场不好，初创公司不知道如何变现数据，也没有足够的新进场初创公司。我觉得目前有意思的反而是一些Web2的公司，它们使用了Web3的技术。比如一个合成数据的公司，他们通过大模型生成合成数据去使用，数据可以主要应用在软件测试、数据分析，以及 AI 大模型训练使用。他们在处理数据的时候涉及到很多隐私部署的问题，使用了Oasis区块链，可以有效避免了数据隐私问题。后面他们还想做一个数据交易所，将合成的数据包装在NFT里进行买卖，解决确权和隐私问题。我觉得这是一个很好的思路，它用Web3技术来辅助Web2解决问题，不一定局限于Web3的公司。不过，目前合成数据的市场还不够大，早期投资这样的公司有风险。如果下游市场做不起来，或者竞争对手太多，情况也会很尴尬。在AI+Web3数据的领域，有没有投过一些比较好的项目，分别是什么方向的，决定投他们的关键因素是什么？您认为这类项目的核心竞争力是什么？AI是否会加强这个竞争力？ Hashkey Capital-Harper：我们投的数据项目比较早，基本都是还没有特别强调ai的时候就投了，比如space and time、0xscope、mind network、zettablock等，投的关键是看他们的定位和数据质量。现在这些项目都会有AI的计划，基本也是先从聊天agent开始。space and time和chainML合作推出了创建ai agent的基础设施，其中创建的defi agent被用于space and time，也是一种结合AI的方式。 SevenX Ventures-Yuxing：如果项目与AI的结合做得很好，那么我可能会对其更感兴趣。决定我是否会投资的关键因素之一是项目是否有市场壁垒。我观察到很多项目宣称他们与AI结合能够提升效率，例如快速的数据查询功能。有些项目可以通过自然语言查询来快速获取链上NFT数据，比如查询最近交易最活跃的十大NFT。这样的项目可能有先发优势，但市场壁垒可能并不牢固。真正的壁垒是AI本身的应用以及工程师如何将AI应用到具体场景中。工程师如果能熟练地进行模型微调，通常能够获得良好的效果。对于那些提升效率的项目来说，市场壁垒主要在于数据源。不仅仅是链上数据，还包括项目方如何处理和解析这些数据。例如之前提到的项目，它们能够通过AI算法快速检索重要数据。然而，工程师进行模型微调的效果是有限的，真正的持续优势在于数据源的质量和其持续优化的能力。这也是为什么一些数据分析公司能够在市场中脱颖而出的原因，他们不仅提供数据源，还包括数据处理和分析的能力，区别往往在于团队的技术能力和人才。这些因素直接关系到AI结合应用的最终效果，另外，我也关注那些能让AI变得更好的Web3技术项目，因为AI市场非常庞大。如果Web3技术能够增强AI的能力，那么应用场景将会非常广泛。这就是ZKML项目受到热捧的原因。但是，我注意到Web3项目往往容易被夸大或贬低其价值。像ZKML这样的项目，尽管备受关注，但它们的投资回报并不像人们期待的那样迅速，退出机制也并不清晰，因为它们发行代币的难度较大。因此，尽管这些项目富有创意并具有潜在价值，但是否值得现在投资，以及它们最终能带来多少回报，是投资者需要仔细考量的。 Matrix Partners-子熹：我们投资了一个结合AI和Web3的公司，它是一个数据标注公司，叫Questlab。他们使用区块链技术提供数据标注的众包服务。数据标注原本是一个直营或者是分包的行业，很难做到知识领域的全覆盖。就传统的数据标注来说，一般分为三个类型：直营、分包和众包。但实际上做众包的人比较少。这三种模式的公司在选择数据标注服务时需要考虑的因素有：价格是否便宜、标注的质量是否高、效率如何。还有一个就是能否覆盖他们所在的行业。如果你只是做一些通用模型的语言或图片的标注，其实很简单，就是识别英文字或图片。再难一点，比如需要区分猫、狗、月亮、婴儿车等，这也不是很难。但如果你需要做的是更专业的标注，比如语音机器人社区需要的标注，那就复杂多了。他们可能需要标注各种方言和多种语言，包括中文方言，英文方言、以及各种小众地区的语言等，很少有传统的工作室愿意做这样的工作。一个更复杂的例子是法律加AI公司，需要标注大量的法律知识来训练各种模型，要找到既懂法律又能进行专业标注的人非常难，需要同时懂得各国法律，还要了解各种专业法律领域，如合同法、租赁法、民法、刑法等。市场上几乎没有一家数据标注公司能够提供如此专业的服务。法律是专业的，金融、生物、医疗、教育等也是如此。所以，这些领域的标注工作一般只能由内部团队来完成，他们使用众包的方法，这样就能解决知识专业覆盖的问题。我们认为，利用区块链进行众包是一个很好的方向，就像YGG在Gamefi领域做的事一样。这是我们认为是一个有前景的方向。