EigenLayer 的经济模型失败了嘛?

链捕手Dipublikasikan tanggal 2024-08-16Terakhir diperbarui pada 2024-08-16

原标题:《Eigenlayer's economic model is broken》

作者:Zach Rynes | CLG

编译:Peisen,BlockBeats

 

编者按:

在研究了 Eigenlayer 节点运营商和用户之间的僵局、AVS 的经济负担以及预言机面临的技术挑战后,@ChainLinkGod 指出,Eigenlayer 经济模型的实际运作暴露出了一系列深层次的问题,其并未提供真正的解决方案来启动新的去中心化基础设施协议。

Eigenlayer 的经济模型出现了问题

该协议并未提供真正的解决方案来启动新的去中心化基础设施协议。

启动问题是经典的「鸡和蛋」问题,具体如下:

(1) 节点运营商不会加入并保护网络,除非这样做对他们有利可图。

(2) 用户不会付费使用网络,除非已经有一组节点运营商在保护网络。

因此,存在一个僵局,其中供应和需求的存在相互依赖。

这一僵局通过发行新代币来解决,通过代币通货膨胀补贴供应方,以确保节点加入是有利可图的——即使在网络本身尚未盈利之前。

然后,如果网络提供了有价值的服务,并且需求方的采用增加,用户费用的增长最终会取代补贴,使网络变得净盈利。

在 Eigenlayer 上启动的协议(AVS)仍然需要以完全相同的方式进行启动,但 Eigenlayer 的特性使得问题更加严重:

(1) AVS 放弃了代币的效用,因为其原生发行的代币不再是唯一的质押 / 担保资产,取而代之的是质押的 ETH/EIGEN。

(2) 由于 AVS 在起步阶段并不盈利,它们必须通过自身代币供应的通货膨胀来支付质押的 ETH/EIGEN——参与者对该 AVS 代币缺乏一致性,可能会出售以积累更多的 ETH/EIGEN。

(3) 对于任何成功的 AVS,它们将需要将收入让渡给 ETH/EIGEN 质押者,从而对协议造成净流失,因为收入流出其生态系统。

这种安排对资金充足或位置良好的项目没有意义,这些项目不需要削弱其代币的效用和价值来吸引资本和验证者。

任何成功并生成收入的 AVS 很可能会脱离 Eigenlayer,以保留更多的自身收入,并为其原生代币累积更多价值,就像许多 dApp 成为自己的 L2/L3/appChain 以捕获更多费用 /MEV 一样。

协议只有在以下情况下才会想要成为并保持 AVS:(1)其成本通过 EIGEN 代币通货膨胀得到补贴,(2)基于再质押炒作获得 VC 融资,或(3)通过类似于失败的 L1 转型为 L2 的叙事转变获得利益。

除了经济学方面,成为 AVS 并不意味着用户能够获得更高质量的服务或更优的安全保障。

特别是对于预言机,我们可以看到三大主要挑战:

(1) DevOps:节点运营商是否是知名的可靠实体,能够管理高性能且抗干扰的基础设施?其基础设施能否扩展到数千个数据源,并在极端区块链网络拥堵和对抗性 P2P 网络条件下保持低延迟?运营商能否及时识别和解决问题?

(2) 数据质量:运营商是否仅从具有严格准确性 / 可用性保证的高质量数据提供者处汇总数据?数据汇总方法是否能在极端市场波动期间反映资产的体积 / 流动性加权市场价格?网络参与者能否及时识别和解决数据提供问题?

(3) 代码质量:链上和链下代码是否抗操控和漏洞?是否有足够的第三方审计 / 评审,如果出现漏洞,问题能多快被识别和解决?

Eigenlayer 并未提供任何解决方案,因此,即使一个预言机 AVS 拥有大量质押的 ETH/EIGEN,这也无法保证该预言机的可靠性、准确性或性能。

迄今为止,预言机或桥尚未遭遇任何经济攻击,因为质押的担保物只是额外的安全层(协议可以更有效地自我提供的)。

Eigenlayer 转型并向 AVS 代币作为再质押资产的支持,实际上是承认 Eigen 的核心经济模型存在问题,从未合理,他们自己也在尝试找到对其 120 亿美元担保资产的收益。

在可预见的未来,Eigenlayer 仍将是 ETH 质押者的补贴收益池。

Bacaan Terkait

Collector Crypt Naik Jadi 'Mesin Cetak Uang' di On-Chain: Pengguna Aktif Kurang dari Seribu, Paus Besar Menopang 97% Pendapatan

