纯TVL/FDV角度出发探讨公链潜力(最新数据)

Odaily星球日报Dipublikasikan tanggal 2024-11-21Terakhir diperbarui pada 2024-11-21

Abstrak

SOL和SUI已经相继起飞,其他公链是否能跟上,单纯从数据侧做了一张各大热门公链TVL与市值对比图。

纯TVL/FDV角度出发探讨公链潜力(最新数据)

如图所示从 TVL(总锁定价值)、FDV(全流通市值)和 TVL/FDV 比值这几个关键指标来看,可以大致判断这些公链的“盘子大小”、市场预期以及有没有“低估潜力”。
简单来说,TVL 代表钱进来的多少,FDV 是市场给这个项目画的大饼,而 TVL/FDV 就是看看这个饼到底是实打实的,还是虚的。下面来逐一掰扯一下。

1. TVL——锁仓金额越高,生态越“吸金”

这是最直观的指标,锁了多少钱就代表生态有多“养活人”。
从表上看:

 Sui 锁了 20 亿美金,这个数字确实顶,但别急,看 FDV 再说话。

 Aptos 和 Optimism 都差不多锁了近 10 亿,这俩生态看起来稳得一批,资金活跃度在线。

  Merlin 虽然只有 1.78 亿,但在榜单里也不算垫底,吸金能力不差。

2. FDV——大饼画得够不够实在

FDV 就是市场给项目的“市值预期”。饼画得太大,但资金没跟上,那就是“泡沫危险区”;如果饼画得适中,锁仓资金比例又高,那就是“潜力股”。
来看看这些项目:

 Sui 的 FDV 直接飙到 370 亿,但 20 亿 TVL 撑不起来啊,这妥妥是“大饼画天上,资金在地下”。风险不小。

 TON 的 FDV 28 亿,TVL 才 3 亿,这个比值低得离谱,也有点像靠情怀和炒作硬撑着。

 反观 Merlin,FDV 只有 6.33 亿,TVL 却有 1.78 亿,说明市场对它的预期不算离谱,还有不少上升空间。

3. TVL/FDV——到底是真实力还是画饼高手?

这个比值就是看锁仓资金跟市值预期的比例,越高说明资金效率越高,发展越扎实。
来盘一下:

  CORE(0.45):这比值在榜上直接封神,钱来的多,饼画得小,基本没泡沫。要是资金流入继续增长,那爆发性一目了然。

 Merlin(0.28):排名第二的存在,锁仓资金占比不错,饼没画太大,稳扎稳打,挺适合埋伏。

 Optimism(0.13)和 Sei(0.10):中规中矩,不算低估,但也没什么特别惊喜,算是主流公链里的“稳健派”。

 Sui(0.05)和 TON(0.01):这俩直接把 TVL/FDV 拉到底,市场预期是天花板,锁仓资金却拉胯,看起来更像泡沫,不太适合追高。

TVL/FDV 比值高的,泡沫小,有潜力;比值低的,泡沫大,要小心。
结合上面这些数据:

高潜力选手:CORE 和 Merlin,都是实打实的资金利用率高,饼画得不离谱,生态稳健,尤其适合中期埋伏。

稳中求进的老油条:Optimism 和 Aptos,锁仓资金够大,虽然饼稍微画得大了点,但生态还在持续扩张,妥妥的大盘蓝筹。

泡沫嫌疑选手:Sui 和 TON,这俩太“拉胯”了,光靠 FDV 画大饼,没有更多 TVL 支撑的话,未来很可能凉凉或者估值缩水。

Bacaan Terkait

OpenAI Rekrut Ahli Perbankan Investasi dengan Gaji Hanya Rp130 Juta, Netizen Komplain Gajinya Kecil

