超36亿美元资产,一文梳理6个主流以太坊再质押协议

Odaily星球日报Publicado a 2024-01-31Actualizado a 2024-01-31

Resumen

套娃年来了

据 Dune 数据,以太坊信标链质押总量已超 2942 万枚 ETH,占 ETH 总供应量的 24.53% 。自以太坊上海升级后质押净流入达 955.13 万枚 ETH,可见以太坊原生质押正如火如荼地进行中。

而市场似乎已不满足于一级市场的无风险质押收益,再质押协议如雨后春笋般涌出,各大质押平台纷纷带资下场,推出属于自己的再质押协议。

都对老百姓口袋里的以太坊「虎视眈眈」?粗略统计,头部再质押协议已催生出近 20 种以太坊衍生品(XXXETH/ETHXXX)。本文梳理了 6 个主流再质押协议及其金库,在不去重的情况下,至少有价值 35.26 亿美元以太坊衍生品资产在不断生息,约占信标链质押总量的 5.2% ,「套娃」正在进行中。

EigenLayer

EigenLayer 是一个基于以太坊的再质押(Re-staking)协议,为未来整个以太坊的加密经济体系提供以太坊级别的安全性。它允许用户通过 EigenLayer 智能合约将原生 ETH、LSDETH 及 LP Token 进行再质押并得到验证奖励,让第三方项目在可享受 ETH 主网安全性的同时还能获得更多奖励收益,从而实现共赢。

2022 年 8 月 1 日,EigenLayer 开发商 EigenLabs 完成 1450 万美元种子轮融资,Polychain Capital 与 Ethereal Ventures 联合领投。

2023 年 3 月 29 日,EigenLayer 开发商 EigenLabs 完成 5000 万美元 A 轮融资,Blockchain Capital 领投,Electric Capital、Polychain Capital、Hack VC、Finality Capital Partner、Coinbase Ventures 和 IOSG Venture 等参投。

TVL: 20.45 亿美元

据 Defillama 数据,当前 EigenLayer 总 TVL 为 20.45 亿美元,金库中占比前三的 ETH 及其衍生品分别为:WETH(45.23% )、STETH(22.22% )、SWETH(13.34% )。

超36亿美元资产,一文梳理6个主流以太坊再质押协议

ether.fi

ether.fi 是一个非托管流动性质押平台,于 2023 年 11 月 12 日在主网上线了流动性质押代币 eETH,用户在 ether.fi 上质押 ETH 将收到协议 LST (eETH),可用于在整个 DeFi 生态系统中产生更多收益,包括再质押到 EigenLayer 上。在整个过程中,用户将保留对其私钥的控制权,同时将以太坊验证器操作委托给节点运营商。通过其协议生成的每个验证器都将表示为 NFT。存入至少 32 ETH 的以太坊质押者将持有 NFT,代表了验证者的经济利益。

ether.fi 公布了 2024 年上半年的路线图。团队将 TGE 定在 4 月份,其他关键日期包括二月发布 DAO 框架、三月发布代币经济学文档。此外,主网 v3 计划于第二季度初发布。

2023 年 2 月 28 日,ether.fi 完成 530 万美元融资,North Island Ventures、Chapter One 和 Node Capital 共同领投,BitMex 创始人 Arthur Hayes 等参投。

TVL: 5.09 亿美元

据 Defillama 数据,当前 ether.fi TVL 达 5.09 亿美元,月涨幅达 367% ,目前金库中有 22 万枚 WETH。

超36亿美元资产,一文梳理6个主流以太坊再质押协议

Swell Network

Swell Network 是以太坊流动性再质押协议,用户可通过抵押 swETH 和提供流动性来收集 Pearls,然后在今年晚些时候的 Token 生成活动上兑换成 SWELL,将分配 5000 万枚 SWELL(5% )。Swell Network 于 1 月 30 日推出再质押代币 rswETH(Restaked Swell Ether),用户可赚取 Pearls、 EigenLayer 积分和未来再质押奖励,为用户提供对 EigenLayer Restaking 的无限制访问,可在 DeFi 中使用,同时继续累积 Restaking 奖励。