另外，我们觉得在开源模型社区里面，也会有一些很好的机会。比如Polychain投的一个项目是一个类似于web3 的hugging face，用来解决模型内容创造者经济的问题。其他的AI和Web3的结合，我觉得ToC方向如果能结合一些token的玩法，提高整个社群的粘性、日活和情感，我们觉得这是可行的。这也方便投资人来变现，但是市场规模如何也不是很确定。这就是我对AI和Web3的一些看法。我觉得如果纯ToB的业务，没必要用Web3，就用Web2的方式做就挺好的。 Qiming Venture Partners-唐弈：目前我们投的有一些数据项目正在通过链上数据在安全场景中进行工作。我认为一些AI基本的模式识别或特征发现工作都有涉及，并且效果还可以。然而，更高级的工作，如将大量活动数据输入模型并识别多种信息，目前仍在尝试阶段，效果尚需验证。除了安全领域外，许多其他领域也存在类似情况。最近的一个例子是我们投的NFTGo，它是一个基于大数据分析去做NFT的定价，具有一定的准确性，并计划将其用于价格Oracle等用途。虽然这一体系听起来很有趣，但在产品中以及用户接受程度方面，仍需要进行验证。因为即使目前可能能够达到90分或85分的准确性，用户可能需要更高水平，比如98分或95分，因此还需要进一步验证。因此，虽然一些项目正在将数据分析和模式识别等简单AI能力应用于产品中，但是否成为关键因素尚未得到验证。而对于投资意愿方面，我个人不会因为项目有一些AI的噱头就更倾向于投资，因为我认为实际效果和项目是否能实现其目标以及带来好处更为重要。如果一个项目只是在名字或市场营销上有亮点，作为一种营销手段，以吸引更多关注或曝光，我能理解。但在投资决策中，我认为更重要的是实际效果。像一些项目在做ZKML，这个赛道似乎备受瞩目，但是同时也有很大问题，就是它到底用于什么场景。我觉得目前不确定性特别强烈，更多还是很宏大的叙事。从整体行业发展来看，AI + Web3数据这一赛道未来有哪些潜在的机会或发展方向？未来，AI是否有可能彻底升级数据产品，引入新概念？是否会增强用户的付费意愿？ Hashkey Capital-Harper：肯定是有潜在机会的。未来发展方向其实还是落后于web2 的AI，那里的创造力明显更强，web3这边的AI大概率也是web2 AI的映射实现吧。 Matrix Partners-子熹: 我觉得最近的妙鸭相机让大家意识到，其实人们对AI产品还是有付费的意愿的，这不像传统的SaaS产品或游戏，人们期望免费才会使用。用户对AI的付费意愿其实还是挺强的。未来的话我可以提供一点想法。我们在做数据标注流程中有一个关键步骤叫做预标注，就是我们训练一个模型，让模型来进行初级标注。这一步非常有价值，可以节约很多人力成本。我们将原始数据投入预训练的模型进行预标注，然后进行半自动化的数据处理，最终手动进行精确标注。预标注可以显著提高效率，可能原本需要100人的工作，现在可能只需要50到70人。另外预标注方面也涉及到AI和人的协作，通过你的反馈可以不断提高模型的预标注能力，从而减少数据标注团队的人数需求。随着AI和人的协作越来越好，原本100人的团队可能只需要30人。但是，这个过程有一个下限，即使AI协作做得非常好，仍然需要一定数量的人工进行最终的标注和审核。在其他领域由于我不是数据科学家，我没有亲自清洗过数据或使用数据进行SQL查询，所以我不清楚AI在这些领域具体能提供多大的帮助。 Qiming Venture Partners-唐弈：我觉得长期内与Web3和AI是应该有一些交集的。比如从意识形态的角度，Web3的价值体系是可以结合到AI上的，很适合作为bot的账号体系或者说价值转化体系。想象一下，一个机器人拥有自己的账户，可以通过其智能部分赚钱，以及为维护其底层计算能力付费等。这些概念有点科幻，实际应用可能还有很长的路要走。第二个可能的方向验证AI模型的输出是否基于特定类别或特定的模型，或者特定的数据，并且是否可信。这些领域在可信的AI模型中可能有一些用处。从技术角度来看这些非常有趣，但是否有足够的市场需求尚不确定。另外一方面是AI的出现使数据内容生成变得泛滥和廉价。对于数字作品等内容，难以确定其质量和创作者。在这方面，数据内容的确权可能需要一个全新的体系，包括创作者和智能体的角色。但总的来说，这些问题可能仍然有待解决，而故事性的内容可能需要更长的时间来发展。在短期内，我们应该继续关注数据底层的质量，并期待模型能够变得更强大。另外在商业化方面，确实数据产品商业化非常难。但是我认为从商业角度来看，AI可能短期内不是解决数据产品商业化问题的解决方案。商业化需要更多的产品化努力，而不仅仅是数据化能力。因此，这些项目可能需要开发其他产品来实现商业化。来源：金色财经

