IOSG|叛离与独立:重新审视应用链论点

深潮Publié le 2025-08-11Dernière mise à jour le 2025-08-12

由于具备品牌、用户心智与高度定制化的链上能力,Appchain 可以更好地沉淀长期用户价值。

撰文:Jiawei @IOSG

三年前,我们写过一篇 Appchain 的文章,起因是 dYdX 宣布将其去中心化衍生品协议从 StarkEx L2 迁移到 Cosmos 链上,将其 v4 版本作为基于 Cosmos SDK 和 Tendermint 共识的独立区块链推出。

在 2022 年,Appchain 可能是相对边缘的技术选项。步入 2025 年,随着越来越多 Appchain,特别是 Unichain 和 HyperEVM 的推出,市场的竞争格局正在悄然变化,并且形成了围绕 Appchain 所展开的趋势。本文将从此出发,讨论我们的 Appchain Thesis。

Uniswap 和 Hyperliquid 的选择

Source: Unichain

关于 Unichain 的构想出现得很早,Nascent 创始人 Dan Elitzer 在 2022 年就发表了 The Inevitability of UNIchain,提出 Uniswap 的体量、品牌、流动性结构以及对性能和价值捕获的需求,指向其推出 Unichain 的必然性。从那时起就一直有关于 Unichain 的讨论。

Unichain 在今天 2 月正式推出,已经有超过 100 个应用程序和基础设施提供商在 Unichain 上构建。目前 TVL 约为 10 亿美金,排在众多 L2 的前五。未来还将推出 200ms 区块时间的 Flashblocks 和 Unichain 验证网络。

Source: DeFiLlama

而作为 perp 的 Hyperliquid 显然从 day 1 就有 Appchain 和深度定制化的需求。在核心产品之外,Hyperliquid 还推出了 HyperEVM,与 HyperCore 一样,由 HyperBFT 共识机制保护。

换句话说,在其本身强大的 perp 产品之外,Hyperliquid 还在探索构建生态的可能性。目前 HyperEVM 生态已经有超过 20 亿美金的 TVL,生态项目开始涌现。

从 Unichain 和 HyperEVM 的发展,我们可以直观地看到两点:

L1/L2 竞争格局开始分化。Unichain 和 HyperEVM 生态 TVL 加起来超过 30 亿美元。这些资产在过去本应沉淀在以太坊、Arbitrum 等通用型 L1/L2 上。顶级应用自立门户直接导致了这些平台的 TVL、交易量、交易费用和 MEV 等核心价值来源的流失。

过去,L1/L2 与 Uniswap、Hyperliquid 这类应用是共生关系,应用为平台带来活跃度和用户,平台为应用提供安全和基础设施。现在,Unichain 和 HyperEVM 自己成为了平台层,与其他 L1/L2 形成了直接的竞争关系。它们不仅争夺用户和流动性,也开始争夺开发者,邀请其他项目在自己的链上构建,这从很大程度上改变了竞争格局。

Unichain 和 HyperEVM 的扩张路径与现在的 L1/L2 截然不同。后者往往是先建基础设施,再用激励吸引开发者。而 Unichain 和 HyperEVM 的模型是「产品优先」——它们首先拥有一个经过市场验证、拥有庞大用户基础和品牌知名度的核心产品,随后围绕这个产品来构建生态和网络效应。

这种路径的效率和持续性更高。它们不需要通过高额的开发者激励「购买」生态,而是通过核心产品的网络效应和技术优势「吸引」生态。开发者之所以选择在 HyperEVM 上构建,是因为那里有高频交易用户和真实的需求场景,而不是因为虚无缥缈的激励承诺。显然这是一种更为有机和可持续的增长模式。

过去三年什么改变了?