2022 年 3 月 14 日,Swell Network 完成 375 万美元种子轮融资,由 Framework Ventures 领投,IOSG Ventures、Apollo Capital、Maven 11 以及天使投资人 Mark Cuban、Synthetix 联合创始人 Kain Warwick 以及 Jordan Momtazi、Balancer 创始人 Fernando Martinelli、Ryan Sean Adams、Bankless 联合创始人 David Hoffman、Ren Protocol 联合创始人 Loong Wang 和 Mask Network 的创始人 Suji Yan 等参投。

TVL: 4.51 亿美元

据 Defillama 数据,当前 Swell Network TVL 达 4.51 亿美元,其中金库中储存的 swETH 达 191, 070 枚,rswETH 为 1, 475 枚。

超36亿美元资产,一文梳理6个主流以太坊再质押协议

Kelp DAO

Kelp DAO 是多链 LSD 平台 Stader Lab 旗下的 Restaking 项目,基于 EigenLayer 以 rsETH 构建了的 LRT(Liquid Restaked Token)解决方案。

Kelp Dao 质押用户可赚取 Kelp 积分,项目金库中的以太坊也质押于 EigenLayer,并同时为社区用户共享积分。2023 年 12 月 19 日,Kelp DAO 仅上线 6 日已吸引约 38, 000 枚 ETH 存款。

2021 年 10 月 7 日,Stader Labs 宣布完成 400 万美元种子轮融资,Pantera Capital 领投,Coinbase Ventures、True Ventures、Jump Capital、Proof Group、Hypersphere 等参投。

2022 年 1 月 20 日,Stader Labs 宣布以 4.5 亿估值完成 1250 万美元私募融资。本轮融资由三箭资本领投,Blockchain com、Accomplice、DACM、GoldenTree Asset Management、Accel、Amber、 4 RC、Figment 及多位天使投资人跟投。

TVL: 2.55 亿美元

据 Defillama 数据,当前 Kelp DAO 总 TVL 为 2.55 亿美元,金库中共有三种以太坊衍生品,分别为: 6.836 万枚 ETHX(63.02% )、 3.523 万枚 STETH(31.78% )、 0.538 SFRXETH(5.2% )

超36亿美元资产,一文梳理6个主流以太坊再质押协议

Renzo

Renzo 是一个流动性再质押协议,目前已在 EigenLayer 的主网上运行,Renzo 的核心是 ezETH,这是一种流动性再质押代币(Liquid Restaking Token, LRT),用户可以通过将以太坊或 LST 存入 Renzo 来铸造这种代币。ezETH 可以进一步用于其他 DeFi 协议,从而获得复利回报。Renzo 抽象了终端用户的所有复杂性,使他们能够低门槛地参与 Eigenlayer 生态的再质押。作为原生态的再质押产品,优势在于可充分质押,即不受到 EigenLayer LST 存款限额的约束。

1 月 15 日,Eigenlayer 生态的流动性再质押协议 Renzo 宣布完成 300 万美元种子轮融资,本轮融资由 Maven 11 领投,SevenX Ventures、Figment Capital 和 IOSG 等参投。

TVL: 1.55 亿美元

据 Defillama 数据,当前 Renzo TVL 达 1.55 亿美元,月涨幅达 1368% ,金库中储存的 ezETH 达 67109 枚。

超36亿美元资产,一文梳理6个主流以太坊再质押协议

Eigenpie

EigenLayer 是一个基于以太坊的再质押(Re-staking)协议,允许用户通过 EigenLayer 智能合约将原生 ETH、LSDETH 及 LP Token 进行再质押并得到验证奖励。由去中心化流动性聚合协议 Magpie 与 EigenLayer 联合推出。Eigenpie 是基于 EigenLayer 智能合约技术从而为用户提供 LRT 服务,用户可以同时从以太坊质押和 EigenLayer 中获得被动收入,而无需锁定期。

隔离再质押(Isolated Liquid Restaking)代币是由 Eigenpie 生成的再质押凭证,只能通过存入特定的 LST 来铸造,而不能通过存放一篮子不同的 LST 来铸造。用户可以将其 LST 存入 Eigenpie,以获得其特定资产的 LRT 版本。用户将 LST 存入 Eigenpie 时收到的 ILR 代币将保留其原始名称,并添加前缀「m」。

