SocialFi赛道新项目T2T2,能否接棒Friend.tech引领新浪潮 ?

Odaily星球日报Dipublikasikan tanggal 2023-11-02Terakhir diperbarui pada 2023-11-02

Abstrak

随着牛市呼声越来越强烈,SocialFi无疑将成为最热门的趋势之一。

原文作者:马丁 Talk

Friend.tech 的出现,在 SocialFi 领域掀起了新一轮的热潮。凭借基于 Key 的权益、联合曲线的社交裂变机制以及 FOMO 效应,Friend.tech 在短期内吸引了大量关注,该协议上线当天就产生了超过 13 万笔交易。在 Friend.tech 取得亮眼的成绩的后,SocialFi 应用如 Words.art,Stars Arena,Post.tech 等纷纷涌现,其中也包括即将在Bitget 新一期 LaunchPad 上线的新项目 T2T2 。

T2T2 与上述 SocialFi 应用存在显著差异,显示出强劲的增长潜力。今天,我们将深入探讨这个项目。

1. 功能层面

与 Friend.tech 一样,T2T2 也采用了联合曲线模型。Friend.tech 规模性吸引用户的关键就在于此,但其功能抓手较为单一,并没有为进一步建立新的延伸场景而作过多的设计,这也让注意力仅仅能够在小范围内转化为价值,发展上限存在一定的瓶颈。

T2T2在 Friend.tech 的买卖 Keys 模式上,新引入了聊天室为用户提供了更为丰富的在线社交机会。通过与推特的连接,用户可以实时获取到 New Posts 榜单的信息,进一步增强了社交体验。

其次,T2T2 正在构建一个全民参与的粉丝经济体系,它激励用户通过交易朋友房间的 Key,将 Key 视为一种全新的社交关系资产,创造新的社交关系,实现社交关系和经济价值的紧密结合。T2T2 推出的“Learn to Earn”玩法允许用户学习特定知识并获得$T−Point 积分;而“Task to Earn”玩法使 T2T2 具备了Web3任务平台的应用前景。Web3项目方发布特定任务后,用户完成任务即可获得包括$T-Point 积分、代币、NFT、TAT 和白名单特权等在内的多种奖励。

2. 社交属性

深入研究会发现,Friend.tech 等 SocialFi 产品实现用户留存的关键因素在于联合曲线带来的收益预期以及 KOL 自身的影响力。然而,当房间内的 Key 价值不断攀升时,新用户进入房间的成本会变得极高,而早期用户更倾向于套现离场,长期来看,这种模式容易陷入死亡螺旋。因此,这种简单的纽带难以让应用与用户建立长期粘性关系。

相比之下,T2T2 的定位更偏向于社交化,即成为好友、家庭亲友等群体建立社交联系的工具。用户可以通过Web2社交图谱来建立以家庭、爱好喜好等为纽带的小规模房间进行特定范围的社交交流(类似于微信上的聊天群)。未来,T2T2 中可能会涌现大量零散的小规模房间,其他用户加入其中的成本相对较低,并且持有者因更为具象化的社交关系而更倾向于长期持有 Key。这样可以让用户回归到社交的乐趣中,而投机将不再是用户加入房间的主要目的。

3. 裂变效应

T2T2 的另一个独特之处在于,它既兼顾了基于联合曲线的 SocialFi 裂变效应,同时新引入的“Task to Earn”、“Learn to Earn”等新玩法使其生态更加多元化。这使得 Web3 营销与全新的 SocialFi 模型相结合成为可能,并促进私域流量转化为公域流量。这不仅能够提高用户的粘性和留存率,作为全新的 Web3 项目营销工具,T2T2 在帮助 Web3 项目与用户进一步绑定的同时,也能通过与 Web3 项目的长期合作中,捕获 Web3 项目的用户。

结语

SocialFi 一直被认为是加密行业的热门方向之一,也被视为开启下一轮牛市的重要推动力。

随着 Friend.tech 引发的 SocialFi 热潮,越来越多的项目涌现,为用户带来更丰富的功能和更流畅的社交体验。在这些项目中,T2T2 脱颖而出,它通过融合多个领域和赛道来构建一个社交属性更强的生态。正因如此,Bitget 选择 T2T2 作为新一期的 LaunchPad。

随着牛市呼声越来越强烈,SocialFi 无疑将成为最热门的趋势之一,也期待 T2T2 接下来的发展和表现。

Bacaan Terkait

Dari Ethereum ke "CROPS" AI: 'Variabel Lambat' yang Ditekankan Berulang oleh Vitalik Ini, Apa Sebenarnya?

