基于 Arbitrum 的加密衍生品交易协议 Variational 完成 1030 万美元种子轮融资

marsbitPublié le 2024-10-23Dernière mise à jour le 2024-10-24

Variational 宣布从 Bain Capital Crypto、Coinbase Ventures 等公司筹集了 1030 万美元的种子资金。

Variational 是一种基于 Arbitrum 的点对点加密衍生品交易协议。

Variational 是一种基于以太坊第 2 层网络 Arbitrum构建的加密衍生品交易协议,已在种子轮融资中筹集了 1030 万美元。

Variational 周三表示,Bain Capital Crypto 和 Peak XV Partners(前身为 Sequoia India and Southeast Asia)共同领投了此轮融资,Coinbase Ventures、Dragonfly Capital、North Island Ventures、Hack VC 等公司也参与其中。

Variational 成立于 2021 年,联合创始人兼首席执行官 Lucas Schuermann 告诉 The Block,该公司于当年第三季度开始为种子轮融资,并于 12 月结束融资,并于 2022 年 1 月开始运营。Schuermann 说,Variational 最初以自营做市商的身份隐身运营了两年,并实现了盈利,后来转向构建自己的 DeFi 协议。Schuermann 补充说,现在该公司已经推出了测试网并正在为主网做准备,因此决定宣布种子轮融资。

Schuermann 表示,种子轮融资的结构为定价股权轮,标准代币认股权证为 1:1,他拒绝对 Variational 的估值发表评论。

Variational 是什么

舒尔曼指出,Variational 是一种通用的点对点交易和结算协议,并强调它不是去中心化交易所。

“作为加密货币场外交易的积极参与者,我们看到双边交易的手动性质存在许多风险和低效率,”舒尔曼说。“我们的愿景是,世界上任何两个人都应该能够使用自动化基础设施无缝地执行定制的衍生品合约。”

舒尔曼曾担任加密货币交易公司 Genesis Global Trading 的工程副总裁,他与曾担任 Genesis 量化研究主管的 Edward Yu 共同创立了 Variational。两人于 2021 年离开 Genesis,随后该公司于 2023 年停止运营。

Variational 协议的第一个应用是 Omni,这是一个专注于零售的永续期货交易平台。Omni 使交易者能够在任何时间序列上进行杠杆多头或空头头寸,特别关注新推出的代币、篮子、收益/波动性永续合约和其他新产品。Omni 的流动性提供商 OLP 汇集了来自中心化和去中心化交易所以及场外交易平台的流动性。

Variational 的第二个应用是 Pro,这是一个面向机构交易者的平台。未来,它计划支持更多专注于收益生成和贷款等领域的应用。

“Omni 流动性提供商将向社区存款开放,允许任何 Omni 用户根据 OLP 的表现获得收益,”Schuermann 表示。

Omni 目前在 Arbitrum Sepolia 的测试网上上线,并将在主网启动后在 Arbitrum One 上线。


Variational 主网和代币发布时间表

Schuermann 表示,Variational 的邀请制主网将在今年年底前推出,预计公共主网将于 2025 年第一季度推出。Schuermann 指出,该协议的代币也计划于明年发布,不过它将在公共主网上线后的某个时间推出。

虽然 Variational 最初是在 Arbitrum 上推出的,但 Schuermann 提到,该协议未来愿意扩展到其他区块链,包括第 1 层和第 2 层网络。

Variational 目前总部位于开曼群岛,拥有10多名员工。舒尔曼表示,该公司计划到明年年中将员工人数扩大到30 人左右,重点招聘营销、增长、后端工程、开发运营和量化岗位的人才。

Lectures associées

Tirer parti de la fusion entre fonds traditionnels et DeFi : qui pourra saisir les opportunités de la décennie à venir des RWA ?

L’article explore la convergence entre les fonds traditionnels et la finance décentralisée (DeFi) à travers la tokenisation des actifs réels (RWA), un marché en pleine expansion dépassant 330 milliards de dollars. Il souligne les défis majeurs de cette fusion : la gestion des prix entre les mises à jour quotidiennes de la valeur nette d’inventaire (VNI), la conformité réglementaire (KYC, listes blanches) et la coordination inter-chaînes pour les transferts d’actifs. Pour résoudre ces conflits, des infrastructures comme Centrifuge (avec son cadre deRWA) et LayerZero proposent des solutions techniques. Centrifuge adopte une architecture en « hub and spokes », où une chaîne centrale gère la comptabilité et la conformité, tandis que les chaînes secondaires permettent la composabilité avec la DeFi. LayerZero assure la synchronisation inter-chaînes des données. Cette couche intermédiaire est cruciale pour permettre une liquidité et une circulation rapides des actifs tokenisés, tout en respectant les contraintes réglementaires des fonds traditionnels (comme les plafonds de rachat ou les horaires de règlement). L’avantage principal de ces fonds tokenisés réside dans leur capacité à générer des rendements supplémentaires via des stratégies de prêt/re-collatéralisation dans l’écosystème DeFi, tout en offrant liquidité et rapidité. Cependant, des risques persistent, comme les conflits de rachat ou les pannes de communication inter-chaînes. L’article conclut que les acteurs qui construiront et maîtriseront cette couche d’infrastructure intermédiaire essentielle, à l’image de ce qu’ont fait SWIFT ou Visa dans la finance traditionnelle, captureront une valeur considérable dans le paysage financier des dix prochaines années.

