预言机的演化史 ( 一 )：从数据桥到智能信任层

深潮Publié le 2025-11-12Dernière mise à jour le 2025-11-13

预言机既是连接，也是污染；既是突破，也是危机的起点。

撰文：0xhhh

一、引言：信任的盲点

区块链是一场关于信任的革命，但它的信任是封闭的。

它相信数学，却不相信世界。

早期的区块链像一个逻辑主义者：它坚信推理，却拒绝感知。

比特币信任哈希，不信任人；以太坊信任代码，不信任输入。

于是，当一个合约想问出「ETH 的价格是多少？」时，它陷入了沉默。

这不是技术缺陷，而是哲学的边界。

区块链的确定性来自于与外部世界的切割。

信任的源头，是孤立。

但没有连接，就没有意义。

人类构建信任体系的历史，就是不断让「系统」重新看见「现实」的过程。

预言机（Oracle），便是这道裂缝里伸出的第一只手。

它既是连接，也是污染；

既是突破，也是危机的起点。

二、第一阶段：洞穴的裂缝（2015–2018）

背景：封闭智能的孤岛

2015 年，以太坊把「代码即法律」带入世界。

但法律需要证据，而区块链上没有「外部事实」。

一个「基于天气赔付」的合约，无法知道今天是否下雨；

一个「跟踪股价」的合成资产，无法看到 Nasdaq。

智能合约成了柏拉图洞穴中的囚徒，只能凝视链上影子。

区块链的纯净，也成了它的桎梏。

问题：如何「看见」而不被污染

如何让区块链看到外部世界，却不被它污染？

信任外部数据意味着引入主观性、中心化，而区块链的存在目的正是要消除这两者。

于是，「可信输入」成了去中心化信任体系的第一道悖论。

技术演进

  • Oraclize（Provable）：通过 TLSNotary 证明数据确实来自特定源头。

  • Town Crier（Cornell）：利用 Intel SGX 可信执行环境进行安全数据读取。

  • Chainlink（2017）：提出去中心化预言机网络，节点抵押 LINK、聚合数据、形成加权共识。

信任的第一次呼吸

区块链让信任逻辑化；预言机让信任具象化。

机器第一次学会「相信」，而人类开始用算法定义真理。

三、第二阶段：真相的市场（2019–2021）

背景：DeFi 的信任饥荒

DeFi 的爆发让喂价成为系统生命线。

清算、衍生品、稳定币、合成资产，都依赖外部价格。

但价格操纵一次，就可能掀起连锁反应。

真相，变成可套利的资源。

技术演进

  • Tellor（TRB）：以抵押与质疑机制让真相在博弈中产生。

  • UMA（Optimistic Oracle）：默认信任，直到被质疑。

  • Kleros（PNK）：去中心化陪审团裁决事实争议。

  • Band Protocol / DIA：引入 API 层折中方案，平衡速度与可信度。

信任的博弈时代

Tellor 让真相成为博弈均衡，

UMA 让真相成为默认状态，

Kleros 让真相成为社会契约。

信任不再是名单，而是博弈的结果。

真相第一次被「市场化」。

四、第三阶段：时间的战争（2021–2023）

背景：真相的时延危机

在高频交易和清算的时代，延迟就是风险。

当真相比谎言慢，系统将惩罚真相。

技术演进

  • Pyth Network（PYTH）：由交易所直接签名报价，源头即节点。

  • RedStone（RED）：按需拉取喂价，执行即验证。

  • API3：第一方预言机，数据源自己签名自己发布。

  • Band Protocol：在 Cosmos 上实现跨链数据层。

当时间成为真理的形状

信任从「正确」转向「及时」。

预言机成为「时间的仲裁者」。

延迟，成为新的信任维度。

🔹 信任开始有价格：OEV 的觉醒（2023–2024）

OEV（Oracle Extractable Value）

—— 真相与时间之间的套利差。

价格更新的瞬间不仅是信息事件，更是价值事件。

真相的传播顺序开始决定财富的分配。

问题不再是「真不真」，而是「谁因真相得利」。

技术与机制演化

  • Chainlink OEV Network（2024）：创建 OEV 拍卖市场，让优先更新权可竞价。

  • Pyth / SEDA：通过时间戳签名与随机委员会抑制内部套利。

  • RedStone Pull 模式：天然消除时间差，不留套利窗口。

真相开始计价

OEV 让信任有了经济重量。

过去我们讨论「谁在说真话」，

现在要讨论「谁因真话获利」。

信任从事实验证扩展到价值治理。

五、第四阶段：智能与隐私的碰撞（2023–2025）

背景：AI 进入信任体系

AI 模型能判断市场、分析新闻，但它的「真伪」不可验证。

当机器开始判断真相，我们该如何判断机器？

技术演进

  • Oraichain（ORAI）：可验证 AI 推理（Proof of Execution）。

  • Phala / iExec：用 TEE 可信硬件生成远程证明。

  • SEDA / Supra / Entangle：融合 AI 验证与跨链同步。

理智的验证

当我们要求机器证明自己的理智，

Oracle 从「验证世界」变成「验证智能」。

信任扩展到判断层。

六、第五阶段：Agent 时代的信任重建（2025 →）

背景：AI Agent 崛起

AI Agents 已具备经济行为能力。

它们签合约、谈合作、执行交易。

但算法没有道德，只有输入。

当智能体互相交易，谁保证它们看到的是同一个世界？

技术演进

  • Sora Oracle（SORA）：AI Oracle + 支付协议 + 预测市场，形成认知自校体系。

  • Flux / OptionRoom：嵌入预测市场进行事实验证。

  • Orochi Network：构建机器身份体系，使判断可溯源。

信任的再造

当智能体成为社会主体，

人类从「信任承担者」变成「信任设计者」。

机器之间的信任，不是情感，而是协议。

Oracle 从数据接口，蜕变为文明结构。

七、尾声：从数据桥到智能信任层

十年演化，Oracle 的每次升级

都源自一次信任危机，也开拓了新的边界。

区块链让信任可计算；Oracle 让现实可计算；AI Oracle，让智能可计算。

Oracle 不再只是桥梁，

而是智能文明的信任层。

写在最后

如果区块链是文明的记忆层，Oracle 就是文明的感官层。

我们正在教机器一件前所未有的事：

如何诚实地感知。

当智能社会真正到来，Oracle 将不只是传递数据，而是传递真理的形式。

Lectures associées

Prévision du prix d'Ethena : La zone des 0,08 $ maintiendra-t-elle la reprise d'ENA en vie ?