Source: zeeve

首先是技术栈的成熟和第三方服务提供商的完善。三年前,构建 Appchain 需要团队掌握区块链的全栈技术,而随着 OP Stack、Arbitrum Orbit、AltLayer 等 RaaS 服务的发展与成熟,从执行、数据可用性到结算和互操作,开发者可以像选用云服务一样,将各个模块化按需组合,极大降低了构建 Appchain 的工程复杂度和前期资本投入。运营模式从自建基础设施转变为购买服务,为应用层创新提供了灵活性和可行性。

其次是品牌和用户心智。我们都知道注意力是稀缺资源。用户往往忠于应用的品牌,而非底层技术设施:用户使用 Uniswap 是因为其产品体验,而不是因为它运行在以太坊上。而随着多链钱包的广泛采用以及 UX 的进一步改善,用户在使用不同链的时候近乎是无感知的——他们的接触点往往首先是钱包和应用。而当应用构建自己的链,用户的资产、身份和使用习惯都沉淀在应用生态内,形成强大的网络效应。

Source: Token Terminal

最重要的是应用对经济主权的追求在慢慢凸显。在传统的 L1/L2 架构中,我们可以看到价值流动呈现明显的「自顶向下」趋势:

  1. 应用层创造价值(Uniswap 的交易、Aave 的借贷)

  2. 用户为使用应用支付费用(application fees+ gas fee),这些费用的一部分给协议,一部分给 LP 或其他参与者

  3. 其中的 gas 费用 100% 流向 L1 验证者或 L2 排序器

  4. MEV 被搜索者、构建者和验证者按不同比例瓜分

  5. 最终 L1 的代币通过质押捕获除 app fee 外的其他价值

在这个链条中,创造最多价值的应用层反而捕获最少。

根据 Token Terminal 统计,在 Uniswap 64 亿美元的总价值创造中(包括 LP 收益、gas 费等等),协议 / 开发者、股权投资者和代币持有者所获得的分配还不到 1%。而自推出起,Uniswap 为以太坊创造了 27 亿美金的 gas 收入,这大概是以太坊收取的结算费用的 20%。

而如果应用有自己的链,会怎么样呢?

它们可以将 gas 费收归己有,用自己的代币作为 gas token;并且把 MEV 内部化,通过控制排序器来最小化恶意 MEV,将良性 MEV 返还给用户;或是定制费用模型,实现更复杂的费用结构等等。

这样看来,寻求价值的内化成为应用的理想选择。当应用的议价权足够大,自然会要求更多的经济利益。因此优质应用对底层链是弱依附关系,而底层链对优质应用是强依附关系。

小结

Source: Dune@reallario

上图粗略对比了 2020 年至今协议(红色)和应用(绿色)的收入。我们显然可以看到应用捕获的价值在逐渐上升,并在今年达到约 80% 的水平。这可能在某种程度上推翻了 Joel Monegro 著名的关于「胖协议瘦应用」的理论。

我们正在见证「胖协议」理论向「胖应用」理论的范式转移。回顾过去加密领域对项目的定价逻辑,主要是以「技术攻关」和底层基础设施的推动为核心的。未来则会逐步转向以品牌、流量与价值捕获能力为锚点的定价方法。如果应用可以轻松地基于模块化服务构建自己的链,L1 传统的「收租」模式就会受到挑战。就像 SaaS 的兴起降低了传统软件巨头的议价能力,模块化基础设施的成熟也在削弱 L1 的垄断地位。

未来头部应用的市值无疑会超过多数 L1,L1 的估值逻辑将从以往的「捕获生态总价值」转变为一个稳定、安全的去中心化「基础设施服务提供商」,其估值逻辑将更接近于产生稳定现金流的公共产品,而非能够捕获大部分生态价值的「垄断性」巨头。其估值泡沫会在一定程度上被挤压。L1 也需要重新思考自身定位。

关于 Appchain,我们的观点是:由于具备品牌、用户心智与高度定制化的链上能力,Appchain 可以更好地沉淀长期用户价值。在「胖应用」时代下,这些应用不仅可以捕获自己创造的直接价值,还能围绕应用自身构建区块链,进一步将其外化并捕获基础设施的价值——它们既是产品,又是平台;既服务终端用户,又服务其他开发者。除了经济主权外,顶级的应用还将寻求其他主权:协议升级的决定权、交易排序和审查抵抗和用户数据的所有权等等。

