1kx 分析师:概述预测市场新玩家及发展趋势

深潮Publicado a 2024-08-13Actualizado a 2024-08-13

人工智能代理是预测市场的下一个重要机遇。

撰文:mikey,1kx 分析师

编译:Luffy,Foresight News

预测市场出现了许多新的建设者,因此有必要对这个垂直领域进行一次全面的概述。本文将简要总结预测市场类别、GTM(进入市场)策略、产品更新、机制以及当前的发展方向。

GTM

预测市场 GTM 大致有两种方法:非体育和体育。前者是一个相对未开发的领域,包括几个目标领域:加密货币、政治、文化活动。Polymarket 显然是非体育领域的领导者,其 GTM 主要关注政治事件。

如果比较专注体育赛事的预测市场今年以来的交易量,你会发现 Azuro 和 SX Network 与 Polymarket 的差距更大。

新上线的竞争者包括 EVM 上的 Limitless (其中一些市场支持 ETH 交易),以及 Solana 上的 Hedgehog。此外还有竞争者产品尚未上线,包括:Drift Exchange、xMarkets、Inertia Social、Doxa 和 Contro。

新玩家们普遍聚焦于两个共同主题:

  • 无需许可的市场:开放市场创建和激励层

  • 解决方案:依靠人工智能进行市场结算,或创建更高效的系统

这正是 Polymarket 用户一直期盼的。

鉴于体育类预测市场受欢迎程度和赛事规律性,它们在 Web2 中具有明显的吸引力。很难让用户转移到 Web3,因为大多数用户看重品牌和用户体验。此外,Web2 体育博彩在营销资金上具有优势,至少有 5 家体育博彩公司每年花费 1 亿美元以上。

美国人在单场超级碗上的投注金额(约 230 亿美元)是加密货币预测市场总投注额(约 20 亿美元)的 10 倍。甚至单个州的投注金额就远远超过了 20 亿美元。

链上资金越多 = 链上体育博彩越多,就像互联网博彩公司被手机设备统治一样。预测市场的限制因素之一是缺乏资金。在非体育方面,LogX 将支持 TRUMP 永续产品,类似于 2020 年的 FTX。Doxa 也在研究 lev。这两个项目的交易对手都是流动性池。清算和坏账是潜在的问题。

我希望 Polymarket 更多地探索复式投注模式。从技术上讲,「特朗普和拜登赢得提名」市场是一种杠杆投注,因为它需要猜测两个不同的事件。

我很想看到诸如「a、b、c 和 d 会发生吗」这样的市场,我不认为初始流动性会成为问题,LP 不会错过这样的机会。

在体育预测市场方面,已有多个协议允许通过所谓的 parlays 进行杠杆操作,只有当用户正确猜出多个不相关事件时才会赢得奖金。SX Bet、Azuro 和 Overtime 已经支持这种功能。

机制

预测市场的工作机制大致有两种类型:Web2.5 和 Web3。Web2.5 模式通常将加密货币用作支付渠道,例如 Stake/Rollbit。用户可以使用加密货币下注,但交易对手是应用程序背后的团队,并且产品在链上交互。

Web3 模式的部分产品逻辑会放在链上,无论是 NFT 头寸,还是通过智能合约执行的赌注。通常有两种方式来匹配链上赌注,要么是依赖被动 LP 的 AMM,要么是平台充当交易所的订单簿。

在 Web3 中,Memecoins 本身已经成为预测市,$TRUMP 和 $BODEN 就是典型的代表,持有者可以从两方面获利:1)方向正确;2)吸引注意力。Memecoins 允许你推测其他人的投机行为,无论你是对是错。

一个新的协议叫做 Swaye,尝试结合预测市场和 Memecoins 的优势,早期进入市场的用户不仅押注特定结果,而且有动力吸引注意力,因为任何一方的投注活动都有助于增加 P 损益。

盈利模式

预测市场协议如何盈利呢?有几种方法:

  1. 交易费

  2. 交易者收益的一部分(Web2 模型遵循这条路径)

  3. 交易对手的损益(Web2 喜欢服务亏损的客户)

大多数协议要么采用方法 1,要么采用方法 3。Polymarket 目前不收取任何费用。

下一步

下一步是什么?人工智能代理是预测市场的下一个大机遇,因为它们可以对新闻做出快速反应。它们能够管理订单和下注,它们还可以计算结果的预期值并承担计算出的风险。有几个团队正在研究这一领域。

在未来几年,至少会有 1 个协议与 Polymarket 的交易量正面竞争。考虑到 Polymarket 目前对其市场的激励程度,竞争者可能需要大量使用积分、代币或 USDC 等激励措施。

每个人都在问美国大选后交易量能否持续,到目前为止,Polymarket 上的非选举交易量自今年年初以来一直保持稳定。

Lecturas Relacionadas

Visión Profunda: La Inferencia Descentralizada no es Hype, es el Campo Clave para Romper el Monopolio Centralizado de la IA