Le prix d'Ethena (ENA) affiche une légère reprise depuis début juillet, gagnant 14,11% pour atteindre environ 0,082$ après avoir franchi la zone de résistance à court terme de 0,08$. Cependant, la tendance globale reste baissière, le token ayant chuté de 94% depuis son plus haut historique. L'annonce positive de l'intégration à la fonction "Earn" de Robinhood, ayant drainé des capitaux significatifs, contraste avec un transfert suspect de 1,231 milliard d'ENA entre portefeuilles inconnus. L'analyse technique révèle une structure baissière sur les graphiques hebdomadaires et journaliers. Bien qu'un rebond depuis le niveau de 0,08$ soit possible, il nécessiterait une pression d'achat soutenue. Les traders surveillent la zone de résistance pivot entre 0,105$ et 0,125$, qui pourrait offrir une opportunité de vente. Dans l'ensemble, le risque actuel est jugé élevé pour les trades directionnels, les signaux du marché restant mitigés entre développements positifs et pressions de vente sous-jacentes.

ambcryptoIl y a 29 mins

Prévision du prix d'Ethena : La zone des 0,08 $ maintiendra-t-elle la reprise d'ENA en vie ?

ambcryptoIl y a 29 mins

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

Le titre «Tout le monde accuse Claude d’être devenu bête, Anthropic révèle la vérité : ce n’est pas le modèle le problème» résume un malentendu répandu parmi les utilisateurs de Claude Code. Beaucoup pensent qu’un modèle plus grand signifie nécessairement une IA plus intelligente, ce qui les pousse à choisir des versions plus coûteuses comme Fable. Cependant, Anthropic a récemment clarifié cette confusion en expliquant la différence cruciale entre deux paramètres : le choix du modèle (Model) et le niveau d’effort (Effort). Le modèle détermine les capacités «gelées» de l’IA, basées sur des poids fixes acquis lors de l’entraînement. Il définit ce que l’IA sait ou ne sait pas faire. En revanche, le paramètre Effort contrôle l’«attitude» de Claude : à quel point il explore les fichiers, exécute des tests, vérifie ses réponses et persévère dans des tâches complexes. Un Effort élevé génère jusqu’à 7 fois plus de tokens qu’un Effort faible, car l’IA effectue plus de travail de fond. En mars, un changement par défaut du niveau d’Effort de «high» à «medium» a causé une impression généralisée que Claude était soudainement «devenu stupide», déclenchant des critiques sur GitHub. Anthropic a ensuite rétabli le paramètre par défaut et a souligné que, souvent, un modèle plus petit avec un Effort élevé peut surpasser un grand modèle avec un Effort faible. La clé est de diagnostiquer les erreurs : si Claude manque de persévérance (ne lit pas les fichiers, abandonne trop tôt), il faut augmenter l’Effort. S’il manque de connaissances malgré un contexte adéquat, il faut changer de modèle. Anthropic compare ainsi les modèles : Sonnet est un généraliste minutieux, Opus un expert rapide, et Fable un spécialiste pour les problèmes les plus complexes. Cet article marque un tournant : l’enjeu n’est plus seulement d’avoir le meilleur modèle, mais de savoir orchestrer intelligemment les agents IA. Bien paramétrer l’Effort et choisir judicieusement le modèle permet d’optimiser les performances et de réduire les coûts. Désormais, la compétence essentielle consiste à «donner du travail à l’IA» de manière efficace, pour exploiter pleinement son potentiel.

