浅谈方兴未艾的BTC Staking生态:BounceBit和Babylon

Odaily星球日报Publicado a 2024-03-06Actualizado a 2024-03-06

Resumen

用质押的BTC资产保护其他网络,Restaking能够为BTC开辟出另外一条生息道路来。

原文作者:雨中狂睡

Restaking 在今年已然成为市场上最受欢迎的概念之一。

Restaking 是一种将主网流动性质押代币重复质押,用以支持其他区块链网络的行为。同时,Restaking 还将为流动性质押代币带来更多收益的可能。

这种 Restaking 常见于以太坊上,但在 Cosmos、Solana 网络上同样出现了相关协议。Restaking 协议,用以扩展和拓展 Cosmos 生态 Layer 1 和 Solana 的影响力。甚至,游戏公链 Ronin 也宣布推出了 $RON 再质押功能。

除此之外,最容易被我们忽视的是,方兴未艾的 BTC Restaking 生态。

作为 Crypto 世界最重要的资产,BTC 的资产生息往往通过借贷产生,而 Restaking——用质押的 BTC 资产保护其他网络,则能够为 BTC 开辟出另外一条生息道路来。

目前,BTC 生态中有两个协议正在做这样的事情: @bounce_bit 和 @babylon_chain

简单来聊一下这两条 BTC Staking 链。

这两条链的核心就是 Staking:

  • BounceBit 的 Staking 是交给 CeFi 托管机构,并在 BounceBit 链上铸造 bounceBTC。这时,用户就可以将 bounceBTC 委托给 Staking 运营节点,运营节点给到用户 stBTC——bounceBTC 质押的流动性版本。用户也可以通过 stBTC 在链上 DeFi 中获得更多的收益可能性。这意味着,bounceBTC 用户将获得三种类型的收益: 1、CeFi 收益;2、质押收益;3、DeFi 收益。

  • Babylon 的 Staking 是自托管的,托管合约由 UTXO 交易来表达。Babylon 正在做的事情就是构建三种安全共享协议:比特币质押协议、比特币时间戳协议和比特币数据可用性协议。简单来聊一下「Bitcoin Timestamping Protocol 比特币时间戳协议」:比特币时间戳协议就是用于同步 PoS 链和 BTC 链的,防止用户在 BTC 链上退出质押,但在 PoS 链显示还未退出,可以继续投票继续参与治理这种情况的发生。

目前,两者的融资情况是这样的:

  • BounceBit 在此前完成了 600 万美元的种子轮融资,由 Blockchain Capital 和 Breyer Capital 共同领投。

  • Babylon 在去年 12 月完成了 1800 万美元的 A 轮融资,由 Polychain Capital 和 Hack VC 领投,后续 Binance Labs 对其追加了投资。

本质上,BounceBit 和 Babylon 都想在 BTC 价值存储的基础上,为 BTC Holder 提供更高的收益可能。Babylon 构建了一种 BTC Restaking 基础设施,采用的是自托管形式。而 BounceBit 在 Restaking 的考量中,采用的是由 CeFi 机构托管 BTC 的形式,并且 BounceBit 已经把 Restaking 之后路想好了,包括 LRT、DeFi 采用等等,用户应该可以在其上了主网之后直接使用这些产品来提升 BTC 收益率。

对于用户而言,BounceBit 的产品线更易理解,目前 BounceBit 已经开启存款活动——用户可以通过存款来获得积分,以此得到未来的空投。而 Babylon 目前还没有相关存款活动,不过 Babylon 已经开启测试网活动,完成任务领取第二个 Babylon Beacon Badge NFT。