Penulis: Nancy, PANews Proyek TCG Collector Crypt baru-baru ini menduduki peringkat 10 besar dalam daftar pendapatan protokol global dan pernah menjadi protokol dengan pendapatan tertinggi di Solana. Sebagai perwakilan dari sektor TCG yang ditokenisasi, platform ini menggabungkan kegembiraan koleksi dan "gacha" (buka paket) ke dalam blockchain. Pasar TCG on-chain mengalami pertumbuhan pesat, dengan volume transaksi Juni 2026 mencapai $490 juta, meningkat 7.6x dibandingkan tahun sebelumnya. Solana mendominasi 80.8% pangsa pasar ini, terutama didorong oleh Collector Crypt. Collector Crypt mendominasi pasar dengan volume transaksi kumulatif $1.4 miliar dan pendapatan protokol $68 juta. Pada Juni, platform ini menghasilkan pendapatan sekitar $13.4 juta. Namun, struktur pendapatannya sangat bergantung pada "paus" (whale). Data menunjukkan 0.6% pengguna (yang membelanjakan >$1 juta) menyumbang 51.8% pendapatan, dan secara keseluruhan, 14.6% pengguna teratas berkontribusi terhadap 97.1% pendapatan platform. Jumlah pengguna aktif hariannya kurang dari 1000 orang. Kesuksesan Collector Crypt didorong oleh mekanisme "gacha" on-chain, yang menyumbang hampir semua volume transaksinya, serta daya tarik IP Pokémon yang kuat. Token CARDS juga memainkan peran penting melalui mekanisme buyback ganda, meskipun perlu diperhatikan adanya potensi tekanan jual dari pembukaan kunci (unlock) token yang berkelanjutan. Secara keseluruhan, Collector Crypt telah membuktikan kelayakan model bisnis TCG on-chain, meskipun sektor ini masih dalam tahap awal dengan ketergantungan tinggi pada segelintir pengguna besar dan ruang untuk pertumbuhan yang lebih luas.

marsbit22m yang lalu

Collector Crypt Naik Jadi 'Mesin Cetak Uang' di On-Chain: Pengguna Aktif Kurang dari Seribu, Paus Besar Menopang 97% Pendapatan

marsbit22m yang lalu

Ratu Keamanan Komputer Dawn Song (宋晓冬) Bergabung dengan Meta

Profesor Dawn Song (Song Xiaodong) dari UC Berkeley, yang dijuluki sebagai "tokoh keamanan komputer nomor satu", bergabung dengan laboratorium Superintelligence Meta sebagai Wakil Presiden Penelitian AI. Dia akan melapor langsung kepada kepala lab, Nat Friedman. Song adalah peneliti berpengaruh di bidang keamanan komputer dan keamanan AI, penerima MacArthur Fellowship, serta anggota ACM, IEEE, dan AAAS. Karyanya yang terkenal termasuk "Dynamic Taint Analysis" (2005). Laboratoriumnya di UC Berkeley dianggap sebagai pusat pelatihan terkemuka di bidang keamanan komputer. Penelitian Song mencakup keamanan perangkat lunak, pembelajaran mesin adversarial, dan keamanan agen AI. Dia juga pendiri Oasis Labs dan Virtue AI, perusahaan yang fokus pada infrastruktur keamanan AI untuk perusahaan, terutama pengujian penetrasi (red-teaming) otomatis dan pengaman runtime untuk agen AI. Bersama Song, pendiri Virtue AI lainnya, Bo Li dan Sanmi Koyejo, serta beberapa anggota tim, juga bergabung dengan Meta. Langkah ini dilihat sebagai upaya Meta untuk memperkuat langkah-langkah keamanan dalam pengembangan agen AI, terutama setelah masalah keamanan model AI seperti Anthropic's mythos menarik perhatian industri. Meta ingin menerapkan AI ke dalam produk-produk sosialnya yang digunakan miliaran orang dan terus mengedepankan strategi sumber terbuka, sehingga membutuhkan kemampuan keamanan yang tangguh. Artikel ini juga menyebutkan bahwa Denny Zhou, pendiri Gemini Reasoning Team di Google, dilaporkan telah bergabung dengan Meta TBDLab beberapa bulan sebelumnya. Zhou adalah tokoh kunci di bidang penalaran AI, berkontribusi pada metode seperti Chain-of-Thought dan Self-Consistency, yang membantu mengembangkan kemampuan penalaran model bahasa besar.