金色财经2023-12-06

FX168财经日报：诡异行情！美国重量级就业数据“爆冷” 美元仍走强、金价大跌失守2010美元

或近1.1%，报77.20美元/桶。 Sevens Report Research联合编辑Tyler Richey指出，上周OPEC+的会议结果显然令人失望，因为追加的减产数量并不令人印象深刻，而且2024年的减产政策属于自愿性质。在11月30日，OPEC+同意在2024年第一季度减产约220万桶/日。但这些减产中至少有130万桶/日是沙特阿拉伯和俄罗斯已经实施的自愿限制措施的延伸。俄罗斯副总理亚历山大·诺瓦克表示，如果现有的减产行动还不够，OPEC+准备在2024年第一季度深化石油减产，以消除原油市场上的“投机和波动”。加密货币周二，比特币延续前一日强劲涨势，盘中一度突破44,000美元，为2022年4月来首见。周二的涨势令比特币今年累计涨幅超过150%。目前市场共识为，美国证券交易委员会(SEC)将于2024年初核准第一档比特币现货ETF的申请案。美股数字货币概念股走高，Robinhood现涨超8%，Coinbase涨超3%，MicroStrategy涨近3%。比特币与MSCI Inc.世界股票指数的90天相关系数已从年初的0.60下降至0.18。对该代币和现货黄金的类似研究显示，这一数字已从0.36降至几乎为零。读数为1表示资产同步移动，而-1则表示它们朝相反方向移动。周三(12月6日)关注重点（北京时间）： 18:00 欧元区10月零售销售月率 21:15 美国11月ADP就业人数 21:30 美国10月贸易帐 23:00 加拿大央行公布利率决议 23:00 美国11月纽约联储全球供应链压力指数 23:30 美国至12月1日当周EIA原油库存 23:30 美国至12月1日当周EIA库欣原油库存 23:30 美国至12月1日当周EIA战略石油储备库存更多重要事件请点击此处