Lecturas Relacionadas

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

La carrera por la inteligencia artificial entre China y EE.UU. enfrenta un desafío fundamental: la enorme brecha en capacidad de computación (computing power). Mientras empresas estadounidenses como Meta, Google y xAI despliegan cientos de miles de GPUs de alta gama (como las de Nvidia) para entrenar modelos con billones de parámetros, China depende en gran medida de chips de inferencia nacionales para tareas menos exigentes. El artículo destaca que la escasez de chips de entrenamiento de última generación, debido a las restricciones de exportación estadounidenses, es la raíz de la diferencia entre los modelos de IA de ambos países. Según estimaciones, EE.UU. posee el doble de capacidad de computación que China, y un solo gigante tecnológico estadounidense puede superar la suma de todas las empresas chinas. Esto permite a EE.UU. iterar modelos mucho más rápido y entrenar sistemas con parámetros significativamente mayores. Aunque líderes tecnológicos como Huang Jen-hsun (Nvidia) o Elon Musk elogian el progreso chino, la realidad muestra un rezago. El modelo chino más avanzado, DeepSeek V4 Pro, tiene 1.6 billones de parámetros, muy por detrás de los 10 billones de modelos estadounidenses como Mythos de Anthropic. Además, se estima que China está entre 8 y 15 meses atrás en la frontera de la IA. El ascenso de fabricantes nacionales chinos como Huawei (Ascend 910B), Moore Thread o Cambricon representa un camino esperanzador. Aunque su rendimiento absoluto y ecosistema de software (similar al CUDA de Nvidia) aún están en desarrollo, ya logran avances en inferencia y comienzan a adaptarse para entrenamiento básico. El éxito a largo plazo requerirá paciencia, inversión sostenida y un esfuerzo colectivo similar al que llevó a Corea del Sur a dominar la industria de chips de memoria. En este duelo geopolítico por la IA, China avanza con determinación, pero el camino por recorrer es extenso.

marsbitHace 7 min(s)

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

marsbitHace 7 min(s)

Se agotan las ventajas del canal: ¿En qué pueden confiar los protocolos DeFi para resistir la recolección de los gigantes?

"La ventaja de los canales se agota: ¿Cómo pueden los protocolos DeFi resistir la cosecha de los gigantes? Cuando los gigantes tecnológicos como Coinbase, Stripe y Kraken consolidan su control sobre los canales de distribución y la infraestructura, los protocolos DeFi abiertos enfrentan una presión extrema. Coinbase gana millones en tarifas de secuenciación de su blockchain Base, donde Morpho opera, mientras que Stripe adquirió Bridge para capturar los ingresos por intereses de sus stablecoins, y Kraken compró NinjaTrader por sus licencias. Estos movimientos exponen una batalla fría por las ganancias. La supervivencia de los protocolos abiertos depende de dos estrategias clave: la expansión multichain y la integración profunda. Proyectos como Morpho y Uniswap no dependen de una sola cadena; al diversificarse, mitigan el riesgo de que un gigante los desplace en su propio ecosistema. Además, cuando su tecnología se integra tan profundamente en los productos de una empresa (como el producto de préstamo de Bitcoin de Coinbase en Morpho), el costo y el riesgo de reemplazarlos se vuelven prohibitivamente altos. El futuro del sector podría inclinarse hacia un oligopolio de grandes empresas que controlen toda la pila tecnológica, relegando el código abierto a nichos. Sin embargo, la agilidad de los protocolos para desplegarse en múltiples cadenas y la complejidad técnica que ofrecen crean una interdependencia. La carrera entre la velocidad de expansión de las instituciones y la de los protocolos abiertos decidirá el panorama final. Por ahora, la infraestructura crítica de estos gigantes aún se basa en código abierto."

marsbitHace 7 min(s)

Se agotan las ventajas del canal: ¿En qué pueden confiar los protocolos DeFi para resistir la recolección de los gigantes?

marsbitHace 7 min(s)

Nuevo trabajo del equipo de Kaiming He: Eliminando VAE y datos privados, la generación de texto a imagen resulta ser más potente

El equipo de investigación de He Kaiming presenta MiniT2I, un modelo de generación de imagen a partir de texto (text-to-image, T2I) minimalista y directo en el espacio de píxeles, que desafía la complejidad de los enfoques dominantes. El modelo elimina componentes estándar como el VAE para codificación, mecanismos de inyección condicional complejos (AdaLN), funciones de pérdida auxiliares, datos privados y etapas de alineación RL/DPO. Utiliza un objetivo de "flow matching" entrenado directamente sobre píxeles RGB. Con solo 258M de parámetros (versión B/16), supera a modelos de espacio de píxeles mucho más grandes en benchmarks como GenEval (0.87) y DPG-Bench (84.2). Su arquitectura, MM-JiT, simplifica el Transformer estándar: añade dos adaptadores ligeros para las características de texto de T5 (congelado) y elimina la rama AdaLN, confiando en que la imagen ruidosa ya contiene información temporal. Esto reduce parámetros y permite más capas, mejorando el FID a 13.7. El entrenamiento, de bajo costo (~3 días en 8 H100 para el modelo de ablación), se realiza en dos fases con datos completamente públicos: preentrenamiento en CC12M reetiquetado y ajuste fino en ~120K pares de alta calidad. Esto demuestra que un modelo pequeño puede igualar o superar en ciertos aspectos a gigantes como SD3-Medium en escenas imaginativas, aunque muestra limitaciones en renderizado de texto y entidades nombradas debido a los datos públicos. MiniT2I señala un cambio de paradigma hacia la simplificación y eficiencia en la generación de imágenes, haciendo que la tecnología T2I sea más accesible fuera de los laboratorios industriales líderes.

marsbitHace 12 min(s)

Nuevo trabajo del equipo de Kaiming He: Eliminando VAE y datos privados, la generación de texto a imagen resulta ser más potente

marsbitHace 12 min(s)

¿La industria de los seguros se enfrenta a su mayor competidor? ¿Son los mercados de predicción los "bárbaros a las puertas"?