**Análisis profundo: El razonamiento descentralizado no es exageración, es clave para romper el monopolio centralizado de la IA** Ante un hipotético escenario donde un modelo de IA puntero es prohibido en 2026, el artículo argumenta que el **razonamiento descentralizado** es fundamental como protección contra la censura, ya que los modelos de código abierto serían imposibles de eliminar por completo. Sin embargo, construir redes de inferencia descentralizadas viables implica superar **cuatro desafíos principales**: 1. **Escalabilidad:** Ejecutar modelos enormes dividiéndolos en múltiples GPUs (swarm), luchando contra la latencia de red con técnicas como decodificación especulativa. 2. **Verificación:** Probar que el nodo ejecutó el modelo correcto y no una versión más barata. Se analizan opciones como ZKML (lento), pruebas de fraude o huellas estadísticas, todas con concesiones entre integridad, coste y velocidad. 3. **Privacidad:** Proteger el "prompt" del usuario. El sharding por sí solo no garantiza privacidad; se requieren soluciones como Entornos de Ejecución Confiables (TEE) o cifrado totalmente homomórfico (FHE), aunque este último es aún costoso. 4. **Mercado viable:** Identificar clientes reales dispuestos a pagar (empresas, agentes de IA) y crear un mercado sostenible más allá de la especulación con tokens. El artículo revisa proyectos como **Dolphin Network** (pruebas de pesos en vivo), **Inference.net** (verificación estadística), **Morpheus** (TEE) o **Darkbloom** (para Macs), destacando que cada uno aborda los problemas de forma distinta. La **ventaja competitiva** de la inferencia descentralizada no está en la baja latencia (donde lo centralizado gana), sino en tareas por lotes que priorizan el rendimiento agregado y el coste marginal bajo, como la generación de datos sintéticos. Un **valor oculto** a largo plazo es el ciclo de datos: las redes de inferencia pueden generar datos valiosos (por ejemplo, de interacciones con agentes) para entrenar mejores modelos de código abierto, creando un círculo virtuoso con el entrenamiento descentralizado. Finalmente, ofrece una **lista de verificación** para evaluar proyectos, enfatizando la necesidad de una propuesta de valor clara para usuarios no cripto, un equipo con sólidas capacidades técnicas en IA y una comprensión realista de su mercado objetivo.

Foresight NewsHace 6 min(s)

Visión Profunda: La Inferencia Descentralizada no es Hype, es el Campo Clave para Romper el Monopolio Centralizado de la IA

Foresight NewsHace 6 min(s)

La última pieza del puzzle de la ambición cripto de Franklin Templeton

El 22 de junio, Franklin Templeton anunció la adquisición de 250 Digital y la creación de su división de gestión de activos cripto, Franklin Crypto, enfocada en estrategias activas para inversores institucionales. Este movimiento representa la última pieza en la expansión cripto de la gestora, que comenzó en 2018 con un equipo de más de 50 personas. Su cartera de productos incluye el fondo tokenizado BENJI (aprox. 831M USD), lanzado en 2021, y una serie de ETF pasivos como EZBC (Bitcoin, 368M USD), EZET (Ethereum), XRPZ (XRP, 252M USD), SOEZ (Solana con staking) y EZPZ (índice cripto). En junio de 2026 solicitó a la SEC ETFs que reinvierten dividendos en Bitcoin. Más allá de los productos, Franklin Templeton ha invertido en el ecosistema, participando en rondas de financiación para proyectos como Ethena y Crossmint, y colaborando con cadenas como Aptos y Sui. Con Franklin Crypto, la empresa ahora cubre tres áreas: fondos tokenizados, ETF pasivos y gestión activa, dirigidos a clientes institucionales como fondos de pensiones. A modo de comparación, Fidelity, otro gigante tradicional, siguió un camino diferente desde 2014, construyendo su propia infraestructura de custodia. Su ETF de Bitcoin (FBTC) supera los 11.000M USD en activos. Ambos casos reflejan la creciente incursión de la gestión de activos tradicional en el espacio cripto.

Foresight NewsHace 34 min(s)

La última pieza del puzzle de la ambición cripto de Franklin Templeton

Foresight NewsHace 34 min(s)

El mayor rival de Unitree, ¿cómo es que se ha escindido de nuevo?

El principal rival de Unitree, la empresa de robótica china, Zhìyuán, ha creado otra empresa escindida. MiBee Tech, centrada en la adquisición, gestión y distribución de datos para la inteligencia embodied, completó recientemente una ronda de financiación estratégica. Esto refleja la creciente escasez de datos de alta calidad necesarios para entrenar robots humanoides y de uso general. Mientras que modelos de lenguaje grande se entrenan con datos de Internet, los robots requieren datos multimodales del mundo físico. Se estima que solo hay unas 500.000 horas de datos de alta calidad disponibles a nivel mundial, muy por debajo de las necesidades de entrenamiento. MiBee busca abordar este cuello de botella ofreciendo un modelo de "datos como plataforma". La empresa utiliza dos métodos principales: teleoperación con robots reales y una solución de "adquisición sin cuerpo" más económica, con dispositivos portátiles y pinzas de captura. Su motor de procesamiento de datos, MEgo Engine, automatiza tareas como limpieza y etiquetado, aumentando la eficiencia. MiBee también ha establecido un mercado de datos y la iniciativa "Beehive" para crear una red colaborativa de datos en la industria. El éxito de MiBee dependerá de demostrar su neutralidad, ya que comparte origen con Zhìyuán. Debe ganar la confianza de otros fabricantes de robots, incluyendo competidores directos, que necesitan garantías de que sus datos no se compartirán. Además, enfrenta competencia de empresas como JD.com, Lumeng y otras que también buscan solucionar la "hambruna de datos" en robótica. Su objetivo declarado es alcanzar una capacidad de producción de datos de decenas de millones de horas para 2026.

marsbitHace 34 min(s)

El mayor rival de Unitree, ¿cómo es que se ha escindido de nuevo?

marsbitHace 34 min(s)

Trading

Spot
Futuros
活动图片