会员

tqttier2023-12-06

原油收盘：OPEC+自愿减产效果存疑原油期货连续四日收跌并创七月以来新低

英热单位2.71美元，上涨0.6%。 Sevens Report Research的联合编辑Tyler Richey表示:“欧佩克+上周的决定显然令人失望，因为额外的石油产量限制数量不足，以及2024年政策削减的自愿性质。” 据彭博社周一报道，沙特阿拉伯能源部长阿卜杜勒阿齐兹·本·萨勒曼王子本周表示，如果需要，欧佩克+减产“绝对”可以持续到第一季度之后。里奇周二表示:“然而，市场并不买账，因为看空者正在向欧佩克+施压，要求其对政策计划的长期前景更加明确，并保证该组织愿意‘不惜一切代价’将油价维持在每桶80美元附近或以上。” 与此同时，美国副能源部长戴维·特克周一对彭博电视台表示，美国正在尽可能多地补充SPR——过去几个月一直是这样，按照目前的价格，它将继续这样做。原油价格上周连续下跌，此前欧佩克+产油国周四同意在明年第一季度从市场上自愿削减约220万桶/日的原油，这一数字包括普遍预期的沙特阿拉伯每天100万桶的自愿减产和俄罗斯每天30万桶的原油出口削减。分析师说，整体减产的自愿性质让交易员对生产商是否会遵守减产表示怀疑。沙特阿拉伯能源部长周一的言论暗示，第一季度的减产可能会延长，这几乎没有提供持久的支持。“展望未来，石油价格走势变得越来越重，如果未来没有某种积极或看涨的市场催化剂，我们可能会看到西德克萨斯中质原油(WTI)测试2023年的低点67美元/桶，”sevensreport Research的分析师在周二的一份报告中写道。美国能源情报署(Energy Information Administration)将于周三公布美国石油供应的每周数据。接受标准普尔全球商品洞察调查的分析师平均预计，涵盖截至12月1日当周的报告将显示美国国内商业原油库存减少410万桶。他们还预测，汽油和馏分油的周供应量将分别增加80万桶。

金融界2023-12-06

原油收盘：欧佩克+强调深化减产及美国补充战略储备消息提振原油终结三日连跌走势

)测试2023年的低点67美元/桶，”sevensreport Research的分析师在周二的一份报告中写道。美国能源情报署将于周三公布美国石油供应的每周数据。接受标准普尔全球商品洞察调查的分析师平均预计，涵盖截至12月1日当周的报告将显示美国国内商业原油库存减少410万桶。他们还预测，汽油和馏分油的周供应量将分别增加80万桶。

金融界2023-12-06

对冲基金和共同基金一直在追逐同样的科技股

同基金都增持了Magnificent Seven超级大盘股，其中包括苹果(Apple)、亚马逊(Amazon)、Alphabet GOOGL、Meta、微软(Microsoft)、英伟达(Nvidia)和特斯拉(Tesla)。对冲基金和共同基金也大举投资于一些大家共同看好的公司，包括Fiserv、Humana、Kenvue、Mastercard、Progressive Corp.、Pioneer Natural Resources、Uber Technologies、United Health、Visa、Vertiv VRT等。自2013年以来，这些公司在60%的月份里的平均表现都好于标准普尔500指数。这一策略使对冲基金今年迄今获得了可观的回报，因为它们受益于最近大型股的上涨，尽管对冲基金的拥挤程度和集中度达到了历史新高。然而，对冲基金和共同基金所采取的策略在能源部门方面存在分歧。高盛的分析发现，在共同基金增持能源股的同时，对冲基金减少了对能源行业的敞口。

