14 亿美元的 Crypto 预测市场是如何崛起的?

深潮Publié le 2024-09-20Dernière mise à jour le 2024-09-20

‍以 Azuro 和 Polymarket 为代表,预测市场的未来似乎充满希望。

来源:cryptoslate

编译:区块链骑士

随着 Polymarket 等平台的发展,Crypto 预测市场正在不断增长。

Castle Capital 在其最新的深度调查报告中指出,预测市场使用户能够使用 Crypto 资产对未来事件下注,将传统博彩转移到去中心化领域

这种转变使参与者可以相互交易,而不是由中心化的机构进行交易,从而提高了透明度和抵制操纵的能力。

Castle Capital 概述了预测市场在历史上是如何被中心化的,从而限制了用户的参与性和灵活性。

区块链技术的引入使这些市场变得去中心化,允许用户创建自己的市场和条件

自 2015 年另一个预测市场 Augur 推出以来,预测市场已被公认为区块链技术的一个突出应用,尽管主流关注度最近才有所加强。

该行业锁定的总价值已达 1.62 亿美元,用户参与度和交易量显著提高。

Azuro 和 Polymarket 等平台通过提供不同的方法促进了这一增长。

Polymarket 以 Polygon 为基础,采用订单簿模式运营,重点关注重大政治和新闻相关事件

目前,Polymarket 已经处理了超过 14 亿美元的交易量,成为美国总统大选等事件的重要投注平台。

Castle Capital 解释说,Azuro 采用点对点池设计,允许用户为服务于多个市场的池提供流动性。这种模式分散了风险,提高了资本效率,主要针对体育博彩。

Azuro 已经处理了超过 2 亿美元的预测量,吸引了在各种体育赛事中进行重复投注的用户。

这两个平台的目标都是扩大市场份额

Polymarket 试图通过增加更多样化的市场来减少对政治事件的依赖,而据报道,Azuro 则计划在体育市场之外增加政治和新闻市场。

这些平台的发展凸显了人们对去中心化预测市场作为衡量公众情绪的工具的兴趣与日俱增。

Castle Capital 概述了主流应用仍面临的挑战,包括流动性问题、监管不确定性以及改善用户体验的必要性

确保可靠的谕令和数据准确性至关重要,解决区块链网络的可扩展性问题也是如此。克服这些障碍需要创新和与监管机构的合作。

正如 Castle Capital 所指出的那样,预测市场有可能就各种话题提供准确的公众情绪,从而超越季节性炒作,成为决策不可或缺的工具。

整合人工智能和扩大市场产品可能会增强其实用性和吸引力。预测市场可以为新闻机构提供分散的情绪数据,并影响政治言论。

以 Azuro 和 Polymarket 这样的平台为代表,预测市场的未来似乎充满希望。

它们的持续增长和适应性可能会巩固其在 Crypto 资产领域的地位,为预测未来事件的用户提供有价值的见解和机会。

Castle Capital 的报告指出,预测市场的发展反映了越来越多地采用去中心化应用的大趋势

然而,这些平台能否保持发展势头,应对未来挑战,获得主流认可,还有待观察。

Lectures associées

Meta se lance aussi dans la vente de pelles, Mark Zuckerberg : les modèles peuvent être lents, mais les GPU doivent rapporter

Meta, confronté à des défis dans le développement de ses propres modèles d'IA (comme les difficultés avec Gemini et les retards des agents IA), se tourne vers un nouveau plan stratégique : la commercialisation de sa puissance de calcul. Le groupe envisagerait de lancer "Meta Compute", un service permettant de louer une partie de son infrastructure GPU massive à des clients externes. Cette décision s'appuie sur d'importants investissements en infrastructures. Meta a considérablement accru ses capacités de data centers et de calcul, avec des engagements récents approchant les 10GW. Cette capacité pourrait être allouée à plusieurs usages : alimenter ses propres modèles (comme Muse Spark et le futur "Watermelon"), améliorer ses systèmes de recommandation publicitaire, ou être louée à haut prix sur le modèle de SpaceX. Meta pourrait également héberger des modèles tiers, comme Claude d'Anthropic, pour les proposer en service. Cela lui permettrait un usage interne, une vente directe aux entreprises, et le développement d'applications verticales intégrant des agents IA. Cette orientation répond à la réalité très coûteuse de la course aux modèles d'IA de pointe. En monétisant son infrastructure, Meta cherche à générer des revenus à haute marge (100 milliards de dollars annuels potentiels pour 200MW loués) et à rendre ses investissements compréhensibles pour les marchés, sans pour autant abandonner son objectif à long terme de développer une intelligence artificielle de niveau supérieur (ASI). Cette stratégie positionnerait Meta en concurrent direct des grands clouds (AWS, Azure, Google Cloud) et des spécialistes du calcul IA comme CoreWeave.

