单日涨超8倍,PING会再次掀起「铭文热潮」吗?

marsbitDipublikasikan tanggal 2025-10-23Terakhir diperbarui pada 2025-10-24

编者注:近两天,最大的金狗或许就是 Base 上的 $PING 了。它通过 x402 协议发行的第一枚代币。x402 是由 Coinbase 开发的一种开放支付协议,它使 AI agents 能够自主完成交易。其铸造流程,让人想起了 2 年前的铭文。关于更多 PING 和 x402 协议的介绍,可参阅:《像铭文的 30 倍大金狗,x402 协议是什么?》

目前,PING 市值已突破 3000 万美元,24 小时涨超 8 倍,这也引发了人们对于第二次「铭文热潮」的期待。加密研究员 Haotian 也对此次热潮做出了自己的分析,以下为原文内容:

大家都说 $PING 的出现很像 2023 年的 BTC 铭文热潮,为什么像?像在哪里?会向铭文市场一样演化发展吗?先说答案:会。好,以下阐述具体逻辑:

1. 为什么像?核心在于链上合法数据+链下解释权。

铭文的运作逻辑是:用户向 BTC 主网发送交易并占有特定的 UTXO,但 BTC 主网并没有决断哪笔交易有效的能力,而 Ordinals 协议就是那个判断铭文是否有效的 indexer 索引器。它作为第三方裁判,扫描链上所有交易,按照自己定义的规则,比如「First is First」来认定哪些是有效真铭文。

PING 的运作逻辑,也几乎是同样的配方:用户在 Base 链上发送 USDC 到特定地址,地址由 x402scan 动态返回,相当于用户向 x402 协议发出了一笔「支付请求」,但 Base 链和 x402 协议本身并不知道这是在"mint $PING,在它们眼里,这只是一笔普通的 ERC20 转账。

真正赋予这笔交易「mint 意义」的是 x402scan 这个 indexer:它扫描 Base 链上所有发往特定地址的 USDC 转账,按照自己定义的规则(1 USDC = 5000 $PING),认定哪些交易是「有效 mint」,然后在链下数据库记录并通过合约分发代币。

2. 像在哪里

铭文刚出来时候,遭到了 Bitcoin Core 团队的抵制,因为它的存在除了让 BTC 主网上堆满大量粉尘交易,没任何价值。显然,顺着这个思路,$PING 的存在逻辑也类似,但和 BTC 主网一样,x402 协议作为开放标准,即便不讨喜短期看也无能为力。

原理很简单,大家打铭文的资产好歹还是存在了 BTC 主网上,铭文没了炒作意义,释放一下还能返回一部分 BTC,但大家 Mint 的 PING,其实都到了 x402scan 指定的 treasury 钱包内,团队一边众筹,一边发币,真正的 x402 协议前后都只是被「白嫖」了一番。


先别着急怼我,这样的行为我前文说了是一次「冲锋号」行动,对于曝光传播 x402 赛道的价值大有裨益。等于强行为 x402 协议制造使用场景,且效果立竿见影,也算是一次对 x402 协议的压力测试,无疑是一次「x402 叙事的奇点」,会催生一系列改进和生态繁荣可能。

3. 会向铭文市场一样演化吗?

会,前边说了,PING 的存在意义实际上是 x402scan 这个 indexer。但显然它存在很大问题:比如,资产托管在自身中心化实体名下,违背了 x402 协议为 AI Agent 开通的支付通道的初衷,不一定能和其他 x402 协议进行无缝兼容,甚至没有统一的铸造、转账、销毁等操作规范。

所以,顺着 BRC20-ARC20-SRC20-Runes 演进的逻辑,相信还会有很多自称更「正统」的新「铭文」出现。


比如改进托管方式,改变发交易 mint 的形式,获得原生协议支持等等思路等等。夸张点说,中间即便出现 x402scan 协议跑路,Treasury 卷款走等已经阻挡不住这波风刮起来了,潘多拉的魔盒已经开启!


以上。

还是重申一个观点,x402 叙事的爆发是一定的,$PING 只是吹响了冲锋号,后续市场如何演化可能也很多很多,以上分享权当认知逻辑,不做任何投资建议,但大可不必焦虑,接下来该凑的热闹值得凑凑!