金融界2023-12-06

Footprint Analytics x Future3 Campus联合发布AI与Web3研报（下篇）

据产品的自动化分析、检索等能力。例如 SevenX Ventures 的Yuxing 提到 Web3 数据使用 AI 技术最主要的帮助是效率方面，比如 Dune 使用 LLM 模型做代码异常检测和将自然语言转化生成 SQL 去信息索引；还有用 AI 做安全预警的项目，AI 算法做异常检测效果比从纯数学统计更好，所以可以更有效地去做安全方面的监测；此外，经纬创投的子熹提到企业可以通过训练 AI 模型进行数据的预标注，能节约很多人力成本。尽管如此，VC 们都认为，在提高 Web3 数据产品的能力和效率方面，AI 起到的是辅助作用，例如数据的预标注，最终可能仍需要人工审核来确保准确性。（2）利用 LLM 在适应性和交互上的优势，打造 AI Agent/Bot。例如使用大语言模型来检索整个 Web3 的数据，包括链上数据和链下新闻数据，进行信息聚合和舆情分析。Hashkey Capital 的 Harper 认为这类的 AI Agent更加偏向于信息的整合、生成，以及和用户之间的交互，在信息准确性和效率上会相对弱一些。上述两方面的应用尽管已经有不少案例，但是技术和产品仍然在探索的早期，因此未来也需要不断地进行技术优化和产品改进。（3）利用 AI 进行定价及交易策略分析：目前市场中有项目利用 AI 技术给 NFT 进行价格估算，如启明创投投资的 NFTGo，以及有些专业交易团队使用 AI 进行数据分析和交易执行。此外 Ocean Protocol 近期也发布了一个价格预测的AI产品。这类的产品似乎很有想象力，但在产品中、用户接受程度方面，尤其是准确性方面仍需要进行验证。另一方面，有不少 VC，尤其是在 Web2 有投资的 VC会更关注提到 Web3 和区块链技术能够为 AI 技术带来的优势和应用场景。区块链具有公开可验证、去中心化的特点，以及密码学技术提供隐私保护能力，加上 Web3 对生产关系重塑，可能能够给 AI 带来一些新的机会：（1）AI 数据确权与验证。AI 的出现使数据内容生成变得泛滥和廉价。启明创投的唐弈提到对于数字作品等内容，难以确定其质量和创作者。在这方面，数据内容的确权需要一个全新的体系，区块链可能可以提供帮助。经纬创投的子熹提到有数据交易所将数据放在NFT中进行交易，可以解决数据确权的问题。另外，SevenX Ventures 的 Yuxing 提到Web3 数据能够改善 AI 造假和黑盒问题，当前 AI 在模型算法本身和数据方面都存在黑盒问题，会导致输出结果的偏差。而Web3的数据具有透明性，数据是公开可验证的，AI模型的训练源和结果都会更加明晰，使得AI更加公正，减少偏见和错误。但当前 Web3 的数据量还不够多，不足以给 AI 本身的训练赋能，因此短期不会实现。但是我们可以利用这一特性，将 Web2 数据上链，来防止 AI 的深度伪造。（2）AI 数据标注众包及 UGC 社区：目前传统 AI 标注面临效率和质量较低的问题，尤其是在涉及到专业知识领域，可能还需要交叉学科知识，传统的通用数据标注公司是不可能覆盖的，往往需要专业团队内部来做。而通过区块链和 Web3 的概念引入数据标注的众包，则能很好地改善这个问题，例如经纬创投投资的Questlab，他们使用区块链技术提供数据标注的众包服务。此外，在一些开源模型社区中，也可以使用区块链概念来解决模型创作者经济的问题。（3）数据隐私部署：区块链技术结合密码学相关技术可以保证数据的隐私和去中心化。经纬创投的子熹提到他们投资的一个合成数据公司，通过大模型生成合成数据去使用，数据可以主要应用在软件测试、数据分析，以及 AI 大模型训练使用。公司在处理数据的时候涉及到很多隐私部署的问题，使用了 Oasis区块链，可以有效避免了隐私和监管问题。 