Dalam beberapa kali kesempatan, Vitalik Buterin menekankan konsep "CROPS," singkatan dari Censorship Resistance (Tahan Sensor), Capture Resistance (Tahan Penangkapan), Open Source (Sumber Terbuka), Privacy (Privasi), dan Security (Keamanan). Konsep ini merupakan panduan inti bagi Ethereum Foundation, memfokuskan sumber dayanya untuk membangun kemampuan dasar yang memungkinkan pengguna mengelola aset, identitas, dan transaksi tanpa bergantung pada platform tunggal atau menyerahkan kendali akhir. Signifikansi CROPS semakin kritis dengan kemunculan AI, khususnya AI Agent yang menangani tugas seperti manajemen aset dan eksekusi transaksi otomatis. Tantangan utama adalah memastikan bahwa ketika AI bertindak sebagai perwakilan digital, ia tidak menjadi "kotak hitam" yang mengorbankan privasi, keamanan, dan kedaulatan pengguna. Oleh karena itu, diperlukan "CROPS AI" – AI yang dapat berjalan secara lokal, mengurangi ketergantungan pada layanan cloud terpusat, serta transparan dan terverifikasi. Terdapat titik temu antara "CROPS Ethereum Access Layer" dan "CROPS AI." Keduanya berusaha menjawab pertanyaan serupa: bagaimana pengguna dapat mengakses kemampuan jarak jauh (seperti RPC blockchain atau model bahasa besar/LLM) tanpa mengekspos informasi pribadi, identitas, atau niat mereka secara penuh? Solusi yang diusulkan termasuk penggunaan bukti tanpa pengetahuan (zero-knowledge proofs) untuk panggilan LLM berbayar yang privat dan pembacaan RPC Ethereum yang aman. Pada akhirnya, CROPS bukan sekadar konsep abstrak. Dalam era di mana AI semakin menguasai dunia digital, prinsip-prinsip ini akan membentuk arah pengembangan produk Web3, terutama di lapisan dompet digital, untuk memastikan pengguna tetap memegang kendali atas kehidupan digital mereka. Ini adalah variabel jangka panjang yang menentukan nilai Ethereum di masa depan.

marsbit6m yang lalu

Dari Ethereum ke "CROPS" AI: 'Variabel Lambat' yang Ditekankan Berulang oleh Vitalik Ini, Apa Sebenarnya?

marsbit6m yang lalu

"Bapak Godfather Venture Capital" Lembah Silikon Steve Hoffman: Web3 + AI Bisa Jadi Sebuah Jebakan

Stevie Hoffman, "Godfather of Silicon Valley Venture Capital", menyatakan bahwa integrasi Web3 dan AI bisa menjadi sebuah jebakan. Dalam wawancara, ia berbagi pandangannya tentang tren AI global dan peluang startup. Hoffman percaya Silicon Valley akan tetap memimpin riset dasar model AI canggih, sementara China akan unggul dalam implementasi aplikasi praktis dan dominasi di bidang robotika. Ia menekankan pentingnya pendekatan "Global from Day 1" untuk startup, karena adaptasi nanti jauh lebih sulit dan mahal. Mengenai Autonomous Agents, Hoffman memperkirakan titik balik nyata di mana agen dapat berkolaborasi secara mandiri akan datang dalam 2-4 tahun, yang akan menyebabkan penggantian tenaga kerja berskala besar. Solusinya adalah mendesain bisnis untuk kolaborasi manusia-AI, bukan otomatisasi penuh, serta reformasi sistem pelatihan ulang dan jaminan sosial. Untuk startup AI awal, saran Hoffman adalah fokus pada inovasi mendalam di ceruk vertikal spesifik yang membutuhkan keahlian domain, karena ini adalah benteng pertahanan terhadap raksasa teknologi. Kecepatan iterasi adalah parit pertahanan terpenting. Dalam menanggapi pertanyaan tentang Web3 + AI, Hoffman dengan tegas menyatakan bahwa bagi kebanyakan konsumen dan bisnis mainstream, Web3 menambah friksi dan kompleksitas tanpa menyelesaikan kebutuhan inti mereka. AI adalah teknologi dasar universal yang benar-benar mengubah industri. Memaksakan integrasi Web3 dan AI adalah sebuah jebakan yang menambah kompleksitas tanpa melipatgandakan nilai bagi pasar mainstream. Hoffman juga membagikan rencana nirlabanya untuk mendirikan pusat penelitian di universitas guna melatih calon pemimpin dalam inovasi AI yang bertanggung jawab dan selaras dengan nilai-nilai inti manusia.