marsbitIl y a 32 mins

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

marsbitIl y a 32 mins

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

La Fondation Ethereum (EF) est en pleine restructuration. L'équipe de support protocolaire a été dissoute et au moins huit cadres ont démissionné cette année, marquant la plus importante réduction d'effectifs de l'EF à ce jour. Ces départs coïncident avec l'émergence d'organisations indépendantes comme ETHLabs et Ethereum Institutional, qui reprennent des fonctions autrefois assumées par la Fondation. La réforme interne, initiée par le co-fondateur Vitalik Buterin, visait à restructurer l'organisation. Un récent communiqué a annoncé le licenciement de 54 employés, soit 20% du personnel, qualifiant ces postes de non essentiels. Parallèlement, d'anciens membres de l'EF créent de nouvelles entités : ETHLabs se concentre sur la recherche et le développement pour faire d'Ethereum une couche de règlement mondiale, tandis qu'Ethereum Institutional promeut l'adoption institutionnelle de la blockchain. Simultanément, l'EF innove techniquement. Son équipe de sécurité a testé avec succès l'utilisation d'agents IA pour auditer le réseau Ethereum, découvrant une vulnérabilité réelle. Si l'EF affirme que l'IA ne remplace pas les chercheurs, elle pourrait à terme impacter sa structure. Face à ces changements et aux critiques sur sa gouvernance, l'influence centrale de l'EF sur l'écosystème semble diminuer. Certains observateurs suggèrent qu'elle pourrait évoluer vers un rôle plus symbolique, laissant des organisations plus agiles piloter l'adoption à grande échelle et le développement futur d'Ethereum.

marsbitIl y a 1 h

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

marsbitIl y a 1 h

La destruction de LIT, d'une valeur de 42 millions de dollars, est-elle suffisante pour déclencher la prochaine grande envolée de cet altcoin ?

Le token Lighter (LIT) a connu une hausse de 3,68% sur 24 heures et de 18% sur la semaine. Après un avertissement de sur-achat et une correction à 2,3$, le prix est remonté à 2,60$. Cet élan pourrait être lié au brûlage massif du 10 juillet de 15,6 millions de tokens LIT (valant 42 millions $), représentant 6,3% de l'offre en circulation. L'analyse technique sur le graphique journalier révèle une divergence baissière entre le RSI et le prix, signalant un risque de correction malgré une demande solide. Les niveaux de retracement de Fibonacci suggèrent qu'une chute sous 2,30$ pourrait entraîner un repli plus profond. Sur l'échelle de 4 heures, le prix évolue dans une fourchette entre 2,31$ et 2,68$. Les traders attendent une cassure haussière au-dessus de 2,70$ pour viser 3,06$ et 3,21$. À l'inverse, une rupture sous 2,31$ rendrait un retrait sous les 2$ plus probable. En résumé, la dynamique reste globalement haussière malgré les signaux techniques de prudence, et la prochaine impulsion dépendra de la sortie de la fourchette de trading actuelle.

ambcryptoIl y a 3 h

La destruction de LIT, d'une valeur de 42 millions de dollars, est-elle suffisante pour déclencher la prochaine grande envolée de cet altcoin ?

ambcryptoIl y a 3 h

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

Près d'une centaine d'acteurs se ruent dans le secteur des données d'embodiment : 44,7 milliards de yuans levés en un an, mais qui peut vraiment gagner de l'argent en "vendant des données" ? Le secteur des données pour l'intelligence incarnée (embodiment) est en plein essor, avec 97 acteurs identifiés en Chine, dont 70 dans la collecte et 27 dans l'infrastructure. Sur un an, 15 prestataires de services indépendants spécialisés ont levé environ 44,7 milliards de yuans, un montant modeste comparé aux investissements totaux dans l'embodiment. La collecte s'organise autour de quatre approches principales : téléopération de robots physiques, collecte sans robot (via capteurs de mouvement), synthèse par simulation et distillation de vidéos internet. La plupart des acteurs combinent plusieurs méthodes. Les prestataires indépendants constituent le groupe le plus important (40%), devant les plateformes publiques (26%) et les fabricants de robots (25%). La capacité de production annuelle actuelle est estimée entre 1,6 et 1,8 million d'heures de données, avec un objectif de multiplication par 15 à 20 d'ici 1 à 3 ans. Des "usines à données" sont implantées dans 20 provinces, principalement dans les régions côtières développées. Le financement reste concentré sur des sociétés en phase précoce ; plus de la moitié des prestataires indépendants financés ont moins d'un an. La startup Lightwheel AI se distingue, ayant levé 31 milliards de yuans et atteint une valorisation de plus de 20 milliards de dollars. Cependant, les investisseurs restent prudents, aucun n'ayant effectué de pari massif sur le secteur. En résumé, le marché des données d'embodiment est devenu une piste indépendante et créatrice d'emplois, mais il en est encore à ses débuts. La viabilité commerciale d'un modèle basé sur la seule vente de données n'est pas encore démontrée. Les prochaines années seront cruciales pour vérifier si ces "vendeurs de pelles" peuvent réellement être rentables.

marsbitIl y a 3 h

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

marsbitIl y a 3 h

Trading

Spot
活动图片

Catégories populairesright-arrow

Tags tendancesright-arrow