El sector asegurador, tradicionalmente un pilar estable de la economía, podría enfrentar un cambio disruptivo con el auge de los mercados de predicción. Plataformas como Kalshi y Polymarket están demostrando su utilidad para la cobertura de riesgos, invadiendo progresivamente dominios tradicionales de las aseguradoras. Ejemplos concretos ilustran esta tendencia: Kalshi se asoció con Game Point Capital para ofrecer cobertura más barata y transparente sobre bonos por desempeño deportivo en la NBA. Polymarket, en colaboración con Parcl, permite apostar sobre índices de precios de la vivienda, funcionando como una herramienta de cobertura para propietarios o compradores. Un bar de Nueva York usó Kalshi para cubrir el costo de una promoción de bebidas gratuitas vinculada al resultado de un partido de baloncesto, mostrando el potencial para pequeñas empresas. El valor de estos mercados reside en su transparencia, liquidez y el rol neutral de la plataforma, a diferencia de las apuestas deportivas tradicionales. Transforman la información en un activo negociable y permiten una gestión de riesgos más flexible y accesible. Aunque enfrentan desafíos como la liquidez insuficiente y la incertidumbre regulatoria, estos ejemplos marcan un primer paso significativo. Los mercados de predicción se presentan no solo como una alternativa a las casas de apuestas, sino como un competidor emergente para segmentos clave del negocio tradicional de seguros.

marsbitHace 13 min(s)

¿La industria de los seguros se enfrenta a su mayor competidor? ¿Son los mercados de predicción los "bárbaros a las puertas"?

marsbitHace 13 min(s)

¿Qué sectores de las criptomonedas están siendo "devorados" por los Agentes de IA?

Si eres como nosotros y has estado inmerso en esta industria los últimos años, notarás que el ambiente ha cambiado. La atención se centra ahora en la IA y los Agentes. La eficiencia está impulsando que más usuarios adopten interacciones dirigidas por IA, y plataformas diseñadas originalmente para humanos se están optimizando para servicios "no humanos". Observamos que los Agentes de IA ya dominan claramente ciertos sectores: - **Trading de derivados (perpetuos)**: Mercados altamente automatizados donde los robots superan a los humanos en velocidad y ejecución 24/7. - **Arbitraje (MEV)**: Un campo completamente dominado por bots automatizados que escanean mempools. - **Optimización de rendimiento**: Sectores donde la mayoría de los protocolos nuevos incorporan Agentes de IA autónomos. - **Trading spot y optimización de carteras**: Los bots automatizados generan un volumen significativo. En **mercados de predicción** y **préstamos DeFi**, coexisten actividades de Agentes y humanos. Los robots dominan el arbitraje a corto plazo, mientras que los humanos mantienen ventaja en decisiones a largo plazo y en elecciones de préstamos/depósitos. Los sectores aún **dominados por humanos** incluyen: - **Establecoins y pagos con tarjeta**: Usados masivamente para transferencias y pagos reales, especialmente en mercados emergentes. - **Monederos**: La capa final de interacción con la blockchain, donde la supervisión y aprobación humanas son cruciales. Con el aumento de los Agentes, crece la importancia de **capas de verificación humana**. Proyectos como World & AgentKit, t54, Self Protocol y Kite AI están construyendo infraestructuras para garantizar la responsabilidad y confianza en las acciones de los Agentes, vinculándolos a identidades humanas verificadas. En conclusión, los Agentes dominan donde la velocidad y la automatización son clave, pero los humanos siguen siendo esenciales en áreas que requieren juicio, confianza y contexto del mundo real. Los equipos que comprendan esto y construyan sistemas que equilibren ambos mundos serán cruciales para el futuro.

marsbitHace 18 min(s)

¿Qué sectores de las criptomonedas están siendo "devorados" por los Agentes de IA?

marsbitHace 18 min(s)

Trading

Spot
Futuros
活动图片