marsbit1j yang lalu

"Bapak Godfather Venture Capital" Lembah Silikon Steve Hoffman: Web3 + AI Bisa Jadi Sebuah Jebakan

marsbit1j yang lalu

Token Tidak Ekonomis, Ekonomi Tidak Token

Dengan rencana IPO OpenAI dan investasi besar dari raksasa seperti Berkshire Hathaway di Alphabet, industri AI kini mencapai titik balik penting. Dua narasi utama mendominasi: "kekurangan dana" dan "pemisahan aset" (spin-off). Kekurangan dana terjadi karena struktur biaya AI yang unik. Berbeda dengan platform internet tradisional di mana biaya marjinal mendekati nol, model AI seperti ChatGPT justru meningkatkan biaya komputasi (inference cost) seiring pertumbuhan pengguna. Selain itu, pola investasi seperti "kredit cloud" yang digunakan Microsoft untuk mendanai OpenAI menciptakan "pencatatan sirkular", di mana uang yang sama dihitung sebagai pendapatan, menyamarkan tekanan arus kas yang sebenarnya. OpenAI, misalnya, diperkirakan baru akan profit pada 2029. Di sisi lain, tren spin-off aset AI oleh perusahaan besar (seperti Ke Ling dari Kuaishou dan Kunlunxin dari Baidu) mengungkap logika valuasi baru. Di dalam perusahaan induk, unit AI sering dianggap sebagai pusat biaya yang menekan margin. Namun, setelah dipisah, aset yang sama bisa mendapatkan valuasi 3x lipat lebih tinggi di pasar modal, karena dinilai berdasarkan kelangkaan, prospek pertumbuhan, dan potensi ceruk pasar sebagai "aset infrastruktur AI". Perubahan ini menandai pergeseran mendasar dari narasi yang didominasi teknologi menjadi efisiensi modal. Industri bergerak dari "kultus model" terkuat menuju "realisasi nilai" yang dapat dikomersialkan. Inti persaingan mulai bergeser dari perlombaan daya komputasi chip tunggal (GPU) menuju efisiensi sistemik menyeluruh, di mana CPU dan perangkat lunak orchestration menjadi krusial untuk profitabilitas. Singkatnya, tahun 2026 menjadi momen penentuan di mana industri AI harus menjawab pertanyaan mendasar: berapa sebenarnya nilai teknologi ini? Jawabannya akan membentuk lanskap kekuatan industri untuk dekade mendatang.

marsbit1j yang lalu

Token Tidak Ekonomis, Ekonomi Tidak Token

marsbit1j yang lalu

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

Pada tahun 2026, titik balik global AI muncul: belanja modal *inference* penyedia awan melebihi *training*, menandai pergeseran dari "membuat" ke "menggunakan" model besar. Hambatan utama bergeser dari daya komputasi ke "dinding memori"—bottleneck dalam memindahkan data (seperti berat model dan KV Cache) antara DRAM dan GPU, yang menyebabkan konsumsi energi tinggi dan penundaan. Arsitektur alternatif seperti Cerebras menawarkan solusi radikal melalui Wafer-Scale Engine (WSE). Daripada memotong wafer, Cerebras menggunakannya utuh sebagai satu chip raksasa (WSE-3), menampung 44GB SRAM *on-chip* dengan bandwidth 21 PB/detik—ribuan kali lebih cepat dari HBM tradisional. Ini memungkinkan aliran berat model dari memori eksternal (MemoryX) ke chip dengan latency sangat rendah, meningkatkan kecepatan *token* inferensi hingga 1,5–5x dibandingkan GPU seperti NVIDIA B200. Selain itu, daya interkoneksinya jauh lebih efisien (0,15 pJ/bit vs 10 pJ/bit GPU). Namun, pendekatan ini menghadapi tantangan: skala SRAM terhambat batas fisik, memerlukan sistem pendingin khusus, bandwidth I/O eksternal terbatas, dan ekosistem perangkat lunaknya yang kurang umum. Sementara itu, raksasa teknologi merespons dengan tiga jalur: chip ASIC khusus inferensi (seperti Microsoft Maia), kemasan *wafer-scale* yang semakin umum (misal, TSMC SoW), serta eksplorasi interkoneksi optik. Tekanan komersial juga besar bagi Cerebras, yang kini harus membangun pusat data skala besar untuk memenuhi pesanan. Intinya, tidak ada solusi sempurna. Cerebras mengoptimalkan latency ekstrem untuk beban kerja tertentu, sementara NVIDIA mempertahankan fleksibilitas untuk beban beragam. Pertarungan arsitektur ini masih terbuka dalam lanskap komputasi AI yang terus berubah.

marsbit1j yang lalu

Melampaui 'Tembok Memori', Revolusi Tingkat Wafer dan Rute Kekuatan Komputasi di Era Inferensi AI

marsbit1j yang lalu

Trading

Spot
Futures
活动图片