当然,本文主要在已经推出 Appchain 的 Uniswap 和 Hyperliquid 等顶级应用的语境下探讨。Appchain 的发展仍在早期阶段(Uniswap 的 TVL 在以太坊上占比仍然有 71.4%)。而对类似 Aave 等涉及到包装资产和抵押品、高度依赖一条链上的可组合性的协议,也不太适合 Appchain。相对来说,对外部需求只有预言机的 perp 就更适合 Appchain。并且,Appchain 对于中腰部的应用来说并非是最佳选择,需要具体情况具体分析。这里就不再展开叙述。

Lectures associées

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

Alors que l'IA écrit du code, traite des tickets clients et révise des documents juridiques, elle ne se contente plus d'être un outil mais devient une source directe de travail. La commercialisation de l'IA évolue ainsi d'un marché de « jetons » (tokens) ou d'heures de GPU vers un nouveau marché : celui de la « main-d'œuvre machine ». Dans ce marché, le jeton n'est qu'une unité de mesure, le GPU un intrant, et le modèle un outil de production. L'objet véritablement tarifé et échangé est le travail économique accompli directement par le logiciel. Le mécanisme de prix de l'IA devrait évoluer des jetons bruts vers des capacités de modèles standardisées, puis vers une main-d'œuvre sectorielle, et enfin vers un marché de résultats programmables. À l'avenir, les entreprises pourraient ne plus se soucier du modèle ou du GPU spécifique utilisé, mais uniquement du fait que la tâche soit livrée dans des délais, avec un taux de précision, une fiabilité et un coût conformes aux standards. Ce changement ne signifie pas un simple remplacement du travail humain. Alors que la machine assume des tâches standardisées et vérifiables, le rôle humain pourrait se déplacer vers la supervision, la responsabilité finale, la gestion du contexte et les jugements critiques. Dans certains cas, les 1% de jugement humain final pourraient gagner en valeur, car ils permettent de débloquer les 99% d'automatisation à grande échelle. Le marché évolue donc vers une couche où le « travail » lui-même devient l'unité stable, standardisée, vérifiable et négociable. La prochaine phase de concurrence ne portera pas seulement sur la puissance des modèles ou le prix du calcul, mais sur la capacité à standardiser, vérifier et tarifer le « travail » accompli, faisant de la main-d'œuvre machine une nouvelle ressource productive que l'on peut acheter, facturer et échanger.

marsbitIl y a 1 h

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

marsbitIl y a 1 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

Dans un article intitulé "La réduction de 99% du prix de MiMo de Xiaomi n'est pas du marketing ! Luo Fuli répond aux détracteurs sur X", Luo Fuli, responsable de MiMo, a publié un billet de blog technique de 5000 mots pour expliquer la baisse drastique des prix de l'API MiMo-V2.5. Contrairement aux interprétations initiales d'une guerre des prix ou d'une stratégie de perte, cette réduction de 99% concerne spécifiquement le coût des entrées en cache ("Input Cache Hit"), c'est-à-dire la relecture du contexte historique dans les conversations longues. Le billet détaille six piliers d'ingénierie ayant permis cette réduction : 1. **Architecture Hybride SWA** : Réduction du volume de la mémoire cache (KVCache) à 1/7 grâce à une attention par fenêtre glissante sur 60 des 70 couches du modèle. 2. **Gestion en double pool** : Allocation efficace de la mémoire pour matérialiser les gains théoriques du SWA, multipliant par 5 le nombre d'utilisateurs simultanés par GPU. 3. **Cache de préfixe optimisé** : Augmentation du taux de réussite du cache à 93-95% en moyenne, évitant de recalculer les contextes répétés. 4. **Système de cache distribué GCache** : Stockage des données sur les SSD des machines GPU existantes, réduisant les coûts de stockage additionnels à zéro. 5. **Système de routage LLM-Router** : Optimisation de l'acheminement des requêtes pour maximiser l'utilisation du cache et améliorer les performances. 6. **Prédiction Multi-Token (MTP)** : Accélération de la génération des réponses du modèle, réduisant également les coûts de sortie. Cette chaîne d'optimisations systémiques a réduit le temps GPU par requête d'un ordre de grandeur, permettant une baisse de prix de 99% tout en maintenant une marge positive. Luo Fuli souligne qu'il s'agit d'un accomplissement d'ingénierie validé en production, et non d'une simple manœuvre marketing, offrant une référence pour réduire les coûts dans le secteur de l'IA.