Bacaan Terkait

Berita Pagi | Trump Media Group Rilis Laporan Keuangan Q1; Tiga Aplikasi DeFi Mengembalikan Hampir $100 Juta Pendapatan kepada Pemegang Token dalam 30 Hari; Michael Saylor Kembali Posting Informasi Bitcoin Tracker

**Berita Utama:** * **Grup Media Trump** melaporkan kerugian belum terealisasi sekitar $400 juta dari investasi aset kripto seperti Bitcoin dalam laporan keuangan Q1-nya. * Tiga aplikasi DeFi utama (**Hyperliquid, Pump.fun, EdgeX**) mengembalikan hampir $100 juta pendapatan kepada pemegang token dalam 30 hari terakhir, menandakan pergeseran fokus ke ekonomi riil di sektor ini. * **Michael Saylor** dari MicroStrategy kembali memposting informasi "Bitcoin Tracker", mengisyaratkan kemungkinan pengungkapan pembelian Bitcoin lebih lanjut oleh perusahaan minggu depan. **Perkembangan Kebijakan & Regulasi:** * **Bank of England** memperingatkan bahwa regulasi stablecoin AS berpotensi memicu persaingan dengan regulator internasional. * **Layanan Pajak Korea Selatan** untuk pertama kalinya menguji pilot penyerahan aset virtual yang disita kepada penyedia penitipan pihak ketiga. **Analisis Pasar & Lainnya:** * **Goldman Sachs** menunda prediksi pemotongan suku bunga Fed hingga Desember 2026, menyoroti tekanan inflasi yang berkelanjutan. Hal ini dapat mengurangi likuiditas yang mengalir ke aset berisiko seperti kripto. * **Polymarket**, platform prediksi, mengumumkan pembaruan untuk mengatasi masalah teknis dan telah menutup beberapa kluster akun yang terlibat dalam aktivitas perdagangan "ghost-fill". * Tren meme coin tetap aktif, dengan daftar teratas yang didominasi oleh token seperti **HEX, SHIB, PEPE (di ETH), FWOG, TROLL (di Solana), dan SKITTEN, PEPE (di Base)**.

链捕手1m yang lalu

Berita Pagi | Trump Media Group Rilis Laporan Keuangan Q1; Tiga Aplikasi DeFi Mengembalikan Hampir $100 Juta Pendapatan kepada Pemegang Token dalam 30 Hari; Michael Saylor Kembali Posting Informasi Bitcoin Tracker

链捕手1m yang lalu

Telegram Secara Langsung Mengambil Kendali TON, Alur Cerita Blockchain Publik Ditulis Ulang oleh Arus Sosial

Pada 4 Mei, pendiri Telegram Pavel Durov mengumumkan bahwa biaya transaksi di jaringan TON telah turun drastis, mendekati nol. Lebih penting lagi, Telegram kini akan mengambil alih peran utama dari TON Foundation, menjadi penggerak inti dan validator terbesar di jaringan TON. Fokus ke depan adalah peningkatan teknis seperti alat baru untuk pengembang dan peningkatan kinerja dalam 2-3 minggu mendatang. Perubahan ini menandai pergeseran signifikan. Sebelumnya, Telegram lebih berperan sebagai pintu masuk, sementara komunitas mengembangkan ekosistem. Kini, Telegram terlibat langsung di lapisan infrastruktur. Tantangan utama TON bukan lagi sekadar mengakses pengguna Telegram yang banyak, tetapi mengubah akses tersebut menjadi skenario penggunaan berkelanjutan di dalam aplikasi, seperti pembayaran kecil, hadiah, dan monetisasi kreator. Penurunan biaya dan percepatan konfirmasi transaksi (menjadi 0,6 detik) sangat penting untuk mendukung transaksi kecil dan frekuensi tinggi yang khas di Telegram. Tujuannya adalah membuat interaksi blockchain menjadi hampir tak terasa oleh pengguna. Durov juga menyoroti imbalan staking TON yang tinggi (18.8% per tahun), tertinggi di antara 50 kripto teratas, yang bertujuan mempertahankan likuiditas dalam ekosistem. Namun, langkah Telegram menjadi validator terbesar juga memunculkan pertanyaan tentang sentralisasi, yang menurut Durov justru akan menarik lebih banyak validator besar dan meningkatkan desentralisasi. Kesimpulannya, TON kini memasuki fase yang lebih menantang: tidak hanya memanfaatkan aliran pengguna Telegram, tetapi menjadi infrastruktur yang mulus tertanam dalam pengalaman penggunaan sehari-hari di Telegram. Kesuksesannya akan diukur oleh kemampuannya mengubah potensi aliran sosial menjadi aktivitas on-chain yang berkelanjutan, di mana blockchain beroperasi di balik layar tanpa disadari pengguna.