2.2 AI+Web3 数据公司如何打造核心竞争力对于 Web3 技术公司来说，AI 的引入能够一定程度上增加项目的吸引力或关注度，但是目前大部分 Web3 技术公司相关结合 AI 的产品并不足以成为公司的核心竞争力，更多是在提供了更友好的体验，以及效率的提升。譬如 AI Agent 的门槛并不高，先做的公司可能在市场有先发优势，但并不产生壁垒。而真正在 Web3 数据行业中产生核心竞争力和壁垒的应该是团队的数据能力以及如何应用 AI 技术解决具体分析场景的问题。首先，团队的数据能力包括了数据源及团队进行数据分析和模型调整的能力，这是进行后续工作的基础。在采访中，SevenX Ventures、经纬创投和 Hashkey Capital 都一致提到了 AI+Web3 数据公司的核心竞争力取决于数据源的质量。在这个基础上，还需要工程师能够基于数据源熟练地进行模型微调、数据处理和解析。另一方面，团队 AI 技术具体结合的场景也非常重要，场景应该是有价值的。Harper 认为，尽管目前 Web3 数据公司与 AI 的结合基本都是从 AI Agent 开始，但他们的定位也不同，例如 Hashkey Capital 投资的 Space and Time，和 chainML 合作推出了创建 AI agent 的基础设施，其中创建的 DeFi agent 被用于 Space and Time。 2.3 Web3 数据公司未来的商业化道路另一个对于 Web3 数据公司很重要的话题是商业化。长期以来，数据分析公司的盈利模式都比较单一，大都 ToC 免费，主要 ToB 盈利，这很依赖于 B 端客户的付费意愿。在 Web3 领域，本身企业的付费意愿就不高，加上行业初创公司为主，项目方难以支撑长期的付费。因此目前 Web3 数据公司在商业化的处境上比较艰难。在这个问题上，VC 们普遍认为当前 AI 技术的结合，仅应用在内部解决生产流程的问题，并没有改变本质上的变现难问题。一些新的产品形式如 AI Bot 等门槛不够高，可能一定程度上在 toC 领域增强用户的付费意愿，但仍然不是很强。AI 可能短期内不是解决数据产品商业化问题的解决方案，商业化需要更多的产品化努力，例如寻找更加合适的场景，和创新的商业模式。在未来 Web3 与 AI 结合的路径上，利用 Web3 的经济模型结合 AI 数据可能会产生一些新的商业模式，主要在 ToC 领域。经纬创投的子熹提到 AI 产品可以结合一些 token 的玩法，提高整个社群的粘性、日活和情感，这是可行的，也更容易变现。启明创投的唐弈提到，从意识形态的角度，Web3 的价值体系可以结合到AI上的，很适合作为 bot 的账号体系或者说价值转化体系。例如一个机器人拥有自己的账户，可以通过其智能部分赚钱，以及为维护其底层计算能力付费等。但这个概念属于未来的畅想，实际应用可能还有很长的路要走。而在原来的商业模式，即用户直接付费上，需要有足够强的产品力，让用户有更强的付费意愿。例如更高质量的数据源、数据带来的效益超过支付的成本等，这不仅仅在于 AI 技术的应用，也在数据团队本身的能力之上。关于Footprint Analytics Footprint Analytics是一家区块链数据解决方案提供商。借助尖端的人工智能技术，我们提供 Crypto 领域首家支持无代码数据分析平台以及统一的数据 API，让用户可以快速检索超过 30 条公链生态的 NFT，GameFi 以及钱包地址资金流追踪数据。关于Future3 Campus Future3 Campus是由万向区块链实验室和HashKey Capital共同发起的Web3.0创新孵化平台，重点聚焦Web3.0 Massive Adoption、DePIN、AI三大赛道，以上海、粤港澳大湾区、新加坡为主要孵化基地，辐射全球Web3.0生态。同时，Future3 Campus将推出首期5000万美金的种子基金用于Web3.0项目孵化，真正服务于Web3.0领域的创新创业。来源：金色财经