OpenAI membuka lowongan baru untuk Subject Matter Expert di bidang Investment Banking, bagian dari tim Applied AI di San Francisco. Pekerjaan intinya adalah melatih AI untuk melakukan tugas-tugas perbankan investasi, seperti penelitian, analisis keuangan, valuasi, due diligence, dan eksekusi transaksi, serta menetapkan standar kualitas untuk hasil kerja AI. Gaji yang ditawarkan berkisar antara $185.000 hingga $205.000 (sekitar 125-130 juta Rupiah) per tahun plus opsi saham. Namun, banyak komentar menganggap gaji ini rendah untuk seorang ahli dengan pengalaman di bidang tersebut. Kandidat ideal membutuhkan setidaknya 2 tahun pengalaman di perbankan investasi dengan keterlibatan dalam transaksi nyata. Keahlian praktis dalam membuat model finansial di Excel dan presentasi PowerPoint yang berkualitas sangat penting. Posisi ini berfokus pada kontribusi individu untuk mengembangkan tugas evaluasi, membuat contoh kerja referensi, dan merancang kriteria penilaian ketat guna membedakan output AI yang "terlihat baik" dengan yang benar-benar akurat dan dapat diandalkan untuk penggunaan profesional. Tim Applied AI OpenAI memilih bidang perbankan investasi karena dianggap sebagai salah satu lingkungan kerja pengetahuan yang paling menuntut. Tujuannya adalah untuk memastikan AI dapat menghasilkan keluaran yang dapat dipercaya dan digunakan oleh bankir berpengalaman.

marsbit1j yang lalu

OpenAI Rekrut Ahli Perbankan Investasi dengan Gaji Hanya Rp130 Juta, Netizen Komplain Gajinya Kecil

marsbit1j yang lalu

ACL 2026 Didominasi Peneliti Tionghoa, Penulis Pertama Semua Makalah Terbaik Adalah Peneliti Tionghoa, Hampir Semua Makalah Unggulan Diraih Mereka

ACL 2026, konferensi puncak di bidang pemrosesan bahasa alami, mencatat rekor baru dengan 12.148 makalah yang diajukan. Dari jumlah tersebut, tiga makalah dianugerahi Penghargaan Makalah Terbaik (Best Paper Award), dan semuanya memiliki penulis utama beretnis Tionghoa. Makalah pertama, "The Imperfective Paradox in Large Language Models" (Bolei Ma dkk.), mengungkap bias "teleologis" pada model bahasa besar (LLM). Saat dihadapkan pada kalimat seperti "tukang kayu sedang membangun gazebo", LLM cenderung langsung menyimpulkan bahwa gazebo tersebut telah selesai dibangun, meskipun konteksnya ambigu. Ini menunjukkan bahwa LLM lebih berfungsi sebagai mesin prediksi naratif daripada pemikir logis yang setia. Makalah kedua, "Memory efficiency and resource-rational encoding in sentence processing" (Weijie Xu dkk.), mengeksplorasi bagaimana membatasi memori kerja Transformer—dengan menyuntikkan noise—justru membuat model lebih menyerupai pemrosesan bahasa manusia. Model belajar mengalokasikan sumber daya memori yang terbatas secara lebih efisien, sehingga pola pembacaannya lebih mirip manusia. Makalah ketiga, "Characterizing the Expressivity of Local Attention in Transformers" (Jiaoda Li dkk.), memberikan penjelasan teoretis mengapa perhatian lokal (local attention), yang hanya melihat konteks terdekat, sering kali lebih kuat daripada perhatian global. Kombinasi keduanya memperluas kapabilitas model. Secara keseluruhan, ACL 2026 didominasi oleh penelitian seputar LLM (23% judul makalah menyebutkan LLM). Peserta dari Tiongkok Daratan mendominasi dengan kontribusi 54.0%. Selain tiga makalah terbaik, 18 makalah Outstanding Paper juga didominasi oleh peneliti beretnis Tionghoa, terutama di bidang keamanan LLM dan pembelajaran penguatan (reinforcement learning), mencerminkan pengaruh kuat komunitas peneliti Tionghoa di konferensi tingkat dunia ini.

marsbit1j yang lalu

ACL 2026 Didominasi Peneliti Tionghoa, Penulis Pertama Semua Makalah Terbaik Adalah Peneliti Tionghoa, Hampir Semua Makalah Unggulan Diraih Mereka

marsbit1j yang lalu

Trading

Spot
活动图片