Eigenpie 原生代币为 EGP,总供应量为 1000 万,分配包括 IDO(40% )、社区激励(35% )、Magpie Treasury(15% )和早期支持者空投(10% )。将通过公平启动引入 EGP 代币,无 VC 或预售活动的参与。团队正式放弃代币分配,将 15% 的 EGP 代币分配给 Magpie Treasury。

2022 年 9 月 8 日,Magpie Protocol 宣布完成 300 万美元种子轮融资,此轮融资由 Jump Crypto、ArkStream Capital、Sandeep Nailwal、GSR Markets、Parafi Capital、Republic Capital、Big Brain Holdings、Serafund、Faculty Group、MH Ventures、D 1 Ventures、Apollo Capital 等参投。

TVL: 1.11 亿美元

据 Defillama 数据,当前 Eigenpie 总 TVL 达 1.11 亿美元,金库中占比前三的以太坊衍生品分别为:STETH( 50.73% )、WBETH( 14.75% )、METH(14.62% )。

超36亿美元资产,一文梳理6个主流以太坊再质押协议

Lecturas Relacionadas

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

Resumen del informe del primer trimestre de 2026 sobre Ethereum, por Token Terminal. El reporte destaca una tendencia clave: la cantidad de usuarios activos mensuales (13.2 millones, +53.5%), las transacciones (200.4 millones, +38%) y el rendimiento de la red (25.78 TPS) alcanzaron máximos históricos, mientras que las tarifas de transacción en la capa principal cayeron un 47.9% intertrimestral. Este fenómeno, denominado la "Paradoja de Jevons", sugiere que Ethereum está priorizando deliberadamente la expansión a corto plazo sobre la captura de ingresos inmediatos. La actualización Fusaka, que aumenta la capacidad de datos y reduce el costo del espacio de bloque, es un factor clave. La narrativa central de Ethereum se está desplazando de una cadena de bloques DeFi a una capa de liquidación financiera global. Ethereum mantiene una posición dominante en activos tokenizados, con una capitalización total de $2 billones (-0.7% intertrimestral). Destacan el crecimiento de los fondos tokenizados ($194 mil millones, +4.9%) y las materias primas tokenizadas ($47 mil millones, +60%), reflejando una mayor adopción institucional por parte de entidades como BlackRock y JPMorgan. A pesar de una caída del 30.3% en su capitalización de mercado totalmente diluida, la base de titulares de ETH creció a 292.8 millones. En resumen, Ethereum está sacrificando ingresos a corto plazo para impulsar la adopción, consolidándose como la infraestructura de liquidación preferida para las finanzas tokenizadas, con el objetivo de que una mayor demanda de red compense las tarifas más bajas a largo plazo.

marsbitHace 19 min(s)

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

marsbitHace 19 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

El CEO de Intel, Chen Lifu, expresó en una entrevista en un podcast su objetivo de multiplicar por diez el valor de la empresa en un plazo de 5 a 10 años. Para lograrlo, está centrando la estrategia en la superación de los límites físicos de la miniaturización de los semiconductores, invirtiendo en tres áreas clave: tecnologías avanzadas de empaquetado como EMIB, nuevos materiales como el nitruro de galio (GaN), carburo de silicio (SiC), fosfuro de indio (InP) y diamante sintético, y sustratos innovadores como el de vidrio. Destacó que la explosión de la IA, especialmente los agentes autónomos y la inferencia, está impulsando una fuerte demanda de CPUs, cambiando la proporción CPU/GPU en servidores. Chen Lifu también defendió la apuesta de Intel por el negocio de fundición (foundry), subrayando que es crucial para la seguridad de la cadena de suministro en EE.UU. y que se basa en generar confianza a través de altos rendimientos y fiabilidad. Reveló detalles de la colaboración Terafab con Elon Musk para construir fábricas de chips y abordar la escasez de capacidad. Reconoció que Intel aún está en una fase de transformación ("gatear"), reconstruyendo equipos y capacidades fundamentales, pero proyecta que su verdadero potencial en mercados como la informática de borde, la IA física y la de agentes comenzará a materializarse hacia 2030-2032. Con una mentalidad de capitalista de riesgo, su meta clara es entregar un retorno de 10x a los accionistas en la próxima década.

marsbitHace 22 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

marsbitHace 22 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbitHace 29 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 29 min(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 2 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

marsbitHace 2 hora(s)

Trading

Spot
Futuros
活动图片