Odaily星球日报13m yang lalu

Telegram Secara Langsung Mengambil Kendali TON, Alur Cerita Blockchain Publik Ditulis Ulang oleh Arus Sosial

Odaily星球日报13m yang lalu

Setelah Pelatihan, Insinyur OpenAI Weng Jiayi Mengajukan Asumsi Paradigma Baru untuk Agentic AI

Dalam eksperimen terbarunya, insinyur OpenAI, Weng Jiayi, mengusulkan paradigma baru untuk AI agentik yang disebut "Heuristic Learning" (HL). Berbeda dengan pendekatan tradisional yang mengandalkan pelatihan model neural berskala besar, HL memungkinkan AI (dalam hal ini Codex) untuk secara mandiri menulis, menjalankan, menguji, dan merevisi kode program strategi berdasarkan tujuan, lingkungan yang dapat dijalankan, dan umpan balik tertutup. Dalam eksperimen utama di lingkungan Atari Breakout, agen Codex berhasil mengembangkan strategi kode Python murni yang mencapai skor sempurna 864. Prosesnya melibatkan siklus iteratif: menulis kode, menjalankan simulasi, menganalisis log dan rekaman video, mengidentifikasi kegagalan, lalu memodifikasi kode. Pengalaman "dipelajari" tidak disimpan dalam bobot neural network, tetapi dalam sistem perangkat lunak yang dapat dibaca, diubah, dan diaudit. Eksperimen lebih lanjut di 57 game Atari menunjukkan bahwa pendekatan HL memiliki efisiensi sampel yang mengesankan di awal, mencapai kinerja sebanding dengan algoritma Reinforcement Learning (RL) seperti PPO dalam jutaan langkah. Namun, HL memiliki batasan dalam tugas yang memerlukan perencanaan jangka panjang dan urutan aksi kompleks, seperti yang terlihat dalam game Montezuma's Revenge. Paradigma HL ini berpotensi memiliki implikasi signifikan di industri, terutama dalam: 1) Kontrol robotik untuk skenario terstruktur, mengurangi ketergantungan pada inferensi neural network berat di setiap langkah; 2) Skenario kritis keamanan (mobil otonom, robot medis) di mana kemampuan audit dan penelusuran kode sangat berharga; 3) Pembelajaran berkelanjutan yang dapat diotomatisasi dan diintegrasikan ke dalam alur kerja rekayasa perangkat lunak; 4) Preservasi dan pertukaran kemampuan agen dalam bentuk aset kode yang dapat digunakan kembali. Weng Jiayi menekankan bahwa HL bukan pengganti lengkap untuk neural network, tetapi pelengkap. Visinya adalah sistem hybrid di mana neural network (System 1) menangani persepsi cepat, HL menangani pemrosesan aturan dan memori yang dapat diinterpretasikan, dan LLM agen (System 2) memberikan umpan balik tingkat tinggi. Intinya, HL menawarkan kemungkinan untuk mengubah pengalaman AI dari sesuatu yang "terkompresi dalam bobot" menjadi sesuatu yang "terkandung dalam perangkat lunak yang dapat dipelihara".

marsbit1j yang lalu

Setelah Pelatihan, Insinyur OpenAI Weng Jiayi Mengajukan Asumsi Paradigma Baru untuk Agentic AI

marsbit1j yang lalu

Claude-mu Akan Bermalam Ini, Jangan Ganggu Ia

Anthropic memperkenalkan fitur "Dreaming" (Bermimpi) pada platform Managed Agents, yang memungkinkan AI Agent secara otomatis menganalisis dan mengoptimalkan log dari sesi tugas sebelumnya saat tidak aktif. Proses ini mirip dengan konsolidasi memori dalam tidur manusia, di mana AI menyaring informasi penting dari riwayat operasinya (seperti pola keberhasilan atau kegagalan) untuk meningkatkan kinerja di masa depan. Fitur serupa juga dikembangkan oleh Hermes Agent dan OpenClaw, yang menggunakan mekanisme "mimpi" untuk menyempurnakan keterampilan dan memori jangka panjang AI. Artikel ini mengeksplorasi bagaimana istilah-istilah manusia seperti "berpikir", "ingatan", dan kini "bermimpi" semakin banyak diterapkan pada teknologi AI. Penggunaan bahasa ini tidak hanya bersifat metaforis tetapi juga membentuk persepsi pengguna tentang AI sebagai entitas yang lebih hidup dan mandiri. Namun, secara teknis, "Dreaming" pada AI adalah proses pengolahan data offline yang bertujuan untuk efisiensi dan pembelajaran mandiri, berbeda dengan mimpi manusia yang melibatkan kesadaran. Tantangan kontekstual dalam AI, seperti batasan memori (KV Cache) dan kebutuhan akan jendela konteks yang lebih besar (seperti model SubQ yang mengklaim 12 juta token), mendorong pengembangan fitur seperti "Dreaming" untuk membantu AI mengelola informasi dengan lebih cerdas. Artikel ini mengajak pembaca untuk mempertanyakan bagaimana bahasa membentuk hubungan kita dengan teknologi dan menggeser tanggung jawab dari pengembang ke AI itu sendiri.

marsbit1j yang lalu

Claude-mu Akan Bermalam Ini, Jangan Ganggu Ia

marsbit1j yang lalu

Trading

Spot
Futures
活动图片