marsbit55m yang lalu

Ratu Keamanan Komputer Dawn Song (宋晓冬) Bergabung dengan Meta

marsbit55m yang lalu

Kompetisi Kripto Lembaga Korea: Ledakan Stabilkoin dan RWA

Artikel ini membahas evolusi pasar kripto Korea Selatan, yang kini beralih dari fokus pada perdagangan ritel ke pembangunan infrastruktur blockchain institusional. Dua tren utama yang mendorong perubahan ini adalah stablecoin dan tokenisasi aset riil (RWA). Stablecoin won Korea yang diatur kini menjadi prioritas bagi regulator, bank, dan perusahaan untuk mencegah aliran keluar modal ke stablecoin dolar AS. Berbagai lembaga seperti KB Financial, Hana Financial, NH Nonghyup Bank, dan KBank sedang melakukan uji coba untuk pembayaran dan transfer lintas batas. Penyedia pembayaran seperti Shinhan Card, BC Card, dan Danal juga mengembangkan solusi. Platform internet seperti KakaoPay dan NAVER Pay, dengan basis pengguna yang luas, berencana mengintegrasikan stablecoin ke dalam ekosistem mereka. Bagi proyek kripto, sekarang adalah waktu yang tepat untuk menjalin kemitraan dengan lembaga-lembaga ini. Di sisi RWA, Korea Selatan memusatkan perhatian pada tokenisasi aset di sektor unggulannya seperti perkapalan, rantai pasok industri, dan kekayaan intelektual hiburan (K-pop). Perusahaan sekuritas seperti Mirae Asset dan Hanwha Investment sedang memimpin inisiatif ini. Kerangka regulasi yang jelas diharapkan berlaku pada awal 2027. Peluang bagi proyek kripto terletak pada penyediaan infrastruktur seperti saluran distribusi global, solusi likuiditas dan interoperabilitas lintas rantai, serta alat pendukung untuk lembaga. Akses ke pengguna akhir akan sangat bergantung pada platform konsumen utama seperti NAVER (yang berencana mengakuisisi operator Upbit, Dunamu), Kakao (mengembangkan dompet terpadu), dan Toss (dompet finansial semua dalam satu). Industri kripto Korea Selatan sedang mendekati titik kritis, di mana proyek-proyek yang dapat membangun kemitraan dan kasus penggunaan nyata dengan lembaga lokal akan membantu membentuk masa depan aset digital di negara tersebut.

Foresight News1j yang lalu

Kompetisi Kripto Lembaga Korea: Ledakan Stabilkoin dan RWA

Foresight News1j yang lalu

Bagaimana Menilai Keaslian Video AI? Merangkum Sistem Deteksi yang Dinamis, Dapat Dilacak, dan Dapat Diinterpretasikan

Bagaimana Menentukan Keaslian Video AI? Tinjauan Sistem Deteksi Dinamis, Dapat Dilacak, dan Dapat Dijelaskan Generasi video AI telah berkembang pesat, mencapai kualitas sinematis. Namun, deteksi video palsu tertinggal, menimbulkan risiko sosial. Makalah tinjauan ini menetapkan kembali tujuan deteksi menjadi **"verifikasi kesetiaan fakta"**, memeriksa apakah konten video selaras dengan dunia nyata. Video AI dikategorikan menjadi tiga paradigma: **Manipulasi Lokal (LMV)**, **Edit Audio-Visual (AVE)**, dan **Sintesis Video Generatif (GVS)**. Untuk mendeteksinya, tinjauan mengusulkan kerangka kerja **empat lapis dari perspektif ganda Visi-Bahasa**: 1. **Analisis Isyarat Visual Intrinsik**: Memeriksa anomali statistik tingkat rendah seperti pola noise dan sinyal fisiologis. 2. **Konsistensi Spasial-Temporal**: Menganalisis kelancaran gerakan objek dan dinamika adegan sepanjang waktu. 3. **Konsistensi Antarmoda**: Memverifikasi keselarasan antara elemen visual, audio, dan teks dalam video. 4. **Penalaran Tingkat Dunia Dipandu Bahasa**: Mengevaluasi konsistensi konten video dengan pengetahuan dunia nyata, fakta, dan hukum fisika menggunakan penalaran semantik. Fokus metode deteksi bergeser dari lapisan 1 & 2 (visi) ke lapisan 3 & 4 (bahasa) seiring membaiknya kualitas video AI. Evaluasi juga perlu berkembang melampaui metrik akurasi dasar, menuju sistem penilaian **dinamis yang mengutamakan bukti**, serta sistem deteksi yang **dapat dipercaya dan dijelaskan** dengan menggabungkan bukti visual dan penalaran semantik. Deteksi yang andal memerlukan kolaborasi antar bidang seperti Visi Komputer, NLP, dan pemahaman multimodal.

marsbit1j yang lalu

Bagaimana Menilai Keaslian Video AI? Merangkum Sistem Deteksi yang Dinamis, Dapat Dilacak, dan Dapat Diinterpretasikan

marsbit1j yang lalu

Trading

Spot
活动图片