金色财经2023-12-05

SevenX Ventures：一文了解zkOracle和zkCoprocessor概念及它们差异

作者：Hill，SevenX Ventures Research；翻译：0xjs@金色财经 0、引言在这篇文章中，我们将了解最近流行的 zkCoprocessor 和 zkOracle 概念，并比较它们的差异。 1、zkCoprocessor的定义当一个术语被创造出来时，它的真正含义并不是由它本身定义的。我们在区块链的例子中已经看到了很多这样的情况。 ZK：虽然学术界经常提到零知识的隐私特征，但在区块链背景下，ZK往往只代表技术的简洁性和有效性。即使是基于 ZK Rollup 构建的项目也称自己为 zkSomething。 DA：直到现在，很多人还没有真正意识到Data Availability并不是Data Storage，所以为了解决这个术语问题，有人建议用 DP（Data Publishing）代替DA，或者把DA的全部含义变成数据发布+数据存储。我们在 zkCoprocessor 一词中看到了类似的现象。每个人都使用这个术语，但他们不一定指的是相同的事物。所以我们想表达项目本身对 zkCoprocessor 的看法，社区对 zkCoprocessor 的理解，以及从我们的角度来看 zkCoprocessor 的真正含义和作用。 a) 来自项目本身 Axiom 的定义 1：zkCoprocessor 在链上证明历史数据。 zkCoprocessor 的概念由 Axiom 推广，最初将其设想为 zkAttestor。从 Axiom 的想法来看，zkCoprocessor 代表了“在链上证明历史数据并在智能合约中无需信任地使用该数据”的组件。请注意，Brevis 团队表示，这种类型的 zkCoprocessor 本质上是底层 zk 电路之上的 API/DSL 层。所以这是不可编程的。 RISC Zero 的定义 2：zkCoprocessor 将计算从链上卸载到链下。 RISC Zero 也经常将自己称为 zkCoprocessor。从他们的角度来看，他们将 zkCoprocessor 视为一个更广泛的概念，“一种使用 ZKP 将计算从链上卸载到链下的工具”。 b) 来自社区 Peteris的定义（同1）：zkCoprocessor可以访问历史链上状态。 Aera Finance 的 Peteris认为，zkCoprocessor 的作用非常像一个状态预言机，主要功能是访问历史数据。同时，他和来自 BananaHQ 的 Rishabh认为定义 2 的描述更像是 zkVM，而不是 zkCoprocessor 的子类。 Messari、Modular Media 和 Kobi 的定义（与 2 相同）：zkCoprocessor 将计算从链上卸载到链下。 Messari也给出了自己对zkCoprocessor的定义。Messari 研究员 Sami认为，zkCoprocessor 使智能合约开发人员能够轻松地将复杂的逻辑卸载到链下，而无需新的信任假设。Modular Media也给出了同样的概念。Geometry 的 Kobi将 rollup 与协处理器进行了比较，Brevis 补充说 zkCoprocessor权衡了维护永久状态存储的成本与高度提升性能，Taiko 提出了Booster Rollup的设计，进一步探索了 Rollup 协处理器的想法。这些与 RISC Zero 的定义相同。 c) 来自我们综上所述，我们得出实际中zkCoprocessor有两种类型，分别如下：数据访问 zkCoprocessor：主要将某些数据（历史区块、历史状态）馈送到某个地方（智能合约）。 zkVM计算zkCoprocessor：由链下zkVM计算，然后将结果反馈给链上。将 O(n) 计算压缩为 O(1) 验证。 2.zkOracle的定义 a) 预言机 Hyper Oracle 在Defining zkOracle for Ethereum中为我们提供了 Oracle 的解释。 Oracle 实际上总结了任何区块链空间中的“基础设施”，作为比协处理器Copocessor更好的定义。如果基础设施/预言机的输入是链下数据并且输出是链上数据，则它是输入预言机（例如 Chainlink Price Feed）。反之，它是一个输出预言（例如The Graph）。如果输出预言机在前，然后是输入预言机，则它是 I/O 预言机（例如 Gelato Network）。