Foresight NewsIl y a 19 mins

Tirer parti de la fusion entre fonds traditionnels et DeFi : qui pourra saisir les opportunités de la décennie à venir des RWA ?

Foresight NewsIl y a 19 mins

La CFTC accuse une entreprise de Caroline du Nord d'une fraude de 14 millions de dollars via un pool de matières premières sur cryptos et contrats à terme

La Commodity Futures Trading Commission (CFTC) américaine a engagé une action civile contre Trevor Vernon et la société Argent Capital Management LLC, basée en Caroline du Nord. Les régulateurs accusent les défendeurs d'avoir exploité un pool de matières premières illégal, recueillant près de 14 millions de dollars d'environ 60 investisseurs pour trader des cryptomonnaies, des contrats à terme et des options. La plainte affirme que Vernon se présentait comme un trader expérimenté grâce à des communications trompeuses sur la performance. En réalité, le pool aurait subi des pertes importantes et constantes, s'élevant à au moins 8,6 millions de dollars, contrairement aux affirmations de rentabilité. De plus, Argent Capital Management n'était pas enregistrée auprès de la CFTC, et Vernon aurait faussement présenté l'entité comme régulée. Les autorités l'accusent également d'avoir fait des déclarations mensongères sous serment durant l'enquête. La CFTC demande des sanctions pénales civiles, la restitution des fonds aux investisseurs, le remboursement des profits illégaux, ainsi que des interdictions permanentes de trading et d'enregistrement pour Vernon. Cette action, en cours devant le tribunal fédéral du district occidental de Caroline du Nord, souligne la vigilance continue des régulateurs concernant les programmes d'investissement non enregistrés impliquant des cryptomonnaies et des produits dérivés.

TheNewsCryptoIl y a 45 mins

La CFTC accuse une entreprise de Caroline du Nord d'une fraude de 14 millions de dollars via un pool de matières premières sur cryptos et contrats à terme

TheNewsCryptoIl y a 45 mins

Génération d'images par IA accélérée de 1000% sans entraînement, méthode : le « pipeline en trois étapes » le plus simple

Le modèle de génération d’images par IA MrFlow (Multi-Resolution Flow Matching), développé par une équipe de recherche de l’Université de Beihang, de NTU et de l’ETH, propose une accélération significative sans entraînement supplémentaire. Basé sur un pipeline en trois étapes simples, il permet de réduire le temps de génération d’images de haute résolution tout en préservant la qualité. L’approche repose sur trois phases : 1. Génération de structure à basse résolution (12 étapes) pour capturer la composition globale, les couleurs et la sémantique. 2. Sur-échantillonnage dans l’espace pixel à l’aide d’un modèle pré-entraîné comme Real-ESRGAN pour obtenir une image haute définition tout en conservant la clarté structurelle. 3. Raffinement haute résolution en une seule étape, après ajout d’un faible bruit, pour corriger les détails et assurer la cohérence sémantique avec l’invite. Cette méthode atteint une accélération de 10,35× sur des modèles comme Qwen-Image, réduisant le temps de génération de 49,32 s à 4,77 s, avec une perte de qualité inférieure à 1 %. Contrairement aux autres méthodes d’accélération sans entraînement, MrFlow évite les artefacts flous ou les déformations locales grâce au sur-échantillonnage en espace pixel. Elle est compatible avec plusieurs modèles avancés (FLUX.1-dev, SD3, etc.) et peut être combinée à des techniques de distillation pour une accélération supplémentaire. Le code est open source, incluant un plugin ComfyUI pour une utilisation facile.

marsbitIl y a 1 h

Génération d'images par IA accélérée de 1000% sans entraînement, méthode : le « pipeline en trois étapes » le plus simple

marsbitIl y a 1 h

Trading

Spot
活动图片