DApp三大出路:应用链、返回价值、特定应用排序

币界网Pubblicato 2024-08-19Pubblicato ultima volta 2024-08-19

币界网报道:

作者:Pavel Paramonov,来源:作者推特@paramonoww;编译:邓通,

一切真的都朝着 AppChains (应用链)发展吗?

嗯,是的,但实际上不是。

dApp 转向主权链的主要原因是他们认为自己被抢劫了。

这离事实并不远,因为大多数 dApp 都没有盈利。

您可以考虑最近关闭的 @zkxprotocol 的例子,以及过去的许多其他应用程序,如 @utopialabs_、@yield、FujiFinance 等。

但商业模式真的有那么大的缺陷吗,还是协议真的被抢劫了?

dApp 的主要收入来源(通常也是唯一收入来源)是费用。用户支付费用是因为他们直接从中受益。

但是,用户并不是从 dApp 使用中受益的唯一一方。

有几个参与者从交易供应链中获利,但他们主要是区块提议者,即使他们是最后看到交易的人。在 L2 的情况下,这些是序列器。

MEV 被大量提取,这并不总是一件坏事,但 dApp 创造的价值被夺走了,因此它们无法获得其提供的全部价值。

目前有 3 种方法可以解决这个问题:

1. 成为应用链。

2. 选择返回价值的 L1/L2。

3. 实现特定于应用的排序。

就像加密中的一切一样,每个解决方案都有其权衡。

1. 成为应用链:高成本 + 高价值

您可以获得无数优点:提取尽可能多的价值、控制自己的网络(如果您是 L2)、更容易扩展、避免争夺区块空间等等。

缺点:它真的很贵,非常贵。而且很难做到,因为您必须同时制作应用程序和链。

即使您想构建 L2 并使用像@alt_layer这样的解决方案。

每个应用程序最终都会成为应用链的论点通常是站不住脚的,原因有 3 个:

- 并非每个 dApp 都大到需要转移到应用链。

- 一些 dApp 直接受益于底层链的架构。

- DApp 在另一个链上感觉很舒服。

2. 返回价值的 L1/L2:低成本 + 中等价值

在 rollup 或 L1 上部署应用程序的成本要低得多,因为你不必为验证、包含、共识、交易流程等实施新的规则。

对于 rollup:将你的应用程序从以太坊带到 rollup 真的很容易(大多数时候),因为 rollup 要么与 EVM 兼容(例如 @arbitrum),要么与 EVM 等效(例如 @taikoxyz)。

你仍然需要考虑底层链的架构,但你不必从头开始构建它。

也许在未来我们将拥有真正的链抽象,开发人员除了他们的 dApp 之外不必关心任何事情,但那是另一回事……

开发人员获得中等价值作为回报,因为它不高(你不拥有链经济),但也不低(除了费用之外,你还会获得一些回报)。

目前几乎没有任何实现,因为与 dApp 共享 MEV 仍然是一个复杂的过程,我们需要做更多的研发。

3. 特定应用排序:中等成本 + 不确定价值

特定应用排序的概念相当新,人们经常将其与应用链混淆,两者的区别很简单:

- 应用链关心排序和执行。

- 自排序 dApp 只关心排序,将执行“外包”给 L1/L2。

它是中等成本,因为除了 dApp 构建之外,您还必须考虑对交易进行排序,并且价值不确定,因为这个概念相当新,并且有不同的关注点。

首先,由于包含游戏,您仍然依赖于提议者:您可以发送任何您想要发送的捆绑包,但是否包含您的捆绑包的决定取决于提议者。

如果您将接受所有 MEV,提议者没有明确的动机将您的捆绑包包含在区块中。

因此,它为提议者打开了另一个激励市场。他们(dApp + 提议者)应该合作,否则他们都没有任何价值或权力。

它还具有不确定的价值,因为我们不确定 L1/L2 的共享价值是否会超过 dApps 通过排序交易为自己创造的价值。

任何一条链都是黑暗森林(不仅仅是以太坊!)。所以回到开头的问题:

一切真的都在向 AppChains 靠拢吗?

1. 是的(有些 dApp 拥有自己的链比留在现有链上更有利)。

2. 不是(还有其他适合 dApp需求的解决方案)

森林很大,可以探索所有选项。

世界上的每一种景观(加密)都有一定的多样性,因此请选择更适合您需求的方案或构建您自己的解决方案!

Letture associate

Just now, DeepSeek V4 updates with DSpark, improving inference speed by 80%

DeepSeek has updated its DeepSeek V4 model with the DSpark speculative decoding framework, achieving a significant 60-85% speedup in generation for Flash models and 57-78% for Pro models while maintaining the same overall throughput. This engineering-focused update, rather than a core architectural change, introduces DSpark to address latency and throughput bottlenecks in high-concurrency production environments. DSpark combines high-throughput parallel generation with adaptive load-aware verification. Its key innovations include a semi-autoregressive generation architecture to model dependencies within token blocks and a hardware-aware confidence-scheduled verification system. This system uses a confidence head to predict token acceptance probabilities, allowing it to dynamically optimize verification length per request and allocate compute only to tokens with the highest expected payoff. The asynchronous scheduler is designed for real-world deployment, ensuring zero-overhead scheduling and continuous CUDA graph replay while preserving the target model's output distribution. In tests across mathematical reasoning, code generation, and daily dialogue, DSpark outperformed state-of-the-art models like Eagle3 and DFlash, increasing average acceptance length by 26.7%-30.9% and 16.3%-18.4% respectively on Qwen3 target models. DeepSeek also open-sourced DeepSpec, a full-stack codebase for training and evaluating speculative decoding draft models, providing a standardized toolkit that includes data preparation tools, model implementations, training code, and evaluation scripts.

marsbit8 h fa

Just now, DeepSeek V4 updates with DSpark, improving inference speed by 80%

marsbit8 h fa

Trading

Spot
活动图片