总之，预言机与协处理器的概念非常相似，但协处理器同时具有数据访问和计算的特点。 b) zkOracle 以Hyper Oracle为例，zkOracle和zkCoprocessor之间是什么关系？ Defining zkOracle for Ethereum中讨论的 zkOracle 实际上具有两个 zkCoprocessor 的功能。例如，Hyper Oracle 等 zkOracle：以无需信任的方式访问历史数据。可以执行可编程计算。 3、zkCoprocessor和zkOracle 当我们直接将两种类型的zkCoprocessor与zkOracle进行比较时，我们可以看到zkOracle同时具有zkCoprocessor的所有功能：智能合约的异步处理与 L1 或 L2 上的现有应用程序互操作并增强其功能卸载资源受限系统中的计算通过直接比较，zkOracle是一个更加端到端的解决方案，可以为开发者提供更加完整的技术栈。两类zkCoprocessor在各自的垂直领域进行了扩展，例如，数据访问zkCoprocessor解锁了跨链场景，zkVM计算zkCoprocessor代表了基于zkVM的zk rollup。 4、使用 zkCoprocessor 或 zkOracle 建设建设时选择哪一种？按照一步一步的顺序，我们可以做出一些关于构建应用程序的决定。 a) 纯智能合约的DApp 首先，智能合约的纯 Solidity 实现仍然是一个非常好的选择。虽然纯粹的智能合约不能提供一些最好的新颖功能，但在某些场景下它们仍然足够了。此外，Arbitrum Stylus 的当前可用性还通过纯智能合约解锁了许多新应用程序。 b) 需要更丰富数据访问的DApp 在许多情况下，开发人员可能希望使用数据访问 zkCoprocessor 或 zkOracle 进行智能合约来访问更丰富的数据源。在这种场景下，如果单独使用数据访问zkCoprocessor，计算仍然在智能合约中处理。zkCoprocessor的作用是降低传统方式获取数据的复杂度，而不是让智能合约的计算能力更强。在这个场景中，我们看到了很多与数据相关的小型项目，而不是传统意义上成熟的 DApp：使用 zkCoprocessor Axiom：更好的 LP 管理、MEVictim 回扣使用 zkOracle Hyper Oracle：Uniswap v2 价格、OpenSea 交易活动、USDT 交易量监控 c) 需要大量计算的DApp 通常，一些复杂的算法无法直接在链上计算，对于游戏来说，计算逻辑非常复杂，例如etherquake和GameOfLife，运行一步需要花费2000美元。或者与机器学习相关的复杂算法不可能在链上运行。因此，我们需要 zkVM zkCoprocessor 或 zkOracle 在链下运行计算，然后以 ZKP 的形式提交到链上。在这个例子中，我们可以看到它们的一些无限的计算潜力：使用 zkCoprocessor Bonsai：Zeth（在 zkVM 中证明 Reth）、zk-sentiment 使用 zkOracle Hyper Oracle 或 zkWASM：zkGo（在 zkVM、Type-0 zkEVM 中证明 L2-Geth）、zkAMM d) 全功能的下一代DApp（DeFi 3.0）最后，我们讨论了只使用 zkOracle 构建的应用程序。以 DeFi 应用为例，一个完整的 DeFi 是非常复杂的。下一代 DeFi 应用程序，或 DeFi 3.0 DApps，将需要：更丰富的数据访问无限制的计算自治（用于清算、参数更新、协议治理）我们已经讨论了 zkOracle 如何共享两个 zkCoprocessors 的功能，同时满足前两个功能要求。zkOracle 如何实现自治功能，而 zkCoprocessor 如何不实现自治功能？ zkOracle：不需要人工干预。数据访问和计算任务可以以可编程和自动化的方式完全定义和执行。所有链上调用始终是无需信任且有效的。 zkCoprocessor：需要通过中继器对计算响应进行链上监控和过滤，或者添加额外的复杂机制。那么 zkCoprocessor 缺乏自主性意味着什么：去中心化不足潜在复杂机制的风险开发者心理负担因此，对于像 DeFi 这样的完整应用程序来说，zkOracle 是一个完美且充分的选择。值得注意的是，Hooks 还可以处理 zkCoprocessor 缺失的一些功能，但仅限于 DeFi 等场景，而不是普遍适用。来源：金色财经

金色财经2023-12-03

24小时热点