marsbitIl y a 15 mins

Meta se lance aussi dans la vente de pelles, Mark Zuckerberg : les modèles peuvent être lents, mais les GPU doivent rapporter

marsbitIl y a 15 mins

Le plus grand centre de données au monde tombe à l'eau

Le géant mondial du capital-investissement Blackstone a officiellement mis fin à son projet phare de centre de données « Digital Gateway » en Virginie, un campus qui devait devenir le plus grand au monde. Ce revirement survient peu après la vente par Blackstone d'autres actifs de centres de données matures pour 3,5 milliards de dollars, signalant un changement stratégique brutal. Le projet, d'un investissement prévu de 100 milliards de dollars sur 2100 acres, a été bloqué par cinq ans de fortes oppositions locales concernant son impact environnemental et patrimonial, étant situé près d'un champ de bataille historique. Un vice de procédure dans l'approbation du zonage, invalidée par un tribunal en mars, et le retrait du partenaire Compass Datacenters ont scellé son sort. Ce cas illustre les défis croissants auxquels est confrontée la frénésie de construction de centres de données pour l'IA. Outre la résistance des communautés, les goulets d'étranglement majeurs sont l'approvisionnement en électricité - les centres de données pourraient tripler leur consommation aux États-Unis d'ici 2035 - et le durcissement réglementaire. Un rapport indique que des projets d'une valeur de 1300 milliards de dollars étaient en retard au premier trimestre 2026. L'action de Blackstone, considérée comme un signal d'alarme, suggère que l'industrie doit maintenant composer avec ces limites physiques et sociales.

marsbitIl y a 26 mins

Le plus grand centre de données au monde tombe à l'eau

marsbitIl y a 26 mins

Un mégawatt pour 60 000 agents intelligents, le GB300 de NVIDIA écrase la génération précédente par 20 fois

Selon les résultats du nouveau benchmark AA-AgentPerf, conçu spécifiquement pour mesurer les performances des agents IA, le système GB300 NVL72 de NVIDIA peut gérer jusqu'à 61 400 agents simultanés par mégawatt, soit environ 20 fois plus que la génération précédente H200 (2 600 agents par mégawatt). Cette mesure « agents par mégawatt » devient un indicateur clé, plus pertinent que les tokens par seconde pour évaluer l'efficacité réelle des systèmes d'IA agentique. Le benchmark AA-AgentPerf, développé par Artificial Analysis, simule le fonctionnement réel d'un agent de programmation, avec des sessions longues (jusqu'à 200 tours) et un contexte pouvant dépasser 100 000 tokens. Il impose des objectifs de niveau de service (SLO) sur la vitesse de génération et la latence pour déterminer le nombre maximal d'agents concurrents qu'un système peut supporter de manière utilisable. L'écart de performance s'explique par une avancée systémique. Le GB300 NVL72 relie 72 GPU via NVLink en un seul système rack, permettant une répartition optimale des modèles MoE (Mixture of Experts) et une gestion efficace du cache KV et de la communication. Les optimisations logicielles, comme celles de TensorRT-LLM, contribuent également à ces gains. Il est important de noter que ce benchmark utilise des trajectoires pré-enregistrées et ne reflète pas directement la capacité d'un environnement de production réel. Il représente néanmoins un changement significatif dans la manière d'évaluer la puissance de calcul dédiée aux agents IA, en se concentrant sur le coût énergétique par agent utile plutôt que sur la performance brute.

marsbitIl y a 30 mins

Un mégawatt pour 60 000 agents intelligents, le GB300 de NVIDIA écrase la génération précédente par 20 fois

marsbitIl y a 30 mins

Trading

Spot
活动图片