marsbitIl y a 3 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

marsbitIl y a 3 h

Analyse rétrospective des opérations magistrales de Cathie Wood sur Circle

Cathy Wood (ARK) a réalisé une opération exemplaire sur l'action Circle, démontrant une maîtrise des mouvements de marché à court terme malgré son approche d'investissement habituellement tournée vers le très long terme. Elle a d'abord acquis près de 4,5 millions d'actions au prix d'introduction de 31 dollars, profitant ainsi de l'envolée initiale due à une faible offre flottante et une forte demande. Lorsque le titre a été propulsé à près de 300 dollars en juin 2025, porté par l'adoption du projet de loi sur les stablecoins (GENIUS Act), Wood a systématiquement vendu par tranches environ 1,7 million d'actions à un prix moyen d'environ 210 dollars, réalisant ainsi des plus-values substantielles. Cette décision était motivée à la fois par des règles internes de rééquilibrage de portefeuille et par l'anticipation de l'augmentation future de l'offre d'actions. Par la suite, face à la chute de l'action (jusqu'à -83% depuis son pic), Wood a racheté progressivement sa position initiale à des prix bien inférieurs (entre environ 50 et 130 dollars), portant son portefeuille à nouveau à environ 4,5 millions d'actions fin mars 2026. L'opération illustre trois principes clés : une conviction forte sur le modèle économique à long terme de Circle (stablecoin USDC), une exécution disciplinée par tranches sans chercher à prédire les sommets ou les creux, et le respect strict de règles de gestion des risques limitant le poids d'un titre dans le portefeuille.

marsbitIl y a 7 h

Analyse rétrospective des opérations magistrales de Cathie Wood sur Circle

marsbitIl y a 7 h

6 questions pour comprendre les tendances commerciales de l'IA

L'économie de l'IA est entrée dans sa phase d'« été », caractérisée par une coexistence entre le récit et la livraison concrète, où la rentabilité devient cruciale. Cette analyse s'appuie sur un cadre à six dimensions, chacune notée 1 point sur 2, pour un total de 6 points, situant le secteur en plein été (5-7 points). Les six dimensions évaluées sont : 1. **Narration vs Livraison** : Passage des promesses à des offres payantes (ex. : abonnements Doubao, publicité OpenAI). 2. **Connectivité système** : Les produits IA sortent de leur isolement pour s'intégrer aux workflows. 3. **Capacité de livraison** : L'IA est utilisée à grande échelle pour des tâches productives (ex. : milliards d'appels quotidiens sur Doubao). 4. **Rationalisation du ROI** : Les coûts (calcul, électricité) imposent une tarification et un calcul du retour sur investissement. 5. **Phénomène sectoriel** : Fin de la gratuité généralisée, début des discussions sur la profitabilité. 6. **Environnement capitalistique** : Les investissements continuent, mais les valorisations dépendent désormais des revenus. Deux signes récents illustrent cette transition : * **Doubao lance des abonnements payants** en raison des coûts astronomiques liés à ses centaines de milliards de requêtes quotidiennes. * **OpenAI lance une plateforme publicitaire** pour monétiser son immense audience et couvrir ses lourdes pertes. Pour les entreprises, la période estivale est le moment d'agir. La feuille de route proposée est en trois étapes : 1. **Démarrer petit** : Identifier un point de douleur précis, obtenir un résultat financier clair (économie/recettes) en moins de 3 mois. 2. **Répliquer et institutionnaliser** : Capitaliser sur les succès initiaux, créer des plateformes de partage de compétences en IA et adapter la structure organisationnelle (formation, incitations). 3. **Refondre par l'IA** : Repenser fondamentalement les processus pour une collaboration parallèle entre humains et IA, visant une automatisation intelligente des flux de travail. En résumé, l'été de l'IA est une phase de validation commerciale où la valeur tangible prime. La stratégie gagnante consiste à prouver la valeur sur un point précis, à l'étendre, puis à réinventer les processus métier autour de l'intelligence artificielle.

marsbitIl y a 13 h

6 questions pour comprendre les tendances commerciales de l'IA

marsbitIl y a 13 h

Trading

Spot
Futures
活动图片